CN107545614A - 具有事件记录的车辆 - Google Patents
具有事件记录的车辆 Download PDFInfo
- Publication number
- CN107545614A CN107545614A CN201710481277.4A CN201710481277A CN107545614A CN 107545614 A CN107545614 A CN 107545614A CN 201710481277 A CN201710481277 A CN 201710481277A CN 107545614 A CN107545614 A CN 107545614A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- processor
- identification
- list
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/10—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device
- B60R25/102—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device a signal being sent to a remote location, e.g. a radio signal being transmitted to a police station, a security company or the owner
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
- B60R25/305—Detection related to theft or to other events relevant to anti-theft systems using a camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
- B60R25/31—Detection related to theft or to other events relevant to anti-theft systems of human presence inside or outside the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19639—Details of the system layout
- G08B13/19647—Systems specially adapted for intrusion detection in or around a vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/02—Mechanical actuation
- G08B13/08—Mechanical actuation by opening, e.g. of door, of window, of drawer, of shutter, of curtain, of blind
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Recording Measured Values (AREA)
Abstract
一种车辆,包括:传感器、处理器,该处理器配置用于:进行初步检测;列出位于计算出的重点区域内的对象;将列出的对象标记为部分识别或完全识别;估计部分识别对象的速度;基于估计的速度选择有联系的车辆;指示有联系的车辆以:记录部分识别对象,将记录电子传输至地址。
Description
技术领域
本发明涉及具有传感器的机动车辆。
背景技术
车辆包括一系列传感器,该传感器能够感测数据。存在收集和组织这些感测到的数据的需求。
发明内容
对应于本发明的车辆包括:传感器、处理器,该处理器配置用于:做出初步检测;列出位于计算出的重点区域内的对象;将列出的对象标记为部分识别或完全识别;估计部分识别对象的速度;基于估计的速度选择有联系的车辆;指示有联系的车辆以:记录部分识别对象,将记录电子传输至地址。
附图说明
为了更好地理解本发明,可参考在下面的附图中示出的实施例。在附图中的部件未必是按比例的,并且相关的元件可能省略,或者在某些情况下比例可能被夸大,以便强调和清楚地说明本发明的新颖的特征。另外,系统部件可以有如本领域中已知的不同的设置。此外,在附图中,同样的附图标记在各个附图中标示一致的部件。
图1是车辆计算系统的框图;
图2是包括车辆计算系统的车辆的示意图;
图3是城镇的俯视图;
图4示出了噪音识别;
图5是与噪音识别相应的方法的框图;
图6是住所的俯视图;
图7是识别对象的方法的第一部分的框图;
图8是识别对象的方法的第二部分的框图;
图9是车辆和虚拟的重点区域的俯视图。
具体实施方式
