CN111201441A - 检测网络中的位置 - Google Patents
检测网络中的位置 Download PDFInfo
- Publication number
- CN111201441A CN111201441A CN201880065996.0A CN201880065996A CN111201441A CN 111201441 A CN111201441 A CN 111201441A CN 201880065996 A CN201880065996 A CN 201880065996A CN 111201441 A CN111201441 A CN 111201441A
- Authority
- CN
- China
- Prior art keywords
- transceiver
- detection area
- location
- person
- signal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
Abstract
使用信号吸收和由通信网络中生物物质的存在引起的无线电频率(RF)波的信号前向和反射后向散射来检测没有基准元件的网络中的人体的存在的系统和方法。
Description
相关申请的交叉引用
本申请是2017年9月22日提交的美国实用新型专利申请第15/713,309号的延续;是2017年9月22日提交的美国实用新型专利申请第15/713,219号的延续;是2017年8月10日提交的美国实用新型专利申请号15/674,487的延续;并且是2017年8月10日提交的美国实用新型专利申请第15/674,328号的延续。申请15/713,219是2017年8月10日提交的美国实用新型专利申请第15/674,328号的延续,其是2017年5月19日提交的美国实用新型专利申请第15/600,380号的部分延续,其是2016年8月3日提交的美国实用新型专利申请第15/227,717号的延续,其要求2015年11月9日提交的美国临时专利申请第62/252,954号和2015年9月16日提交的美国临时专利申请第62/219,457号的权益。申请15/713,309是2017年8月10日提交的美国实用新型专利申请第15/674,487号的延续,其是2017年8月10日提交的美国实用新型专利申请第15/674,328号的延续,其是2017年5月19日提交的美国实用新型专利申请第15/600,380号的部分延续,其是2016年8月3日提交的美国实用新型专利申请第15/227,717号的延续,其要求2015年11月9日提交的美国临时专利申请第62/252,954号和2015年9月16日提交的美国临时专利申请第62/219,457号的权益。申请15/227,717是2016年3月29日提交并于2016年10月18日发布的美国实用新型专利申请第15/084,002号的延续,作为美国实用新型专利第9,474,042号,该申请又要求2015年11月9日提交的美国临时专利申请第62/252,954号和2015年9月16日提交的美国临时专利申请第62/219,457号的权益。所有这些文件的全部公开内容通过引用并入本文。
技术领域
本公开涉及物体检测领域,并且更具体地涉及用于检测无线通信网络中生物物质的存在的系统和方法。
背景技术
跟踪物体可以使用多种技术来完成。例如,移动的收发器可以附在物体上。此类系统的示例包括全球定位系统,如GPS,其使用轨道卫星与地面收发器通信。然而,此类系统在室内通常效率较低,因为卫星信号可能会被阻挡,降低了精确度。因此,诸如蓝牙TM信标的其它技术通常在室内使用,其计算漫游或未知收发器的位置。漫游收发器充当基准元件。
这些系统有若干缺点,其中,被跟踪的物体必须包括收发器。在某些应用中,被跟踪的物体(如家中的入侵者)将没有此类基准元件,或者将主动禁用任何此类元件。
存在可以在不使用基准元件的情况下检测和跟踪物体的其它技术。例如,雷达是一种古老的物体检测系统,其使用RF波来确定物体(包括飞机、船只、宇宙飞船、导弹、机动车辆、天气形成和地形)的范围、角度或速度。雷达通过发射电磁波来工作,通常使用电磁波谱的无线电频率(“RF”)波,电磁波从其路径上的任何物体反射。接收器通常与发射器属于同一系统,接收并且处理这些反射波,以确定物体的属性。类似于雷达的其它系统,使用电磁频谱的其它部分,也可以以类似的方式使用,如紫外线、可见光或来自激光器的近红外光。
雷达技术不需要基准元件,但有其它缺点。例如,雷达信号易受信号噪声或由内部电子部件引起的信号随机变化的影响,以及来自外部源(如自然背景辐射)的噪声和干扰。雷达也容易受到外部干扰源的影响,如干扰物体阻挡波束路径,并且可能被特定大小、形状和方向的物体所欺骗。
发明内容
以下是本发明的概述,以便提供对本发明某些方面的基本理解。本概述不旨在标识本发明的关键或重要元素,也不旨在描绘本发明的范围。本部分的唯一目的是以简化的形式呈现本发明的一些概念,作为稍后呈现的更详细的描述的序言。
由于本领域中的这些和其它问题,本文描述了一种用于检测人的存在的方法,包括:提供设置在检测区域内的第一位置处的第一收发器;提供设置在检测区域内的第二位置处的第二收发器;可通信地耦合到第一收发器的计算机服务器;第一收发器经由无线通信网络从第二收发器接收第一组无线信号;计算机服务器从第一收发器接收第一组信号数据,第一组信号数据包括关于第一组无线信号的属性的数据,生成属性数据作为第一收发器在通信网络上的正常操作的一部分;计算机服务器创建用于从第二收发器到第一收发器的通信的基线信号简档,基线信号简档至少部分基于所接收的第一组信号数据中的无线信号属性,并且表示当无人存在于检测区域中时从第二收发器到第一收发器的无线传输的特性;第一收发器经由无线通信网络从第二收发器接收第二组无线信号;计算机服务器从第一收发器接收第二组信号数据,第二组信号数据包括关于第二组无线信号的属性的数据,生成属性数据作为第一收发器在通信网络上的正常操作的一部分;以及计算机服务器确定是否有人存在于检测区域内,该确定至少部分基于所接收的第二组无线信号数据中的无线信号属性与基线信号简档的比较。
在所述方法的实施例中,第一组信号属性包括由第一收发器确定的无线网络信号协议属性。
在所述方法的另一实施例中,无线网络信号协议属性选自由以下组成的组:接收信号强度、时延和误码率。
在所述方法的另一实施例中,所述方法进一步包括:提供设置在检测区域内的第三位置处的第三收发器;第一收发器经由无线通信网络从第三收发器接收第三组无线信号;计算机服务器从第一收发器接收第三组信号数据,第三组信号数据包括关于第三组无线信号的属性的数据,生成属性数据作为第一收发器在通信网络上的正常操作的一部分;计算机服务器创建用于从第三收发器到第一收发器的通信的第二基线信号简档,第二基线信号简档至少部分基于所接收的第三组信号数据中的无线信号属性,并且表示当无人存在于检测区域中时从第三收发器到第一收发器的无线传输的特性;第一收发器经由无线通信网络从第三收发器接收第四组无线信号;计算机服务器从第一收发器接收第四组信号数据,第四组信号数据包括关于第四组无线信号的属性的数据,生成属性数据作为第一收发器在通信网络上的正常操作的一部分;以及在确定步骤中,计算机服务器至少部分基于所接收的第四组无线信号数据中的无线信号属性与第二基线信号简档的比较来确定是否有人存在于检测区域内。
在所述方法的另一实施例中,确定步骤将统计方法应用于第二组无线信号数据,以确定人的存在。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器连续地确定人存在或不存在于检测区域内,所述确定至少部分基于基线信号简档与信号数据的比较,所述信号数据包括关于在计算机服务器上从第一收发器连续接收的第一组无线信号的属性的数据;并且当连续接收的信号数据指示无人存在于检测区域中时,计算机基于连续接收的信号数据连续更新基线信号简档。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器确定检测区域内存在的人数,所述确定至少部分基于接收的第二组信号属性与基线信号简档的比较。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器确定一个或多个人在检测区域内的位置,所述确定至少部分基于所接收的第二组信号属性与基线信号简档的比较。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器可操作地耦合到第二系统;并且只有在计算机服务器检测到有人存在于检测区域中之后,计算机才操作第二系统。
在所述方法的另一实施例中,检测网络和第二系统配置为使用相同的通信协议进行通信。
在所述方法的另一实施例中,第二系统是电气系统。
在所述方法的另一实施例中,第二系统是照明系统。
在所述方法的另一实施例中,第二系统是加热、通风和冷却(HVAC)系统。
在所述方法的另一实施例中,第二系统是安全系统。
在所述方法的另一实施例中,第二系统是工业自动化系统。
在所述方法的另一实施例中,无线通信协议选自由以下组成的组:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程(Thread)和z波。
在所述方法的另一实施例中,无线通信网络具有850MHz和17.5GHz(包含)范围内的载波频率。
在所述方法的另一实施例中,基于机器学习来调整对是否有人存在于检测区域内的确定包括:确定在检测区域中具有基准元件的人的第一样本位置,第一样本位置是基于检测基准元件来确定的;确定人在检测区域中的第二样本位置,第二样本位置至少部分基于接收的第二组信号数据与不利用基准元件的基线信号简档的比较来确定;比较第一样本位置和第二样本位置;以及基于非基准元件位置调整确定步骤以提高系统的位置计算能力,所述调整基于比较步骤。
在所述方法的另一实施例中,基于机器学习来调整对是否有人存在于检测区域内的确定包括:当样本信号属性至少部分对应于空白空间的基线信号属性时,基于用户输入或动作来确定人存在于区域内,至少部分地修改空白空间的基线信号属性;至少部分地修改与占用空间相关联的信号属性;以及调整用于将样本信号属性与基线和其它比较信号属性进行比较的方法,以随着时间的推移提高系统的精确度。
在系统的一个实施例中,提供存在数据的用户输入或动作以某种形式被直接提供给系统,包括但不限于物理开关、智能手机输入或听觉提示。
在所述系统的一个实施例中,提供存在数据的用户输入或动作以某种形式被间接地提供给系统,如故意改变信号简档以抵消系统做出的决定,如在照明系统的调光阶段期间提供此类改变。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器存储多个历史数据记录,这些历史数据记录指示在一段时间内是否有人存在于检测区域中,历史数据记录中的每一个包括在检测区域中检测到的人数的指示以及在检测区域中检测到人数的日期和时间;并且计算机服务器通过接口使历史数据记录对一个或多个外部计算机系统可用。
本文还描述了一种用于检测人的存在的方法,包括:提供设置在检测区域内的第一位置处的第一收发器;提供设置在检测区域内的第二位置处的第二收发器;提供可通信地耦合到第一收发器的计算机服务器;提供可操作地耦合到计算机服务器的第一外部系统;提供可操作地耦合到计算机服务器的第二外部系统;计算机服务器从第一收发器接收一组基线信号数据,基线信号数据包括关于当无人存在于检测区域中时由第一收发器从第二收发器接收的第一组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分;当无人存在于检测区域中时,计算机服务器创建用于从第二收发器到第一收发器的通信的基线信号简档,基线信号简档至少部分地基于属性数据,表示当无人存在于检测区域中时从第二收发器到第一收发器的无线传输的特性;计算机服务器从第一收发器接收第一组样本基线信号数据,基线信号数据包括关于当人存在于检测区域中时由第一收发器从第二收发器接收的第二组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分;当人存在于检测区域中时,计算机服务器创建用于从第二收发器到第一收发器的通信的第一样本基线信号简档,第一样本基线信号简档至少部分基于第一组样本基线信号数据中的属性数据,表示当人存在于检测区域中时从第二收发器到第一收发器的无线传输的特性;计算机服务器从第一收发器接收第二组样本基线信号数据,基线信号数据包括关于当人存在于检测区域中时由第一收发器从第二收发器接收的第三组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分;当人存在于检测区域中时,计算机服务器创建用于从第二收发器到第一收发器的通信的第二样本基线信号简档,第二样本基线信号简档至少部分基于第二组样本基线信号数据中的属性数据,表示当人存在于检测区域中时从第二收发器到第一收发器的无线传输的特性;计算机服务器从第一收发器接收第三组样本基线信号数据,基线信号数据包括关于当人存在于检测区域中时由第一收发器从第二收发器接收的第四组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分;计算机服务器基于计算机服务器确定第三组样本基线信号数据中的属性数据对应于第一样本基线信号简档来确定操作第一外部系统;计算机服务器基于计算机服务器确定第三组样本基线信号数据中的属性数据不对应于第二样本基线信号简档来确定不操作第二外部系统。
在所述方法的实施例中,基于机器学习来调整操作第一外部系统的确定和不操作第二外部系统的确定包括:确定在检测区域中具有基准元件的人的第一样本位置,第一样本位置是基于检测基准元件来确定的;确定人在检测区域中的第二样本位置,第二样本位置至少部分基于接收的第二组信号数据与不利用基准元件的基线信号简档的比较来确定;比较第一样本位置和第二样本位置;以及基于非基准元件位置调整确定步骤以提高系统的位置计算能力,所述调整基于比较步骤。
在所述方法的另一实施例中,基于机器学习来调整操作第一外部系统的确定和不操作第二外部系统的确定包括:使用推理来确定人在检测区域中的第一样本位置,第一样本位置是基于检测到人以某种已知方式与系统交互来确定的;确定人在检测区域中的第二样本位置,第二样本位置至少部分基于接收的第二组信号数据与不利用推断位置的基线信号简档的比较来确定;比较第一样本位置和第二样本位置;以及基于推断位置调整确定步骤以提高系统的位置计算能力,所述调整基于比较步骤。
在所述方法的另一实施例中,关于无线信号的属性数据包括关于信号属性的数据,所述信号属性选自由以下组成的组:接收信号强度、时延和误码率。
在所述方法的另一实施例中,计算机服务器通过将统计方法应用于第一组样本基线信号数据来创建第一样本基线信号简档,并且计算机服务器通过将统计方法应用于第二组样本基线信号数据来创建第二样本基线信号简档。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器从第一收发器接收附加的基线信号数据组,所述基线信号数据组包括关于由第一收发器从第二收发器接收的第二组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分,并且当连续接收的基线信号数据组指示无人存在于检测区域中时,计算机服务器基于连续接收的附加基线信号数据组更新基线信号简档。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器从第一收发器接收一组信号数据,所述信号数据包括关于当一个或多个人存在于检测区域中时由第一收发器从第二收发器接收的第二组无线信号的信号属性的属性数据,第一收发器生成属性数据作为第一收发器在通信网络上的正常操作的一部分;所述计算机服务器至少部分基于该组信号数据与基线信号简档的比较来确定检测区域中存在的人的数量。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器确定存在于检测区域中的一个或多个人中的每一个的位置,所述确定至少部分基于该组信号数据与基线信号简档的比较。
