CN111347997A - 借助移动电子识别传感器的运动数据认证车辆用户的方法 - Google Patents

Abstract

本发明涉及一种借助移动电子识别传感器的运动数据认证车辆用户的方法。在对车辆用户进行认证的方法中，通过传感器采集移动电子识别传感器(IG)的运动数据(BD)。将所采集的运动数据(BD)馈送到自学习系统(NN)。自学习系统(NN)基于所馈送的运动数据(BD)确定运动轨迹(BP)，并将其与车辆用户相关联(3)。在车辆用户接近车辆时，检查(4)在接近的时刻所采集的运动数据(BD)是否对应于与授权使用车辆(F)的车辆用户相关联的运动轨迹。在一致的情况下，授权(4)接近车辆的车辆用户使用车辆(F)。

Description

借助移动电子识别传感器的运动数据认证车辆用户的方法

技术领域

本发明涉及一种借助移动电子识别传感器的运动数据对车辆用户进行认证的方法。本发明还涉及一种对应的移动电子识别传感器，其被配置为用于实施这种方法。

背景技术

为了闭锁或者打开车辆而作为点火钥匙插入锁中、以便通过转动来打开或者操作车辆的机械车钥匙，越来越多地用无线电钥匙进行补充或者代替，点火钥匙用于启动发动机以及用于其它功能、例如解除方向盘锁，利用无线电钥匙可以通过遥控来锁定和解锁门。此外，所谓的无钥匙锁定系统使得在车辆附近识别出车辆的钥匙时，能够在不主动使用车钥匙的情况下解锁车辆，并且在钥匙处于车辆中时，能够仅通过操作启动按钮来启动车辆。为此，钥匙具有芯片，芯片例如利用RFID或者UWB技术接收来自车辆的信号，随后在芯片侧向车辆回送信号。在此，如果在车辆中识别出正确的信号，则进行身份验证，并且可以打开车辆，并且必要时可以启动车辆。

此外，存在将移动电话、即所谓的智能电话用作数字车辆钥匙的第一种方案。这些方案基于一般的车辆无线电遥控器的工作原理，即，智能电话以适当的形式证明其知道特定于车辆的机密(例如防盗锁机密的一部分)，随后车辆释放进入权限或者给予驾驶授权。

如果通过移动电子识别传感器、例如无线电钥匙或者智能电话进行进入或者驾驶授权，则可以通过转交识别传感器而将授权转交给其他人员。以这种方式，在某一时刻拥有识别传感器的人员被车辆识别为经授权的人员。这一方面是方便的，但是带来的缺点是识别传感器可能丢失或者被盗，然后可能使得未经授权的人员能够进入和使用车辆，因为车辆仅对识别传感器进行识别，而不识别人员本身。

此外，已知使用生物测量数据对经授权的人员进行认证或者识别的无钥匙进入控制和启动系统。为此，可以使用各种生物测量方法。因此，可以借助照相机随后利用图像处理进行面部识别或者虹膜识别。为此，例如同样也可以使用诸如分析手静脉的走向的静脉扫描仪、通过分析语音信号进行的说话人认证或者指纹传感器的识别系统。

然而，这种生物测量进入系统需要特殊的硬件部件来采集生物测量数据。如果将其集成到车辆中，则甚至可能需要双倍地实施生物测量分析系统，以便能够对从外部进入以及对用于发动机启动的电子防盗锁的停运分开进行授权。这在车辆生产中可能导致显著的附加成本。此外，在每次进入车辆以及每次启动发动机时，车辆用户都被迫重新执行这种授权过程。

此外，存在分析用户的运动模式以实现进入车辆的方案。因此，DE 10 2006 037237 A1公开了一种用于控制车辆的门的方法，在该方法中，在车辆处对移动识别传感器进行认证，并且还采集移动识别传感器相对于车辆的运动模式。当识别出经成功认证的移动识别传感器的预定的运动模式时，将车辆的门解锁和/或打开。在此，运动模式具有至少两个连续不同的方向上的运动，并且可以通过利用照相机跟踪携带移动识别传感器的用户的运动，来采集运动模式。但是，也可以替代地在车辆侧发射具有预定强度的请求信号，并且接收来自移动识别传感器的响应信号，响应信号包含与在移动识别传感器的位置处测量的请求信号的强度有关的信息。