虽然本发明可以以各种形式来实施,但存在附图中示出并且将在下文中描述一些示例性的和非限制性的实施例,应当理解的是:本公开被认为是本发明的例示,并且不旨在将本发明限制为所示的具体实施例。
在本申请中,反义连词的使用旨在包括连词。定冠词或不定冠词的使用不旨在表明基数。特别地,提及“该”对象或者“一”和“一个”对象也旨在表示可能多个上述对象中的一个。此外,作为一个选项,连词“或”可以用于传达同时存在的特征,并且作为另一个选项,连词“或”可以用于传达互斥替代的特征。换句话说,连词“或”应被理解为包括作为一个选项的“和/或”以及作为另一个选项的“两者之中任一/或”。
图1示出了示例性车辆200的计算系统100。车辆200也被称为第一车辆200。车辆200包括马达、电池、由马达驱动的至少一个车轮以及配置用于使至少一个车轮绕轴线转动的转向系统。合适的车辆也在例如Miller等人(“Miller”)的美国专利申请No.14/991,496和Prasad等人(“Prasad”)的已授权美国专利No.8,180,547中描述,这两个专利文献的全部内容通过引用并入本申请。计算系统100能够自动控制装置内的机械系统。计算系统100还能够与外部设备通信。计算系统100包括数据总线101、一个或多个处理器108、易失性存储器107、非易失性存储器106、用户界面105、远程信息处理单元104、致动器和马达103以及本地传感器102。
当在权利要求书中使用时,术语“承载车辆”被定义为意指:“一种车辆,该车辆包括:马达、多个车轮、动力源和转向系统;其中马达传递扭矩至多个车轮中的至少一个,从而驱动多个车轮中的至少一个;其中动力源向马达供应能量;并且其中转向系统被配置用于转向多个车轮中的至少一个。”当在权利要求中使用时,术语“整装的电动车辆”被定义为意指“一种车辆,该车辆包括:电池、多个车轮、马达、转向系统;其中马达传递扭矩至多个车轮中的至少一个,从而驱动多个车轮中的至少一个;其中电池是可再充电的并且被配置用于向马达供应电能,从而驱动马达;并且其中转向系统被配置用于转向多个车轮中的至少一个。
数据总线101在电子元件之间传输电子信号或数据。处理器108对电子信号或数据执行操作以产生经修改的电子信号或数据。易失性存储器107存储用于由处理器108即时调用的数据。非易失性存储器106存储用于调用到易失性存储器107和/或处理器108的数据。非易失性存储器106包括一系列非易失性存储器,该一系列非易失性存储器包括硬盘驱动器、SSD(固态驱动器)、DVD(数字化视频光盘)、蓝光光盘等等。用户界面105包括显示器、触摸屏显示器、键盘、按钮以及其他能够使用户与计算系统交互的装置。远程信息处理单元104能够通过蓝牙、蜂窝数据(例如3G,LTE)、USB等等与外部处理器进行有线和无线通信。远程信息处理单元104可以被配置用于以特定频率传播信号(例如,根据下文所述的计算结果,一种类型的1kHz或200kHz的车辆对车辆传输)。致动器/马达103产生实体结果。致动器/马达的示例包括燃料喷射器、挡风玻璃刮水器、制动灯电路、变速器、安全气囊、触觉马达或发动机等等。本地传感器102将数字读数或测量值传输至处理器108。合适的传感器的示例包括温度传感器、转速传感器、安全带传感器、速度传感器、摄像机、激光雷达传感器、雷达传感器等等。应当理解,图1的各种连接的部件可以包括单独的或专用的处理器和存储器。例如,Miller和/或Prasad的文献中描述了计算系统100的构造和操作的进一步细节。
图2大体上示出并说明了包括计算系统100的车辆200。尽管未示出,车辆200与诸如手机的移动装置进行有效的无线通信。一些本地传感器102安装在车辆200的外部。本地传感器102a可以是超声传感器、激光雷达传感器、摄像机、视频摄像机和/或麦克风等等。本地传感器102a可以被配置用于检测如由前感测范围104a所示的车辆200前面的对象。本地传感器102b可以是超声传感器、激光雷达传感器、摄像机、视频摄像机和/或麦克风等等。本地传感器102b可以被配置用于检测如由后感测范围104b所示的车辆200后面的对象。左传感器102c和右传感器102d可以被配置用于对车辆200的左侧和右侧执行相同的功能。车辆200包括位于车辆内部或车辆外部的许多其他传感器102。这些传感器可以包括Prasad的文献中公开的任意传感器或全部传感器。
应当理解,车辆200被配置用于执行下面描述的方法和操作。在一些情况下,车辆200被配置用于通过储存在计算系统100的易失性和/或非易失性存储器上的计算机程序来执行这些功能。处理器“被配置用于”当处理器与储存软件程序的存储器进行有效通信时执行所公开的操作,该软件程序带有体现所公开的操作的代码或者指令。在Prasad的文献中呈现了处理器、存储器和程序如何协作的进一步说明。应当理解,与车辆200有效通信的移动装置或外部服务器执行下面讨论的方法和操作的部分或全部。
根据各种实施例,车辆200是Prasad的文献中的车辆100a。在各种实施例中,计算系统100是Prasad的文献中的图2的VCCS(车辆计算和通信系统)102。在各种实施例中,车辆200与Prasad的文献的图1中所示的装置的部分或全部进行通信,该装置包括移动装置110、通信塔116、电信网络118、因特网120和数据处理中心122。