在所述方法的另一实施例中,当人存在于检测区域中时,计算机服务器确定人存在于检测区域中,并且操作第一外部系统,即使第三组样本基线信号数据中的属性数据对应于第二样本基线信号简档。
在所述方法的另一实施例中,当人存在于检测区域中时,计算机服务器确定人存在于检测区域中,并且仅当第三组样本基线信号数据中的属性数据对应于第二样本基线信号简档时,才操作第二外部系统。
在所述方法的另一实施例中,无线通信网络具有850MHz和17.5GHz(包含)范围内的载波频率。
在所述方法的另一实施例中,所述方法进一步包括:计算机服务器存储多个历史数据记录,这些历史数据记录指示在一段时间内是否有人存在于检测区域中,历史数据记录中的每一个包括在检测区域中检测到的人数的指示以及在检测区域中检测到人数的日期和时间;并且计算机服务器通过接口使历史数据记录对一个或多个外部计算机系统可用。
附图说明
图1是根据本公开的系统的实施例的示意图。
图2是根据本公开的方法的实施例的流程图。
图3A描绘了根据本公开的用于检测网络中随时间的变化检测的系统的示意图。
图3B描绘了根据本公开的用于检测人在检测网络中的位置随时间变化的系统的示意图。
具体实施方式
以下详细描述和公开通过示例而非限制的方式进行了说明。此描述将清楚地使本领域技术人员能够制造和使用所公开的系统和方法,并且描述所公开的系统和方法的若干实施例、修改、变化、替换和使用。由于在不脱离本公开的范围的情况下,可以对上述构造进行各种改变,所以说明书中包含的或附图中示出的所有内容都应该被解释为说明性的,而不是限制性的。
一般来说,本文描述的是用于在没有基准元件的网络中检测人体存在的系统和方法。一般来说,本文描述的系统和方法使用信号吸收、信号前向散射和由通信网络(通常是网状网络)中生物物质的存在引起的RF通信的反射后向散射。
在本公开中,术语“计算机”描述了通常实现由数字计算技术提供的功能的硬件,特别是与微处理器相关联的计算功能。术语“计算机”不旨在限于任何特定类型的计算设备,而是旨在包括所有计算设备,包括但不限于:处理设备、微处理器、个人计算机、台式计算机、膝上型计算机、工作站、终端、服务器、客户端、便携式计算机、手持式计算机、智能电话、平板计算机、移动设备、服务器群、硬件设备、小型计算机、大型计算机、视频游戏控制台、手持式视频游戏产品,以及可佩戴的计算设备,包括但不限于眼镜、腕戴式设备、吊坠和夹式设备。
如本文所使用的,“计算机”必然是由单个计算机设备提供的功能的抽象,该计算机设备配备有特定角色的计算机典型的硬件和附件。通过示例而非限制的方式,涉及膝上型计算机的术语“计算机”将被本领域普通技术人员理解为包括由基于指针的输入设备(如鼠标或跟踪板)提供的功能,而涉及企业级服务器的术语“计算机”将被本领域普通技术人员理解为包括由冗余系统(如RAID驱动器和双电源)提供的功能。
本领域普通技术人员也熟知,单个计算机的功能可以分布在多个单独的机器上。这种分布可以是功能性的,因为特定的机器执行特定的任务;或者是平衡的,因为每台机器都能够执行任何其它机器的大部分或全部功能,并且基于某个时间点的可用资源分配任务。因此,如本文使用的术语“计算机”可以指单个的、单独的、独立的设备,或者指一起或独立工作的多个机器,包括但不限于:网络服务器群、“云”计算系统、软件即服务或其它分布式或协作计算机网络。
本领域普通技术人员还意识到,一些通常不被认为是“计算机”的设备在某些情况下仍然表现出“计算机”的特性。在此类设备执行本文所描述的“计算机”的功能的情况下,术语“计算机”在此程度上包括此类设备。这种类型的设备包括但不限于:网络硬件、打印服务器、文件服务器、NAS和SAN、负载平衡器、以及能够与本文描述的系统和方法在常规“计算机”方面进行交互的任何其它硬件。
在本公开中,术语“软件”指的是代码对象、程序逻辑、命令结构、数据结构和定义、源代码、可执行和/或二进制文件、机器代码、目标代码、编译库、实现、算法、库或者能够由计算机处理器执行或者能够被转换成能够由计算机处理器执行的形式的任何指令或指令集,包括但不限于虚拟处理器,或者通过使用运行时环境、虚拟机和/或解释器。本领域普通技术人员认识到,软件可以被连线或嵌入到硬件中,包括但不限于微芯片,并且仍然被认为是本公开含义内的“软件”。出于本公开的目的,软件包括但不限于:存储或可存储在RAM、ROM、闪存BIOS、CMOS、母板和子板电路、硬件控制器、USB控制器或主机、外围设备和控制器、视频卡、音频控制器、网卡、蓝牙TM和其它无线通信设备、虚拟存储器、存储设备和相关控制器、固件和设备驱动器中的指令。这里描述的系统和方法预期使用通常存储在计算机或机器可读存储介质或存储器中的计算机和计算机软件。
在本公开中,本文用于描述或引用介质保存软件的术语,包括但不限于诸如“介质”、“存储介质”和“存储器”的术语,可以包括或排除诸如信号和载波的瞬态介质。
在本公开中,术语“网络”通常指计算机通过其相互通信的语音、数据或其它电信网络。术语“服务器”通常指通过网络提供服务的计算机,并且“客户端”通常指访问或使用服务器通过网络提供的服务的计算机。本领域普通技术人员将理解,根据上下文,术语“服务器”和“客户端”可以指硬件、软件和/或硬件和软件的组合。本领域普通技术人员将进一步理解,术语“服务器”和“客户端”可以指网络通信或网络连接的端点,包括但不一定限于网络套接字连接。本领域普通技术人员将进一步理解,“服务器”可以包括传送服务或服务集的多个软件和/或硬件服务器。本领域普通技术人员将进一步理解,术语“主机”可以以名词形式指代网络通信或网络的端点(例如,“远程主机”),或者可以以动词形式指代通过网络提供服务的服务器(“主控网站”),或者通过网络提供服务的接入点。
在本公开中,术语“实时”指的是在给定事件开始或完成或者给定模块、软件或系统响应的操作期限内运行的软件,并且通常调用响应或执行时间,在普通用户的感知中并且考虑到技术背景,通常与参考事件有效地同时发生。本领域普通技术人员理解,“实时”并不字面上意味着系统处理输入和/或即时响应,而是系统足够快速地处理和/或响应,使得处理或响应时间在程序的操作环境中的实时流逝的一般人类感知之内。本领域普通技术人员理解,在操作环境是图形用户界面的情况下,“实时”通常意味着不超过实际时间的一秒钟的响应时间,其中毫秒或微秒是优选的。然而,本领域普通技术人员也理解,在其它操作环境下,“实时”操作的系统可能表现出长于一秒的延迟,尤其是在涉及网络操作的情况下。
在本公开中,术语“发射器”是指具有硬件、电路和/或软件来产生和发射携带消息、信号、数据或其它信息的电磁波的设备或一组设备。发射器还可以包括接收包含此类消息、信号、数据或其它信息的电信号,并将它们转换成此类电磁波的部件。术语“接收器”是指具有硬件、电路和/或软件的设备或一组设备,用于接收此类发射的电磁波,并将其转换成信号,通常是电信号,从中可以提取消息、信号、数据或其它信息。术语“收发器”通常指包括发射器和接收器的设备或系统,诸如但不一定限于双向无线电或无线网络路由器或接入点。出于本公开的目的,所有三个术语都应该被理解为可互换的,除非另有说明;例如,术语“发射器”应该理解为暗示接收器的存在,术语“接收器”应该理解为暗示发射器的存在。
在本公开中,术语“检测网络”是指在本公开的系统和方法中使用的无线网络,用于检测插入网络的通信区域内的生物物质的存在。检测网络可以使用通用网络协议和标准,并且可以是但不一定是专用网络。也就是说,尽管网络中的节点可以被部署用于根据本发明建立无线检测网络的特定目的,但是它们不需要并且通常不会被部署。为其它目的而建立的普通无线网络可以用于实现本文描述的系统和方法。在优选实施例中,检测网络使用多个蓝牙TM低能耗节点,但是本公开不限于此类节点。每个节点充当一台计算机,配有适当的发射器和接收器,用于通过网络进行通信。每当发送消息时,每台计算机都在网络中提供一个唯一的标识符,以便接收计算机能够识别消息源自何处。如本详细描述中所描述,此类消息始发信息通常对本发明的功能至关重要。接收计算机然后分析输入信号属性,包括但不限于信号强度、误码率和消息延迟。检测网络可以是网状网络,即每个节点从网络中继数据的网络拓扑。
在本公开中,术语“节点”是指网络通信的起点或终点,通常是具有无线收发器并且是检测网络的一部分的设备。节点通常是单独的、独立的网络设备,如无线路由器、无线接入点、短程信标等。节点可以是配置用于如本文所描述的检测网络中的通用设备或专用设备。通过示例而非限制的方式,节点可以是具有现成的无线网络设备的无线传输能力的设备,并且添加了用于实现本文描述的系统和方法的专用硬件、电路、组件或程序;也就是说,用于检测信号属性的显著变化,包括但不限于信号强度、误码率和消息延迟。在检测网络中,每个节点既可以作为网络的信号发送器,也可以作为其它节点推送信息的接收器。在优选实施例中,节点利用蓝牙TM低能耗(BLE)作为无线网络系统。
在本公开中,术语“连续的”是指随着时间的推移在持续的基础上发生的事情,无论这些事件在数学上是连续的还是不连续的。“连续函数”的公认数学定义描述的是一个没有空隙或跳跃的函数,通常用双侧极限来描述。本文描述的技术是基于对电信系统的干扰,其中收发器以离散的时间间隔发送,并且接收的原始数据是离散地获取的,即以离散的时间间隔获取的。结果数据本身可能是离散的,因为它在特定的观察窗口(即时间间隔)内捕获系统的特性。在物理或数学意义上,这种机制本质上是一组离散的时间数据点,意味着一个不连续的函数。然而,在该技术的背景下,本领域的普通技术人员将会理解,假定这种测量是在持续的基础上进行的,系统表现这种类型行为是“连续的”。
RF信号的可测量能量密度特征受到环境吸收器和反射器的影响。多种生物物质(如人)主要是水,并且充当重要的能量吸收器。人的其它特质,如衣服、珠宝、内脏等,都会进一步影响可测量的RF能量密度。当RF通信设备在相对较短的距离(例如,小于50米)上传输时,尤其如此,例如蓝牙TM、WiFiTM、802.15.4(Zigbee、线程)和z波收发器。穿过网络的物理空间的人会导致信号吸收和中断。由于尺寸、密度和质量成分的相对均匀性,人体可以引起特性信号的吸收、散射和可测量的反射。信号行为和/或特性的变化在本文通常被称为“伪像”。这种现象在RF频谱的工业、科学和医学(ISM)频带中特别有用,但是通常在这些频带之外的频带中可以观察到。
在包括在空间上分离的发射器和接收器的RF通信系统中,接收器从给定发射器接收到的信号是由到达接收器的原始发射信息的能量组成的。传输路径中的物体通常会影响到达接收器的最终信号的特性。
通信系统通常被设计来处理此类问题,并且仍然忠实地再现来自发射器的消息。由于人普遍存在,只要RF通信受到影响,就像一团水,在检测网络中人存在和不存在之间的一个可观察到的差异是人对信号的吸收。通常,离发射器或接收器越近,吸收越明显。
通常,可以预见人将以某种可预测的方式在检测网络中产生伪像,这可以通过检测算法以编程方式检测或识别。进一步,伪像可以跨网络交叉相关,以确定引起伪像的物体的估计位置。这种估计的精确度可能会因所选择/构建的算法以及单个系统中使用的设备而异。
对于选择/构建的每个给定算法,系统可以将此类检测构建为检测区域中没有人存在的基线信号简档和检测区域中有人存在的样本基线信号数据的组合。新输入的样本基线信号数据可以与已知的样本基线信号数据和基线信号简档进行比较,以确定人存在或不存在于空间中。
短程低功率通信网络通常使用2.4GHz频带的信号工作,这是值得注意的,因为在人们观察到吸收的能量频率范围内。如所指出的,物理上插入检测网络中的人体吸收和/或反射在节点之间和当中传输的至少一些信号。然而,也可能发生其它效应,如前向和后向散射。利用无人存在的检测网络中的数据收集来建立基线,并且检查所述数据的未来元素,以发现一个或多个人的物理存在所典型地表现出的统计上显著的差异,无论一个或多个人是否正在移动,检测网络做出关于网络中存在或不存在人的确定。
根据通信网络本身、所使用的硬件以及人的不同,这些变化可能会以不同的方式在网络中记录,并且产生不同的结果;然而,此类变化是可以检测到的。这与雷达技术的不同之处在于,物体的检测不一定依赖或仅依赖于信号反射,而是常常依赖于相反的原理-信号吸收-这是通过不同物理位置的发射器和接收器之间的信号特性的可测量变化来检测的。
通过分析网络内节点之间信号特性的变化,可以计算出干扰物和(例如)人体相对于网络的位置。因为仅仅人体的存在就足够了,所以此系统不一定包括基准元件,并且其不需要依赖于运动或移动。因为不需要基准元件,所以本文描述的系统和方法可以提供匿名位置数据报告服务,允许收集关于交通、行进路线和占用的数据,而不需要附加的组件或设备与被跟踪的人体相关联。一般来说,本文描述的系统和方法实时操作。
图1是根据本公开的系统和方法的示意图。在图1所描绘的实施例(101)中,包括多个节点(107)的检测网络(103)设置在物理空间(102)内,如房间、走廊、门廊或门口。在图1所描绘的实施例中,使用了室内空间(102),但是本文描述的系统和方法也可在外部环境中操作。在所描绘的实施例中,节点(107A)可通信地耦合(111)到电信网络(115),如内联网、互连网或因特网。服务器计算机(109)也可以可通信地耦合(113)到电信网络(115),从而与所连接的节点(107A)耦合。所描述的服务器(109)包括用于实现本文描述的系统和执行本文描述的方法步骤的编程指令。然而,在一个实施例中,由服务器执行的功能可以由具有适当的软件/编程指令或被适当修改的一个或多个节点(107)来执行。
在图1所描绘的实施例中,每个节点(107)与检测网络(103)中的至少一个其它节点(107)通信连接,并且可以与检测网络(103)中的两个或更多个或所有其它节点(107)通信连接。例如,在典型的无线网络部署策略中,多个无线接入点被放置在整个物理空间(102)中,通常是为了确保高质量的信号在任何地方都可用。这些节点(107)共同形成检测网络(103),并且可以彼此传输数据,或者可以仅传输到路由器或路由器组。在图1所描绘的实施例中,节点(107A)是无线路由器,而其它节点(107B)、(107C)和(107D)是无线接入点。然而,这只是一种可能的配置。进一步,任何给定节点(107)不必是特定类型的无线设备。任何数量的节点(107)可以包括路由器、接入点、信标或其它类型的无线收发器。进一步,在一个实施例中可以存在任何数量的节点(107),尽管最少两个是优选的。空间(102)中的更多节点(107)增加了所收集的数据量(如本文别处所描述),从而提高了人通常介于至少两个节点(107)之间的机会,提高位置分辨率。
在正常操作过程中,节点(107)频繁地发送和接收无线传输。例如,当无线路由器(107A)接收到数据包时,无线路由器(107A)通常广播包含该数据包的无线传输。这意味着在路由器(107A)的广播半径内的任何接收器都可以接收信号,无论是否针对其发送。同样,当接入点接收到本地数据时,此类数据同样会被广播,并且可以由其它接入点和路由器检测到。即使没有用户数据在网络上主动传输,其它数据也会频繁传输。这些其它传输可以包括用于网络堆栈低层功能的状态数据、服务扫描和数据交换。
