监测车辆乘员的方法和系统与流程

1.本公开涉及监测车辆内部的乘员的方法和装置。


背景技术：

2.在许多车辆中，现在安装了用于监测驾驶员和其他乘员的装置和系统。这样的装置和系统可以被称为座舱感测解决方案。摄像头或其他成像传感器从车辆内部捕获图像数据并对这些图像进行处理以提取关于驾驶员状态的信息，包括诸如睁眼状态、观察方向或其他身体部位的定位之类的基本特征。这样的图像数据可以用于高级解释，以便检测例如驾驶员的困倦或分心。从图像数据中提取的基本特征通常用于支持驾驶员的应用。
3.然而，对于车辆内乘员的适当坐姿，通常仅可获得一般性建议，例如由全国汽车协会提供。例如，这些建议涉及通过相对于相应乘员的身材和体型正确地调节座椅高度和座椅靠背角度来在车辆中避免背痛。此外，可获得关于如何调节方向盘相对于车辆驾驶员的高度和距离的建议，以便正确地握住方向盘。
4.然而，这样的一般性建议可能不易于针对特定乘员定制。另外，乘员的姿势通常在某一时间段内相对于座椅和方向盘而言不受控制。因此，乘员可能相当长的时间都不会注意到他或她的姿势相当不利并且可能会引起例如背痛。相反，当乘员要离开车辆时，他或她可能会注意到在长时间乘坐后的不利姿势的影响。
5.因此，需要具有能够监测车辆中的乘员并提供改善乘员姿势的建议的方法和系统。


技术实现要素：

6.本公开提供了一种计算机实现的方法、系统、计算机系统和非暂时性计算机可读介质。
7.在一个方面，本公开涉及一种监测位于车辆内部的乘员的计算机实现的方法。根据该方法，经由感测装置检测所述乘员的至少一个图像。经由处理单元，基于所述至少一个图像来识别所述乘员的身体点，并且基于检测到的身体点对所述乘员的姿势进行分类。经由输出单元，基于经分类的姿势来提供调整所述乘员的姿势的建议。
8.感测装置可以是能够提供某种形式的图像的任何装置，例如摄像头，例如nir摄像头、rgb摄像头、rgb-ir摄像头、飞行时间摄像头、立体摄像头、热像仪、雷达或激光雷达传感器，或者被配置成生成至少一个图像信息通道(即，二维图像)的一些其他成像装置。感测装置还能够支持时间图像序列的采集。
9.感测装置位于车辆的内部并且可以被配置成捕获座椅上的至少一个乘员的图像并在其仪器视野中覆盖乘员身体的至少一半。由感测装置检测到的至少一个图像可以覆盖乘员的整个上身，即，头部区域向下至臀部。另选地，例如对于自上而下(top down)的摄像头，只有从肩部向下至腿部的部分可以是可用的。在这种情况下，下面描述的某些特征(例如，对面部表情进行分类)可能不可用。
10.处理单元可以使用神经网络以及预处理和后处理算法来处理二维图像或时间图像序列，以便检测乘员的身体点，其中身体点可以位于乘员的头部、肩部、肘部、臀部、膝盖等处。也就是说，身体点可以是例如在乘员的臂部或腿部的关节处的“关键”点，和/或乘员面部的一些特征点。然而，可以由感测装置识别和跟踪的任何点都可以适合作为身体点，例如在乘员腹部或背部的点，或者甚至是乘员衣服上的纹理。因此，上面提供的身体点的示例列表并非穷举。
11.另外，神经网络可以提供乘员的姿势分类，以便分析乘员是否以健康的方式就座。换言之，例如经由神经网络对乘员的姿势进行分类分析了乘员的就座位置并确定了当前的就座配置是否被认为是健康和舒适的，这可以代表乘员姿势的类别之一。相比之下，可以识别可能导致紧张或可能引发较长时间乘坐的不适或疼痛的就座位置。例如，该方法可以检测乘员是否经常向一侧倾斜或向前倾斜而一个肩膀低，或者乘员是否具有在一段时间后会增加不适的不利头部取向。因此，根据本公开的方法能够在乘员实际感到不适之前检测他或她的潜在有问题的姿势或就座位置。