图3大体上示出并说明了包括北/南道路301a、301b、301c,东/西道路302a、302b、302c和停车场304的城镇300。道路301、302在节点(即,交叉点)303a、303b、303c、303d、303e、303f、303g、303h和303i处相交。车辆200被配置用于检测事件(例如,盗窃行为或肇事逃逸),然后基于检测结果启动或协调搜索。下面详细讨论的图7和8大体上示出并说明了用于执行这种搜索的方法700。图8大体上示出并说明了图7的方法700的框716的附加细节。
参考图3,车辆200停在停车场304中。车辆200检测诸如盗窃行为或肇事逃逸的事件。车辆200通过本地车辆传感器102检测这样的事件。例如,加速度计可以检测与碰撞一致的车辆的瞬间加速度;连接到车门和/或车窗的传感器可以检测车窗的破损或车门的非法打开。这种检测被称为初步检测,并且通常通过当车辆200已停放和/或关闭时永远运行的第一本地车辆传感器来识别。车辆200可以被配置用于接收通过用户界面105指示车辆200进行初步检测的用户输入。
参考图7,在框702处,车辆200周期性地轮询第一本地传感器。车辆通过将轮询的内容与预定值进行比较来进一步评估在框702处的轮询。当一个或多个轮询内容超过关联的预定值时,车辆在框704处确认初步检测。
车辆200被配置用于,一旦初步检测在框704处发生,则应用从第二本地车辆传感器提取的信息以形成事件的合成。许多人和/或车辆可能围绕车辆200。因此,根据各种实施例,车辆200估计事件的初始时间,然后追踪在车辆200的半径范围内的人和/或车辆,半径范围基于(a)事件的初始时间和(b)从初始时间起过去的时间。
另外,根据各种实施例,车辆200通过第一本地车辆传感器识别与事件相关联的车辆200的侧面。例如,如果在车辆200的左侧上的加速度传感器先于车辆右侧上的加速度传感器测量到加速度,那么车辆200可以假设事件发生在车辆200的左侧。如果车窗被损坏,那么车辆200可以识别被损坏的车窗的位置,然后以对应于被损坏的车窗的侧面为重点。
参考图9,根据各种实施例,车辆200结合半径和所识别的侧面来选择由半径限定的圆形区域的一部分。如图9所示,车辆200基于(a)事件的初始时间和(b)从初始时间起过去的时间,确定半径903,并且限定了给定半径的圆900。如图9所示,车辆200已经确定事件发生在车辆的左侧。车辆因此丢弃圆900的部分902,并确定圆900的部分901a为重点区域。圆900的部分901a包括边界901b、901c和901d。边界901b和901c可以是径向的。边界901d可以循车辆左侧的表面。因此应当理解,重点区域可以类似于具有弯曲基部的梯形。如果不能识别侧面,则由半径903限定的整个圆900是重点区域。
返回到图7的框708,车辆200对重点区域内的每个人和每辆外部车辆(统称为“对象”)进行计数。更具体地,车辆200创建主动追踪列表,并且给追踪列表上的每个对象赋予唯一的代码。唯一的代码组织由多个来源提供的信息。下面进一步解释框708。
参考框708,创建主动追踪列表,车辆200用第二本地车辆传感器扫描周围的事物。第二本地车辆传感器可以是摄像机。根据各种实施例,第二本地车辆传感器当车辆停放和/或关闭时自动关闭或停用,并且因此在框708处由车辆200重新启用。
参考框708,车辆200应用已知的图像过滤软件来识别重点区域内的人和外部车辆(统称为“对象”)。车辆200通过其品牌、型号、颜色和/或牌照来识别外部车辆。车辆200用面部识别技术和/或应用图像识别软件来粗略估计高度、重量、肤色、头发颜色等的技术来识别人。
参考框708,在主动追踪列表中为每个经识别的车辆或人赋予一个单独的条目。框708之后,车辆200已经生成了一个主动追踪列表,该主动追踪列表具有针对重点区域中的每个计数对象的:唯一并且随机生成的ID(身份标识符)、对象的类型(例如,车辆或人)以及检测到的对象的特征(例如,品牌、型号、头发颜色、眼睛颜色、高度等等)。
在框710处,车辆200复查与每个对象相关联的信息(即,检测到的特征),并且基于所复查的信息为对象的身份赋予置信度。置信度基于识别的质量。对于外部车辆,只有当车辆200已经捕获到车牌的合适的(例如,非模糊的)图像以使得车辆200可以读取(通过OCR(光学字符识别)技术)车牌的每个独特的字符时,车辆200才能赋予该外部车辆完全置信度。对于人,只有当已经达到面部识别的预定水平时,车辆200才能赋予该人完全置信度。
在框710处,车辆200因此将主动追踪列表中的每个对象标记为具有完全置信度的身份(即,被完全识别)或部分或不完全置信度的身份(即,被部分识别)。当对象已经以完全置信度被识别时,车辆200不再追踪对象。因此,在框712中,车辆200存储对象的身份,并且从主动追踪列表中移除对象。车辆200被配置用于,当对象没有以完全置信度被识别时,收集关于该对象的其他信息。