因此,典型检测网络(103)中的每个节点(107)在一致的基础上接收传输,并且在繁忙的网络中,这实际上可以是连续的基础。检测网络(103)因此可用于计算物理上插入网络(103)的传输范围内的生物物质(104)或(105)的存在和/或位置。因为人体的存在影响在网络(103)内的节点(107)之间或当中传输的信号的特性,所以可以通过监测此类特性的变化来检测此类存在。当正在发送和接收的数据包中的数据仍在发送和接收时,也可以执行这种检测;也就是说,检测与两个或更多个节点之间或当中的普通数据交换有关,无论检测如何,这种交换都会继续。具体地,无线网络可以操作来在节点之间传输数据,同时使用包含此数据的数据包如何受到传输路径中物体的存在的影响的特性来检测和定位该物体。
在图1所描绘的实施例中,至少一个节点(107)监测其自身(107)和至少一个其它节点(107)之间的通信签名,以寻找信号特性的统计上显著的变化,即使当其等待、接收和/或发送其自身和其它节点(107)之间的通信时。物理空间(102)的特定几何形状,包括物理环境中固定装置的存在和位置,通常不会影响系统,因为监测是为了指示或证明人的特性的信号特性的统计显著变化。也就是说,信号特性的变化归因于检测网络(103)覆盖的物理环境或通信空间中的吸收器或反射器(如人体)的变化。检测网络(103)中人的存在的检测可以使用对信号的统计分析方法来完成,如使用感测算法,如本文别处所描述。同样,这不要求人与基准元件相关联或处于运动中。相反,检测网络(103)检测到网络通信的特征已经改变,因为新的物体(通常是人类物体)已经被引入到通信空间中,并且该物体的存在已经导致节点(107)之间的网络通信的特性(通常是数据包)的改变。
为了检测变化,通常会建立信号特性的基线,并与最近传输的信号进行比较。这些特性源自典型的无线通信网络诊断信息。节点(107)之间的信号特征的这种基线通常在检测网络(103)用作检测器之前建立。这可以通过在典型或正常环境下操作检测网络(103)来完成,即检测网络(103)传送数据包,而没有显著的生物物质插入检测网络(103)的物理广播空间中。在这种操作期间的一段时间内,节点(107)之间和/或当中的信号特性被监测和收集并且存储在数据库中。在一个实施例中,服务器(109)将接收和存储此类数据,但是在一个实施例中,一个或多个节点(107)可以包括配置为接收和/或存储此类数据的硬件系统。
例如,在节点(107)包含根据本公开使用的专用硬件和程序的情况下,此类节点(107)可以存储其自己的信号特性数据。此类信号特性数据可以是与特定节点(107)从一个或多个其它节点(107)接收的信号的接收能量特性相关的数据。基线数据为每个节点(107)建立签名特征简档,该签名特性简档本质上是定义在检测网络(103)中没有显著生物物质插入的普通操作环境下由节点(107)接收的信号的典型和/或一般特性的数据集合。节点(107)可以具有用于从其接收数据的每个其它节点(107)的一个或多个此类简档。
在一个实施例中,在基线签名已经被检测和收集之后,检测网络(103)通常将继续以相同或相似的方式操作,但是现在能够检测生物物质的存在。这是通过检测和收集附加信号特性来完成的,通常是实时的,因为检测网络(103)以发送和接收数据包的正常模式运行。这些新生成的实时信号特性简档通常也是检测网络(103)中两个特定节点(107)之间的信号的特性,并且因此可以与相同两个特定节点(107)的相应基线信号特性简档进行比较。然后,这两个简档之间的某些特性的统计上显著的差异可以被解释为由诸如人的显著生物物质的存在引起的。
比较操作可以由给定节点(107)中的适当硬件来执行,或者实时信号特性简档可以被传输到服务器(109)用于处理和比较。在另一实施例中,两者都被完成,使得实时数据的副本也被存储并且可通过服务器访问,有效地提供了信号特性简档的历史。
这是因为,如本文所描述,插入网络中的生物物质通常会导致至少两个节点之间的至少一些信号特性在数据包被传输时发生变化,该数据包拦截生物物质和/或通常与生物物质交互。变化的程度和性质通常将与插入的特定生物物质的性质(例如,大小、形状和组成)及其在网络(103)中的位置相关。例如,在家蝇飞过检测网络(103)的情况下,信号变化的量可能非常小,以至于无法与信号特性的自然波动区分开来。然而,较大的物质(如人)可能导致信号特性中更实质性和统计上显著的变化。
此类变化可能不一定在检测网络(103)的所有信号特性简档中表现出来。例如,在物质被插入检测网络(103)的边缘处的情况下,最靠近此边缘的节点(107)可能经历统计上显著的信号特性变化,而检测网络(103)的相对侧上的节点(其到彼此的信号不穿过或围绕生物物质)可能经历很少或没有统计上显著的变化。因此,如果节点(107)的物理位置也是已知的,则系统不仅可以确定生物物质存在于检测网络(103)中,还可以通过确定哪些节点(107)正在经历变化并且计算这些变化的幅度来计算其位于何处的估计。
这可以在图1所描绘的实施例中看到。在图1中,为了简单起见,假设一次只存在一个人-A(104)或B(105)存在,A(104)通常对节点(107C)和(107A)之间的信号特性的影响大于节点(107A)和(107C)之间的影响。进一步,A(104)通常还对节点(107B)和(107D)之间的信号特性具有小的双向影响。相反,B(105)将对节点(107A)和(107C)之间的信号特性以及节点(107B)和(107D)之间的信号特性具有双向影响。
虽然所有节点都可以彼此通信,但是在A(104)和/或B(105)通常不与节点之间的通信路径一致的通信中,A(104)和B(105)的影响通常可以忽略不计。例如,人(104)或(105)都不可能严重影响节点(107A)和(107B)之间的传输,因为人(104)或(105)都不在这些节点之间的传输路径中。然而,A(104)可能对节点(107C)和(107D)之间的传输有影响。
应该注意的是,在检测网络(103)的通信区域内存在或不存在生物物质不一定会导致数据通信的任何变化。预期检测网络(103)将利用其标准的现有协议、手段和方法(包括所有形式的重传和错误检查)来确保正在传输的数据包中的数据被正确地接收、处理和操作。实际上,除了检测网络的标准数据通信之外,还执行检测网络(103)的检测过程。
由此应该认识到,由检测网络(103)中的节点(107)传送的数据包中的数据通常不会被直接用于检测检测网络(103)的通信区域内的生物物质。相反,数据将仅仅是出于任何原因通过检测网络(103)传送的数据,并且通常与生物物质的检测无关。进一步,虽然本公开通常设想数据包形式的分组化通信,但是在替代实施例中,数据可以以非分组化形式连续通信。
在一个实施例中,为了允许检测网络(103)检测特定生物物质的存在或不存在,该系统包括训练方面或步骤。这个方面可以包括,在基线建立之后,在网络中的一个或多个位置处将一个或多个人有意地插入网络中,并且收集和存储一组或多组附加的基线数据。此第二基线可用于比较目的,以提高检测插入网络中的生物物质的大小、形状和/或其它特性的精确度,和/或提高位置确定的精确度。此类训练可以使用有监督或无监督的学习,和/或可以利用机器学习领域的技术人员已知的技术。
在一个实施例中,检测网络(103)可以使用包括受控消息结构和/或格式的专用协议,其可以从一个节点(107)到另一节点(107)被控制,使得确定消息源自哪个节点(107)变得更简单和更容易,并且允许控制如发送的信号的组成、传输的信号强度和信号持续时间等方面。此类控制还有助于处理中的某些改进,并且有助于接收器识别和使用特定于网络(103)的检测方面的某些信号质量和/或特性,这可能不同于共享同一网络(103)的一般联网方面。通过控制在被定位的物质的相对侧上发送和接收的消息,不需要发送信号作为扫描,也不需要扫描空间中的区域,因为此类功能往往需要比节点(107)之间的典型广播或定向传输所需的设备昂贵得多的设备。消息通常以此类方式构建,以便最好地为检测算法产生可用的数据,该检测算法将被构建成与它们所使用的通信网络一起最佳地工作。通常,此类结构仍然避免了对网络发送的信号进行波形电平分析的需要。
在所描绘的实施例中,每个节点(107)通常能够确定由此类节点(107)接收的数据包的源节点(107)。如通信网络中的技术人员所知,此类消息始发信息通常被编码在消息本身中。通过示例而非限制的方式,这可以通过检查嵌入在网络堆栈中的已建立协议中的数据来完成,或者通过检查由发送节点(107)为了实施本文描述的系统和方法的特定目的而发送的数据来完成。典型地,每个节点(107)具有适当的硬件和处理能力来分析接收到的消息。虽然多种不同的拓扑和消息协议将允许本文描述的功能,但是通常网状网络拓扑和通信方法将产生可用的结果。
图2描绘了根据本公开的方法的实施例(201),并且应当结合图1的系统来理解。在所描绘的实施例中,该方法从根据本公开的包括多个通信节点(107)的检测网络(103)的建立(203)开始(203)。如建立通信系统领域的技术人员所知,有多种不同的方法来建立此类网络(103),并且多种不同的网络(103)拓扑可以在此框架内被证明是可行的。
接下来,可以生成(205)存储器中的数字地图,指示检测网络(103)的物理节点(107)的几何形状。本文描述的检测算法通常使用关于节点(107)在物理环境(102)中部署在哪里的信息。关于节点(107)的此类物理位置的数据可以手动提供给物理网络环境(102)的精确图,和/或软件可以用于自动生成检测网络(103)内的一个或多个节点(107)的关系位置图,便于将节点(107)更容易地放置到此类环境地图或图中。
可替代地,节点(107)可以被放置在空白或空的地图或图上,使用相关(相对于绝对)距离进行检测。在此类无量纲系统中,消息仍然可以从与系统(101)中的人的检测相关的算法中生成,并且可以包括附加的手动处理,如关于与网络(103)中的人的存在和/或移动相关的哪些消息被发送的用户输入。
在具有自动节点(107)位置检测的实施例中,节点(107)位置由一个或多个节点(107)和/或计算机服务器(109)基于以下因素通过算法和/或程序来检测,这些因素诸如但不一定限于:检测网络(103)的设置和配置,包括诸如节点(107)的特定硬件部件的物理位置和每个节点(107)相对于一个或多个其它节点(107)的位置;信号强度指示器;以及传输延迟。在所描绘的实施例中,此步骤(205)还包括将所生成的地图覆盖在检测网络(103)所占据的物理空间(102)或环境(本文称为“环境地图”)的数字地图上,如建筑物的平面图。此步骤(205)可以进一步并且可选地包括将所生成的地图的比例与环境地图对齐的缩放元素,以及用于进行调整以微调所生成的地图的用户操纵的和/或可修改的输入元素,使得其更符合实际的节点(107)部署几何形状,如本领域普通技术人员所理解的。在替代实施例中,每个节点(107)可以被手动放置在环境地图上其适当的位置,而无需使用相对位置算法。
无论如何,此步骤(205)建立检测网络(103)中节点(107)的物理位置,这将有助于确定由于检测网络(103)中人的存在而插入的生物物质的位置。通过将节点(107)放置在地图上(通过手动或自动方式),节点(107)可以基于基线信号如何影响各个节点(107)之间的通信来跟踪网络(103)中人的存在。系统(101)然后利用收集的关于到达接收器的信号的信息,给定一组数据处理算法已知的传输信息。数据处理算法是最终确定人是否存在于网络(103)内和/或人位于网络(103)内何处的算法。
接下来,以被确定为适合于检测网络(103)内生物物质的存在的格式并且根据协议来构建和交换消息(207)。尽管这可以使用本领域已知的通用网络协议来完成,如OSI网络模型中的协议,或者替换或补充此类通用协议的专用协议。
通常,优选地,此步骤进一步包括控制和/或修改(207)在检测网络(103)内传递的消息,用于检测人的存在和促进简化的统计分析的特定目的。通过控制(207)消息交换,系统(101)可以针对通过检测网络(103)发送的公共内容进行调整,同时还便于调整参数,包括但不限于:传输间隔;传输功率;消息长度和/或内容;以及预期的消息接收者。同样,该系统不一定依赖于波形电平分析,允许在无线通信标准的范围内操作。
控制(207)此类参数有助于统计和/或分析的发展,这可以至少部分地基于预定义或预期的消息内容或特性。此类内容和/或特性可以包括但不限于传输时间戳和/或传输功率电平。通过控制和修改(207)这些方面,可以克服硬件限制,包括当在根据本公开的检测网络(103)中使用时导致不希望的结果的硬件特征,诸如但不一定限于自动增益控制(AGC)电路,其可以集成到节点(107)中的某些接收器硬件中。
接下来,在所描绘的实施例(201)中,空间(102)被清除(209)显著的生物物质-特别是人(205)。然后,由每个节点(107)本地开发(211)信号强度的统计基线。再次,通过在步骤(205)中将节点(107)放置在地图上(无论是通过手动和/或自动方式),节点(107)都可以基于基线信号如何影响节点(107)之间的通信来跟踪网络(103)中人的存在。
接下来,生物物质进入(213)检测网络(103),导致信号吸收和其它失真,这表现在节点(107)之间的信号特性的变化。检测(215)和分析(217)这些变化以确定这些变化是否指示人的存在,或检测网络(103)配置为检测的另一类型的生物物质的存在。此类检测还至少局限于节点之间的区域(如网络上三个节点之间的内部区域),但是根据当时使用的算法和硬件,可能具有更高的精确度。
通常,这是使用由一个或多个节点(107)或服务器计算机(109)执行的检测算法来完成的。节点(107)和/或服务器(109)使用软件使用一种或多种检测算法来估计检测网络(103)中检测到的生物物质的位置。此类算法通常将基线简档与新检测的信号进行比较,并且还可以使用或基于各种数据和其它方面,诸如但不限于:检测网络(103)的设置和配置,包括诸如节点(107)的特定硬件组件的物理位置和每个节点(107)相对于一个或多个其它节点(107)的位置;信号强度指示器;以及传输延迟。
一般来说,如本文别处所描述,这些算法包括将新收集的信号特性简档(215)与基线信号特性简档(211)进行比较以识别变化,并且基于变化的性质来确定变化是否指示人的存在。此确定可以至少部分使用如本文别处所描述的通过机器学习开发的训练数据来完成。
在一个实施例中,检测算法可以进一步包括使用在时间和相对效果上相关的检测网络(103)中的一对或多对节点(107)之间观察到的信号特性变化。这些因素有助于识别检测网络(103)中发生此类信号变化的物理位置,允许估计引起此类信号特性变化的人的物理位置,这又可用于估计插入生物物质的检测网络(103)环境中的物理位置。根据坐标系,此类物理位置可以被提供为简单的x、y、z坐标,或者可以被可视地指示,如在地图上。
在检测网络(103)中存在多个人的情况下,将不同个体的影响彼此分开更加困难,并且随着更多节点(107)的增加,精确度通常会提高。在一个实施例中,诸如高级过滤和预测路径算法的技术可以用于单独确定网络(103)内个体的位置。尽管系统和方法正常操作不需要网络(103)中的人的移动,但是移动或缺乏移动可以用于提高检测精确度,如通过预测单个个体的路径。这可以帮助识别个体已经从检测网络(103)中统计地“消失”的情况,但是系统具有足够的数据来估计该个体仍然存在于网络(103)中。
