基于姿态识别的智能座椅控制装置制造方法及图纸

本实用新型专利技术涉及基于姿态识别的智能座椅控制装置。该装置包括：图像采集模块，被配置为通过图像数据采集装置获取目标用户的图像数据；姿态识别模块，被配置为通过姿态识别算法从所述图像数据中识别出所述目标用户，并输出所述智能座椅所需要的人体体态图；三维重建模块，被配置为基于所述人体体态图通过三维重建算法重建所述目标用户的人体三维姿态信息；骨骼配准模块，被配置为利用三维空间中的体态关键节点将所述目标用户与参考者进行骨骼配准；姿态比较模块，被配置为将经骨骼配准的所述目标用户与所述参考者的所述人体三维姿态信息进行比较；以及自适应调整模块，被配置为基于所述比较结果，对所述智能座椅适应性调整。

【技术实现步骤摘要】
基于姿态识别的智能座椅控制装置
本技术涉及人工智能领域，具体地涉及基于姿态识别的智能座椅控制装置。
技术介绍
随着社会的发展，汽车逐渐普及成为人们日常的代步工具。其中，汽车座椅作为汽车的基本装置是汽车的重要安全部件，直接关系到乘员的驾乘舒适性和安全性。为此，在开始驾驶汽车之前，需要对汽车座椅进行调整以适应乘员。如果汽车座椅无法适应乘员，则乘员在驾驶过程中可能需要保持很蜷缩的姿势，这样就必然会使得乘员的全身的骨骼、肌肉处于紧张状态，增加驾驶疲劳感，甚至会影响行车安全。然而，从目前的汽车驾驶情况来看，很多新人都面临这个问题，甚至对于老司机而言，将汽车座椅调整到既舒适又安全的位置也是非常不容易的。然而，在现有技术中，通常只是在人体感知的情况下对汽车座椅的座垫、靠背、头枕、腰垫等进行手动调节，但是调节效率比较低，即，舒适度及安全性需要不断重复调整获得。因此，需要设计一种新的智能汽车座椅控制装置，能够依照用户个性化调整汽车座椅的坐垫高度、前后距离、靠背角度以及头枕位置，以满足舒适性及安全性的需求。
技术实现思路
鉴于上述技术问题，本
技术实现思路
提出了一种基于姿态识别的智能座椅控制装置。该装置通过多视角获取目标用户的视频和图像，重建三维姿态信息，从而全方位获取目标用户的姿态。此外，该智能座椅控制装置还利用深度学习神经网络结合传统机器学习技术进行姿态分析，继而通过与参考者进行比较对所述智能座椅适应性调整，并将优化建议反馈给目标用户。本技术提供了一种基于姿态识别的智能座椅控制装置，可以包括如下模块：图像采集模块，所述图像采集模块被配置为通过图像数据采集装置获取目标用户的图像数据；姿态识别模块，所述姿态识别模块与所述图像采集模块耦合并且被配置为通过姿态识别算法从所述图像数据中识别出所述目标用户，并输出所述智能座椅所需要的人体体态图；三维重建模块，所述三维重建模块与所述姿态识别模块耦合并且被配置为基于所述人体体态图通过三维重建算法重建所述目标用户的人体三维姿态信息；骨骼配准模块，所述骨骼配准模块与所述三维重建模块耦合并且被配置为利用三维空间中的体态关键节点将所述目标用户与参考者进行骨骼配准；姿态比较模块，所述姿态比较模块与所述骨骼配准模块耦合并且被配置为将经骨骼配准的所述目标用户与所述参考者的所述人体三维姿态信息进行比较；以及自适应调整模块，所述自适应调整模块与所述姿态比较模块耦合并且被配置为基于所述比较结果，对所述智能座椅适应性调整；其中所述耦合的方式是有线耦合或者无线耦合。在一个优选实施方式中，所述图像数据采集装置可以包括以下至少一种：平面摄像头、深度摄像头、红外摄像头或热成像仪，其中所述深度摄像头包括以下至少一种：时间飞行摄像头、结构光摄像头或双目摄像头。在另一优选实施方式中，所述姿态识别模块进一步被配置为：通过人体的关键节点，确定人体的姿态，其中所述关键节点包括以下至少一种：肢体关节点、面部关键点，并且所述关键节点的位置信息用坐标表示；确定至少一个所述关键节点在所述图像数据中的位置坐标；确定至少一个所述关键节点的类别信息，其中所述类别信息包括：感兴趣的身体特征信息，所述感兴趣的身体特征信息包括：针对不同应用的人体监测任务和人体生物力学模型分析所需要的人体部位关键特征点；确定至少一个所述关键节点的状态信息，其中所述状态信息包括：可见、不可见、以及可推测或不可推测；以及通过所述关键节点之间的位置关系和可信度，将所述关键节点链接成所述人体体态图。在又一优选实施方式中，所述姿态识别算法包括深度学习神经网络预测算法，其中深度学习神经网络需要进行训练，所述训练包括：准备人体姿态图像集，其中所述人体姿态图像集中的人体姿态图像数据根据所述关键节点被标记；以及利用所述人体姿态图像集对深度学习模型进行训练，通过误差反向传播更新所述深度学习神经网络的参数直至收敛，得到训练完备的所述深度学习神经网络。在又一优选实施方式中，所述三维重建模块进一步被配置为：获取所述图像数据采集装置的拍摄参数，根据所述拍摄参数建立三维空间坐标系，其中所述拍摄参数包括以下至少一种：摄像头的方位，角度和视角，焦距。在又一优选实施方式中，所述三维重建模块进一步被配置为：在单深度相机的情况下，通过将由所述深度相机获取的深度图像生成的所述人体体态图转换为三维点云图像，以重建所述目标用户的所述人体三维姿态信息；在平面相机和深度相机组合的情况下，通过将由所述平面相机获取的平面图像生成的所述人体体态图与由所述深度相机获取的深度图像转换的三维点云图像进行处理，以重建所述目标用户的所述人体三维姿态信息；或者在多视角图像数据采集装置组合的情况下，通过将图像数据采集装置在每个视角生成的所述人体体态图投射到所述三维空间坐标系中，以重建所述目标用户的所述人体三维姿态信息。在又一优选实施方式中，所述骨骼配准模块进一步被配置为进行全局骨骼缩放和局部骨骼缩放，其中所述全局骨骼缩放是指针对整个人体的关键节点的坐标集进行配准，所述局部骨骼缩放是指针对人体的关键节点中的局部关键节点的坐标进行配准，包括：计算所述目标用户与所述参考者的骨骼长度，其中所述骨骼长度为链接在一起的所述关键节点的所述位置坐标之间的距离，其中所述距离包括以下至少一种：欧式距离、标准化欧式距离、马氏距离、余弦距离；将所述目标用户的所述骨骼长度按照所述参考者的对应骨骼长度进行骨骼配准；或者将所述参考者的所述骨骼长度按照所述目标用户的对应骨骼长度进行骨骼配准。在又一优选实施方式中，所述姿态比较模块进一步被配置为进行以下至少一种：通过计算所述目标用户的关键节点与所述参考者的对应关键节点在所述三维空间上的距离进行逐一比较，其中所述距离越大表示姿态差距越大；通过计算所述目标用户的多个关键节点与所述参考者的多个对应关键节点在所述三维空间上的距离并将所得距离求平均值进行比较，其中所述平均值越大表示姿态差距越大；以及通过计算所述目标用户的相链接关键节点组成的线段与所述参考者的对应相链接关键节点组成的线段之间的夹角进行比较，其中所述夹角越大表示姿态差距越大。在又一优选实施方式中，所述自适应调整模块进一步被配置为：基于对前述的一个或多个比较方式得到的比较结果加权所得的评分，适应性调整所述智能座椅的坐垫高度、前后距离、腰部支撑幅度、靠背倾斜角度或者头枕弯曲度；形成所述智能座椅的所述坐垫高度、前后距离、腰部支撑幅度、靠背倾斜角度或者头枕弯曲度针对所述目标用户的记忆，以便响应于识别出所述目标用户，直接将所述智能座椅调整至针对所述目标用户记忆的坐垫高度、前后距离、腰部支撑幅度、靠背倾斜角度或者头枕弯曲度；以及向所述目标用户反馈姿态优化建议。在又一优选实施方式中，该基于姿态识别的智能座椅控制装置还包括电源装置，所述电源装置用于为所述图像采集模块、所述姿态识别模块、所述三维重建模块、所述骨骼配准模块、所述姿态比较模块和所述自适应调整模块供电。与现有技术相比，该基于姿态识别的智能座椅控制装置通过重建三维姿态信息并利用深度学习神经网络结合传统机器学习技术进行姿态分析，对所述智能座椅适应本文档来自技高网...

