基于图像识别技术的座椅自动控制方法、系统及存储介质与流程

1.本发明涉及智能化座椅技术领域，特别是涉及一种基于图像识别技术的车辆座椅自动控制方法及系统。


背景技术：

2.目前车辆座椅调节可以通过两种方式，一种是上车后驾驶员和乘客通过手动调节的方式来调整位置和椅背角度，另一种是将座椅位置和椅背角度设定为数个固定的值，上车后从多个固定值中选取一个使用。
3.然，无论是哪种方式，都是在驾驶员开车前进行调节的，而对于不同的道路场景，驾驶员对驾驶视角的需要是不一样的，比如：当通过狭窄路段的时候，驾驶员的视角应该更高，以更好的看清车头前方的道理环境，防止剐蹭。对于这种情况，鉴于开车途中不能对座椅进行手动调节，一般的做法是驾驶员挺直身子，以用于看清前方道路。这种做法，会影响驾驶员的驾驶体验，同时会使驾驶员更容易感到疲惫。


技术实现要素：

4.本发明为克服上述现有技术中当车辆通过狭窄路段需要更高的驾驶视角的时候，驾驶员挺直身子，以看清前方道路，存在影响驾驶员的驾驶体验，使驾驶员更容易感到疲惫，且不智能等问题，提供一种基于图像识别技术的车辆座椅自动控制方法、系统及存储介质。
5.为解决上述技术问题，本发明的技术方案如下：
6.一种基于图像识别技术的车辆座椅自动控制方法，包括如下步骤：
7.实时获取车辆行驶前方的场景图片；
8.通过图片识别模型对采集的场景图片进行识别，以标定出场景图片中的物体；
9.判断场景图片中物体的移动方向和移动速度；
10.根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景；
11.根据车辆行驶场景自动调整座椅方向。
12.进一步的，作为优选技术方案，车辆行驶前方的场景图片是通过车辆前方安装的前视摄像头以一定的频率实时拍摄的。
13.进一步的，作为优选技术方案，所述车辆行驶场景包括车辆处于上坡状态、车辆处于下坡状态或者车辆处于狭窄路段。
14.进一步的，作为优选技术方案，根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景包括：
15.根据物体的移动速度识别出车辆的当前车速；
16.根据物体的移动方向识别出车辆处于上坡状态或车辆处于下坡状态。
17.进一步的，作为优选技术方案，还包括：
18.提取场景图片中的物体的个数；
19.根据场景图片中物体的个数变化情况和移动速度，判断车辆是否处于狭窄路段。
20.进一步的，作为优选技术方案，所述物体的移动方向的计算具体包括：
21.计算场景图片中标定出的物体的面积；
22.将相邻两帧场景图片中标定出的物体的面积进行比较；
23.根据面积变化得出物体的移动方向，进而得到车辆的行驶方向。
24.进一步的，作为优选技术方案，所述物体的移动速度的计算具体包括：
25.分别获取相邻两帧场景图片中标定出的物体的中心点和边长；
26.提取相邻两帧场景图片的时间差；
27.提取相邻两帧场景图片的中心点以及比率；
28.根据相邻两帧场景图片中标定出的物体的中心点和边长、相邻两帧场景图片的时间差、相邻两帧场景图片的中心点以及比率计算得到物体的移动速度。
29.进一步的，作为优选技术方案，所述图片识别模型的建立具体包括：
30.采集多张各种车辆行驶场景的图片，通过人工智能算法对采集的图片进行训练，得到图片识别模型。
31.一种基于图像识别技术的车辆座椅自动控制系统，包括：
32.图片采集模块，用于采集不同车辆行驶场景的图片；
33.计算模块：用于根据采集的不同车辆行驶场景的图片信息生成图片识别模型；
34.图像实时采集模块：设置在车辆前方，用于实时采集车辆前方的场景图片；
35.车辆中控模块：用于根据实时采集的车辆前方的场景图片，通过图片识别模型，实时识别出当前车辆行驶场景并发送至车辆微控模块；
36.车辆微控模块：与座椅驱动器连接，根据当前车辆行驶场景发送控制信号至座椅驱动器，以实现自动调整座椅方向。
37.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的一种基于图像识别技术的车辆座椅自动控制方法的步骤。
38.与现有技术相比，本发明技术方案的有益效果是：