例如,在个体的移动路径已经被预测,并且在另一检测到的个体旁边终止的情况下,系统(101)可以确定这两个个体靠得太近,以至于信号特性简档变化不能单独识别它们,但是由于个体的移动路径没有被确定为已经将个体带出网络(103)的检测范围,所以算法确定该个体存在于另一检测到的人的附近并且没有移动。因此,当两个接近的静止的人中的一个移动时,算法可以再次分别识别每一个,并基于观察到的信号特性简档变化恢复预测路径。
这样,根据本公开的系统和方法可以跟踪网络(103)内的一个或多个个体,不管其是否移动,也不管任何此类人是否与基准元件相关联。识别特定个体可以进一步使用其它路径预测和感测算法来完成,诸如但不一定限于机器人工业中用于人跟踪技术的那些,以便估计哪个人是哪个人。应该注意的是,个体可以对各种信号特征赋予特定和独特的效果,从而允许识别特定个体,并且进一步允许将一个特定个体与其它个体区分开来。此类效应可以用于进一步确定检测网络内特定个体的位置。
检测算法通常被构建成利用通信信号的特性,考虑诸如但不一定限于信号的频率和信号的发射功率电平等因素。在一个实施例中,该算法使用数据驱动方法来检测人的存在,用于确定人的存在对通信网络内的RF环境中的信号特性的影响,并且然后识别此影响何时被稍后观察到。
例如,在一个实施例中,随着人体的存在而变化的信号特征是节点(107)之间记录的信号强度。这在BLE网络中尤其如此,并且与随时间变化的信号强度相关的统计数据可以指示网络中存在人。检测算法可以使用这些伪像来提供关于引起伪像的物体的物理位置的信息。也就是说,通过组合关于通过网络(103)捕获的伪像的各种统计数据,系统确定伪像位于物理空间(102)中的何处,从而确定人在网络(103)中的何处。
在最简单的使用情况下,算法可以简单地识别与已知的(例如,从训练中)由人的存在引起的变化相似的信号特性的变化,并且只要检测到此类相对于基线的变化,就简单地触发检测事件(219)。这可能看起来像是根据所使用的系统(101)来调整信号强度的均值、标准差、偏斜度或方差。当检测到的信号特性简档返回到类似于基线的简档时,可以推断物理环境(102)已经返回到关于是否有人存在的空状态。
在阐述最简单的用例时,这种情况下的基线简档包括当空间不包含任何人时存在的一些或所有基线简档,并且可能根据对此空间的物理调整而变化。可以使用更简单的算法来解决此类情况,该算法可以考虑与相对于最近基线的新检测到的人变化相关联的变化;然而,在基线已经改变的情况下,优选的是,系统准确地确定一个或多个当前信号简档是否匹配空的基线简档,或者匹配表示某种程度占用的简档。此类确定可以响应于移动而做出,但是优选地,它们不是响应于移动而做出,而是基于此类信号的特性是否可以与一个或多个空基线或一个或多个存在信号简档相关联。
与用于此类确定的其它技术(通常为被动红外(PIR)传感器)相比,其需要运动才能起作用,本文描述的系统和方法能够检测空间(102)内静止的人的存在,无论其是否在运动,并且更准确地说,检测人何时不再在空间(102)中。对于如安全和占用率感测的应用,该系统将更难欺骗。一些可以愚弄PIR和其它类似的基于运动的技术的欺骗的示例包括:当人进入一个空间时,在他们面前拿着一块薄板,移动非常慢,或者在进入后在一个区域中保持大体不动。另一好处是,除了在普通网络通信中使用的硬件之外,该系统不一定需要附加的硬件。这是因为附加的软件和处理能力可以通过外部组件或对现有硬件的修改来提供,如通过将适当的软件实现为附接到现成通信模块的片上系统(SOC)。如果需要附加的处理能力,可以添加额外的处理节点来分析在节点(107)之间传播的信号,或者可以将工作负荷传输到专用服务器机器(109)并且由其处理。
确定人的存在和/或位置可以与被分析的信号类型的细节相关,并且控制在网络(103)上的节点(107)之间发送的信号以最佳地实现那些检测。通过网络(103)发送受控的通信脉冲,在网络(103)中,原始信号是已知的,并且发射功率可以被调制,由于节点(107)之间的附加的人,有可能开发与信号吸收、反射、后向散射等相关的示例性数据。由于通常假设基线系统可以在没有人存在的情况下配置,并且此类基线在统计上看起来与有人存在的情况不同,因此可以进一步假设信号特性的改变将是由于网络中人的存在。通过允许定时器的输入,并且通常配置系统以在空间(102)为空时细化基线定义,系统可以周期性地重新校准自身以实现提高的精确度。一般来说,如定位技术领域的技术人员来说是已知的,跟踪算法利用与统计方法组合的最佳可用三角测量计算,与用于检测网络(103)内的人的检测算法相结合。
本公开不要求与检测到的人相关联的基准元件,也不要求人携带能够与网络通信的任何设备;然而,如果此类元件被部署在系统中,此类技术将利用此类元件。添加此类元件可以减轻系统的计算负担,并且允许增加精确度。本文描述的系统和方法不排除此类附加功能,并且可以通过其来增强。用推理机增强检测增加了感测硬件从错误警报情况或其它边缘情况中恢复的能力,从而使系统更具鲁棒性。此类推理机可以进一步将信息馈送到机器学习系统中,机器学习系统可以进一步修改一个或多个基线信号简档或一个或多个存在信号简档以提高系统的性能。
在一个实施例中,实现本文描述的系统和方法的检测网络(103)可以进一步包括用于基于检测到的人的存在和/或位置采取行动(219)的元件。这可以例如通过使用计算机在网络上发送控制信号来完成,以首先确定人在网络上的存在和/或位置,并且然后基于人在网络上的存在和/或位置来确定要采取的动作,并且通过此网络发送消息来采取此动作。因为通信网络和执行检测的网络可以是相同的网络,所以本文描述的本发明扩展了通信网络的传统功能,以包括人检测和/或位置感测,而不需要附加的感测硬件。
网络上的计算机元件必须执行附加的计算,并且可以制作通信信号。这可以减轻计算机的计算负担;然而,该网络仍然可以作为命令和控制网络,独立于作为检测网络的网络。
该系统作为一个整体可以用于各种各样的应用,从可能用于照明控制和/或安全的占用感测,到热地图和/或交通地图可能需要的空间中的人数计数,到跟踪在空间中移动通过的单个人的系统。该技术可以集成到网络节点本身中,或者可以是将信息传输到处理元件(直接在网络上或者在云中)的节点的组合,以执行计算来确定期望的信息。最终的集成产品套件可以为应用程序定制,并且可以以各种不同的方式使用。
不需要附加的传感器(尽管在一个实施例中,可能存在一个),并且通过从传统的RF通信堆栈计算统计数据来有效地进行检测。此类系统防止从走过该空间的人那里收集个人数据,因为该系统只知道大约人大小质量的水、器官、衣服等已经通过,并且不需要任何单独的设备作为基准元件。因此,该技术代表了对跟踪人移动通过空间的传统方法的重大突破。
本文描述的系统和方法的逻辑扩展包括在统计分析中动态处理功能网络消息,以便避免或减少系统的附加消息传送开销。还可以设想,在一个实施例中,本文描述的系统和方法扩展为包括至少部分地基于网络内传输的功能消息对网络和/或消息结构、配置和/或操作参数的动态调整。
进一步,因为跟踪是基于通常受人质量影响的信号,所以该系统不依赖于四处走动的人来检测。通过不依赖于移动,克服了传统存在感测技术,如被动红外和超声波感测技术的多种缺点。
利用节点之间的通信网络信号来检测网络中人的存在,其中人不携带基准元件,这与当前的非基准元件检测方法完全不同,并且利用通信网络以全新的方式执行存在感测。检测技术的组合和利用网络节点作为发射器接收器的组合来执行本文提出的人的存在检测的目的构成了一种新型的人的存在检测系统,除了形成通信网络本身所需的设备之外,其不需要附加的设备。
本文描述的系统和方法可以在通信网络中实现,而不影响网络本身的操作,用于普通通信的目的。网络以继续用作通信网络运行作为其主要功能,但是在这种情况下,一些通信被用来计算存在于网络中的人的位置。因为本文描述的系统和方法利用网络的基本操作,所以可以以更高的精确度检测和定位网络内另外携带网络已知的收发器设备的人。此类收发器设备可以包括例如具有无线收发器的移动计算设备(如蜂窝电话、移动电话、智能电话、平板计算机、可穿戴计算机技术等),可以连接到网络,并且可以通过网络使用本领域技术人员已知的传统三角测量方法来定位。当一个人携带此类收发器时,也可以应用机器学习算法,这又可以进一步提高性能。
已知收发器设备的位置计算可以与由本文描述的非收发器方面确定的人的位置进行比较。通过通信网络报告基准元件的位置以及网络内的人,可以比较这两者的位置。由于通常情况下,检测到的基准元件的位置具有比仅基于网络通信的人的估计位置更高的保真度,所以可以使用机器学习算法来调整网络内的人的位置的位置计算,从而提高系统对于进入网络的下-个人的位置计算能力。
使用机器学习算法,该系统可以基于来自收发器的已知位置提高位置预测算法的精确度。这可以允许验证先前的确定,并且细化未来的确定。例如,如果发现先前的确定一致地偏离大约相同的量,则该量可以作为调整应用于未来的确定。这样,系统可以继续改进和训练自身,以便更好地定位网络中的人。同样,机器学习可以继续提高检测和误报率。通过示例而非限制的方式,关于设施处先前交通模式的数据可用于建立关于特定设施通常被占用或通常为空的时间或天数范围的默认值、假设或预期。系统可以使用此类数据来提高其性能。
附加地,该系统配置为做出或得出推理,如基于与网络元件的物理交互;也就是说,附接到网络或与网络通信的,可由人操作或基于人的存在进行操作的设备或部件,如可网络操作的电气开关、门、运动传感器、红外传感器等。为了系统的目的,此类物理交互在它们交互的时间点上可以被认为是基准元件。作为示例,如果作为网络一部分的灯开关被启动,则系统可以推断在开关被启动时人存在于开关的物理位置处或附近。这样,系统可以使用此信息作为已知的数据点(即,利用推断的知识检查在此时间点的各种网络设备的信号特性,这些特性反映了在开关附近的特定位置处的人),系统可以将机器学习应用于此数据点,以在将来更好地预测人的存在。附加地,此类事件还可以作为其它目的(如安全警报)的存在触发器。作为示例,假设系统处于安全模式,并且有人找到了隐藏其存在的方法,但仍与交换机交互,则系统将能够确定有人存在,并且基于与交换机的交互发送警报。一般来说,与系统的交互将在物理上和逻辑上定义,其中逻辑交互将包括基于时间、外部输入等的典型使用模式。此类系统作为RF存在感测的备份,并且为系统提供附加的机器学习能力。
附加地,该系统可以估计网络中的移动收发器实际上是否由人携带,例如人将设备留在网络中的某个位置。因为该系统可以通过信号特性的变化来检测作为生物量的人,所以该系统可以检测网络中是否存在收发器,而人类生物量不存在。这抑制了系统的错误训练,并且有助于避免基线和存在信号简档被与此类简档不相关的数据破坏。
在一个实施例中,作为对推理机的进一步输入,如果系统的一些指示改变了状态,并且检测区域内的人以校正系统状态的方式作出行为,则系统可以推断应该调整其基线和存在简档以更好地反映用户偏好。举例来说,如果空间中的灯随着该空间中的人而关闭,则所述人可以参与反映存在的行为,如物理移动、挥动手臂等,或者简单地寻找或走向墙壁开关。这种移动可以在某个合理的量的时间内被检测到,并且系统可以确定它错误地确定该空间不存在,并且相应地调整其基线和存在简档。此类活动可以被称为推断空间中一个或多个人的存在。
作为收集各种信号特性并且能够通过各种算法运行它们的副作用,该系统能够同时运行多个检测计算,以在同一系统上实现不同的性能标准。作为示例,相同的通信网络可以用于与照明和安全相关联的检测;但是,对于这两个应用程序,收集的统计数据可以不同地处理,但同时进行。这样,照明应用仍然可以提供更短的检测时间,但是具有潜在的更高的误报率,而安全应用可以在降低误报率的同时换取稍微更长的检测时间。要由系统处理的信号特性可能因应用而异,但所有信号特性都是从通信网络捕获的,并且可以以多种方式同时处理。此类处理方法可以封装在多组不同的样本基线信号数据中,用于确定相对于基线信号简档的检测。
在根据本公开的系统的实施例中,该系统包括通信系统,该通信系统能够根据关于网络上的两个或更多个计算机之间的无线信号的信息来确定一个或多个人的存在,其中每个计算机包括:用于通信的收发器;以及用于执行计算的计算元件,其中每个计算机向网络上的一个或多个其它计算机发送信号,其中该信号包括发送该信号的计算机的唯一标识符;其中出于确定一个或多个人的存在的目的,每个计算机处理接收到的信号;并且其中一个或多个人不需要随身携带任何能够与网络通信的设备。
在此类系统的实施例中,算法使用统计方法来确定一个或多个人的存在。在此类系统的另一实施例中,统计方法确定存在的人数。在此类系统的另一实施例中,该系统能够确定一个或多个人在网络上的物理位置。在此类系统的又一实施例中,该系统能够随着时间跟踪一个或多个人的物理位置。在此类系统的另一实施例中,该系统使用关于一个或多个人的存在的信息来控制网络上的设备。在一个实施例中,网络是网状网络。
在一个实施例中,计算机确定它们的相对物理位置,并且进一步确定网络上一个或多个人的相对物理位置。在另一实施例中,统计方法被应用于信号强度的测量,以确定人的存在。在另一实施例中,控制传输的信号,以便更容易检测人的存在。在另一实施例中,控制传输的信号的功率电平,以便更容易检测人的存在。在另一实施例中,该系统用作占用感测系统。在另一实施例中,占用感测系统控制照明系统。在另一实施例中,用于控制照明系统的网络和用于占用感测的网络使用相同的通信技术和硬件。在另一实施例中,计算机采用的通信技术选自以下列表:蓝牙TM低能耗、WiFi、Zigbee、线程和Z波。
在另一实施例中,该系统用作安全应用的感测系统。在另一实施例中,安全感测系统控制安全系统。在另一实施例中,用于控制安全系统的网络和用于安全感测的网络使用相同的通信技术和硬件。在另一实施例中,该系统用作机器人系统的人体检测器。在另一实施例中,机器人系统具有计算机,该计算机动态地相对于彼此定位机器人系统的各种元件。在另一实施例中,用于控制机器人系统的网络和用作系统的人体检测器的网络使用相同的通信技术和硬件。
在另一实施例中,该系统用作HVAC应用的感测系统。在另一实施例中,HVAC感测系统控制HVAC系统。在另一实施例中,用于控制HVAC系统的网络和用于HVAC感测的网络使用相同的通信技术和硬件。
在另一实施例中,该系统使用机器学习来提高其检测能力,其中在人身上具有基准元件的人通过以下方式训练该系统:(1)使用已知的定位技术来确定基准元件的位置;(2)使用上述系统来定位人;(3)将通过本段(1)的方法计算的位置与本段(2)的方法进行比较;(4)使用机器学习算法调整位置确定方法,以提高系统的位置计算能力。
在另一实施例中,系统可以基于那些人以某种方式与网络上的一个或多个计算机交互来推断网络中的人的存在。在另一实施例中,系统可以使用推断的人的存在作为机器学习的输入,以提高其检测能力。
在根据本公开的系统的实施例中,该系统包括通信系统,该通信系统能够根据关于网络上的两个或更多个计算机之间的信号的信息来确定一个或多个人的存在(静止和移动两者),其中每个计算机包括:用于通信的收发器;以及用于执行计算的计算元件,其中每个计算机向网络上的一个或多个其它计算机发送信号,其中该信号包括发送该信号的计算机的唯一标识符;其中出于确定一个或多个人的存在的目的,每个计算机处理接收到的信号;其中一个或多个人不需要随身携带任何能够与网络通信的设备。
在一个实施例中,算法使用统计方法来确定一个或多个人的存在。在另一实施例中,统计方法确定存在的人数。在另一实施例中,该系统能够确定一个或多个人在网络上的物理位置。在另一实施例中,系统能够随着时间跟踪一个或多个人的物理位置。在另一实施例中,该系统使用关于一个或多个人的存在的信息来控制网络上的设备。在另一实施例中,关于一个或多个人的存在的信息对于不直接参与存在确定的一个或多个系统是可用的。在另一实施例中,系统具有根据一个或多个预设标准执行自我优化以实现给定性能的能力。
