An invention is disclosed to divide a segmented image of an occupant into
an upper torso image and a lower torso image. An occupant labeling
heuristic can identify each pixel within the segmented image as an upper
torso pixel or a lower torso pixel. A k-means module can provide an
initial pixel classification by comparing the distance between the
particular pixel and an estimated midpoint on the upper torso with the
distance between the particular pixel and an estimated midpoint on the
lower torso. The iterative parameters estimator can update the mean values
for the upper torso and lower torso by performing a conditional likelihood
heuristic. Pixels can then be classified as either upper or lower torso
pixels by comparing a Mahalonobis distance for each torso. Airbag-related
applications can then use the upper torso image to generate occupant
characteristics relevant to airbag-related applications.
Een uitvinding wordt onthuld om een gesegmenteerd beeld van een bewoner in een hoger torsobeeld en een lager torsobeeld te verdelen. Een bewoner heuristische etikettering kan elk pixel binnen het gesegmenteerde beeld als hoger torsopixel of lager torsopixel identificeren. Kan een k-middelen module een eerste pixelclassificatie verstrekken door de afstand tussen het bijzondere pixel en een geschat middelpunt op het hogere torso met de afstand tussen het bijzondere pixel en een geschat middelpunt op het lagere torso te vergelijken. De herhaalde parametersschatter kan de gemiddelde waarden voor het hogere torso en lager torso bijwerken door een voorwaardelijke heuristische waarschijnlijkheid uit te voeren. De pixel kunnen dan als of hogere of lagere torsopixel worden geclassificeerd door een afstand Mahalonobis voor elk torso te vergelijken. de op luchtkussen betrekking hebbende toepassingen kunnen het hogere torsobeeld dan gebruiken om bewonerskenmerken te produceren relevant voor op luchtkussen betrekking hebbende toepassingen.