39.本发明采用图像识别技术，以识别出车辆行驶场景，然后根据当前车辆行驶场景自动调节驾驶员的座椅姿态，使得驾驶员获得更好的驾驶视角，从而能能够看清车辆前方的道路环境，防止剐蹭，解决了现有技术中需要手动调节座椅或者驾驶员挺直身体才能看清前方道路的问题，使得驾驶员具有更好的驾驶体验。
附图说明
40.图1为本发明一种基于图像识别技术的车辆座椅自动控制方法的步骤流程图。
41.图2为本发明一种基于图像识别技术的车辆座椅自动控制方法中的图片识别模型的建立步骤流程图。
42.图3为本发明一种基于图像识别技术的车辆座椅自动控制方法中的场景图片中物体的移动方向的计算步骤流程图。
43.图4为本发明一种基于图像识别技术的车辆座椅自动控制方法中的场景图片中物体的移动速度的计算步骤流程图。
44.图5为本发明一种基于图像识别技术的车辆座椅自动控制方法中的根据场景图片
中物体的数量判断车辆是否处于狭窄路段的步骤流程图。
45.图6为本发明一种基于图像识别技术的车辆座椅自动控制系统结构框图。
46.附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。
具体实施方式
47.下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。。
48.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。
49.此外，若有“第一”、“第二”等术语仅用于描述目的，主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同)，并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量，而不能理解为指示或者暗示相对重要性。
50.实施例1
51.本实施例为克服现有技术中当车辆通过狭窄路段、上坡或者下坡需要更高的驾驶视角的时候，驾驶员挺直身子，以看清前方道路，存在影响驾驶员的驾驶体验，使驾驶员更容易感到疲惫，且不智能等问题，公开一种基于图像识别技术的车辆座椅自动控制方法，以识别出车辆行驶场景，然后根据当前车辆行驶场景自动调节驾驶员的座椅姿态，使得驾驶员获得更好的驾驶视角，从而能能够看清车辆前方的道路环境，防止剐蹭，解决了现有技术中需要手动调节座椅或者驾驶员挺直身体才能看清前方道路的问题，使得驾驶员具有更好的驾驶体验。
52.请参阅图1，图中示出了本技术一种基于图像识别技术的车辆座椅自动控制方法的步骤流程图。
53.本技术在实现过程中基于车辆前方设置的摄像头以及车辆上装置的中控计算机soc和车辆微控器mcu，从而实现根据当前车辆行驶场景自动调节驾驶员的座椅姿态的功能。
54.本实施例公开的一种基于图像识别技术的车辆座椅自动控制方法，如图1所示，包括步骤：
55.s101.实时获取车辆行驶前方的场景图片。
56.在本步骤中，在车辆前方设置有摄像头，也就是车辆前视摄像头，故此，车辆行驶前方的场景图片是通过车辆前方安装的前视摄像头获取的，在前视摄像头获取车辆行驶前方的场景图片时是以一定的频率实时拍摄。
57.s102.通过图片识别模型对采集的场景图片进行识别，以标定出场景图片中的物体。
58.本步骤可以理解为：
59.预先建的图片识别模型，然后采用预先建立的图片识别模型对采集的场景图片进行识别，以识别出场景图片中的物体，并对其进行标定。
60.s103.判断场景图片中物体的移动方向和移动速度。
61.本步骤可以理解为：
62.可根据多张标定出的场景图片中的物体的变化，判断得到场景图片中物体的移动方向和移动速度，以用于识别车辆的当前车速以及车辆行驶场景。
63.s104.根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景。
64.本步骤可以理解为：
65.通过上述步骤可知场景图片中物体的移动方向和移动速度，而根据场景图片中物体的移动速度识别出车辆的当前车速，根据物体的移动方向可识别出车辆行驶场景。
66.在本实施例中，车辆行驶场景包括车辆处于上坡状态、车辆处于下坡状态或者车辆处于狭窄路段。
67.故此，本步骤具体为：
68.根据物体的移动速度识别出车辆的当前车速。
69.根据物体的移动方向识别出车辆处于上坡状态或车辆处于下坡状态。
70.在本实施例中，判断车辆处于上坡状态或车辆处于下坡状态是通过判断上坡或者下坡的一瞬间，如果是上坡，有一瞬间场景图片中的物体整体都往下移，如果是下坡，则相反，一瞬间场景图片中的物体整体都往上移。
71.在一些实施例中，还可以通过以下方式片判断车辆处于上坡状态还是车辆处于下坡状态。
72.例如：如果油门没有放松，车速突然缓降，而场景图片中的物体下移则表示车辆处于上坡状态，如果车速突然加速，而场景图片中的物体上移则表示车辆处于下坡状态。
73.根据场景图片中物体的个数变化情况和移动速度，判断车辆是否处于狭窄路段。
74.在一些场景中，车辆处于上坡状态或者车辆处于下坡状态的同时，还处于狭窄路段，即上坡或者下坡同时为狭窄路段。
75.s105.根据车辆行驶场景自动调整座椅方向。
76.根据上述得到的车辆行驶场景，不管车辆处于上坡状态、车辆处于上坡状态还是处于狭窄路段，驾驶员的视角均需要调高，以更好的看清车头前方的道理环境，故此，当车辆处于上述行驶场景中，均需要将座椅调高，同时往前调，以使驾驶员具有更好的驾驶视角。
77.请参阅图2，图中示出了图片识别模型的建立步骤流程图。
78.在本实施例中，在执行步骤s102之前，需要预先建立图片识别模型，图片识别模型的建立如图2所示，包括以下步骤：
79.s201.采集多张各种车辆行驶场景的图片，以形成图片库。
80.由于车辆行驶场景包括车辆处于上坡状态、车辆处于下坡状态或者车辆处于狭窄路段。
81.故此，本步骤也可以理解为：采集多张车辆处于上坡状态、车辆处于下坡状态或者
车辆处于狭窄路段的图片，得到图片库，也就是训练集。
82.s202.通过人工智能算法对采集的图片进行训练，得到图片识别模型。
83.在本实施例中，所采用的人工智能算法为yolov5，当然，也可以采用别的算法，只要能够对图片库进行训练，从而得到图片识别模型，以用于对采集的场景图片进行识别即可。
84.请参阅图3，图中示出了场景图片中物体的移动方向的计算步骤流程图。
85.如图3所示，物体的移动方向的计算具体包括：
86.s301.计算场景图片中标定出的物体的面积。
87.该步骤中，物体的面积的计算可通过以下方式：
88.分别获取相邻两帧场景图片中标定出的物体的中心点和边长，通过相邻两帧场景图片中标定出的物体的中心点和边长可计算出物体的面积。
89.s302.将相邻两帧场景图片中标定出的物体的面积进行比较。
90.s303.根据面积变化得出物体的移动方向，进而得到车辆的行驶方向。
91.上述步骤也可以理解为：将相邻两帧场景图片中标定出的物体的面积进行差运算，得到差值，根据差值变化可以判断物体的移动方向，也就是物体相对车辆的移动方向，从而得到车辆的移动方向。
92.例如，后一帧场景图片中标定出的物体的面积大于前一帧场景图片中标定出的物体的面积，也就是物体的面积变大，那么意味着物体在靠近车辆，同理，物体的面积变大，意味着物体在远离车辆，从而得到车辆的移动方向。
93.请参阅图4，图中示出了场景图片中物体的移动速度的计算步骤流程图。
94.如图4所示，物体的移动速度的计算具体包括：
95.s401.分别获取相邻两帧场景图片中标定出的物体的中心点和边长。
96.s402.提取相邻两帧场景图片的中心点以及比率。
97.s403.根据相邻两帧场景图片中标定出的物体的中心点和边长、相邻两帧场景图片的时间差、相邻两帧场景图片的中心点以及比率计算得到物体的移动方向和移动速度。
98.例如，将相邻两帧场景图片标记为第一帧场景图片和第二帧场景图片，第一帧场景图片中的物体的中心点为x1，y1，边长为a1，b1，第二帧场景图片中的物体的中心点为x2，y2，a2，b2，第一帧场景图片和第二帧场景图片的采集时间间隔为t，而第一帧场景图片和第二帧场景图片的中心点同为xc，yc，那么将x2，y2，a2，b2，x2，y2，a2，b2,xc，yc作为比率函数func的输入，从而可得出物体移动速度跟方向。
99.例如，当移动物体靠近车辆时，
100.if((x2*y2》x1*y1)&&(x2《xc)&&(x1《xc))，
101.(((a2平方+b2平方)-(a1平方+b1平方))/t)*t＝v。