在另一实施例中,通信协议或网络通常由标准委员会定义,包括但不限于诸如蓝牙TM低能耗、WiFi、Zigbee、线程和z波的协议。在另一实施例中,统计方法被应用于接收的信号强度的测量,以确定人的存在。在另一实施例中,出于使人检测更容易的目的,网络上的发送和接收设备可以由系统选择和启动。在另一实施例中,可以控制传输的信号的功率电平,以便更容易检测人的存在。在另一实施例中,该系统用作照明系统的占用感测系统。在另一实施例中,占用感测系统控制照明系统。在另一实施例中,用于控制照明系统的网络和用于占用感测的网络使用相同的通信技术和硬件。
在另一实施例中,该系统用作安全应用的感测系统。在另一实施例中,安全感测系统控制安全系统。在另一实施例中,用于控制安全系统的网络和用于安全感测的网络使用相同的通信技术和硬件。在另一实施例中,该系统用作加热、通风和冷却(HVAC)系统的占用传感器。在另一实施例中,占用感测系统控制HVAC系统。在另一实施例中,用于控制HVAC系统的网络和用于占用感测的网络使用相同的通信技术和硬件。
在另一实施例中,该系统使用机器学习来提高其检测能力,其中在人身上具有基准元件的人通过以下方式训练该系统:(1)使用已知的定位技术来确定基准元件的位置;(2)使用该系统来定位人;(3)将通过本段(1)计算的位置与本段(2)进行比较;(4)使用机器学习算法调整位置确定方法,以提高系统的位置计算能力。
在另一实施例中,系统可以基于那些人以某种方式与网络上的计算机中的一个交互来推断网络中的人的存在。所述交互可以是直接的物理交互,也可以是响应于系统中某种状态变化的间接交互(例如,响应于关灯而挥动手臂)。在另一实施例中,系统可以使用推断的人的存在作为机器学习的输入,以提高其检测能力。
本文还描述了一种通信系统,该通信系统能够基于关于网络上的两个或更多个计算机之间的信号的信息来确定检测网络中一个或多个人的存在(静止和移动两者),其中每个计算机包括:用于通信的收发器;以及用于执行计算的计算元件,其中每个计算机向网络上的一个或多个其它计算机发送信号,其中该信号包括发送该信号的计算机的唯一标识符;其中出于以两种或更多种方式确定一个或多个人的存在的目的,每个计算机将处理接收到的信号,从而实现同时用于两个或更多个目的所需的不同性能标准;其中一个或多个人不需要随身携带任何能够与网络通信的设备。
在一个实施例中,算法使用两种或更多种统计方法来根据两组或更多组性能标准来确定一个或多个人的存在。在另一实施例中,系统具有根据两个或更多个预设标准执行自我优化以实现一组两种或更多种性能的能力。在另一实施例中,通信协议或网络通常由标准委员会定义,包括但不限于诸如蓝牙TM低能耗、WiFi、Zigbee、线程和z波的协议。在另一实施例中,两种或更多种统计方法被应用于接收的信号强度的测量,以根据两组或更多组性能标准来确定人的存在。在另一实施例中,该系统使用机器学习来提高两种或更多种用于确定存在的方法的检测能力,其中在人身上具有基准元件的人通过以下方式训练该系统:(1)使用已知的定位技术来确定基准元件的位置;(2)使用该系统来定位人;(3)将通过本段(1)计算的位置与本段(2)进行比较;(4)使用机器学习算法调整位置确定方法,以提高系统的位置计算能力。
在一个实施例中,本文描述的系统和方法包括变化检测。通过示例而非限制的方式,变化检测可以使用或利用滚动基线方法。在此类实施例中,建立第一基线并且与第二基线进行比较,并且由于检测网络中的人的存在引起的第一和第二基线之间的任何差异可以由系统识别。这可以通过编程软件来完成,以从检测网络中的一个或多个节点接收多组无线信号特性数据,并且基于此类数据,当建立第一基线与第二基线相比时,检测由存在不同位置的人引起的RF环境的变化。当系统第一次被设置在一个位置以建立最低性能水平而不需要空间在启动时为空时,可以使用此类方法。此类具有变化检测的系统可以随着时间的推移改善变化和存在之间的状态,其中存在检测的有限方面可能存在于此类系统中。
在图3A中描绘了变化检测的示例性图示。在图3A的所描绘的实施例中,示出了图1的RF环境,其中人(301)存在于环境(103)中的离散位置(303)处。如本公开中的其它地方所述,节点(107A)至(107D)之间的无线信号传输的特性受到人(301)的存在的影响。在此特定示例中,节点A(107A)和节点D(107D)之间的传输受到人(301)的存在的影响。因此,当基线被建立(211)时,如图2的方法中所示,当人(301)存在于离散位置(303)处时,基线代表无线信号特征。如果人(301)移动到新的位置(305),如图3A中所示,节点(107A)至(107D)之间的无线信号的特性将改变。
在该特定的示例性实施例中,当人处于位置(305)处时,节点A(107A)和节点D(107D)之间几乎没有干扰。然而,在节点B(107B)和C(107C)之间将会有更大的干扰,因为位置(305)设置在这两个节点之间。因此,当如图2中所示检测到差异时(205),可以检测到人的位置变化。
这比存在感测更容易实现,因为减少了在没有人存在的情况下在检测网络(103)中建立基线的需要。此类系统可以主要基于人何时改变位置来检测检测网络(103)内的变化,并且在滚动的基础上更新操作基线简档。也就是说,在此实施例中,当人(301)处于位置(305)处时,基线(211)被更新为等于基线。因此,当人(301)移动到第三位置(307)时,检测到的差异(215)是在位置(305)处获取的第二基线和当人在位置(307)处时检测网络(103)的无线信号特性之间的差异。同样地,基线(211)已经被更新为等于位置(307)中的基线,这然后可以用于检测人(201)的位置的进一步变化。这种检测方法使用由检测网络(103)中的人(301)的位置变化引起的无线信号基线的变化。此系统相对于现有技术的运动检测技术(如被动红外)具有多种优点,因为此系统不会被物体遮挡,并且可以检测位置的缓慢或逐渐变化,这可能被现有技术的系统忽略。在使用此方法的实施例中,基线可以被连续更新。
在另一实施例中,该系统或方法包括进行置信度确定。这个方面可以确定第三基线对应于第一或第二组基线的置信度。置信度确定可以使用任何数量的技术,包括本领域已知的技术,如监督训练或使用统计方法来确定数据集之间的相似或不同程度。置信度可以随着时间增加或减少,允许相对于最小差异的基线差异自动做出决定,但是仍然可以指示检测网络(103)中的人的存在。可以基于第三基线与第一或第二基线的相似程度来确定检测网络(103)中人的存在或不存在的确定的置信度。例如,如果已知第三基线指示其对信号特性的影响已知的物质的存在,则将第一或第二基线与第三基线进行比较可以提高(或降低)所识别的物质与第三基线中所识别的物质相同的置信水平。基于置信度,系统可以配置为在不同的操作环境(例如,HVAC、安全、照明、安全性等)中使用不同的置信度阈值。包括置信度确定的系统或方法可以使用公共通信系统在多个系统上操作,其中系统可以包括彼此通信的不同节点。给定节点可以在多个检测网络(103)中操作,当将系统和方法部署到多个相邻检测网络(103)时,允许更好的系统缩放。
在另一实施例中,基线差异可用于计数或估计检测网络中存在的人数。在一个实施例中,这可以通过估计检测网络中的人质量的量,并且除以每人的平均质量来完成。这可以通过当检测网络(103)中没有人时建立第一空基线以及当检测网络(103)中存在一些已知人数时建立第二占用基线来完成。接下来,获取第三基线,并且将其与第一空基线和第二占用基线进行比较。然后,系统软件解释第三基线无线信号特性在第一空基线和第二被占用基线之间的简档的频谱上的位置,并且根据此确定估计检测网络(103)中的人质量总量。此估计可以基于当建立第二占用基线时检测网络中的人质量总量。
通过示例而非限制的方式,如果第三基线中的信号失真与第一空基线相比是中等的,则系统可以估计存在的人质量的量相对较低。然而,如果信号失真的量更接近于第二占用基线中所示的量,则系统可以确定检测网络(103)中存在的人质量的估计量更接近于获取第二基线时存在的量。类似地,如果失真的量被确定为甚至比第二基线中反映的更极端,则系统可以确定当获取第三基线时存在的人质量的总量超过当获取第二基线时存在的量。人质量的估计可以广泛地基于本文描述的算法和方法,并且如上所描述被调整以估计空间中的人数。
在另一实施例中,系统使用网络诊断信息中的入口和出口签名,以基于此类签名来估计空间中存在的人数。
在此类方法中,进入空间的人建立入口简档,离开相同空间的人建立出口简档,并且将另一后来捕获的简档与入口和出口简档进行比较,以确定人是否已经进入或离开该空间。基于存在检测技术的估计及其在状态改变后的确定,通过正常的系统操作来学习入口和出口简档。通过示例而非限制的方式,如果系统检测到变化并且存在从未被检测到变为被检测到,则此类事件可以被分类为入口。类似地,通过示例而非限制的方式,如果系统检测到变化并且确定空间已经从占用变为未占用,则此类事件可以被分类为出口。入口计数和出口计数之间的差异可以用来估计空间中存在的人数。
在另一实施例中,系统在网络诊断信息中使用入口和出口签名,结合通过将样本简档与不同人数的存在简档进行比较而得到的人数估计。
这些方法中的每一种都可以与一种或多种计数方法结合使用,以提高精确度。
在一个实施例中,检测网络(103)中存在的人的计数或估计可用于操作另一系统,诸如但不一定限于HVAC系统。
在一个实施例中,估计人在检测网络中的位置或定位。这可以通过估计各种设备之间的范围来确定人的位置,使用各种位置基线来检查从更高数量的节点构建的子集检测区域,并且进一步扩展定位系统的功能来分析位置随时间的变化以估计检测网络中人的速度和方向来实现。在此类方法的一个实施例中,系统可以使用各种节点对,基于基线信息估计这些对之间的人的位置,使用节点对内的重叠估计,然后基于这些重叠估计确定检测网络中人的最高概率位置,以确定人的实际位置。
在另一实施例中,具有更多数量节点的系统可以使用更多子集检测区域,通常每个子集检测区域具有三个或更多个节点,以确定每个空间中存在或不存在人,并且基于重叠的占用区域来估计位置,其中公共占用空间可以被假设为检测网络中人的最具体位置。通过示例而非限制的方式,一组四个节点可以被细分为四组三个节点,其中可以基于在哪三个节点的子集内检测到存在来确定位置。这种子区域创建允许在子区域内进行检测,其中此类子形状是通过由三个或更多个节点的集合创建的重叠的区域来定义的。可替代地,可以为检测网络内不同位置的人建立多个基线,随后的基线与所述基线进行比较,以确定人在检测网络内的位置。通过示例而非限制的方式,可以为检测区域内的各种位置创建检测简档,其中给定的检测简档对应于网络内给定位置的人,将样本简档与对应于不同位置的一组检测简档进行比较,系统确定哪些检测简档与样本简档最相关,并且系统基于被认为与样本简档最相似的检测简档的位置来确定人的位置。
附加地,基于检测网络中检测到的人位置随时间的变化,可以估计人在检测网络中的行进速度和方向。例如,这可以通过使用插值和航位推算或直接侦察来完成。在图3B中描绘此类系统和方法的示例性实施例。在所描绘的实施例中,人在时间0位于检测网络(103)中的位置(401)处。在时间1的后续点处,在不同的位置(403)处检测到人。因为位置(401)和位置(403)是已知的,所以可以计算它们之间的距离1。附加地,从“时间0”到“时间1”经过的时间量可以确定或已知。鉴于距离等于速率乘以时间,可以确定人从位置(401)到位置(403)的移动速率。附加地,可以确定代表人的移动的矢量,体现方向和幅度(速度)两者。
然而,只有两个样本点增加了高错误率的可能性,因此需要两个以上的样本点。例如,在所描绘的实施例中,在时间2获取的第三简档将人放置在位置(405)处。再次,可以确定从位置(403)到位置(405)的距离2,并且也可以确定这些位置之间的速度的速率。在所描绘的实施例中,这些位置通常是线性的,表明人在由矢量定义的给定方向上或多或少是直线地移动。因此,系统可以基于此数据进一步估计人的未来或预期位置。也就是说,在时间3,可以基于先前检测到的位置来确定人的估计位置(407)。此估计可以将人放置在检测网络(103)之外,并且可以进一步用于估计人到达或离开检测网络(103)。附加地,此信息可以用于向检测网络的另一部分或整个另一检测网络警告可能即将到达的人。这可以例如通过经由网络(115)使用计算机服务器(109)的通信来完成。
继续上面的示例性实施例,在所描绘的实施例中,对于0.8米每秒的速度,人检测到的从时间0到时间1的一秒钟内位置变化是0.8米。检测到的从时间1到时间2的距离变化为1.2米,其中经过了附加的一秒钟。或者,在总共经过的两秒钟内总共经过2.0米,平均速度为一米每秒。因此,在时间3,一秒钟之后,可以预期附加的一米的移动,使得估计的未来位置(407)沿矢量比位置(405)更远一米。
在一个实施例中,系统和方法使用机器学习来随着时间进一步训练系统。通过示例而非限制的方式,系统可以使用已知反馈和/或来自第三方系统的反馈的组合诸如但不限于与其它智能设备(恒温器、语音识别系统等)的交互来累积来自一种或多种上述变化检测技术的数据,和/或基于期望或预期的系统行为使用随时间推移的推理来改进操作。此类推理可以基于空间中的普通行为、人与系统元件的直接交互、或者从人反应到系统决策的样本简档变化。通过示例而非限制的方式,在实施变化检测以操作照明或HVAC系统的系统中,用户反馈可以作为受监督的训练数据提供给系统,指示给定操作是否正确(即,照明或HVAC系统中是否应该进行改变)。
类似地,在实施存在检测的系统中,用户可以在检测网络内强制触发变化检测,向系统提供自动装置,以基于变化触发事件发生的时间建立占用空间的基线实践,并且便于远离变化触发事件的时间被检测为通常为空。当与基于房间类型的推断占用相结合时,此类方法可以促进系统训练自身,随着时间的推移改善从变化检测到存在检测级别功能的功能。有效地,通过使用基于变化检测的系统,该系统可以推断存在和不存在,允许其建立无人存在时的基线简档和基于有人存在时的检测简档。因此,系统将能够训练自身从作为变化检测系统的操作转变为作为真实存在检测系统的操作。
在实施计数的实施例中,变化检测和存在检测的组合可以确定检测网络内的人的估计计数,估计此类计数基线简档,并且随着时间的推移对其进行改进。此类系统可以有助于系统随时间训练自身来对检测网络内的人数进行计数。
在实施定位人的实施例中,可以利用变化检测、存在检测和计数人的组合来基于重叠区域和占用计数来确定位置的估计,最终建立更精确的基线估计,允许系统随着时间的推移来改进在检测网络内定位人。此类系统可以包括推理机,如运行在服务器上的计算机软件,和/或根据正常操作建立预期系统操作的估计,并且可以根据预期行为调整操作参数。例如,如果检测区域通常从上午10:00到下午3:00是空的,并且从下午3:00到下午6:00被占用,则可以调整参数以预期从上午10:00到下午3:00是空的,并且预期从下午3:00到下午6:00存在)。此类推理可以随着时间的推移而发展,并且可以在保持整体灵活性的同时在这些时间改善性能。
节点可以布置在各种位置组合中,以改善系统操作。系统可以与位于墙壁、天花板、固定节点、移动节点上的节点一起操作,和/或以混合配置操作。因为空间是三维的,所以检测区域可以由建筑物不同楼层的节点来定义。节点可以放置在墙壁上的开关和插座等位置。广播范围通常定义检测区域的周界,并且系统可以配置为假设人在所述周界内来检查网络诊断。