12.结果，该方法向乘员提供建议，例如改变姿势或就座位置。例如，该方法可以指示如何以不同的方式坐着以改善享受感。在长时间乘坐中，如果在某个时间段内没有检测到姿势的改变，则该方法还可以鼓励乘员在一段时间后改变位置。
13.输出单元可以经由一些视觉响应(例如，在平视显示器或信息娱乐系统的屏幕上显示的图标或对话框)来提供调整乘员姿势的建议。例如，当可能检测到驾驶员的困倦时，可以显示与可能出现在其他应用中的咖啡壶图标类似的图标。附加地或另选地，可以显示短动画或视频剪辑，以便激励乘员改变就座位置、做一些伸展运动或休息。
14.因此，根据本公开的方法能够在驾驶期间交互地改善乘员的姿势。由于检测到作为相应乘员的特性的单独身体点，因此对乘员的姿势进行分类和提供建议是针对具有位于例如头部、肩部、肘部等处的身体点的单独位置的特定乘员定制的。因此，该方法可以灵活地为特定的乘员提供单独建议。
15.该方法可以包括以下特征中的一个或更多个：
16.可以经由感测装置检测图像序列。经由处理单元：可以基于所述图像序列确定身体点的时间序列，可以通过使用所述时间序列针对所述身体点中的各个身体点来估计位移矢量，并且可以基于所述位移矢量对乘员的移动进行分类。可以进一步基于该乘员的经分类的移动来提供调整该乘员的姿势的建议。
17.所述身体点可以包括面部点，可以基于所述图像序列来识别和跟踪所述面部点，并且可以经由所述处理单元基于检测到的面部点获得面部表情并且对所述面部表情进行分类。可以进一步基于经分类的面部表情来提供调整所述乘员的姿势的建议。另外，可以经由所述处理单元基于所述乘员的经分类的姿势、经分类的移动和/或经分类的面部表情来确定就座舒适度得分，并且调整所述乘员的姿势的建议可以基于所述就座舒适度得分。可以仅在所述就座舒适度得分小于预定阈值的情况下提供调整所述乘员的姿势的建议。
18.通过在预定义时间段的开始和结束时识别身体点，可以在所述预定义时间段内监测乘员的位置，并且如果该乘员的位置在所述预定时间段期间没有改变，则可以提供调整该乘员的姿势的建议。
19.乘员可以位于驾驶员座椅上，并且所述身体点可以包括肩部点、臂部点和/或手部
点。可以相对于车辆的方向盘来确定所述肩部点、所述臂部点和/或所述手部点的相对位置。可以基于所述相对位置，经由输出单元来提供调整方向盘的建议。
20.可以通过输入单元获取乘员对所述建议的响应，并且所述响应可以包括接受或拒绝当前的建议。可以根据所述乘员的响应确定将来的建议的数量和/或类型。如果所述乘员接受当前的建议，则输出单元可以为所述乘员提议指导活动，所述指导活动可以取决于车辆的驾驶条件和环境。可以进一步基于存储在处理单元中的所述乘员的简档对所述乘员的姿势进行分类。
21.根据实施方式，可以经由感测装置来检测图像序列。经由处理单元，可以基于图像序列来确定身体点的时间序列，可以通过使用时间序列针对各个身体点估计位移矢量，并且可以基于位移矢量对乘员的移动进行分类。经由输出单元，可以进一步基于乘员的经分类的移动来提供调整乘员姿势的建议。
22.对于该实施方式，调整乘员姿势的建议可以不仅基于在某一时间点从图像中的身体点获得的静态就座位置。另外，可以通过基于位移矢量对乘员的移动进行分类来考虑乘员的动作。例如，乘员的手经常伸到其颈部或背部或进行类似按摩的移动可能表明乘员开始感到不适。类似地，这种开始感到不适可以通过以某种特征方式拉伸头部和肩部区域以放松肌肉(例如，通过肩部或头部圆周运动)来指示。乘员移动的分类也可以通过神经网络来执行。由于附加地考虑了乘员的动作，因此可以提高识别不适开始的方法的可靠性。