102.其中，t为比率，v为物体移动速度。
103.通过上述步骤可得到物体的移动方向和移动速度，从而得到车辆的移动方向和移动速度。
104.然，车辆的移动速度还可以直接通过传感器读取。
105.在本实施例中，判断车辆处于上坡状态或车辆处于下坡状态的判断过程是通过图片识别模型标定出场景图片中的物体的中心点x，y，根据相临帧场景图片中所有物体的差
值可以得出物体的移动方向。
106.另外，在一些实施例中，还可以通过以下方式片判断车辆处于上坡状态还是车辆处于下坡状态。
107.例如：如果油门没有放松，车速突然缓降，而场景图片中的物体下移则表示车辆处于上坡状态，如果车速突然加速，而场景图片中的物体上移则表示车辆处于下坡状态。
108.请参阅图5，图中示出了根据场景图片中物体的数量判断车辆是否处于狭窄路段的步骤流程图。
109.如图5所示，判断车辆是否处于狭窄路段具体包括：
110.s501.提取场景图片中的物体的个数。
111.此时，已经通过图片识别模型对采集的场景图片进行识别，从而标定出场景图片中的物体，故此，仅需要取场景图片中的物体的个数即可。
112.s502.根据场景图片中物体的个数变化情况和移动速度，判断车辆是否处于狭窄路段。
113.在本步骤中，物体的移动速度通过上述步骤计算得到，而场景图片中物体的个数变化可知车辆是否处于狭窄路段。
114.具体的，通常来说，当车辆处于狭窄路段时，驾驶员都会降低车速，以保证安全驾驶。
115.故此，在本步骤中，当识别到物体的移速速度变慢，或者通过传感器采集的车辆的速度降低，同时，取场景图片中的物体的个数增多，则可判断车辆处于狭窄路段。
116.当车辆处于狭窄路段时，驾驶员的视角需要调高，以更好的看清车头前方的道理环境，故此需要将座椅调高，同时往前调，以使驾驶员具有更好的驾驶视角。
117.实施例2
118.本实施例公开了一种基于图像识别技术的车辆座椅自动控制系统，其采用实施例1所述的一种基于图像识别技术的车辆座椅自动控制方法根据识别出的车辆行驶场景自动调整座椅方向，使得驾驶员获得更好的驾驶视角，从而能能够看清车辆前方的道路环境，防止剐蹭，解决了现有技术中需要手动调节座椅或者驾驶员挺直身体才能看清前方道路的问题，使得驾驶员具有更好的驾驶体验。
119.请参阅图6，图中示出了一种基于图像识别技术的车辆座椅自动控制系统结构框图。
120.本实施例公开的一种基于图像识别技术的车辆座椅自动控制系统，如图6所示，包括：图片采集模块601、计算模块602、图像实时采集模块603、车辆中控模块604以及车辆微控模块605。
121.在本实施例中：
122.图片采集模块601，设置在车辆前方，即为车辆前视摄像头，用于预先采集不同车辆行驶场景的图片。
123.计算模块602：用于根据采集的不同车辆行驶场景的图片信息生成图片识别模型。在本实施例中，图片识别模型的生成过程参见实施例1，本步骤不再进行重复阐述。
124.图像实时采集模块603：设置在车辆前方，即为车辆前视摄像头，用于以一定的频率实时采集车辆前方的场景图片，然后传送至车辆中控模块604。
125.车辆中控模块604：采用中控电脑soc，用于根据实时采集的车辆前方的场景图片，通过图片识别模型，实时识别出当前车辆行驶场景，然后spi串行外设接口协议，通知车辆微控模块605。
126.车辆微控模块605：即为车辆mcu，与座椅驱动器连接，根据车辆中控模块604识别到的当前车辆行驶场景发送控制信号至座椅驱动器，从而实现自动调整座椅方向。
127.在本实施例中，当前车辆行驶场景的识别过程参见实施例1，本实施例不再进行重复阐述。
128.实施例3
129.本实施例公开了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现实施例1所述的一种基于图像识别技术的车辆座椅自动控制方法的步骤。
130.在本实施例中，具体实现步骤参见实施例1，本实施例不在进行重复阐述。
131.显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

技术特征：