当车辆200在一个身份中具有部分或不完全置信度时,方法700进行到框714。在框714处,车辆200赋予对象速度(速度包括速率和方向)。车辆200执行框714来预期对象离开本地传感器102的感测范围。在框716处,车辆200将对象的追踪交接至其他有联系的车辆。根据各种实施例,车辆200对于部分识别对象永远循环步骤708、710和714,直到对象(a)以完全置信度被识别(即,完全识别),或(b)已经远离本地传感器102的感测范围(即,直到车辆200的本地传感器102不再能分辨该对象)。
图8大体上示出并说明了交接过程716。在框802处车辆200访问街道地图,在框804处车辆200访问示出了有联系的车辆(即,被配置用于贡献追踪信息的车辆)的当前位置的地图,以及在框806处车辆200访问每个部分识别对象的速率和方向信息。框802和804的地图可以是相同的地图。在框808处,车辆200基于在框802、804和806中访问的信息将每个部分识别对象与至少一个有联系的车辆配对或相关联。
更具体地,并且参考图3,车辆200为每个部分识别对象创建补充搜索区域305。图3包括四个示例性补充搜索区域305a、305b、305c和305d。车辆200基于街道地图、有联系的车辆的地图以及每个部分识别对象的速率和方向来创建每个补充搜索区域305。
更具体地,车辆200评估每个部分识别对象的速率和方向信息,并且基于速率和方向来预测该对象将进入的下一个节点。例如,部分识别对象可能已经最后被观察到从停车场304朝向节点303h。车辆200形成对象将到达预测节点(例如,节点303h)的时间窗口。车辆200参考有联系的车辆的地图查找被预料到在时间窗口期间同时占据节点(例如,节点303h)的有联系的车辆200。
如果没有有联系的车辆被预计与该对象同时占据预测节点,则车辆200扩大辅助搜索区域以包含与预测节点相邻的节点。例如,如图3所示,如果补充搜索区域305d最初仅包含节点303h,则可以将其扩大至包含节点303g和303i。车辆200通过重复上述过程为在该扩大的搜索区域内的每个节点补充有联系的车辆。根据各种实施例,可以用假设部分识别对象不会转向的准则来选择新包含的节点(即扩大的搜索区域305d将不覆盖节点303e)。
回到图8,在框810处,所选择的有联系的车辆搜索每个部分识别对象。所选择的有联系的车辆搜索与主动追踪列表中存在的描述相匹配的对象。如果有联系的车辆找出与现有描述相匹配的对象,则在框812处,有联系的车辆用新记录的信息补充主动追踪列表。
车辆200复查补充信息并确定对象是否已被完全识别。如果补充信息导致了完全识别,则在框814处车辆200从主动追踪列表中移除对象。如果补充信息没有导致完全置信度的识别,则在框816a处车辆200基于由有联系的车辆提供的信息确定的部分识别对象的速率和方向,以及在框816b处交接部分识别对象的追踪。在框816b处的交接使得车辆200重复图8的过程。
如果在补充搜索区域中没有找到部分识别对象,则该方法进行到818,在818处,车辆200通过返回到框808使新的有联系的车辆与部分识别对象配对。正如之前所讨论的,当车辆200返回到框808,车辆200扩大补充搜索区域以包含另外的节点。
应当理解,尽管上述步骤已经被描述为由车辆200协调,但是一些或全部步骤可以由不同的计算机协调,例如与车辆200通信的外部服务器。更具体地,集中式服务器可以被配置用于执行或协调一些或全部步骤。车辆200和有联系的车辆可以与集中式服务器进行有效的通信,并向集中式服务器提供传感器的读数等等。
图4大体上示出并说明了可以由车辆200执行的噪声识别策略的使用案例。车辆200可以被配置用于除了图7和图8的方法之外还执行噪声识别策略。车辆200应用噪声识别策略来识别诸如枪声的独特噪声的起源。在图4中,本地传感器102a和102b包括被配置用于记录声音的麦克风。
车辆200执行噪声识别策略。每个本地传感器102a和102b将表示记录的声音的信号传输至计算系统100。计算系统100识别记录的声音内离散的噪声。计算系统100可以例如用将声音解构成构成频率的傅里叶变换来执行这样的识别。可以基于声音的构成频率将声音分离成离散的噪声(例如,具有高频的声音是第一噪声,而具有低频的声音是第二噪声)。
当将声音分离成离散的噪声时,识别可以考虑声音的音量或频率的振幅。应当理解,声音或噪声的音量基于声音或噪声的构成频率的振幅。因此,应当理解,当本公开涉及音量时,本公开也涉及构成频率的振幅。
计算系统100将本地传感器102a处记录的离散噪声与本地传感器102b上记录的离散噪声进行比对。更具体地说,由于本地传感器102a与本地传感器102b间隔开,所以噪声将首先到达本地传感器中的一个,并随后到达本地传感器的另一个。根据各种实施例,计算系统100仅比对满足预定标准的离散噪声。预定标准可以包括一个或多个频率和一个或多个振幅或音量(例如,仅比对具有特定范围内的频率和具有高于特定水平的音量的噪声)。根据各种实施例,基于通过远程信息处理器104接收的信息来更新预定标准。所接收的信息可以包括天气信息,该天气信息包括关于雷击时间和位置的信息。因此,当接收到的关于雷击的信息时,计算系统100可以调整预定标准以排除具有与雷击相关的特性(频率和/或振幅)的噪声。