在一个实施例中,一个或多个节点可以放置在天花板上。通过示例而非限制的方式,当节点被集成到固定装置和/或照明系统中时,这可能发生。在此类实施例中,节点通常可以向下辐射到检测区域中,并且系统可以配置为基于与从基于开关和插座的系统中可能看到的不同的辐射和多路径模式来检查网络诊断。在此类实施例中,节点在通常向下的方向上产生通信,其中来自墙壁、物体和地板的反射通常确保RF能量通过多路径到达其它节点。多路径通常还提供检测区域的覆盖。此类由于多路径的覆盖意味着,就人对网络诊断信息的影响而言,天花板安装节点的功能类似于墙壁安装节点。
也可以考虑其它固定节点,诸如但不限于:电视;监视器;和智能家庭中心。此类节点可以安装在墙壁上、天花板上或固定位置。还有其它节点,如智能手机、平板电脑和笔记本电脑,可以在检测网络中用作移动节点。然而,在此类实施例中,移动节点可以首先相对于系统中的固定节点来定位自身。在网络中建立其位置可以进一步提高系统的精确度。
在一个实施例中,可以在检测区域中使用节点的组合。当组合更大数量的节点时,系统可以确定操作的最佳节点。最佳节点可以通过为所选功能级别确定最有效的节点来确定。随着节点数量的增加,确定的精确度通常会增加,功能级别也会增加。
在一个实施例中,一个或多个节点可以在多个检测区域中操作。这有助于改善系统缩放,尤其是对于相邻的检测区域。此类缩放可以附加地导致在包括多个检测区域的更大的节点网络内的推理,进一步便于从一个检测区域到下一个检测区域的人检测的跟踪。例如,节点可以在检测区域之间共享。第一检测网络中的给定节点可以具有基于所述第一检测区域内的通信的网络诊断信息,并且还可以是第二检测网络的一部分,并且具有基于所述第二检测网络内的通信的网络诊断信息。该系统可以独立决定如何在两个检测区域的每一个中操作第三方系统。检查跨检测区域的推理可以改进检测区域内人存在或不存在的确定,特别是当一个人离开一个检测区域并且进入另一检测区域时。基于第一和第二检测区域之间共享的信息,检测到的信号特性的变化可用于确定单个区域中存在或不存在人。
在一个实施例中,系统和方法可以通过使用质量识别技术来操作。在此类实施例中,识别并跟踪“质量”。唯一的身份可以由计算机系统分配给质量,并基于无线信号特性的变化进行跟踪。作为示例而非限制,如果首先在房间中心附近检测到质量,然后在距离房间中心几英尺的位置处检测到质量,但是系统在进入房间时没有检测到任何其它质量,则系统可以推断第二次检测到的质量与第一次检测到的质量相同,但是已经重新定位到新的位置。基于由网络中的质量的干扰引起的信号特性的差异,系统可以推断,例如,表现相似移动的其它质量将对信号特性具有相似的影响。这样,系统可以“学习”如何识别质量并且对其进行跟踪。
尽管系统中的每个人类质量在放置在任何位置处时都会产生不同的干扰特性,但对于大多数室内位置来说,一个房间中可能存在的人群总数通常是有限的。也就是说,在相当长的一段时间内,大多数室内空间在大部分时间都被相同的基本人群占据,只有很小很少的变化。例如,同一群人通常每天都会存在于工作场所、学校,甚至是公共场所(如餐馆)。因为大多数室内空间只能从有限数量的入口点(如门口)进入,所以该系统可以检测在入口点进入的人,并且确定在进入该空间时由该特定人的存在引起的特定干扰模式。基于信号特性(干扰)和与空间中其他人相比时这些特性的变化方式,可以确定每个人类质量在房间中的何处以及如何移动。
可以设想,系统可以自动操作设置的各个方面,特别是关于将节点分组到检测区域和名义上基于本文描述的机器学习方法建立功能级别。通过推理确定最近节点并且估计检测区域的系统不需要用户设置。基于最佳估计,用户可以简单地在整个建筑物中放置节点,并且使用无监督的机器学习将节点自动分组到检测区域,最终使得建筑物系统学习如何检测占用者。然后,占用可以与占用者采取的行动相关,开发自动化系统,这减少或消除正常系统操作对人工输入的需求。
在一个实施例中,该方法是一种用于检测人的存在的方法,包括:提供设置在检测区域内的第一位置处的第一收发器;提供设置在所述检测区域内的第二位置处的第二收发器;可通信地耦合到所述第一收发器的计算机服务器;所述第一收发器从所述第二收发器接收第一组无线信号;所述计算机服务器:从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;推断所述第一组信号数据指示在所述检测区域中存在人;当推断人存在于所述检测区域中时,至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性,创建用于从所述第二收发器到所述第一收发器的无线通信的检测信号简档;所述第一收发器从所述第二收发器接收第二组无线信号;所述计算机服务器:从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;推断所述第二组信号数据指示在所述检测区域中不存在任何人;当推断在所述检测区域中不存在任何人时,至少部分基于所述第二组信号数据中的所述第二组无线信号的所述属性,创建从所述第二收发器到所述第一收发器的无线通信的基线信号简档;所述第一收发器从所述第二收发器接收第三组无线信号;所述计算机服务器从所述第一收发器接收第三组信号数据,所述第三组信号数据包括关于所述第三组无线信号的属性的数据;确定所述第三组信号数据是否指示在所述检测区域中存在人或不存在任何人,所述确定至少部分基于所述第三组信号数据与所述检测信号简档和所述基线信号简档的比较。
在另一实施例中,该方法包括:在所述推断所述第一组信号数据指示所述检测区域中存在人时,所述推断至少部分基于所述第一收发器从所述检测区域中的其它收发器接收的信号的附加信号数据组;并且在所述推断所述第二组信号数据指示在所述检测区域中不存在任何人时,所述推断至少部分基于所述第一收发器从所述检测区域中的其它收发器接收的信号的附加信号数据组。
在另一实施例中,该方法包括:所述计算机服务器存储多个历史数据记录,所述历史数据记录指示在一段时间内是否有人被确定存在于所述检测区域中,所述历史数据记录中的每一个包括被确定存在于所述检测区域中的人数的指示以及在所述人数中的每一个被确定存在于所述检测区域中时的日期和时间;以及所述计算机服务器通过接口使所述多个历史数据记录中的至少一些对一个或多个外部计算机系统可用。
在另一实施例中,该方法包括:所述计算机服务器可操作地耦合到第二系统;以及只有在所述计算机服务器确定在所述检测区域中存在人之后,所述计算机服务器才操作所述第二系统。
在另一实施例中,该方法包括:所述第一收发器和所述第二系统配置为使用相同的通信协议进行通信。
在另一实施例中,该方法包括:所述第二系统选自由以下组成的组:电气系统;照明系统;加热、通风和冷却(HVAC)系统;安全系统;以及工业自动化系统、电气系统。
在另一实施例中,该方法包括:所述无线通信利用选自由以下组成的组的协议:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程和z波。
在另一实施例中,该方法包括:从所述第二收发器到所述第一收发器的所述无线通信具有850MHz和17.5GHz(包含)范围内的载波频率。
在另一实施例中,该方法包括:所述计算机服务器确定所述第三组信号数据是否指示人的存在包括置信度度量。
在另一实施例中,该方法包括:所述第一收发器和所述第二收发器配置为自动计算其在所述检测区域内的相对位置。
在另一实施例中,该方法包括一种用于估计存在于一个区域中的人数的方法,包括:提供设置在检测区域内的第一位置处的第一收发器;提供设置在所述检测区域内的第二位置处的第二收发器;可通信地耦合到所述第一收发器的计算机服务器;当无人存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第一组无线信号;所述计算机服务器从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的基线信号简档,当无人存在于所述检测区域中时,所述基线信号简档至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性;当第一多个人存在于所述检测区域中时,所述第一收发器从所述第二收发器接收第二组无线信号,所述第一多个人具有总质量;所述计算机服务器从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的第二基线信号简档,当所述第一多个人存在于所述检测区域中时,所述第二基线信号简档至少部分基于所述第二组信号数据中的所述第二组无线信号的所述属性;当第二多个人存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第三组无线信号;所述计算机服务器从所述第一收发器接收第三组信号数据,所述第三组信号数据包括关于所述第三组无线信号的属性的数据;所述计算机服务器估计所述第二多个人的总质量,所述估计至少部分基于所述第三组无线信号数据中的所述第三组无线信号的所述属性与所述基线信号简档和所述线信号简档的比较;所述计算机服务器至少部分基于将所述多个人的所述估计总质量除以每个人的平均质量来估计所述多个人的总人数。
在另一实施例中,该方法包括:所述计算机服务器估计所述第二多个人的总质量还至少部分基于所述第三组无线信号数据中的所述第三组无线信号的所述属性与所述第二组无线信号数据中的所述第二组无线信号的所述属性的比较。
在另一实施例中,该方法包括:所述第一组无线信号、所述第二组无线信号和所述第三组无线信号的所述属性包括由所述第一收发器确定的无线网络信号协议属性。
在另一实施例中,该方法包括:所述无线网络信号协议属性中的每一个选自由以下组成的组:接收信号强度、时延和误码率。
在另一实施例中,该方法包括:所述计算机服务器估计包括内插所述第二多个人中的人的所述总质量。
在另一实施例中,该方法包括:所述内插对所述基线信号简档使用假设为零的质量,而对所述第二基线信号简档使用所述第一多个人中的人的所述总质量。
在另一实施例中,该方法包括:所述总质量是离散的用户提供量。
在另一实施例中,该方法包括:所述每个人的平均质量是离散的用户提供量。
在另一实施例中,该方法包括:所述计算机服务器存储多个历史数据记录,所述历史数据记录指示在一段时间内是否有人存在于检测区域中,所述历史数据记录中的每一个包括在所述检测区域中检测到的人数的指示以及在所述检测区域中检测到所述人数中的每一个时的日期和时间;以及所述计算机服务器通过接口使所述多个历史数据记录中的至少一些对一个或多个外部计算机系统可用。
在另一实施例中,该方法包括:基于机器学习来调整所述计算机服务器估计所述第二多个人的所述总质量包括:确定在所述检测区域中具有基准元件的多个人的第一样本总质量,所述第一样本质量是基于检测所述基准元件来确定的;确定所述检测区域中所述多个人的第二样本总质量,所述第二样本质量至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;比较所述第一样本质量和所述第二样本质量;以及基于所述比较来调整所述第二多个人的所述总质量的所述估计。
在另一实施例中,该方法包括:基于机器学习来调整所述计算机服务器估计所述第二多个人的所述总质量包括:基于所述检测区域中的推理确定多个人的第一样本总质量;确定所述检测区域中多个人的第二样本总质量,所述第二样本质量至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;比较所述第一样本质量和所述第二样本质量;以及基于所述比较来调整所述第二样本质量的所述确定。
在另一实施例中,该方法包括:所述基于所述检测区域中的推理来确定人的第一样本位置包括所述计算机服务器从所述检测区域中检测到的网络元件的操作推理出人存在于所述网络元件附近的所述检测区域中。
在另一实施例中,该方法包括:所述网络元件是电气系统、照明系统、加热、通风和冷却(HVAC)系统、安全系统或工业自动化系统的元件。
在另一实施例中,该方法包括:所述估计所述多个人中的总人数包括置信度度量。
在另一实施例中,该方法包括:所述第一收发器和所述第二收发器配置为自动计算其在所述检测区域内的相对位置。
在另一实施例中,该方法包括:所述无线通信利用选自由以下组成的组的协议:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程和Z波。
在另一实施例中,该方法包括:从所述第二收发器到所述第一收发器的所述无线通信具有850MHz和17.5GHz(包含)范围内的载波频率。
虽然已经结合某些实施例的描述公开了本发明,包括目前被认为是优选实施例的那些实施例,但是详细描述旨在为说明性的,并且不应该被理解为限制本公开的范围。如本领域普通技术人员将理解的,除了本文详细描述的那些实施例之外的实施例也包含在本发明中。在不脱离本发明的精神和范围的情况下,可以对所描述的实施例进行修改和变化。
Claims (75)
1.一种用于检测人的存在的方法,包括:
提供设置在检测区域内的第一位置处的第一收发器;
提供设置在所述检测区域内的第二位置处的第二收发器;
可通信地耦合到所述第一收发器的计算机服务器;
当人在第一位置处存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第一组无线信号;
所述计算机服务器从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;
所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的基线信号简档,当所述人在所述第一位置处存在于所述检测区域中时,所述基线信号简档至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性;
所述人在所述检测区域中从所述第一位置移动到第二位置;
当所述人存在于所述第二位置处时,所述第一收发器从所述第二收发器接收第二组无线信号;
所述计算机服务器从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;以及
所述计算机服务器确定所述人在所述检测区域中的所述位置是否已经改变,所述确定至少部分基于所述第二组无线信号数据中的所述第二组无线信号的所述属性与所述基线信号简档的比较。
2.根据权利要求0所述的方法,其中所述第一组无线信号的所述属性包括由所述第一收发器确定的无线网络信号协议属性。
3.根据权利要求0所述的方法,其中所述无线网络信号协议属性中的所述每一个选自由以下组成的组:接收信号强度、时延和误码率。
4.根据权利要求0所述的方法,进一步包括:
所述人移动到所述检测区域中的新位置;
当所述人在所述新位置处存在于所述检测区域中时,所述第一收发器从所述第二收发器接收新的一组无线信号;
所述计算机服务器从所述第一收发器接收新的一组信号数据,所述新的一组信号数据包括关于所述新的一组无线信号的属性的数据;
当所述人在所述新位置处时,所述计算机服务器用新的基线信号替换所述基线信号简档,用于从所述第二收发器到所述第一收发器的无线通信,当所述人在所述新位置处存在于所述检测区域时,所述第二基线信号简档至少部分基于所述新的一组信号数据中的所述新的一组无线信号的所述属性来创建。
5.根据权利要求0所述的方法,进一步包括:在所述计算机服务器用所述新基线信号替换所述基线信号简档之前,所述计算机服务器存储所述基线简档的历史数据记录。
6.根据权利要求0所述的方法,其中所述存储的历史数据记录指示在所述检测区域中检测到的所述人,并且包括在所述检测区域中检测到所述人的日期和时间。
7.根据权利要求0所述的方法,重复所述移动、接收和替换步骤一次或多次。
