A vision-based system for automatically detecting the type of object within
a specified area, such as the type of occupant within a vehicle.
Determination of the type of occupant can then be used to determine
whether an airbag deployment system should be enabled or not. The system
extracts different features from images captured by image sensors. These
features are then processed by classification algorithms to produce
occupant class confidences for various occupant types. The occupant class
confidences are then fused and processed to determine the type of
occupant. In a preferred embodiment, image features derived from image
edges, motion, and range are used. Classification algorithms may be
implemented by using trained C5 decision trees, trained Nonlinear
Discriminant Analysis networks, Hausdorff template matching and trained
Fuzzy Aggregate Networks. In an exemplary embodiment, class confidences
are provided for a rear-facing infant seat, a front-facing infant seat, an
adult out of position, and an adult in a normal or twisted position.
Fusion of these class confidences derived from multiple image features
increases the accuracy of the system and provides for correct
determination of an airbag deployment decision.
Ein Anblick-gegründetes System für die Art des Gegenstandes innerhalb eines spezifizierten Bereichs, wie der Art des Inhabers innerhalb eines Trägers automatisch ermitteln. Ermittlung der Art des Inhabers kann dann verwendet werden, um festzustellen, ob ein Heizschlauchentwicklungsystem ermöglicht werden sollte oder nicht. Das System extrahiert unterschiedliche Eigenschaften von den Bildern, die durch Bild-Sensoren gefangengenommen werden. Diese Eigenschaften werden dann durch Klassifikationalgorithmen verarbeitet, um Inhaberkategorie confidences für verschiedene Inhaberarten zu produzieren. Die Inhaberkategorie confidences werden dann fixiert und verarbeitet, um die Art des Inhabers festzustellen. In einer bevorzugten Verkörperung werden die Bildeigenschaften, die von den Bildrändern abgeleitet werden, die Bewegung und die Strecke benutzt. Klassifikationalgorithmen können eingeführt werden, indem man ausgebildete Entscheidung C5 Bäume, ausgebildete nichtlineare diskriminierende Analyse Netze, Hausdorff Schablone Zusammenbringen und ausgebildete flockige gesamte Netze verwendet. In einer mustergültigen Verkörperung werden Kategorie confidences für einen Hintereinfassungen Säuglingssitz, einen Vordereinfassungen Säuglingssitz, einen Erwachsenen aus Position und einen Erwachsenen in einem Normal oder in einer verdrehten Position heraus zur Verfügung gestellt. Schmelzverfahren dieser Kategorie confidences leitete von den Geisterbildeigenschaften Zunahmen die Genauigkeit des Systems ab und stellt für korrekte Ermittlung einer Heizschlauchentwicklungentscheidung zur Verfügung.