此外，DE 10 2013 220 240 A1描述了一种用于车辆的乘员存在和中央锁定系统。乘员存在系统检查在车辆中是否存在乘员。只有当在车辆中不存在乘员时，中央锁定系统才锁住门锁，以避免将人员锁在车辆中。此外，分析去往以及来自无线电钥匙的无线电信号，以确定无线电钥匙相对于车辆的位置，其中，当检测到钥匙的预定的空间上的改变时，自动操作门锁。

DE 10 2016 218 351 A1公开了一种控制机动车的门的方法，在该方法中，借助便携式移动终端设备分析用户的步态(Gang)，其中，用信号通知用户的负荷(beladener)状态或者无负荷状态，并且据此控制机动车的门。

DE 10 2017 105 786 A1描述了识别作为车辆的驾驶员的人员。在此，由例如集成在无线电钥匙中的第一传感器收集数据，以便在驾驶员进入车辆之前，基于其步态模式识别驾驶员。由于人员的步态模式可能变化，因此附加地分析由第二传感器、例如车辆中的面部或者语音识别系统收集的数据，以便对驾驶员进行确认。然后，通过识别驾驶员，可以在进入车辆之前，就针对驾驶员调整车辆配置。

最后，DE 10 2017 222 900 A1还公开了通过将例如在接近车辆、打开车门或者进入车辆时采集的运动模式，与车辆驾驶员的已知的运动模式进行比较，来识别该车辆驾驶员，以针对识别出的车辆驾驶员实施预先编程的车辆设置。

发明内容

本发明要解决的技术问题是，提供一种改进的借助移动电子识别传感器的运动数据对车辆用户进行认证的方法和对应的移动电子识别传感器。

上述技术问题通过具有本发明的特征的方法以及通过根据本发明的移动电子识别传感器来解决。本发明的优选设计方案是下面的描述的主题。

在根据本发明的用于对车辆用户进行认证的方法中，通过传感器采集移动电子识别传感器的运动数据。将所采集的运动数据馈送到自学习系统。自学习系统基于所馈送的运动数据确定运动轨迹，并将其与车辆用户相关联。当车辆用户接近车辆时，检查在接近的时刻所采集的运动数据是否对应于与授权使用车辆的车辆用户相关联的运动轨迹。在一致的情况下，授权接近车辆的车辆用户使用车辆。

因此，利用移动电子识别传感器，一方面可以以可靠的方式将识别传感器的携带者识别为授权使用车辆的人员，而不需要为此在车辆中设置附加的部件；另一方面，特别是在移动电子识别传感器集成在无线电遥控器或者移动无线电设备中时，这对于车辆用户特别方便。

优选运动轨迹基于在离开车辆之后和/或在打开车辆之前接近车辆之后采集并且分析的车辆用户的运动数据。

特别优选不仅在车辆的附近区域中，而且在该附近区域外部，采集移动电子识别传感器的运动数据。

根据本发明的一个实施方式，在附近区域中，通过至少一个集成在车辆中的无线电部件和集成在移动电子识别传感器中的无线电部件之间的运行时间测量，来采集移动电子识别传感器相对于车辆的距离和/或位置；利用至少一个集成在移动电子识别传感器中的传感器，来采集运动数据。

有利地，无线电部件是超宽带部件。

至少一个集成在移动电子识别传感器中的传感器同样有利地是一个或多个加速度传感器、陀螺仪传感器和/或磁传感器。

优选将传感器采集的运动数据划分为连续的时间样本。

根据本发明的另一个实施方式，当移动电子识别传感器在车辆的附近区域中位于车辆的门或者盖(Klappe)附近时，采集运动数据，自学习系统根据该运动数据，来确定车辆用户相对于位于附近的车辆的门或者盖的运动过程。

在此，优选在车辆用户接近车辆的门或者盖时，检查在接近车辆的门或者盖的时刻所采集的运动数据是否对应于所确定的运动过程；并且在一致的情况下，将车辆的门或者盖解锁和/或打开。

自学习系统有利地被设计为人工神经网络。

本发明还涉及一种移动电子识别传感器，在该移动电子识别传感器中使用根据本发明的方法。

附图说明

结合附图，本发明的其它特征将从下面的描述中变得明显。

图1示出了根据本发明的方法的基本设计的流程图，根据本发明的方法用于借助移动电子识别传感器的运动数据对车辆用户进行认证；

图2示出了根据本发明的方法的更详细的流程图；

图3示意性地示出了携带移动电子识别传感器的车辆用户相对于车辆的距离和/或位置采集以及关于车辆用户的身份和/或运动的特征的确定的概览；

图4示意性地示出了借助人工神经网络的特征的确定；

图5示意性地示出了划分为移动电子识别传感器、车辆和外部计算机网络的人工神经网络的优化的示例；以及

图6示意性地示出了关于根据本发明进行的对用于确定特征的传感器数据的处理的概览。

具体实施方式

为了更好地理解本发明的原理，下面根据附图更详细地说明本发明的实施方式。应当理解，本发明不限于这些实施方式，也可以对所描述的特征进行组合或者修改，而不脱离在权利要求中限定的本发明的保护范围。