8.根据权利要求0所述的方法,其中基于机器学习来调整所述计算机服务器确定所述人在所述检测区域中的所述位置是否已经改变,包括:
确定在所述检测区域中具有基准元件的人的第一样本位置,所述第一样本位置是基于检测所述基准元件来确定的;
确定所述人在所述检测区域中的第二样本位置,所述第二样本位置至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;
比较所述第一样本位置和所述第二样本位置;以及
基于所述比较来调整所述第二样本位置的所述确定。
9.根据权利要求0所述的方法,其中基于机器学习来调整所述计算机服务器确定所述人在所述检测区域中的所述位置是否已经改变,包括:
基于所述检测区域中的推理来确定人的第一样本位置;
确定所述人在所述检测区域中的第二样本位置,所述第二样本位置至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;
比较所述第一样本位置和所述第二样本位置;以及
基于所述比较来调整所述第二样本位置的所述确定。
10.根据权利要求9所述的方法,其中:
所述基于所述检测区域中的推理来确定人的第一样本位置包括所述计算机服务器从所述检测区域中检测到的网络元件的操作推理出人存在于所述网络元件附近的所述检测区域中。
11.根据权利要求10所述的方法,其中所述网络元件是电气系统、照明系统、加热、通风和冷却(HVAC)系统、安全系统或工业自动化系统的元件。
12.根据权利要求0所述的方法,进一步包括:
所述计算机服务器存储多个历史数据记录,所述历史数据记录指示人是否在一段时间内改变了在所述检测区域中的位置,所述历史数据记录中的每一个包括在所述检测区域中检测到的人数的指示以及在所述人数中的每一个被确定为已经改变了在所述检测区域中的位置时的日期和时间;以及
所述计算机服务器通过接口使所述多个历史数据记录中的至少一些对一个或多个外部计算机系统可用。
13.根据权利要求0所述的方法,进一步包括:所述计算机服务器可操作地耦合到第二系统;并且只有在所述计算机服务器确定人已经改变了在所述检测区域中的位置之后,所述计算机服务器才操作所述第二系统。
14.根据权利要求3所述的方法,其中所述第一收发器和所述第二系统配置为使用相同的通信协议进行通信。
15.根据权利要求0所述的方法,其中所述第二系统选自由以下组成的组:电气系统;照明系统;加热、通风和冷却(HVAC)系统;安全系统;以及工业自动化系统。
16.根据权利要求1所述的方法,其中所述无线通信利用选自由以下组成的组的协议:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程(Thread)和Z波。
17.根据权利要求1所述的方法,其中从所述第二收发器到所述第一收发器的所述无线通信具有850MHz和17.5GHz(包含)范围内的载波频率。
18.根据权利要求1所述的方法,其中所述计算机服务器确定所述人在所述检测区域中的所述位置是否已经改变包括置信度度量。
19.根据权利要求1所述的方法,其中所述第一收发器和所述第二收发器配置为自动计算其在所述检测区域内的相对位置。
20.根据权利要求1所述的方法,其中所述第一收发器和所述第二收发器配置为自动定义包括所述第一收发器和所述第二收发器的检测区域。
21.一种用于检测人的存在的方法,包括:
提供设置在检测区域内的第一位置处的第一收发器;
提供设置在所述检测区域内的第二位置处的第二收发器;
可通信地耦合到所述第一收发器的计算机服务器;
所述第一收发器从所述第二收发器接收第一组无线信号;
所述计算机服务器:
从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;
推断所述第一组信号数据指示在所述检测区域中存在人;
当推断人存在于所述检测区域中时,至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性,创建用于从所述第二收发器到所述第一收发器的无线通信的检测信号简档;
所述第一收发器从所述第二收发器接收第二组无线信号;
所述计算机服务器:
从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;
推断所述第二组信号数据指示在所述检测区域中不存在任何人;
当推断在所述检测区域中不存在任何人时,至少部分基于所述第二组信号数据中的所述第二组无线信号的所述属性,创建从所述第二收发器到所述第一收发器的无线通信的基线信号简档;
所述第一收发器从所述第二收发器接收第三组无线信号;
所述计算机服务器从所述第一收发器接收第三组信号数据,所述第三组信号数据包括关于所述第三组无线信号的属性的数据;
确定所述第三组信号数据是否指示在所述检测区域中存在人或不存在任何人,所述确定至少部分基于所述第三组信号数据与所述检测信号简档和所述基线信号简档的比较。
22.根据权利要求21所述的方法,其中:
在所述推断所述第一组信号数据指示所述检测区域中存在人时,所述推断至少部分基于所述第一收发器从所述检测区域中的其它收发器接收的信号的附加信号数据组;以及
在所述推断所述第二组信号数据指示在所述检测区域中不存在任何人时,所述推断至少部分基于所述第一收发器从所述检测区域中的其它收发器接收的信号的附加信号数据组。
23.根据权利要求21所述的方法,进一步包括:
所述计算机服务器存储多个历史数据记录,所述历史数据记录指示在一段时间内是否有人被确定存在于所述检测区域中,所述历史数据记录中的每一个包括被确定存在于所述检测区域中的人数的指示以及在所述人数中的每一个被确定存在于所述检测区域中时的日期和时间;以及
所述计算机服务器通过接口使所述多个历史数据记录中的至少一些对一个或多个外部计算机系统可用。
24.根据权利要求21所述的方法,其中:
所述计算机服务器可操作地耦合到第二系统;以及
只有在所述计算机服务器确定在所述检测区域中存在人之后,所述计算机服务器才操作所述第二系统。
25.根据权利要求24所述的方法,其中所述第一收发器和所述第二系统配置为使用相同的通信协议进行通信。
26.根据权利要求24所述的方法,其中所述第二系统选自由以下组成的组:电气系统;照明系统;加热、通风和冷却(HVAC)系统;安全系统;工业自动化系统;以及电气系统。
27.根据权利要求21所述的方法,其中所述无线通信利用选自由以下组成的组的协议:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程和Z波。
28.根据权利要求21所述的方法,其中从所述第二收发器到所述第一收发器的所述无线通信具有850MHz和17.5GHz(包含)范围内的载波频率。
29.根据权利要求21所述的方法,其中所述计算机服务器确定所述第三组信号数据是否指示有人存在包括置信度度量。
30.根据权利要求21所述的方法,其中所述第一收发器和所述第二收发器配置为自动计算其在所述检测区域内的相对位置。
31.一种用于估计区域中存在的人数的方法,包括:
提供设置在检测区域内的第一位置处的第一收发器;
提供设置在所述检测区域内的第二位置处的第二收发器;
可通信地耦合到所述第一收发器的计算机服务器;
当无人存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第一组无线信号;
所述计算机服务器从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;
所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的第一基线信号简档,当无人存在于所述检测区域中时,所述第一基线信号简档至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性;
当第一多个人存在于所述检测区域中时,所述第一收发器从所述第二收发器接收第二组无线信号,所述第一多个人具有总质量;
所述计算机服务器从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;
所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的第二基线信号简档,当所述第一多个人存在于所述检测区域中时,所述第二基线信号简档至少部分基于所述第二组信号数据中的所述第二组无线信号的所述属性;
当第二多个人存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第三组无线信号;
所述计算机服务器从所述第一收发器接收第三组信号数据,所述第三组信号数据包括关于所述第三组无线信号的属性的数据;
所述计算机服务器估计所述第二多个人的总质量,所述估计至少部分基于所述第三组无线信号数据中的所述第三组无线信号的所述属性与所述第一基线信号简档和所述第二基线信号简档的比较;
所述计算机服务器至少部分基于将所述多个人的所述估计总质量除以每个人的平均质量来估计所述多个人的总人数。
32.根据权利要求31所述的方法,其中所述计算机服务器估计所述第二多个人的总质量进一步至少部分基于所述第三组无线信号数据中的所述第三组无线信号的所述属性与所述第二组无线信号数据中的所述第二组无线信号的所述属性的比较。
33.根据权利要求31所述的方法,其中所述第一组无线信号、所述第二组无线信号和所述第三组无线信号的所述属性包括由所述第一收发器确定的无线网络信号协议属性。
34.根据权利要求31所述的方法,其中所述无线网络信号协议属性中的每一个选自由以下组成的组:接收信号强度、时延和误码率。
35.根据权利要求31所述的方法,其中所述计算机服务器估计包括内插所述第二多个人中的人的所述总质量。
36.根据权利要求31所述的方法,其中所述内插对所述基线信号简档使用假设为零的质量,而对所述第二基线信号简档使用所述第一多个人中的人的所述总质量。
37.根据权利要求31所述的方法,其中所述总质量是用户提供的离散量。
38.根据权利要求31所述的方法,其中所述每个人的平均质量是离散的用户提供量。
39.根据权利要求31所述的方法,进一步包括:
所述计算机服务器存储多个历史数据记录,所述历史数据记录指示在一段时间内是否有人存在于检测区域中,所述历史数据记录中的每一个包括在所述检测区域中检测到的人数的指示以及在所述检测区域中检测到所述人数中的每一个时的日期和时间;以及
所述计算机服务器通过接口使所述多个历史数据记录中的至少一些对一个或多个外部计算机系统可用。
40.根据权利要求3l所述的方法,其中基于机器学习来调整所述计算机服务器估计所述第二多个人的所述总质量包括:
确定在所述检测区域中具有基准元件的多个人的第一样本总质量,所述第一样本质量是基于检测所述基准元件来确定的;
确定所述检测区域中所述多个人的第二样本总质量,所述第二样本质量至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;
比较所述第一样本质量和所述第二样本质量;以及
基于所述比较来调整所述第二多个人的所述总质量的所述估计。
41.根据权利要求31所述的方法,其中基于机器学习来调整所述计算机服务器估计所述第二多个人的所述总质量包括:
基于所述检测区域中的推理确定多个人的第一样本总质量;
确定所述检测区域中多个人的第二样本总质量,所述第二样本质量至少部分基于所述接收的第二组信号数据与所述基线信号简档的比较来确定;
比较所述第一样本质量和所述第二样本质量;以及
基于所述比较来调整所述第二样本质量的所述确定。
42.根据权利要求21所述的方法,其中:
所述基于所述检测区域中的推理来确定人的第一样本位置包括所述计算机服务器从所述检测区域中检测到的网络元件的操作推理出人存在于所述网络元件附近的所述检测区域中。
43.根据权利要求22所述的方法,其中所述网络元件是电气系统、照明系统、加热、通风和冷却(HVAC)系统、安全系统或工业自动化系统的元件。
44.根据权利要求31所述的方法,其中所述估计所述多个人中的所述总人数包括置信度度量。
45.根据权利要求31所述的方法,其中所述第一收发器和所述第二收发器配置为自动计算其在所述检测区域内的相对位置。
46.根据权利要求31所述的方法,其中所述无线通信利用选自由以下组成的组的协议:蓝牙TM、蓝牙TM低能耗、ANT、ANT+、WiFi、Zigbee、线程和Z波。
47.根据权利要求31所述的方法,其中从所述第二收发器到所述第一收发器的所述无线通信具有850MHz和17.5GHz(包含)范围内的载波频率。
48.一种用于检测影响RF信号的物体的存在的方法,包括:
提供设置在检测区域内的第一位置处的第一收发器;
提供设置在所述检测区域内的第二位置处的第二收发器;以及
可通信地耦合到所述第一收发器的计算机服务器;
当影响RF信号的物体在第一位置处存在于所述检测区域内时,所述第一收发器从所述第二收发器接收第一组无线信号;
所述计算机服务器从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的属性的数据;
所述计算机服务器创建用于从所述第二收发器到所述第一收发器的无线通信的基线信号简档,当影响RF信号的所述物体在所述第一位置处存在于所述检测区域中时,所述基线信号简档至少部分基于所述第一组信号数据中的所述第一组无线信号的所述属性;
所述物体在所述检测区域中从所述第一位置移动到第二位置;
当影响RF信号的所述物体存在于所述第二位置处时,所述第一收发器从所述第二收发器接收第二组无线信号;
所述计算机服务器从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的属性的数据;以及
所述计算机服务器确定影响RF信号的所述物体在所述检测区域中的所述位置是否已经改变,所述确定至少部分基于所述第二组无线信号数据中的所述第二组无线信号的所述属性与所述基线信号简档的比较。
49.根据权利要求48所述的方法,其中所述第一组无线信号的所述属性包括由所述第一收发器确定的无线网络信号协议属性。
50.根据权利要求49所述的方法,其中所述无线网络信号协议属性中的每一个选自由以下组成的组:接收信号强度、时延和误码率。
51.根据权利要求48所述的方法,其中影响RF信号的所述物体包括武器。
52.根据权利要求48所述的方法,进一步包括:
影响RF信号的所述物体移动到所述检测区域中的新位置;
当影响RF信号的所述物体在所述新位置处存在于所述检测区域中时,所述第一收发器从所述第二收发器接收新的一组无线信号;
所述计算机服务器从所述第一收发器接收新的一组信号数据,所述新的一组信号数据包括关于所述新的一组无线信号的属性的数据;
当影响RF信号的所述物体在所述新位置处时,所述计算机服务器用新的基线信号替换所述基线信号简档,用于从所述第二收发器到所述第一收发器的无线通信,当影响RF信号的所述物体在所述新位置处存在于所述检测区域中时,所述第二基线信号简档至少部分基于所述新的一组信号数据中的所述新的一组无线信号的所述属性来创建。
53.根据权利要求52所述的方法,进一步包括:在所述计算机服务器用所述新基线信号替换所述基线信号简档之前,所述计算机服务器存储所述基线简档的历史数据记录。
54.根据权利要求53所述的方法,其中所述存储的历史数据记录指示在所述检测区域中检测到的影响RF信号的所述物体,并且包括在所述检测区域中检测到所述物体的日期和时间。
55.根据权利要求52所述的方法,重复影响RF信号的所述物体移动,所述服务器接收,和所述服务器替换至少两次。