23.根据另一实施方式，身体点可以包括可基于图像序列识别和跟踪的面部点，并且可以经由处理单元基于识别的面部点来获得面部表情并对面部表情进行分类。可以经由输出单元进一步基于经分类的面部表情来提供调整乘员姿势的建议。
24.乘员的面部表情还可以指示总体的负面情绪或不适，这可能与乘员没有以舒适和健康的方式就座有关。另一方面，面部表情可能与舒适和总体积极情绪有关，表明乘员可能正确地就座。因此，附加地考虑面部表情可以在早期识别由于不正确的就座位置而引起的乘员不适方面支持该方法。
25.根据另一实施方式，可以经由处理单元基于乘员的经分类的姿势、经分类的移动和/或经分类的面部表情确定就座舒适度得分，并且调整乘员姿势的建议可以基于该就座舒适度得分。可以仅在就座舒适度得分小于预定阈值的情况下，进一步提供调整乘员姿势的建议。因此，就座舒适度得分可以组合从对静态姿势、动作或移动以及乘员面部表情的分析中得出的信息。也就是说，就座舒适度得分可以是舒适度和享受感的组合指标。
26.由于对三个不同方面的考虑，因此所得到的针对乘员的建议可以更可靠并且更好地针对特定乘员进行定制。仅针对低就座舒适度得分(即，小于预定阈值)提供建议，可以抑制在显示器或屏幕上对乘员的多余消息。
27.通过在预定义时间段的开始和结束时识别身体点，可以在预定时间段内监测乘员的位置。如果乘员的位置在预定时间段期间没有改变，则可以提供调整乘员姿势的建议。在乘员的长时间乘坐期间，这一方面可能是高度相关的。可以通过建议来鼓励乘员改变他或她的位置，以便在乘员能够感觉到不适之前避免不适。因此，监测乘员的位置可以是附加信息源，针对乘员的建议可以基于该附加信息源。
28.根据另一实施方式，乘员可以位于驾驶员座椅上。身体点可以包括肩部点、臂部点和/或手部点。在这种情况下，可以确定肩部点、臂部点和/或手部点相对于车辆方向盘的相
对位置。基于该相对位置，可以经由输出单元提供调整方向盘的建议。乘员相对于方向盘的不正确位置可能是驾驶期间不适的另一来源。因此，可以提供附加的建议，以基于方向盘相对于乘员的选定身体点的相对位置来调整方向盘。
29.可以通过输入单元获取乘员对建议的响应，其中该响应可以包括接受或拒绝当前建议。可以根据乘员的响应来确定将来建议的数量和/或类型。因此，乘员可以能够交互地控制建议的数量和/或类型。这可以促进针对特定乘员的建议和整个方法的适配或定制。接受或拒绝当前建议可以通过使用手势命令、语音输入、要按下的按钮或触摸屏命令来进行。通过考虑乘员的响应，可以在进一步的驾驶过程期间抑制不希望的建议。
30.如果乘员接受当前建议，则输出单元可以为乘员提议指导活动，该指导活动可以取决于车辆的驾驶条件和环境。也就是说，提议的活动可以适应乘员的旅程在实际时间点的“背景”。例如，如果车辆堵车或停在红绿灯处(这可以通过确定车辆的速度来注意到)，则指导活动可以包括一些小运动或一些座舱活动。另外，如果车辆配备有例如定位装置和地图装置，则指导活动可以基于对沿着车辆的预期路线的较佳停车地点的预测。例如，当前建议和指导活动可以包括这样的提议：在例如靠近预期路线的公园处停车，并离开车辆一段时间以进行一些建议的锻炼。也可以在自动驾驶期间提供指导活动。总之，指导活动可以在早期消除乘员的不适。此外，感测装置和处理单元可以用于监督指导活动，如果这是乘员所希望的话。
31.根据另一实施方式，可以基于存储在处理单元中的乘员的简档进一步对乘员的姿势进行分类。可以手动地或基于识别从图像序列获得的身体点和面部点将简档输入到处理单元。乘员简档可以进一步包括对输出单元提供的先前建议的响应。此外，乘员简档还可以包括在先前乘坐期间确定并存储在处理单元中的记录或记载的就座舒适度得分。通过这种方式，乘员简档有助于针对特定乘员定制该方法，因为它影响对乘员姿势的分类。因此，乘员的反馈可以包含在乘员的简档中，因此，可以在该方法中实现反馈回路，以正确地分类乘员姿势。而且，当要基于经分类的姿势提供建议时，可以经由乘员的简档来考虑个人偏好和舒适度水平。