计算系统100基于离散噪声的构成频率对比对的离散噪声进行分类。例如,枪声将产生具有独特构成频率的离散噪声。根据各种实施例,基于分类,计算系统100估计噪声的初始音量。例如,枪声可能已经产生具有163至166dB的初始音量的声音。应当理解,计算系统100可以应用其他方法来确定噪声的初始音量。例如,计算系统100可以包括两个以上的麦克风,并且基于(a)麦克风之间的已知距离、(b)构成频率、以及(c)噪音在麦克风之间的音量或振幅的衰减,来估计声音的初始音量。
计算系统100基于(a)估计的噪声的初始音量、(b)所测量的噪声音量和(c)噪声的构成频率,来创建以每个麦克风为中心的虚拟栅栏。声音或噪声频率在介质(如空气)中以已知速率随着距离衰减。因此,如果已知频率的初始振幅,已知频率的测量振幅,并且已知衰减率,则可以估计该距离。
图4示出了以本地传感器102a为中心的第一虚拟栅栏401a和以本地传感器102b为中心的第二虚拟栅栏401b。第一虚拟栅栏401a具有第一半径402a。第二虚拟栅栏401b具有第二半径102b。在该示例中,本地传感器102a记录具有比本地传感器102b更大音量(即振幅)的噪声。因此,本地传感器102a比本地传感器102b更靠近噪声源。因此,第一半径402a小于第二半径402b。
计算系统100确定了虚拟栅栏的交叉点。在图4中,第一虚拟栅栏401a在相交叉点403和404处与第二虚拟栅栏401b相交。应当理解,附加的麦克风和附加的虚拟栅栏(例如,第三虚拟栅栏)可以导致单个交叉点。
交叉点403和404表示噪声的可能的起源点。计算系统100参考有联系的车辆的地图(参见图8的框804和相关的公开)。计算系统100在可能的起源点的预定范围内选择有联系的车辆。计算系统100指示所选择的车辆将其周围的事物的图像记录、存储和/或上传至集中式数据库。计算系统100指示所选择的车辆为记录的、存储的和/或上传的图像附上唯一标识符。集中式数据库收集具有相同唯一标识符的图像,并将收集的图像保存在特定位置。诸如执法机关这样的用户可以下载和查看所收集的图像。
图5大体上示出并说明了执行与上述公开一致的使用案例识别策略的方法500。根据各种实施例,计算系统100使用户能够通过用户界面105将这些步骤中的一些或全部暂停用户决定的时间跨度。另外,根据各种实施例,计算系统100被配置用于接收指示计算系统暂停这些步骤的一些或全部的第三方指示(例如,来自远程用户)。例如,这样的特征将使执法机关能够避免被大量的检测淹没。
在框502处,计算系统100从本地传感器102(即麦克风)接收记录的声音。在框504处,计算系统100将记录的声音分割或分解为离散噪声。在框506处,计算系统100将每个离散噪声的特征(例如,频率和/或相关联的振幅)与预定标准(例如,频率和/或振幅标准)进行比较。在框508处,计算系统100将在一个本地传感器102处记录的离散噪声与在其他本地传感器102处记录的离散噪声比对。根据各种实施例,计算系统100仅当至少一个本地传感器102的离散噪声满足预定标准时才进行到框508。
在框510处,计算系统100根据先前讨论的方法中的一些或全部来估计噪声的初始音量。在框512处,计算系统100创建虚拟栅栏(例如,虚拟栅栏401a和401b)。在框514处,计算系统100查找虚拟栅栏的一个或多个交叉点(例如,交叉点403和404)。在框516处,计算系统100参考有联系的车辆的地图,并且选择具有与交叉点的预定接近度的有联系的车辆。在框518处,计算系统100发送指令(即,招募)至所选择的有联系的车辆,例如存储、记录和/或上传图像的指令。应当理解,外部服务器可以替代计算系统100执行图5的框的一些或全部。
根据各种实施例,计算系统100或外部服务器针对在不同有联系的车辆之间比对的声音执行上述过程。更具体地,计算系统100或外部服务器将在第一有联系的车辆的本地传感器记录的噪声与在第二有联系的车辆的本地传感器记录的噪声进行比对。然后,外部服务器或计算系统100参照不同有联系的车辆之间的已知/测量/接收的距离来执行相似的方法步骤。换句话说,当本地传感器102a安装在第一车辆上并且本地传感器102b安装在第二车辆上时,该方法根据上述步骤来发挥作用。
图6大体上示出并说明了具有房屋601、车库602、前草坪605和车道603的住宅房产600。车道603连接道路604。车辆200停放在车道中。住宅房产600配备有家庭报警或安全系统(未示出)。当在工作中时,安全系统被配置用于检测门、窗和/或车库602的打开。安全系统通过已知的安全技术来执行这种检测。正如本领域已知,安全系统在检测之后发出预定时间量的警报。当发出警报时,安全系统会传播噪音、激活灯光和/或向第三方广播求教呼号。
安全系统被配置用于通过远程信息处理器104与车辆200进行通信。当检测和/或发出警报时,安全系统除了执行上述操作之外还指示车辆200(a)开始用本地车辆传感器102记录,(b)启动汽车警报器,(c)启动喇叭和/或(d)使灯的一些或全部闪烁。根据各种实施例,车辆200自动将本地车辆传感器的测量结果或记录上传到集中式数据库和/或第三方。
图6示出了本地传感器102a捕获感测范围104a内的事件。根据各种实施例,安全系统被配置用于在位于房屋601内部的屏幕上接收和显示所捕获的事件。根据各种实施例,安全系统被配置用于自动和/或通过用户指示,驱使本地传感器102a以移动或调整感测范围104a。根据各种实施例,当检测和/或发出警报时,安全系统指示车辆200用本地传感器102捕获和上传车辆200周围的360度视图。
上述公开内容参考有联系的车辆的地图。应当理解,有联系的车辆的地图可以包括具有合适的传感器(例如,置于交通灯上的摄像机)的静态对象。因此,应当理解,除了有联系的车辆之外,上述方法可以包括向静态对象赋予特定的追踪或识别任务(也就是说,静态对象仅仅被视为速度为零的有联系的车辆)。
Claims (20)
1.一种承载车辆,包括:
传感器、处理器,所述处理器配置用于:
做出初步检测;
列出位于计算出的重点区域内的对象;
将所述列出的对象标记为部分识别或完全识别;
估计所述部分识别的对象的速度;
基于所述估计的速度选择有联系的车辆;
指示所述有联系的车辆以:
记录所述部分识别的对象,将记录电子传输至地址。
2.根据权利要求1所述的车辆,其中所述处理器被配置用于:
用第一组所述传感器做出所述初步检测,所述第一组所述传感器始终打开。
3.根据权利要求1所述的车辆,其中所述传感器包含摄像机,并且所述处理器被配置用于:基于来自所述摄像机的图像,列出在所述计算出的重点区域内的对象。
4.根据权利要求3所述的车辆,其中所述处理器被配置用于:一经检测到第一事件就禁用所述摄像机,并且当所述车辆停放时,一经做出所述初步检测就自动启用所述摄像机。
5.根据权利要求1所述的车辆,其中,所述列表是主动追踪列表,并且所述处理器被配置用于:一经将所述对象中的一对象标记为完全识别,就自动从所述主动追踪列表中移除所述一对象。
6.根据权利要求1所述的车辆,其中所述处理器被配置用于:基于所述初步检测来识别所述车辆的侧面,基于(a)经识别的所述侧面和(b)从所述初步检测起过去的时间,来计算所述重点区域。
7.根据权利要求6所述的车辆,其中所述处理器被配置用于:从所述列表中排除位于所述计算出的重点区域外部的对象。
8.根据权利要求1所述的车辆,其中所述处理器被配置用于:基于用光学字符识别软件解析所述对象的牌照的每个字符,将所述对象中的一对象标记为完全识别。
9.根据权利要求1所述的车辆,其中所述处理器被配置用于:
拒绝估计位于所述重点区域内的所述完全识别对象的速度。
10.根据权利要求1所述的车辆,其中所述处理器被配置用于:
基于接收到的所述有联系的车辆的位置和速度,来选择所述有联系的车辆。
11.一种运行包括传感器和处理器的承载车辆的方法,所述方法包含,通过所述处理器:
做出初步检测;
列出位于计算出的重点区域内的对象;
将所述列出的对象标记为部分识别或完全识别;
估计所述部分识别的对象的速度;
基于所述估计的速度选择有联系的车辆;
指示所述有联系的车辆以:
记录所述部分识别的对象,将所述记录电子传输至地址。
12.根据权利要求11所述的方法,包含:
使用第一组所述传感器做出所述初步检测,所述第一组所述传感器始终打开。
13.根据权利要求11所述的方法,其中所述传感器包括摄像机,并且所述方法包含:基于来自所述摄像机的图像来列出所述计算出的重点区域内的对象。
14.根据权利要求13所述的方法,包含:一经检测到第一事件就禁用所述摄像机,并且当所述车辆停放时,一经做出所述初步检测就自动启用所述摄像机。
15.根据权利要求11所述的方法,其中所述列表是主动追踪列表,并且所述方法包含:一经将所述对象中的一对象标记为完全标识,就自动从所述主动追踪列表中移除所述一对象。
16.根据权利要求11所述的方法,包括:基于所述初步检测来识别所述车辆的侧面,基于(a)所述经识别的侧面和(b)从所述初步检测起过去的时间,来计算所述重点区域。
17.根据权利要求16所述的方法,包含:从所述列表中排除位于所述计算出的重点区域外部的对象。
18.根据权利要求11所述的方法,包含:基于用光学字符识别软件解析所述对象的牌照的每个字符,将所述对象中的一对象标记为完全识别。
19.根据权利要求11所述的方法,包含:拒绝估计位于所述重点区域内的所述完全识别对象的速度。
20.根据权利要求11所述的方法,包含:
基于接收到的所述有联系的车辆的位置和速度,来选择所述有联系的车辆。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/193,975 | 2016-06-27 | ||
US15/193,975 US20170374324A1 (en) | 2016-06-27 | 2016-06-27 | Vehicle with event recording |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107545614A true CN107545614A (zh) | 2018-01-05 |
Family