56.根据权利要求48所述的方法,其中基于机器学习来调整所述计算机服务器确定在所述检测区域中影响RF信号的所述物体的所述位置是否已经改变,包括:
确定在所述检测区域中具有基准元件的影响RF信号的物体的第一样本位置,所述第一样本位置是基于检测所述基准元件来确定的;
确定所述检测区域中的影响RF信号的所述物体的第二样本位置,所述第二样本位置至少部分基于所述接收的第二组信号数据与不利用所述基准元件的所述基线信号简档的比较来确定;
比较所述第一样本位置和所述第二样本位置;以及
调整所述第二样本位置的确定步骤以提高系统的位置计算能力,所述调整基于第一确定和第二确定之间的比较。
57.根据权利要求48所述的方法,其中从服务器检索所述第一信号数据和所述第二信号数据的现有历史记录,并且进行调整以允许在不同的操作环境中使用所述历史记录。
58.根据权利要求48所述的方法,其中影响RF的所述物体包括金属。
59.根据权利要求48所述的方法,其中所述物体导致信号度量的可测量变化,这是由于来自反射、折射、衍射、散射和吸收的列表中的一种或多种现象。
60.根据权利要求48所述的方法,其中影响RF的所述物体是车辆。
61.一种用于将空间中人类活动的检测与期望的系统动作相关联的方法,包括:
训练阶段,其中向系统提供人类活动的总体训练数据组和系统输入;
所述人类活动包括以下一项或多项:一个或多个人的位置变化、一个或多个人的存在、物理空间内的人数和/或人在物理空间内的位置;
模型构建阶段,其中:
所述系统计算所述系统输入和所述人类活动之间的最佳拟合关系;以及
所述系统基于所述最佳拟合关系预测要采取的动作;以及
动作阶段,其中所述系统执行所述预测的动作。
62.根据权利要求61所述的方法,其中所述训练阶段和所述模型建立阶段在所述动作阶段之前重复。
63.根据权利要求61所述的方法,其中所述系统输入包括一天中的时间、日历日期、一周中的某天、当前天气或预测的天气中的至少一个。
64.根据权利要求63所述的方法,其中所述系统输入包括新系统输入与先前系统输入的比较。
65.根据权利要求61所述的方法,其中所述系统输入包括来自传感器的输出。
66.根据权利要求65所述的方法,其中所述传感器选自由以下组成的组:光传感器、温度传感器、二氧化碳传感器或位置信标。
67.一种用于估计空间中的人数的方法,包括:
在所述空间中提供多个存在感测网络,所述存在感测网络中的每一个能够为特定于此网络的所述空间内的检测区域提供至少一个数据元素,所述数据元素中的每一个选自由以下组成的组:检测至少一个人在所述特定检测区域中的存在,确定所述检测区域中的人数,以及计算与一段时间内所述特定检测区域中的平均人数相关的度量;以及
聚集来自所有所述存在感测网络的所有所述数据元素,以提供对所述空间中的人的总体估计。
68.根据权利要求67所述的方法,其中所述聚集的结果被标记时间戳并且被周期性地记录。
69.根据权利要求67所述的方法,其中所述聚集的结果被提供给请求方。
70.根据权利要求69所述的方法,其中所述请求方包括对所述空间处的紧急情况的第一响应者。
71.根据权利要求69所述的方法,其中所述数据元素被呈现为以下中的一种或多种:地图、真实世界听觉或视觉信号、显示器上的覆盖、或虚拟现实显示器中的方向信息。
72.根据权利要求69所述的方法,其中所述结果由来自所述多个存在感测网络的新信息周期性地更新。
73.根据权利要求72所述的方法,其中所述结果指示所述存在感测网络中的一个何时不再传输数据元素。
74.根据权利要求69所述的方法,其中所述请求方包括机器人。
75.根据权利要求69所述的方法,其中所述结果还包括从所述空间中的其它传感器提供的信息和来自所述空间外部的传感器的信息。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/674,487 US10325641B2 (en) | 2017-08-10 | 2017-08-10 | Detecting location within a network |
US15/674,487 | 2017-08-10 | ||
US15/674,328 | 2017-08-10 | ||
US15/674,328 US10455357B2 (en) | 2015-09-16 | 2017-08-10 | Detecting location within a network |
US15/713,219 US10142785B2 (en) | 2015-09-16 | 2017-09-22 | Detecting location within a network |
US15/713,309 | 2017-09-22 | ||
US15/713,219 | 2017-09-22 | ||
US15/713,309 US10064014B2 (en) | 2015-09-16 | 2017-09-22 | Detecting location within a network |
PCT/US2018/045835 WO2019032718A1 (en) | 2017-08-10 | 2018-08-08 | POSITION DETECTION WITHIN A NETWORK |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111201441A true CN111201441A (zh) | 2020-05-26 |
CN111201441B CN111201441B (zh) | 2023-01-31 |
Family
ID=65271639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880065996.0A Active CN111201441B (zh) | 2017-08-10 | 2018-08-08 | 检测网络中的位置 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3662296A4 (zh) |
KR (2) | KR102343167B1 (zh) |
CN (1) | CN111201441B (zh) |
CA (1) | CA3073589C (zh) |
WO (1) | WO2019032718A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220229150A1 (en) * | 2019-05-14 | 2022-07-21 | Signify Holding B.V. | Receiver for a radiofrequency-based rf presence-sensing arrangement |
WO2021105031A1 (en) | 2019-11-26 | 2021-06-03 | Signify Holding B.V. | System, network, method and computer program for controlling a re-baselining of a network device being part of the network |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003591A1 (en) * | 2002-06-26 | 2004-01-08 | It-Højskolen | A method of and a system for surveillance of an environment utilising electromagnetic waves |
JP2009229318A (ja) * | 2008-03-24 | 2009-10-08 | Nippon Telegr & Teleph Corp <Ntt> | 人検知装置および人検知方法 |
US20120146788A1 (en) * | 2010-12-13 | 2012-06-14 | Xandem Technology Llc | Systems and methods of device-free motion detection and presence detection |
JP2015052475A (ja) * | 2013-09-05 | 2015-03-19 | 住友電気工業株式会社 | 監視システム |
US20150156031A1 (en) * | 2012-09-21 | 2015-06-04 | Google Inc. | Environmental sensing with a doorbell at a smart-home |
JP2015527573A (ja) * | 2012-06-28 | 2015-09-17 | ノースロップ グラマン システムズ コーポレーション | Wifiマッピング及び動き検出 |
US9408041B1 (en) * | 2015-04-24 | 2016-08-02 | Insensi, Inc. | Premise occupancy detection based on smartphone presence |
WO2017078811A2 (en) * | 2015-09-15 | 2017-05-11 | Ivani, LLC | Detecting location within a network |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012190161A (ja) * | 2011-03-09 | 2012-10-04 | Panasonic Corp | イベント検出装置、イベント検出システム、イベント検出方法、およびイベント検出プログラム |
US8866663B2 (en) * | 2011-12-27 | 2014-10-21 | Massachusetts Institute Of Technology | Methods and apparatus for sensing organic tissue |
-
2018
- 2018-08-08 KR KR1020207006884A patent/KR102343167B1/ko active IP Right Grant
- 2018-08-08 KR KR1020217041716A patent/KR102478928B1/ko active IP Right Grant
- 2018-08-08 EP EP18842993.0A patent/EP3662296A4/en active Pending
- 2018-08-08 CA CA3073589A patent/CA3073589C/en active Active
- 2018-08-08 WO PCT/US2018/045835 patent/WO2019032718A1/en unknown
- 2018-08-08 CN CN201880065996.0A patent/CN111201441B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003591A1 (en) * | 2002-06-26 | 2004-01-08 | It-Højskolen | A method of and a system for surveillance of an environment utilising electromagnetic waves |
JP2005535950A (ja) * | 2002-06-26 | 2005-11-24 | アイティ・ユニバーシティ・オブ・コペンハーゲン | 監視システムおよび監視方法 |
JP2009229318A (ja) * | 2008-03-24 | 2009-10-08 | Nippon Telegr & Teleph Corp <Ntt> | 人検知装置および人検知方法 |
US20120146788A1 (en) * | 2010-12-13 | 2012-06-14 | Xandem Technology Llc | Systems and methods of device-free motion detection and presence detection |
JP2015527573A (ja) * | 2012-06-28 | 2015-09-17 | ノースロップ グラマン システムズ コーポレーション | Wifiマッピング及び動き検出 |
US20150156031A1 (en) * | 2012-09-21 | 2015-06-04 | Google Inc. | Environmental sensing with a doorbell at a smart-home |
JP2015052475A (ja) * | 2013-09-05 | 2015-03-19 | 住友電気工業株式会社 | 監視システム |
US9408041B1 (en) * | 2015-04-24 | 2016-08-02 | Insensi, Inc. | Premise occupancy detection based on smartphone presence |
WO2017078811A2 (en) * | 2015-09-15 | 2017-05-11 | Ivani, LLC | Detecting location within a network |
Also Published As
Publication number | Publication date |
---|---|
CA3073589C (en) | 2023-10-17 |
WO2019032718A1 (en) | 2019-02-14 |
EP3662296A4 (en) | 2021-01-20 |
CA3073589A1 (en) | 2019-02-14 |
KR20210157432A (ko) | 2021-12-28 |
KR20200041341A (ko) | 2020-04-21 |
CN111201441B (zh) | 2023-01-31 |
KR102478928B1 (ko) | 2022-12-19 |
EP3662296A1 (en) | 2020-06-10 |
KR102343167B1 (ko) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11711667B2 (en) | Detecting location within a network | |
US10455357B2 (en) | Detecting location within a network | |
US10325641B2 (en) | Detecting location within a network | |
US11423968B2 (en) | Detecting location within a network | |
CN111201441B (zh) | 检测网络中的位置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40030442 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |