[發(fā)明專(zhuān)利]根據(jù)識(shí)別的人員信息調(diào)整車(chē)輛內(nèi)人員坐姿的系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811280061.2
• 申請(qǐng)日: 2018-10-30
• 公開(kāi)（公告）號(hào): CN110135447B
• 公開(kāi)（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 鄭弘暉;胡杰;李雯雯
• 申請(qǐng)（專(zhuān)利權(quán)）人: 初速度（蘇州）科技有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06K9/00;G06N3/08;B60R16/02;B60N2/02
• 代理公司: 北京科領(lǐng)智誠(chéng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11782
• 代理人: 陳士騫

一種根據(jù)識(shí)別的人員信息調(diào)整車(chē)輛內(nèi)人員坐姿的系統(tǒng)，其包括有傳感器激活單元，存儲(chǔ)器單元，認(rèn)證系統(tǒng)單元，座位調(diào)整單元等；所述傳感器激活單元用于檢測(cè)車(chē)輛內(nèi)是否有人位于座位上；所述存儲(chǔ)器單元用于存儲(chǔ)預(yù)存的多個(gè)車(chē)輛人員信息；所述認(rèn)證系統(tǒng)單元包括神經(jīng)網(wǎng)絡(luò)單元?，F(xiàn)有技術(shù)中，對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，大訓(xùn)練集和顯存限制成為了人臉識(shí)別模型訓(xùn)練中的主要矛盾。本發(fā)明提供了一種人臉識(shí)別模型的訓(xùn)練系統(tǒng)，包括數(shù)據(jù)輸入層、特征融合層、分類(lèi)器和損失函數(shù)；不同的分類(lèi)器對(duì)所述樣本圖像的不同內(nèi)容進(jìn)行分類(lèi)，有效解決了在訓(xùn)練人臉識(shí)別模型中，因?yàn)轱@存限制而無(wú)法訓(xùn)練大規(guī)模人臉數(shù)據(jù)集的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及面部識(shí)別領(lǐng)域，特別是涉及車(chē)輛駕駛環(huán)境下的人員面部識(shí)別，并通過(guò)識(shí)別的人員信息調(diào)整該人員在車(chē)輛內(nèi)的坐姿。

背景技術(shù)

人臉識(shí)別：是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。被廣泛的應(yīng)用于人類(lèi)生活的各個(gè)方面。在車(chē)輛駕駛領(lǐng)域，因每人的性別、身高、體重等原因，不是一種駕駛或乘座的座椅調(diào)整位置是適用于每個(gè)人的。因此人們只能通過(guò)一些設(shè)置在車(chē)輛內(nèi)部的按鈕等裝置調(diào)整座椅姿勢(shì)，包括坐椅，后背靠墊的高度，坐椅的前后位置，后背靠墊的傾斜角度等；雖然現(xiàn)有的按鈕等實(shí)現(xiàn)了人機(jī)交互友好，調(diào)整不需要使用太多的力氣，甚至將調(diào)整控制裝置集成在車(chē)輛的中控顯示屏中，但因每次上車(chē)都需要調(diào)整，仍然會(huì)帶來(lái)不便?，F(xiàn)有技術(shù)中出現(xiàn)了坐椅記憶功能，車(chē)輛內(nèi)人員可以預(yù)先調(diào)整好適合自己坐姿的坐椅、后背等的各參數(shù)，形成一參數(shù)組，車(chē)輛控制系統(tǒng)將該參數(shù)組存入程序之中。當(dāng)該人員進(jìn)入車(chē)內(nèi)時(shí)，只需要選擇適合自己坐姿的該參數(shù)組，車(chē)輛會(huì)自動(dòng)調(diào)整到預(yù)先設(shè)置的參數(shù)位置。這一方式雖然極大的簡(jiǎn)化了調(diào)整步驟，但也存在缺點(diǎn)：1.可設(shè)置的人員數(shù)量有限，往往只能記憶幾組人員信息；當(dāng)有其他未設(shè)置參數(shù)組的人員在車(chē)輛上時(shí)，無(wú)法自動(dòng)完成調(diào)整；2)仍然需要人員去選擇適合自己的參數(shù)組選項(xiàng)，因此調(diào)整不便沒(méi)有得到根本的轉(zhuǎn)變。