ID=59523536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710481277.4A Withdrawn CN107545614A (zh) | 2016-06-27 | 2017-06-22 | 具有事件记录的车辆 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20170374324A1 (zh) |
CN (1) | CN107545614A (zh) |
DE (1) | DE102017113752A1 (zh) |
GB (1) | GB2553030A (zh) |
MX (1) | MX2017008549A (zh) |
RU (1) | RU2017122073A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960025A (zh) * | 2018-02-02 | 2018-12-07 | 杨杰 | 停车场安全监控方法 |
WO2020061766A1 (zh) * | 2018-09-25 | 2020-04-02 | 西门子股份公司 | 一种车辆事件的检测装置、方法、计算机程序产品和计算机可读介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11012667B1 (en) * | 2018-02-21 | 2021-05-18 | Alarm.Com Incorporated | Vehicle monitoring |
DE102018217254A1 (de) * | 2018-10-10 | 2020-04-16 | Robert Bosch Gmbh | Verfahren zur Beseitigung von Störkörpern auf Verkehrswegen |
GB2599016A (en) * | 2019-09-30 | 2022-03-23 | Centrica Plc | Integration of vehicle systems into a home security system |
WO2022132563A1 (en) | 2020-12-15 | 2022-06-23 | Selex Es Inc. | Systems and methods for electronic signature tracking |
US20230308849A1 (en) * | 2022-03-23 | 2023-09-28 | Qualcomm Incorporated | Method and apparatus for communicating collision related information |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006350520A (ja) * | 2005-06-14 | 2006-12-28 | Auto Network Gijutsu Kenkyusho:Kk | 周辺情報収集システム |
US8180547B2 (en) | 2009-03-27 | 2012-05-15 | Ford Global Technologies, Llc | Telematics system and method for traction reporting and control in a vehicle |
KR101735684B1 (ko) * | 2010-12-14 | 2017-05-15 | 한국전자통신연구원 | 차량용 영상 기록 및 제공 장치와 이를 이용한 지역 정보 획득 장치 및 방법 |
US9117371B2 (en) * | 2012-06-22 | 2015-08-25 | Harman International Industries, Inc. | Mobile autonomous surveillance |
US20140078304A1 (en) * | 2012-09-20 | 2014-03-20 | Cloudcar, Inc. | Collection and use of captured vehicle data |
KR102299820B1 (ko) * | 2014-11-11 | 2021-09-08 | 현대모비스 주식회사 | 지능형 차량 방범 장치 및 방법 |
-
2016
- 2016-06-27 US US15/193,975 patent/US20170374324A1/en not_active Abandoned
-
2017
- 2017-06-21 DE DE102017113752.1A patent/DE102017113752A1/de not_active Withdrawn
- 2017-06-22 CN CN201710481277.4A patent/CN107545614A/zh not_active Withdrawn
- 2017-06-23 GB GB1710087.6A patent/GB2553030A/en not_active Withdrawn
- 2017-06-23 RU RU2017122073A patent/RU2017122073A/ru not_active Application Discontinuation
- 2017-06-26 MX MX2017008549A patent/MX2017008549A/es unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960025A (zh) * | 2018-02-02 | 2018-12-07 | 杨杰 | 停车场安全监控方法 |
CN108960025B (zh) * | 2018-02-02 | 2019-07-09 | 广东和顺物业管理有限公司 | 一种停车场车窗破损检测系统 |
WO2020061766A1 (zh) * | 2018-09-25 | 2020-04-02 | 西门子股份公司 | 一种车辆事件的检测装置、方法、计算机程序产品和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
DE102017113752A1 (de) | 2017-12-28 |
GB201710087D0 (en) | 2017-08-09 |
MX2017008549A (es) | 2018-09-10 |
US20170374324A1 (en) | 2017-12-28 |
RU2017122073A (ru) | 2018-12-24 |
GB2553030A (en) | 2018-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545614A (zh) | 具有事件记录的车辆 | |
EP3682429B1 (en) | System and method for gate monitoring during departure or arrival of an autonomous vehicle | |
US10752213B2 (en) | Detecting an event and automatically obtaining video data | |
US20220019810A1 (en) | Object Monitoring System and Methods | |
CN107870983A (zh) | 基于区块链的车辆违章信息管理方法、区块链及存储介质 | |
GB2558722A (en) | A system and methods for assessing the interior of an autonomous vehicle | |
US10836309B1 (en) | Distracted driver detection and alert system | |
JP2005521975A5 (zh) | ||
CN106004655A (zh) | 一种盲点碰撞预警方法及装置 | |
CN106301429A (zh) | 有确定免提模式设置的公共交通工具检测的移动通信设备 | |
CN106067259A (zh) | 一种停车场定位寻车系统及方法 | |
CN105261228B (zh) | 停车场寻车方法及装置 | |
CN105701123A (zh) | 人车关系的识别方法及装置 | |
CN109523574B (zh) | 一种行走轨迹预测方法和电子设备 | |
Choosri et al. | IoT-RFID testbed for supporting traffic light control | |
US20150077550A1 (en) | Sensor and data fusion | |
US11349707B1 (en) | Implementing security system devices as network nodes | |
CN105117096A (zh) | 一种基于图像识别的反跟踪方法及装置 | |
CN109064746A (zh) | 一种信息处理方法、终端和计算机可读存储介质 | |
CN106874936A (zh) | 图像传播监测方法及装置 | |
WO2018037392A1 (en) | System and method for access control in open restricted areas | |
Al-Shargabi et al. | A novel approach for the detection of road speed bumps using accelerometer sensor | |
CN111767776A (zh) | 一种异常车牌推选方法及装置 | |
CN112308723A (zh) | 车辆检测方法及系统 | |
CN108873097A (zh) | 无人停车库中载车板停车时的安全检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180105 |