胸板位置的确定的制作方法

本发明涉及一种用于确定汽车的驾乘人员的胸板位置的方法、一种相应的计算机程序以及相应的设备和系统。

背景技术：

1、每年都有相当多的司机在驾驶期间心脏病发作/心脏骤停。因此通常导致严重的事故。将来可以通过在车辆中使用内部空间传感技术来可靠地探测心脏骤停。在识别到心脏骤停后，可以在车辆中启动复苏。为此常见的心脏按压按摩应优选借助安全带进行；在带上必要时可以附加地安装按压体。为了使带、必要时连同按压体一起能够实施有效的复苏，相对于驾乘人员的胸板的正确定位是非常重要的；按照医学规定，在心脏按压按摩时应按压在胸板的下半部、也即胸骨的下半部中。

2、由文献us 2021/0069 521 a1已知一种除颤系统，该除颤系统包括心脏骤停探测器，该心脏骤停探测器在乘客在自动驾驶的车辆中就座并且系上车辆安全带期间探测是否发生了乘客的心脏骤停。此外，所述除颤系统包括乘客姿势识别设备，所述乘客姿势识别设备识别乘客的姿势；座椅驱动设备，所述座椅驱动设备在乘客发生心脏骤停的情况下，基于所述乘客姿势识别设备的探测信号将该乘客的姿势改变为所述乘客的平躺姿势。最后，除颤系统包括心脏位置探测器和除颤机器人，所述心脏位置探测器被构造用于搜索乘客心脏的位置，所述除颤机器人用于执行cpr方法或在乘客心脏处使用aed(自动体外除颤器)的方法。最后，所述除颤系统包括控制器，所述控制器基于心脏骤停探测器和乘客姿势识别设备的检测信号来控制座椅驱动设备、心脏位置探测器和除颤机器人的运行。在此的弊端在于，乘客要首先变换为平躺姿势，随后才能确定心脏位置。尤其借助x光相机确定心脏位置。已公开的除颤系统因此是成本高昂且技术复杂的。

3、由专利文献us 2020 010 4571 a1还已知一种驾乘人员建模设备。所述驾乘人员建模设备包括检测区段，所述检测区段检测驾乘人员脸部可能所处区域的图像。所述驾乘人员建模设备包括模型调整区段，所述模型调整区段基于由检测区段检测到的第一图像生成脸部的模型。此外，所述驾乘人员建模设备还包括跟踪区段和确定区段，所述跟踪区段根据在第一图像之后检测到的第二图像调整模型，所述确定区段利用习得的信息来确定包含在经调整的第二图像中的脸部区段位置的正确性。所述信息借助以脸部区段位置的正确信息和不正确信息为基础的学习而获得。最后，所述驾乘人员建模设备还包括加工区段，所述加工区段根据在确定区段中的确定结果来确定是否在跟踪区段中连续实施过程，或者在模型调整区段中重新实施过程。在此的弊端在于，仅确定驾乘人员的脸部的位置。由此，胸板的位置不能被确定或者仅能极不准确地确定。

4、由文献kr 102 096 617 b1已知一种基于多模态深度学习的驾驶员睡意识别系统，其使用图像和ppg数据。所述驾驶员睡意识别系统包括预加工单元，所述与加工单元从驾驶员的脸部图像中提取有关眼部和嘴部的位置的信息，并同时收集驾驶员的光体积描记(ppg)数据。此外，所述驾驶员睡意识别系统包括将有关眼部和嘴部位置的信息与ppg数据进行融合的多模态网络，以及将生成的融合数据作为有关眼部和嘴部位置的信息来识别驾驶员睡意的分类网络。由此应在考虑驾驶员的所有图像数据、例如眼部和嘴部以及光体积描记(ppg)数据的情况下以高准确度识别驾驶员的睡意。在此的弊端在于，仅能识别睡意，而不能识别心脏骤停。此外，公开文献均未对确定胸板位置的方面有所提及。

技术实现思路

1、本发明要解决的技术问题在于，提供一种能够更好地识别驾驶员的胸板的位置的可能性。尤其应提供一种基于既有的传感器确定胸板位置的可能性。

2、所述技术问题通过一种用于确定汽车的驾乘人员的胸板位置的方法解决，所述方法包括以下步骤：

3、-接收具有有关驾乘人员的信息的传感器数据；

4、-分析所述传感器数据并且基于所述传感器数据估计驾乘人员的身体特征；并且

5、-基于估计的驾乘人员的身体特征和解剖学原理确定驾乘人员的胸板位置。

6、此外，上述技术问题还通过具有程序编码器的计算机程序解决，以便当计算机程序在计算机、汽车控制设备或相应的计算单元上执行时如上定义地实施方法的所有步骤。

7、此外，上述技术问题还通过一种用于确定汽车的驾乘人员的胸板位置的设备解决，所述设备具有：

8、-输入接口，其用于接收具有有关驾乘人员的信息的传感器数据；

9、-分析单元，其用于分析所述传感器数据并且基于传感器数据估计驾乘人员的身体特征，并基于估计的驾乘人员的身体特征和解剖学原理确定胸板位置；和

10、-输出接口，其用于将已确定的胸板位置传输至车辆单元。

11、最后，上述技术问题通过一种用于确定汽车的驾乘人员的胸板位置的系统解决，所述系统具有：

12、-如上所定义的设备，和

13、-至少一个驾乘人员摄像头、用于检测驾乘人员的座椅设置(或者说坐姿)的传感器、用于检测驾乘人员的方向盘设置的传感器、用于检测驾乘人员的后视镜设置的传感器、用于检测驾乘人员的外后视镜设置的传感器、用于检测驾乘人员的中间扶手设置的传感器、用于检测驾乘人员的体重的传感器和/或用于检测安全带拉出段的传感器。