現(xiàn)有技術(shù)中存在有神經(jīng)網(wǎng)絡(luò)分類(lèi)器，對(duì)人臉圖像進(jìn)行識(shí)別認(rèn)證的技術(shù)，借助神經(jīng)網(wǎng)絡(luò)機(jī)器識(shí)別車(chē)輛內(nèi)的人員信息，從而能夠?qū)ψ巍⒖勘车鹊膮?shù)組進(jìn)行調(diào)整，達(dá)到自動(dòng)的，不需要人員選擇的調(diào)整機(jī)構(gòu)。這一技術(shù)的關(guān)鍵是神經(jīng)網(wǎng)絡(luò)分類(lèi)器的識(shí)別準(zhǔn)確度。為了提高其識(shí)別準(zhǔn)確度，必須要提高訓(xùn)練的精度?，F(xiàn)有技術(shù)中在采用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練過(guò)程的過(guò)程中，訓(xùn)練集一個(gè)人算是一類(lèi)。在訓(xùn)練過(guò)程中，監(jiān)督函數(shù)一般使用Softmax或其改進(jìn)算法。對(duì)于分類(lèi)模型訓(xùn)練，占用顯存主要是網(wǎng)絡(luò)的分類(lèi)器部分，而需要分類(lèi)的類(lèi)目數(shù)量越多，占用顯存越多，故由于受到顯存等硬件設(shè)備限制，使用Softmax監(jiān)督函數(shù)的方法無(wú)法訓(xùn)練類(lèi)目為幾十萬(wàn)的大分類(lèi)模型。對(duì)此，提出一種新方法，使得利用Softmax或其改進(jìn)函數(shù)能訓(xùn)練大分類(lèi)模型。

如圖1所示，傳統(tǒng)方法中，每塊顯卡共享同一數(shù)據(jù)輸入和相同的分類(lèi)器；一般在工業(yè)界，一個(gè)可以商用的人臉識(shí)別模型，往往是在上百萬(wàn)甚至是上千萬(wàn)人的訓(xùn)練集上的訓(xùn)練產(chǎn)物，但是，一般在單條顯存為12G的顯卡上，當(dāng)特征向量維度為512維時(shí)，分類(lèi)器的數(shù)量一般最大在30萬(wàn)左右，否則會(huì)面臨顯存溢出等問(wèn)題。大訓(xùn)練集和顯存限制成為了人臉識(shí)別模型訓(xùn)練中的主要矛盾。

發(fā)明內(nèi)容

鑒于此，為了解決了上述技術(shù)問(wèn)題，本發(fā)明提供了一種利用神經(jīng)網(wǎng)絡(luò)的識(shí)別人員信息調(diào)整車(chē)輛人員坐姿的技術(shù)。該技術(shù)利用了神經(jīng)網(wǎng)絡(luò)對(duì)車(chē)輛內(nèi)人員進(jìn)行識(shí)別，極大的提高識(shí)別人的數(shù)量。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別，通過(guò)人臉識(shí)別技術(shù)將目前進(jìn)入車(chē)輛內(nèi)的人員與預(yù)存的人員信息進(jìn)行比對(duì)，根據(jù)比對(duì)結(jié)果，調(diào)取預(yù)存的結(jié)果對(duì)應(yīng)的參數(shù)組，對(duì)坐椅的坐姿進(jìn)行調(diào)整。此外，為了達(dá)到高速，較大程度的滿(mǎn)足對(duì)比結(jié)果的正確性，則需要該神經(jīng)網(wǎng)絡(luò)能夠滿(mǎn)足識(shí)別準(zhǔn)確度的更高要求，特別是在本發(fā)明的應(yīng)用環(huán)境之中。本發(fā)明特別創(chuàng)新一種可解決車(chē)輛內(nèi)人員人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)，以滿(mǎn)足該應(yīng)用環(huán)境的需要。

本發(fā)明的一個(gè)方面，是提供一種車(chē)輛內(nèi)人員坐姿調(diào)整系統(tǒng)，其包括有傳感器激活單元，存儲(chǔ)器單元，認(rèn)證系統(tǒng)單元，座位調(diào)整單元等；所述傳感器激活單元用于檢測(cè)車(chē)輛內(nèi)是否有人員位于座位上；所述存儲(chǔ)器單元用于存儲(chǔ)預(yù)存的多個(gè)車(chē)輛人員信息；所述認(rèn)證系統(tǒng)單元用于把該人員的信息與所述存儲(chǔ)器的多個(gè)車(chē)輛人員信息進(jìn)行比對(duì)匹配；所述認(rèn)證系統(tǒng)單元包括神經(jīng)網(wǎng)絡(luò)單元；所述神經(jīng)網(wǎng)絡(luò)單元包括數(shù)據(jù)輸入層、特征融合層、分類(lèi)器和損失函數(shù)；