32.在另一方面，本公开涉及一种监测位于车辆内部的乘员的系统。该系统包括：感测装置，其被配置成检测乘员的至少一个图像；处理单元，其被配置成基于所述至少一个图像来识别所述乘员的身体点，并且基于检测到的身体点对所述乘员的姿势进行分类；以及输出单元，其被配置成基于经分类的姿势来提供调整所述乘员的姿势的建议。
33.如本文所使用的，术语“处理装置”、“处理单元”和“模块”可以指代以下项、是以下项的一部分、或者包括以下项：专用集成电路(asic)；电子电路；组合逻辑电路；现场可编程门阵列(fpga)；执行代码的处理器(共享的、专用的或组)；提供所述功能的其他合适的组件；或上述一些或全部的组合，例如在片上系统中。术语“模块”可以包括存储由处理器执行的代码的存储器(共享的、专用的或组)。
34.综上所述，根据本公开的系统包括被配置成执行上述对应方法的步骤的感测装置、处理单元和输出单元。因此，上述针对方法的益处、优点和公开内容对于根据本公开的装置同样有效。
35.根据实施方式，所述系统还可以包括输入单元，所述输入单元被配置成获取所述乘员对所述建议的响应，其中所述响应可以包括接受或拒绝当前的建议。将来的建议的数
量和/或类型可以取决于所述乘员的所述响应。
36.所述处理单元可以包括用于对所述乘员的姿势进行分类的机器学习算法或基于规则的逻辑。此外，感测装置还可以被配置成检测面部点，并且处理单元可以被配置成基于面部点对面部表情进行分类。输出单元可以被配置成进一步基于面部表情来提供调整乘员姿势的建议。
37.在另一方面，本公开涉及一种计算机系统，所述计算机系统被配置成执行本文描述的计算机实现的方法的若干或所有步骤。
38.该计算机系统可以包括处理单元、至少一个存储器单元和至少一个非暂时性数据存储部。非暂时性数据存储部和/或存储器单元可以包括用于指示计算机执行本文描述的计算机实现的方法的若干或所有步骤或方面的计算机程序。
39.在另一方面，本公开涉及一种非暂时性计算机可读介质，其包括用于执行本文描述的计算机实现的方法的若干或所有步骤或方面的指令。计算机可读介质可以被配置为：光介质，例如压缩盘(cd)或数字多功能盘(dvd)；磁介质，例如硬盘驱动器(hdd)；固态硬盘(ssd)；只读存储器(rom)；闪存；等等。此外，计算机可读介质可以被配置为可经由诸如因特网连接的数据连接访问的数据存储部。例如，计算机可读介质可以是在线数据存储库或云存储。
40.本公开还涉及一种用于指示计算机执行本文描述的计算机实现的方法的若干或所有步骤或方面的计算机程序。
附图说明
41.在此结合示意性示出的以下附图来描述本公开的示例性实施方式和功能：
42.图1描绘了由根据本公开的系统监测的车辆中的乘员，
43.图2描绘了根据本公开的系统的概览，以及
44.图3描绘了由图2所示系统执行的方法步骤。
具体实施方式
45.图1示意性地描绘了由根据本公开的系统11监测的车辆内部的乘员10。该乘员10坐在驾驶员座椅12上，因此他或她的手放在车辆的方向盘14上。
46.系统11包括作为感测装置13的摄像头，其连接到处理单元15(也参见图2)。该处理单元15被配置成分析由摄像头13提供的图像序列。系统11还包括输出单元17，其被配置成基于处理单元15提供的信息来提供调整乘员10的姿势的建议，下面将详细解释。另外，该系统还包括输入单元19，其允许乘员10响应于输出单元17提供的建议而向系统提供输入信息。因此，输入单元19与处理单元15通信。