【技术保护点】
1.一种基于姿态识别的智能座椅控制装置，其特征在于包括如下模块：/n图像采集模块，所述图像采集模块被配置为通过图像数据采集装置获取目标用户的图像数据；/n姿态识别模块，所述姿态识别模块与所述图像采集模块耦合并且被配置为通过姿态识别算法从所述图像数据中识别出所述目标用户，并输出所述智能座椅所需要的人体体态图；/n三维重建模块，所述三维重建模块与所述姿态识别模块耦合并且被配置为基于所述人体体态图通过三维重建算法重建所述目标用户的人体三维姿态信息；/n骨骼配准模块，所述骨骼配准模块与所述三维重建模块耦合并且被配置为利用三维空间中的体态关键节点将所述目标用户与参考者进行骨骼配准；/n姿态比较模块，所述姿态比较模块与所述骨骼配准模块耦合并且被配置为将经骨骼配准的所述目标用户与所述参考者的所述人体三维姿态信息进行比较；以及/n自适应调整模块，所述自适应调整模块与所述姿态比较模块耦合并且被配置为基于所述比较的结果，对所述智能座椅适应性调整；/n其中所述耦合的方式是有线耦合或者无线耦合。/n

【技术特征摘要】
1.一种基于姿态识别的智能座椅控制装置，其特征在于包括如下模块：
图像采集模块，所述图像采集模块被配置为通过图像数据采集装置获取目标用户的图像数据；
姿态识别模块，所述姿态识别模块与所述图像采集模块耦合并且被配置为通过姿态识别算法从所述图像数据中识别出所述目标用户，并输出所述智能座椅所需要的人体体态图；
三维重建模块，所述三维重建模块与所述姿态识别模块耦合并且被配置为基于所述人体体态图通过三维重建算法重建所述目标用户的人体三维姿态信息；
骨骼配准模块，所述骨骼配准模块与所述三维重建模块耦合并且被配置为利用三维空间中的体态关键节点将所述目标用户与参考者进行骨骼配准；
姿态比较模块，所述姿态比较模块与所述骨骼配准模块耦合并且被配置为将经骨骼配准的所述目标用户与所述参考者的所述人体三维姿态信息进行比较；以及
自适应调整模块，所述自适应调整模块与所述姿态比较模块耦合并且被配置为基于所述比较的结果，对所述智能座椅适应性调整；
其中所述耦合的方式是有线耦合或者无线耦合。


2.根据权利要求1所述的智能座椅控制装置，其特征在于所述图像数据采集装置包括以下至少一种：平面摄像头、深度摄像头、红外摄像头或热成像仪，其中所述深度摄像头包括以下至少一种：时间飞行摄像头、结构光摄像头或双目摄像头。


3.根据权利要求1所述的智能座椅控制装置，其特征在于所述姿态识别模块进一步被配置为：
通过人体的关键节点，确定人体的姿态，其中所述关键节点包括以下至少一种：肢体关节点、面部关键点，并且所述关键节点的位置信息用坐标表示；
确定至少一个所述关键节点在所述图像数据中的位置坐标；
确定至少一个所述关键节点的类别信息，其中所述类别信息包括：感兴趣的身体特征信息，所述感兴趣的身体特征信息包括：针对不同应用的人体监测任务和人体生物力学模型分析所需要的人体部位关键特征点；
确定至少一个所述关键节点的状态信息，其中所述状态信息包括：可见、不可见、以及可推测或不可推测；以及
通过所述关键节点之间的位置关系和可信度，将所述关键节点链接成所述人体体态图。


4.根据权利要求3所述的智能座椅控制装置，其特征在于所述姿态识别算法包括深度学习神经网络预测算法，其中深度学习神经网络需要进行训练，所述训练包括：
准备人体姿态图像集，其中所述人体姿态图像集中的人体姿态图像数据根据所述关键节点被标记；以及
利用所述人体姿态图像集对深度学习模型进行训练，通过误差反向传播更新所述深度学习神经网络的参数直至收敛，得到训练完备的所述深度学习神经网络。


5.根据权利要求1所述的智能座椅控制装置，其特征在于所述三维重建模块进一步被配置为：
获取所述图像数据采集装置的拍摄参数，根据所述拍摄参数建立三维空间坐标系，其中所述拍摄参数包括以下至少一种：摄像头的方位，角度和视角，焦距。


6.根据权利要求5所述的智能座椅控...

【专利技术属性】
技术研发人员：董秀园，
申请(专利权)人：董秀园，
类型：新型
国别省市：江苏;32