1.一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，包括如下步骤：实时获取车辆行驶前方的场景图片；通过图片识别模型对采集的场景图片进行识别，以标定出场景图片中的物体；判断场景图片中物体的移动方向和移动速度；根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景；根据车辆行驶场景自动调整座椅方向。2.根据权利要求1所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，车辆行驶前方的场景图片是通过车辆前方安装的前视摄像头以一定的频率实时拍摄的。3.根据权利要求1所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，所述车辆行驶场景包括车辆处于上坡状态、车辆处于下坡状态或者车辆处于狭窄路段。4.根据权利要求3所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景包括：根据物体的移动速度识别出车辆的当前车速；根据物体的移动方向识别出车辆处于上坡状态或车辆处于下坡状态。5.根据权利要求3所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，还包括：提取场景图片中的物体的个数；根据场景图片中物体的个数变化情况和移动速度，判断车辆是否处于狭窄路段。6.根据权利要求4所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，所述物体的移动方向的计算具体包括：计算场景图片中标定出的物体的面积；将相邻两帧场景图片中标定出的物体的面积进行比较；根据面积变化得出物体的移动方向，进而得到车辆的行驶方向。7.根据权利要求4所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，所述物体的移动速度的计算具体包括：分别获取相邻两帧场景图片中标定出的物体的中心点和边长；提取相邻两帧场景图片的时间差；提取相邻两帧场景图片的中心点以及比率；根据相邻两帧场景图片中标定出的物体的中心点和边长、相邻两帧场景图片的时间差、相邻两帧场景图片的中心点以及比率计算得到物体的移动速度。8.根据权利要求1所述的一种基于图像识别技术的车辆座椅自动控制方法，其特征在于，所述图片识别模型的建立具体包括：采集多张各种车辆行驶场景的图片，通过人工智能算法对采集的图片进行训练，得到图片识别模型。9.一种基于图像识别技术的车辆座椅自动控制系统，其特征在于，包括：图片采集模块，用于采集不同车辆行驶场景的图片；计算模块：用于根据采集的不同车辆行驶场景的图片信息生成图片识别模型；图像实时采集模块：设置在车辆前方，用于实时采集车辆前方的场景图片；
车辆中控模块：用于根据实时采集的车辆前方的场景图片，通过图片识别模型，实时识别出当前车辆行驶场景并发送至车辆微控模块；车辆微控模块：与座椅驱动器连接，根据当前车辆行驶场景发送控制信号至座椅驱动器，以实现自动调整座椅方向。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的一种基于图像识别技术的车辆座椅自动控制方法的步骤。

技术总结
本发明涉及基于图像识别技术的座椅自动控制方法、系统及存储介质，所述方法包括如下步骤：通过图片识别模型对采集的场景图片进行识别，以标定出场景图片中的物体；判断场景图片中物体的移动方向和移动速度；根据物体的移动方向和移动速度识别出车辆的当前车速以及车辆行驶场景；根据车辆行驶场景自动调整座椅方向。本发明采用图像识别技术，以识别出车辆行驶场景，然后根据当前车辆行驶场景自动调节驾驶员的座椅姿态，使得驾驶员获得更好的驾驶视角，从而能能够看清车辆前方的道路环境，防止剐蹭，解决了现有技术中需要手动调节座椅或者驾驶员挺直身体才能看清前方道路的问题，使得驾驶员具有更好的驾驶体验。得驾驶员具有更好的驾驶体验。得驾驶员具有更好的驾驶体验。


技术研发人员：陈东持
受保护的技术使用者：惠州市德赛西威汽车电子股份有限公司
技术研发日：2023.02.07
技术公布日：2023/6/27