[發明專利]基于深度學習的主動式氣囊拉帶裝置及其控制方法

有效

• 申請號: 202010115141.3
• 申請日: 2020-02-25
• 公開（公告）號: CN111605505B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 洪亮;劉剛;杜睿;李思遠;王子康
• 申請（專利權）人: 江蘇大學
• 主分類號: B60R21/015
• 分類號: B60R21/015;B60R21/18;B60R22/48;B60R21/01;B60R21/207
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于深度學習的主動式氣囊拉帶裝置，其特征在于，包括：氣囊回收裝置(12)、單向電機(1)、電機支架(2)、轉速傳感器(3)、傳動軸(4)、擋板(5)、卷筒(6)、底座(7)、攝像頭、語音提示模塊(11)、主動式安全氣囊(9)、拉帶模塊(13)以及ACU；

所述氣囊回收裝置(12)安裝在座椅靠背中，用于回收主動式安全氣囊的氣囊袋；所述拉帶模塊布置在氣囊回收裝置中；所述單向電機(1)安裝在電機支架(2)上端，在拉帶回收時，單向電機(1)為卷筒(6)提供動力；所述電機支架(2)與底座(7)相連，為單向電機(1)提供支撐力；所述轉速傳感器(3)安裝在單向電機(1)上，用于檢測單向電機輸出軸的旋轉圈數；所述傳動軸的兩端分別與單向電機的輸出軸和卷筒(6)相連，用于將單向電機輸出的轉矩傳遞至卷筒(6)，使得單相電機的輸出軸與卷筒(6)同步轉動；所述擋板(5)位于卷筒(6)的中心位置，用于隔離卷筒(6)的兩端拉帶，防止在拉帶回收時，拉帶發生纏繞現象；所述卷筒(6)固定連接傳動軸上，用于在安全氣囊泄氣時回收拉帶；所述底座(7)通過螺栓固定在氣囊回收裝置(12)上；所述攝像頭布置在車內，用于拍攝乘員的坐姿，以采集乘員坐姿圖像；語音提示模塊(11)用于提醒乘員佩戴安全帶；所述主動式安全氣囊(9)能夠收納于氣囊回收裝置中，在校車發生碰撞時，為乘員提供最佳防護；

所述ACU根據輪速傳感器(3)實時采集車速信息、根據存儲的算法獲得兒童乘員安全帶的佩戴信息和乘員的姿態信息，其包括頭部、頸部、胸部、髖部、大腿、小腿和前臂的坐標信息，結合儲存在ACU中的主動式安全氣囊包形信息進行匹配，得出最優包形，以便為兒童乘員提供最佳防護；

所述ACU計算各個拉帶的長度，以確定單向電機輸出軸的旋轉圈數，向拉帶模塊發送信號，通過控制拉帶的長度，以使得氣囊達到ACU計算得到的包形；

所述ACU存儲的算法包括：YOLO3網絡模型，得出包含兒童乘員和安全帶的區域；G-RMI算法模型，對兒童乘員進行姿態估計；以及Softmax分類器模型，用于當前兒童乘員的坐姿類別；具體的算法設置如下：

采用自頂向下的方式，即先使用目標檢測方法對圖像中的人物進行檢測，并將包含人物的目標區域框出，然后對目標區域進行單人姿態估計；具體分為三個階段，第一階段，將原始圖像輸入YOLO3網絡中，輸出兒童乘員和安全帶的包圍框和類別，即使用矩形框框出包含兒童乘員和安全帶的區域，將包含兒童乘員的區域進行截取，輸入到下一階段的網絡；第二階段，采用G-RMI算法對兒童乘員進行姿態估計，即采用基于全卷積網絡的殘差網ResNet對第一階段截取的目標區域的人物，進行預測密集熱圖Dense Heatmap和補償Offset，最后通過Dense Heatmap和Offset的融合得到關鍵點的精確定位，從而得到兒童乘員的人體骨架圖；第三階段，將人體姿態估計網絡輸出的人體骨架圖，輸入分類器Softmax中，得到當前兒童乘員的坐姿類別；

所述YOLO3網絡使用目標算法Yolo V3，采用YOLOv3的Darknet-53網絡結構；采用DarkNet53網絡前52個CBL層，存在有23個殘差層結構，設計3個不同尺度的特征圖輸出，并且通過上采樣將3個不同分辨率的特征圖進行了融合；通過聚類先驗框尺寸，對每個尺度的輸出給定3個先驗框；

其中CBL層集合了卷積操作、BatchNormal操作和LeakyReLU激活操作的網絡層，Conv2d表示卷積操作，卷積核數量為a，大小為b×b；BN表示批標準化操作；LeakyReLU是激活函數，公式如下：

其中，a_i是(1，+∞)區間內的固定參數；

在將原始圖像輸入到DarkNet-53網絡之前，將其歸一化為符合DarkNet-53輸入的尺寸，圖像歸一化處理公式為：

其中：x_i表示圖像像素點值，min(x)，max(x)分別表示圖像像素的最大值和最小值。