图1示出了根据本发明的用于对车辆的用户进行认证的方法的流程图。在此，所述方法的基本设计在第一方法步骤S1中设置为，通过传感器采集车辆用户携带的移动电子识别传感器(Identifikationsgeber)的运动数据。在此，移动电子识别传感器特别是可以集成在车辆的无线电遥控器中。然而，同样也可以借助集成在移动电话或者其它移动终端设备、例如所谓的智能手表或者数据眼镜中的识别传感器来执行所述方法。在此，识别无线电遥控器或者移动电话相对于车辆的位置和位置矢量。此外，还通过传感器采集运动、加速度，以及必要时还采集相对于地球磁场的取向。

将所采集的运动数据划分为短的时间序列，并且在第二方法步骤S2中转发到人工神经网络，以进行分析。然后，人工神经网络在车辆使用的情境下学习用户的一个或多个运动轨迹(Bewegungsprofile)。在此，这种运动轨迹既包括用户在停车和离开车辆之后的运动，也包括在随后返回时到车辆的运动。

用户离开和返回之间的时间段可以包括仅仅几分钟、几个小时或者几天的任意的长度，或者也可以包括更长的持续时间。此外，可以针对用户确定多个不同的运动轨迹。因此，在离开车辆之后，根据停车地点，可以识别出不同的运动特征。一般的停车地点例如一方面在用户的住所或者房屋附近，另一方面在用户的工作场所附近。对此，例如可以采集不同长度的、特别是不同类型的步行路径。因此，用户去过的地点中的一个可以在平地上，而其它地点位于布置在底层上方的上方楼层中。然后，为了到达上方楼层，用户将爬楼梯或者使用电梯。这可以通过所携带的无线电遥控器或者所携带的移动电话中的传感器来采集，然后同样是相应的运动轨迹的一部分。最后，也可以设置为，学习车辆的不同的用户的运动轨迹，并且将其与相应的用户相关联。

在第三方法步骤S3中，采集用户对车辆的接近。然后，将当前的运动数据与已知的、已经学习过的该车辆的用户的运动轨迹进行比较。

在此，如果确定与和授权使用该车辆的用户相关联的运动轨迹一致，则在第四方法步骤S4中，授权当前接近该车辆的用户使用该车辆。在此，车辆也可以根据用户以不同的程度释放使用。例如，对于经授权的第一用户，可以允许进入以及启动发动机，而对于经授权的第二用户，仅释放进入、但是不释放发动机启动。因此，例如可以使车主的没有驾驶权限的儿童能够进入车辆，然后该儿童在车辆中不能启动发动机。此外，经授权的用户例如可以使用付费的在线服务，而对于其它用户，不解锁付费的在线服务。

如已经提到的，首先必须学习移动电子识别传感器的运动轨迹，对于下面的描述，移动电子识别传感器以车辆的无线电遥控器的形式集成在车辆钥匙中。为此，根据图2中的方法步骤S5，例如在将装备有无线电遥控器的车辆移交给购买者之后，通过借助按下无线电遥控器的按键首次打开车辆并且启动发动机，来激活无线电遥控器。

如果在启动发动机之后或者在稍后启动发动机之后，在方法步骤S6中采集到车辆的点火装置关闭，则请求无线电遥控器进行数据记录。随后，记录无线电遥控器的运动过程，由此记录车辆用户的运动过程。从离开驾驶员座位开始，现在，在方法步骤S7中，读出传感器的所有可用的数据，并且在例如10至50秒的时间段Δt内记录在无线电遥控器中。用于该附近区域识别的时间段取决于用户在离开车辆之后、通常在用户离开该车辆的附近区域之前仍然在该区域中度过的时间。

在该时间段的过程之后，在方法步骤S8中，在无线电遥控器中不再存储所有传感器数据，而是还仅存储分别设置有时间戳的识别出的运动特征。下面称为居所识别(Heimerkennung)的这种模式下的一般的运动特征，例如可以包括乘坐电梯或者爬楼梯时的运动模式，或者也可以包括旋转或者路线矢量(Streckenvektor)。同样可以作为附加的特征来采集休息阶段。为此，存储相应的休息阶段的持续时间的存储就足够了，从而与连续采集并且存储传感器数据相比，所需要的存储器需求得到显著压缩。