14、通过所述输入接口可以提供成本低廉的设备，所述设备优选地能够使用既有的安装在汽车中的系统、模块和单元。在此，输入接口可以有线连接和/或优选无线地构造，并且优选支持一个或多个通信协议。所述分析单元优选构造用于实施所述方法的步骤。通过基于估计的驾乘人员的身体特征和解剖学原理来确定驾乘人员的胸板位置，能够可靠地确定胸板位置。尤其可以通过多种不同的测量以及测量的组合可靠且准确地估计身体特征。基于身体特征和解剖学原理推导胸板位置能够准确地确定胸板位置，而不必直接利用测量来检测。当然，也可以提供单纯软件技术上的设备。尤其可以考虑的是，提供呈汽车控制设备的相应重新编程形式的设备。

15、在本发明的一种优选的实施形式中规定，传感器数据包括关于以下驾驶舱设置中的一个或多个的信息：坐席面的位置、方向盘的位置、头枕的位置、外视镜的设置、后视镜的设置、中间扶手的设置；和/或一个或多个以下驾乘人员专属的测量包括：驾乘人员的体重、从牵引器出来的安全带拉出段的的长度；并且驾乘人员的身体特征的估计包括对驾乘人员的以下至少一个或多个身体特征的估计：身高、腿长、比例、臂长、肩部与头顶的距离、性别。在驾驶舱中的设置可以在技术上简单且快速地检测。所述设置尤其在大多数时间内保持恒定，使得对这些设置的一次性分析足以估计驾乘人员的至少一个身体特征。此外，优选地产生多个不同的长度尺寸，由所述长度尺寸能够确定胸板的位置。并不一定要为每个驾乘人员或驾驶员配置对其最佳的设置。通过大量的检测到的驾驶舱设置和/或驾乘人员专属的测量可以确定最有可能的胸板位置。尤其(首先当存在电动座椅调节时)能够检测坐席面沿纵向、高度方向以及斜度上的位置。此外，还可以检测方向盘的位置、尤其方向盘伸出多远以及参照车辆平面而言方向盘相对于驾驶员以什么角度倾斜。此外，可以检测头枕沿纵向、高度方向以及倾斜度上的位置。可以检测两个外视镜的设置，从而使镜面中心点的垂线应在驾驶员眼部的高度上相交。可以相对于头部位置检测后视镜的设置。

16、在本发明的另一优选的设计方式中规定，胸板位置的确定包括在超定方程组中考虑多个信息；并且基于所述超定方程组通过插值来确定最可能的胸板位置。由此可以在技术上可靠地加工大量信息，而所述大量信息在理想情况下是冗余的；并且能够消除信息的偏差或测量误差。能够实现对胸板位置高可靠性的确定。

17、在本发明的另外的优选的设计方式中规定，所述传感器数据包括驾乘人员摄像头的数据，所述驾乘人员摄像头优选布置在多功能仪表板和/或顶篷中。由此可以使用内部摄像头、例如多功能仪表板或顶篷中的内部摄像头，其无论如何都能够已经存在，以用于多种自动驾驶功能的驾驶员监测。可以提供一种成本低廉的用于确定胸板位置的方法。

18、在本发明的另一种优选的设计方式中规定，借助图像识别算法、优选借助边缘探测、表面探测和/或颜色识别来估计驾乘人员的身体特征，尤其是脸部的位置、颈部的位置、肩部的位置、特别优选锁骨的位置、上臂和/或肘部的位置。借助所述信息并在获知解剖学关系的情况下，则可以估计胸板的位置。与深度学习方法不同，在此更多地需要假设、例如有关解剖学关系的假设。此外，，为了通过边缘探测、表面探测和颜色识别来鲁棒地识别并且精确地测量身体部位，更高的显影耗费是需要的。相反，有利的是，为显影需要明显更少的图像，并且可以更好地实施对胸骨位置的估计，因为明显更精确地已知图像特征的影响。优选地，不需要更多的传感装置，例如座椅中的传感装置。显然，作为备选或补充，也可以使用红外摄像头，以便借助在胸部区域中的温度估计胸板的位置。