47.此外，图1中示出了身体点21。该身体点21包括面部点23、肩部点25、臂部点27和手部点29以及位于例如乘员10的头部、背部、臀部和/或膝盖的另外的身体点21。然而，身体点21的这些示例并不是穷举的。身体点21和面部点23被检测为由摄像机13捕获的图像序列31(也参见图3)的一部分，并且身体点21和面部点23是经由处理单元15通过使用神经网络以及预处理和后处理算法来识别的。
48.如图1的上部所示，乘员在座椅12上的姿势显然是不利的，尤其是在乘员背部的区
域26和靠近乘员肩部的区域28中。在驾驶过程中，乘员10如图1上部所示的姿势会给乘员10带来不适，甚至会引起乘员10的背部和颈部或肩部疼痛。因此，根据本公开的系统11和方法旨在提供用于改善乘员10的姿势的建议。基于这些建议，乘员10将能够调整他或她的姿势，以便实现如图1的下部所示的适当姿势。该校正姿势将增加乘员10的舒适度并防止乘员10的背部、肩部和颈部的疼痛。
49.在系统11的本实施方式中，感测装置或摄像头13是rgb摄像头。另选地，摄像头还可以是nir摄像头、rgb-ir摄像头、飞行时间摄像头、立体摄像头、热像仪或能够生成至少一个图像信息通道(即，车辆内部的乘员10的二维图像)的一些其他成像装置。
50.图3描绘了通过使用如图2所示的系统11由根据本公开的方法执行的步骤的示意图。摄像头13能够获取时间图像序列31。摄像头13还被配置成捕获乘员身体的大部分的图像，例如从头部到膝盖的区域。
51.处理单元15接收图像序列31作为输入并且通过使用一系列算法(即，神经网络以及预处理和后处理算法)来对该图像序列31进行处理。也就是说，处理单元15执行身体点检测33和面部点检测35，以便基于图像序列31来识别身体点21和面部点23。
52.身体点21和面部点23是通过使用神经网络来识别的，该神经网络是处理单元15的一部分并且被训练用于识别与身体和面部候选有关的矩形关注区域内的点21、23。也就是说，点21、23在识别出的身体和面部区域内被提取。另外，处理单元15提供点21、23的绝对位置以及它们之间的相对位置，以便能够区分乘员10的不同坐姿，即，在座椅12中的身体姿势(见图1)。
53.基于身体点检测33，处理单元15执行静态坐姿分类37(见图3)。也就是说，点21、23的绝对位置和相对位置用于对座椅12中的乘员10(见图1)的静态姿势进行分类。分类由在处理单元15中实现的神经网络的另一级执行。神经网络的参数或权重在使用多个乘员10的姿势的训练样本作为基本事实的训练步骤中确定。作为替代，处理单元15可以通过使用决策树或任何其他机器学习算法或一些基于规则的逻辑来执行身体点21的分类，这些基于规则的逻辑考虑身体部位的位置、预定义的身体点之间的相对距离和/或车辆内部已知参考点的距离。
54.处理单元15的神经网络被训练以区分具有适当姿势的直坐的乘员与例如向前或向一侧倾斜或具有弯曲姿势等的乘员。此外，如果乘员10是车辆驾驶员，则处理单元15还使用肩部点25、臂部点27和手部点29，以便评估这些“关键”点25、27、29相对于车辆的方向盘14(见图1)的相对位置。例如，可以对乘员10的肘部角度进行估计或分类。借此，处理单元15确定方向盘14是否离乘员10太近、太远或距离合适。
55.除了静态坐姿分类37之外，处理单元15还基于身体点检测33来执行动作分类39。动作分类39用于识别乘员10的特定移动和身体动作。这样的移动可以指示例如乘员10的下背部疼痛。乘员也可能伸展他或她的上身，以便避免疼痛并放松该身体区域的肌肉。特定移动的另一示例是肩部的旋转移动。