在稍后无线电遥控器接近车辆时，在方法步骤S9中，无线电遥控器从居所识别返回至近场识别(Nahfelderkennung)。在此，无线电遥控器向车辆发送具有Ping命令的信号，车辆随后发送回加密的Ping命令。随后，在方法步骤S10中，基于所存储的运动特征来检查是否是授权使用车辆的用户。

此外，根据方法步骤S11，现在，在附近区域识别中再次采集并且分析传感器的所有数据，并且在方法步骤S12中，与已经学习过的该用户在车辆的附近区域中的一般的运动过程进行比较。在此，如果在方法步骤S13中识别出学习过的运动过程，例如用户在先前的车辆使用中紧接在上车之前实施的、接近车辆的驾驶员侧车门、然后向驾驶员侧车门的方向进行旋转运动，则可以将这识别为驾驶员的打开意愿，并且自动调节驾驶员侧车门，并且必要时打开驾驶员侧车门。于是，前往车辆的任意其它方式都不被识别为打开意愿。也可以由用户自己确定再现用户的打开意愿的这种运动过程。在此，例如车辆制造商不预先定义这些运动过程，而是通过采集用户的运动行为，单独针对该用户学习这些运动过程。

参考图3，示意性地描述了携带移动电子识别传感器的车辆用户相对于车辆的距离和/或位置采集以及关于车辆用户的身份和/或运动的特征的确定的概览。

车辆F具有多个无线电部件T，无线电部件T具有UWB发送器和/或接收器，并且用作所谓的标签和/或锚(Anchor)。超宽带(Ultra Wide Band，UWB)技术使得能够在附近区域中以低发送功率交换数据，并且由于相对于干扰的鲁棒性以及可能的高数据速率，而特别适合用于车辆环境中的位置确定。然后，通过这些锚或者标签中的多个之间的信号的无线电运行时间测量，结合三角测量法，可以确定无线电遥控器相对于车辆的距离和位置。这种距离或者位置确定可以在车辆的附近区域中以高精度进行，但是局限于几米的车辆距离。但是，原则上，代替UWB，也可以使用其它无线电技术，例如WLAN或者蓝牙。

在所示出的示例中，无线电部件布置在车辆的驾驶员侧车门以及其它的门、车尾和中控台上。车辆的无线电遥控器同样具有UWB发送器和/或接收器。在此，通过在车辆中使用多个无线电部件，确保使得能够在车辆附近与用户的当前位置无关地，在没有干扰的情况下与无线电遥控器建立无线电连接。

此外，通过具有多个传感器、例如加速度传感器、陀螺仪和/或磁场传感器的组合并且布置在钥匙中的惯性测量单元(英语：“inertial measurement unit”，IMU)，来确定钥匙的位置和运动，由此也确定用户N的位置和运动。在此，通过传感器融合将不同的传感器的数据组合在一起，随后进行过滤。在此，过滤器去除不重要的信号分量，或者选择与神经网络进行的进一步处理相关的信号分量，为此也可以向传感器融合提供反馈。

当用户N离开车辆F时，记录运动数据，运动数据一方面反映用户如何运动，即，例如以什么步长和步频实施或者是否实施旋转运动。另一方面，还在附近区域中采集用户相对于车辆如何运动。这些运动数据的采集可以与车辆无关地通过集成在车辆钥匙中的传感器进行，由此可以在距车辆的任意距离处进行。但是，在车辆的附近区域中，可以将运动数据与通过无线电部件确定的距离和位置数据进行比较，并且在确定运动特征时，一起考虑运动数据。然后，以这种方式，可以确定用户相对于车辆位于何处，例如，用户位于驾驶员侧车门附近、车尾附近、还是位于其它区域中。将运动数据传输到人工神经网络，人工神经网络确定一般的运动特征，例如旋转运动、通过一个或多个楼梯或者乘坐电梯。

在图4中示例性地示出了人工神经网络对不同的传感器数据的处理。在此，人工神经网络例如可以是多层LSTM网络(英语：Long short-term memory，长短期记忆)。在此，人工神经网络基于连结的人工神经元，人工神经元可以处理多个输入，可以分别以权重Wij单独对这些输入进行加权。在此，权重Wij确定神经元的输入在计算神经元的激活时施加的影响的程度。在本示例中，人工神经元布置在依次放置的多个层中，其中，在输入层和输出层之间存在两个隐藏的层。