19、在本发明的方法的另一种优选的设计方式中规定，对所述驾乘人员的身体特征的估计和胸板位置的确定借助于ki(人工智能)、尤其借助于深度神经网络进行。在此特别有利的是，需要更少的待定义的假设。ki学习方法纯粹基于图像数据推测胸板位置。为此不需已知不同身体部位之间的准确的解剖学关系，然而需要已知大量的不同的图像，以便网络能够自动学习关联。因此，在不必准确描述或已知解剖学原理的情况下，网络学习到解剖学原理。解剖学原理通过由ki的结构/体重被固有地成像。

20、在本发明的另一优选的设计方式中规定，ki借助不同驾乘人员的成像、尤其是所有性别的驾乘人员、不同衣着的驾乘人员、不同坐姿的驾乘人员、特别优选处于不同照明情况下的驾乘人员的成像，从驾乘人员摄像头的视角和分别从有关各个驾乘人员的胸板位置的信息进行学习。例如可以在车辆研发的范畴内训练深度神经网络(深度学习)，其中，优选地使用用于图像识别系统的网络架构。在训练的范畴内将来自内部摄像头的视角的不同驾驶员的大量图像以及分别有关胸板的位置的信息、例如作为在图像中带有半径的x-y坐标或作为边界框存储在网络中。该网络现在利用典型的学习算法自动学习图像数据和胸骨位置之间的关系。特别优选地，使用所有性别、不同衣着、坐姿以及照明情况的多个不同驾驶员的图像，以便训练尽可能广泛的网络。显然，为了在车辆中的应用，所训练的神经网络可以在控制设备上成像，其中，控制设备获得驾乘人员摄像头的图像并且由此估计胸板位置。

21、本发明的另外的优选设计方案由在说明书中提到的其余特征得出。

22、本发明的在本技术中提到的各种实施方式如果未单独地另作说明则能够有利地相互结合。组合尤其可以允许更准确的估计并且例如补偿单独传感器值的不准确测量。因此，典型的单个驾乘人员摄像头的弊端在于，其不具有深度信息。因此，其在不具有附加信息的情况下只能很难地估计驾驶员有多高或者驾驶员是否只是相对靠近摄像头。为了能够推断出正确的身高，解决方案可以包括测量已知的座椅可变部件。由此可以例如根据头枕的像素的高度和头枕的已知高度在厘米级别上计算出该头枕离摄像头有多远。由此可以更准确地估计身高并进而估计胸板位置。

23、如果存在座椅传感装置，也可以通过座椅传感装置确定所述深度信息。当存在深度信息时，摄像头的图像就可以适当地缩放，以便令深度学习方法或特征提取能实现更准确的估计。

24、迄今为止的研究，特别是在所执行的模拟的范围内的研究表明，通过使用按压体可以提高借助于带系统的心脏按压按摩的有效性。优选地，可以在安全带力相同的情况下实现更大的胸部按压。显然，用于确定汽车的驾乘人员的胸板位置的系统和/或借助致动器的相应设备能够基于所确定的胸板位置实现对按压体的设置和/或能够引发心脏按压按摩。所述按压体可以要么集成在安全带系统中、例如安全带中或安全带锁扣中，要么被实施为单独的构件，所述构件在安全带或安全带锁扣上固定或导引。该安全带系统可以要么是传统的三点式安全带，要么是辅助安全带系统。为了使安全带或按压体在心脏按压按摩的情况下能够实现有利的效果，安全带/按压体应该相对于驾乘人员定位在胸骨的下半部上。安全带走向/按压体的位置应该自动地根据驾乘人员的胸板的位置调整。根据身高、当前乘客在座椅上的位置等进行调整。为此必须确定胸板的位置。胸板位置的确定可以在车辆使用过程中连续地进行，或者也可以在探测到心脏骤停时，也即优选在复苏开始之前才实施。在复苏过程中，同样应连续地确定胸板位置，以便在可能的位置改变时实施安全带/按压体的再定位。

25、人工智能、机器学习或机器学习是从经验“人工地”或机器地生成知识的通用术语：人工系统从多个例子中学习，并且可以在学习阶段结束后推广这些例子。为此，机器学习算法基于训练数据建立统计模型。这意味着学习数据中的模式和规律不是简单地背下来的。因此，系统也可以评估非已知的数据，即所谓的学习转移，或者在例如通过过拟合(英文overfitting)学习非已知数据时失败。特别地，在所谓的无监督学习中，可以针对给定的输入集生成统计模型，该统计模型描述输入并且包含被识别出的类别和关系并且因此能够实现预测。深度学习是一种机器学习方法，它使用人工神经网络，在输入层和输出层之间具有许多中间层，从而形成广泛的内部结构。

26、所述胸板或胸骨是胸廓的前部中心处扁平的、剑形的骨头，肋骨或其软骨延伸部附着在所述胸板或胸骨上。男人的胸骨在此比女人的胸骨更狭长。

27、解剖学原理尤其指的是不同身体尺寸之间的相互关系。通过应用解剖学原理可以由不同的身体特征，例如臂长或臂长与肩宽的比例中确定胸板的位置。

28、身体特征尤其理解为人体的各个身体部位和/或人体部分的可测量的和/或可估计的特性。身体特征尤其可以包括臂长、体重、颈长、头部尺寸等。