56.对于动作分类39，在时间图像序列31内的连续图像帧上跟踪身体点21。在两帧图像之间，针对各个身体点21估计相应的位移矢量。另外，考虑与静态坐姿分类37不太相关的另外的身体点，例如位于乘员10的胸部或腹部区域中的身体点21。为了确定要被跟踪以用于动作分类39的合适的身体点21，可以使用乘员衣服的纹理来找到用于跟踪的良好特征或
身体点21。而且，使用乘员上身的像素级分割(pixelwise segmentation)来跟踪身体点21以及识别乘员的移动。像素级分割是使用深度神经网络实现的。
57.作为替代，也可以应用基于背景模型的前景/背景分割方法。此外，可以通过多边形轮廓而不是像素级分割来连接一些身体点21(例如肩部点和臀部点)，并且可以基于图像序列31来跟踪该多边形轮廓。
58.另外，可以实现跟踪过程，该跟踪过程被配置成基于图像序列31来识别和跟踪连续区域。换言之，可以考虑连续区域的光流。这样的跟踪区域具有明确的特性，例如在乘员的衣服上相同或相似的纹理。通过作为整体来跟踪该区域，可以为整个区域定义如上所述的位移矢量。因此，如果不能针对特定乘员跟踪单独的参考点或身体点，则可以使用基于区域的跟踪。
59.使用映射函数将各个身体点21的位移矢量的量或绝对值映射到活动值或指数。为了识别乘员的移动，可以估计针对属于某一身体区域的身体点21选择的位移矢量的绝对值的平均值。另外，估计乘员10的全身上的所有位移矢量的这种平均值，以便确定乘员10移动的一般程度。为了对乘员10的动作或移动进行分类或评估，针对不同身体区域将身体点21的位移长度归一化，例如通过减去在同一身体区域内的身体点上求平均的平均位移。而且，计算出不同身体区域之间的相对位移矢量，以便对乘员10的移动进行识别和分类。
60.基于面部点检测35，获得乘员10的面部表情41。也就是说，例如，通过处理单元15内的神经网络的另一级对面部点23进行分类，以获得面部表情41。面部表情可以与指示乘员10没有以舒适和健康的方式就座的不适相关。相反，面部表情还可以指示乘员10的指示舒适度的总体积极情绪。
61.基于静态坐姿分类37、动作分类39和面部表情41，处理单元15对乘员10执行坐姿分析43。坐姿分析43生成用作建议引擎45的输入的信号，该建议引擎是输出单元17(见图2)的一部分。向建议引擎45提供的信号包括乘员10处于当前姿势的时间，即，没有身体活动的时间，其中臂部和手的移动被忽略。信号还包括如上所述的坐姿舒适度得分和活动指数。
62.同样如上所述，身体点21的位移以及身体点21的绝对和相对位置是经由神经网络识别和分类的。该分类得到乘员10的就座舒适度的似然性得分，其也被称为坐姿舒适度得分。由于身体点21的位移，在估计坐姿舒适度得分时还考虑了指示不适的特征移动。
63.而且，面部表情也被考虑在内。也就是说，如果面部表情41暗示不适或负面情绪，则降低坐姿舒适度得分。相反，对于从面部表情41获得的中性或积极情绪，增加坐姿舒适度得分。
64.如果使用飞行时间摄像头作为感测装置13，则提供了三维信息并且可以准确地测量乘员10的上身和腿之间的角度。如果没有可用的三维信息，例如对于典型的rgb摄像头，则类似的信息可以从图像序列31的二维图像中近似得到(见图3)。另外，坐姿分析43包括确定乘员10的身体姿势的对称性。
65.建议引擎45(见图3)接收坐姿分析43的结果，即，针对乘员10处于当前姿势的时间、坐姿舒适度得分和活动指数的上述信号。这些信号由建议引擎45处理并且能够触发事件，这些事件向乘员10提供相应的用户建议47。
66.如果就座舒适度得分低于可配置阈值和/或如果处于当前姿势的时间超过乘员10的类似可配置阈值，则触发此类事件。在这些情况下，建议引擎45触发“建议姿势改变”命
令，该命令经由人机接口呈现给乘员10，例如在显示器或屏幕上。而且，低活动指数和缺乏身体姿势对称性会触发类似的事件和命令。用户建议47是否实际呈现给乘员10可能进一步取决于附加输入，例如乘坐持续时间、道路环境、导航信息等。当驾驶任务不需要全神贯注时(例如在交通拥堵或自动驾驶期间)，进一步的建议可能是“改变您在座椅上的位置”、“进行一些特殊的活动/锻炼”，或者仅仅是“主动休息一下，下车一段时间”，例如，如果确定附近有某个公园或某个餐厅的话。
67.另外，如果坐姿分析43确定了一些可能导致背痛的不适(可以从活动分类39和面部表情41中获得)，则建议引擎45可以建议启用按摩座椅功能。另外，如果方向盘14(见图1)与肩部点25、臂部点27和手部点29的相对位置被确定为不利的，则建议引擎45还可以建议调节方向盘位置或座椅配置。
68.在行程总结49中记录并报告坐姿分析43的结果，即，处于同一姿势的时间、就座舒适度得分和活动指数，其可以与用户简档53相结合，并经由智能手机应用、网站等进一步访问。
69.系统11的输入单元19能够接收响应于用户建议47的用户反馈51。详细地，乘员10可以被系统11登记和识别，因此系统11能够将一些个人偏好存储在用户简档53中，该用户简档也是输入单元19的一部分。因此，用户反馈51被用作用户简档53的更新55。响应于用户建议47的直接用户反馈51包括接受或拒绝建议。如果该建议被接受，则将来将在类似情形下提供类似建议。反之，如果当前的建议被拒绝，则这种类型的建议将在将来被抑制。另外，用户或乘员10通常能够经由用户简档53通过系统设置来抑制某些建议。另外，由坐姿分析43提供的统计数据57也可以用于更新用户简档53。也就是说，系统11经由坐姿分析43和统计数据57自动地针对特定乘员10部分地定制，而不需要乘员10的动作。
70.如上所述，用户建议47显示为对由建议引擎45触发的事件的视觉响应。该视觉响应显示在车辆的信息娱乐系统的屏幕上，例如作为图标或对话框。另选地，系统11的视觉响应可以显示在平视显示器上。另外，可以显示短动画或视频剪辑来激励乘员10改变就座位置、做一些伸展运动或进行主动的休息。而且，可以使用例如使用虚拟助手的音频指导。系统11可以附加地使用输入图像序列31，以便监督乘员10的建议活动。
71.附图标记列表
72.10
ꢀꢀꢀꢀ
乘员
73.11
ꢀꢀꢀꢀ
系统
74.12
ꢀꢀꢀꢀ
座椅
75.13
ꢀꢀꢀꢀ
感测装置、摄像头
76.14
ꢀꢀꢀꢀ
方向盘
77.15
ꢀꢀꢀꢀ
处理单元
78.17
ꢀꢀꢀꢀ
输出单元
79.19
ꢀꢀꢀꢀ
输入单元
80.21
ꢀꢀꢀꢀ
身体点
81.23
ꢀꢀꢀꢀ
面部点
82.25
ꢀꢀꢀꢀ
肩部点
83.26
ꢀꢀꢀꢀ
背部区域
84.27
ꢀꢀꢀꢀ
臂部点
85.28
ꢀꢀꢀꢀ
肩部区域
86.29
ꢀꢀꢀꢀ
手部点
87.31
ꢀꢀꢀꢀ
输入图像序列
88.33
ꢀꢀꢀꢀ
身体点检测
89.35
ꢀꢀꢀꢀ
面部点检测
90.37
ꢀꢀꢀꢀ
静态坐姿分类
91.39
ꢀꢀꢀꢀ
动作分类
92.41
ꢀꢀꢀꢀ
面部表情
93.43
ꢀꢀꢀꢀ
坐姿分析
94.45
ꢀꢀꢀꢀ
建议引擎
95.47
ꢀꢀꢀꢀ
用户建议
96.49
ꢀꢀꢀꢀ
行程总结
97.51
ꢀꢀꢀꢀ
用户反馈
98.53
ꢀꢀꢀꢀ
用户简档
99.55
ꢀꢀꢀꢀ
更新
100.57
ꢀꢀꢀꢀ
统计数据