作为输入数据向神经网络NN馈送传感器数据SD。此外，为了训练神经网络，还向神经网络馈送已知的、相应的用户的过去的运动数据HP。然后，在通过神经网络的多个层之后，作为特征得到用户相对于车辆的位置，以及必要时还得到当前涉及哪个用户。因此，作为关于用户的位置的特征，例如可以提供用于识别处于车尾附近的位置的特征MH、用于识别处于驾驶员侧车门附近的位置的特征MF或者用于识别处于乘客侧车门附近的位置的特征MB。关于用户的身份，例如为了识别人员A，可以提供特征MPA；为了识别人员B，可以提供特征MPB；以及为了识别人员C，可以提供特征MPC。在此，例如可以通过不同的步频来确定不同的用户。为了能够以足够的概率识别单独的用户，例如将要识别的不同的用户的数量限制为最多5到10个不同的用户。

根据图5进一步说明神经网络的学习阶段。在此，除了车辆F和无线电遥控器FSB之外，云C形式的外部IT基础设施也例如经由车辆的因特网连接进行参与。在此，在云C中，一方面可提供可以全部或者部分地用于运动轨迹的计算或者学习的高的计算能力。此外，可以经由云C将用户的运动轨迹或者相应的权重，从一个车辆或者车辆钥匙传输到另一个车辆或者另一个车辆钥匙。以这种方式，用户例如可以将学习过的用户的运动轨迹用于多个车辆或者从一个车辆传输到另一个车辆。同样可以基于多个车辆的使用来对用户的运动轨迹进行学习或者优化。

在此，首先在云中计算预训练的权重Cij，并且在学习过程开始时，例如在首次接收车辆时，将预训练的权重Cij从云传输到与云连接的车辆，并且从车辆经由无线电连接发送到车辆钥匙。

随后，将在携带钥匙的用户运动时收集的运动数据，从钥匙发送到车辆，以进一步进行训练，然后，车辆可以基于这些新获得的关于用户的运动行为的知识，对相应的权重进行进一步计算。然后，再次将数据和计算的权重Fij从车辆F传输到云，以进行进一步的处理。然后，将随后重新计算的权重Cij再次经由车辆传输到钥匙。以这种方式，神经网络的权重总是进一步得到优化，由此总是使得能够基于采集的用户的运动轨迹更准确地预测特征。

在此，特别是还分析在学习阶段开始之后，用户是否也借助无线电遥控器进一步对车辆进行了操作。例如，如果用户在车辆附近通过操作无线电遥控器的相应的头来打开车辆，则其原因可能是，神经网络尚未完整地学习用户走近车辆时的运动过程，因此未正确地识别出用户的运动过程。这可以通过神经网络来考虑，从而利用每一次另外手动进行的车辆的打开和关闭，来持续不断地改善基于识别的运动轨迹的车辆的自动进入的可靠性。如果正确地确定并执行了打开意愿或者其它功能，则同样可以进行反馈。

即使不能唯一地识别出用户，例如因为用户由于其它鞋类或者受伤而以其它方式移动到车辆的附近区域中，也可以重新执行所提到的学习。然后，为此，用户首先需要再次利用无线电遥控器手动打开车辆。然后，随后重新训练改变后的用户的特征。然后，可以在下一次接近车辆时考虑改变后的用户的特征。在此，为了避免滥用，可以设置为，在开始该学习阶段之前，必须事先输入PIN码。为此，也可以提供专门的App(应用)，将App安装在移动无线电设备上，并且使得能够创建配置文件。

在此，在图5中示出的示例中，为了清楚起见，仅分别示出了用于识别第一驾驶员A或者第二驾驶员FB的特征，在此省略了例如关于用户相对于车辆的位置的其它特征。

最后，图6示意性地示出了关于根据本发明进行的对传感器数据的处理所需要的数据处理部件的概览。在所示出的示例中，上面已经提到的神经网络NN具有N个层。在此，还相应地向神经网络的输入返回神经网络的反馈。

此外，设置了用于进行动态时间归一化的DTW(英语：“dynamic time warping”，动态时间规整)算法，DTW算法对不同长度的数据序列相互进行映射。在此，针对相应的传感器和相应的活动，将数据划分为一系列短的时间样本。

然后，基于对这些时间样本与已经存在的模型(Vorlage)的相似性评估，对这些时间样本进行分类，其中，然后将单独的分类的结果组合。以这种方式，确保神经网络仅考虑独特(markante)的信号。在此，对于识别出的模式，还分别向模式数据库返回关于识别出的模式的相关性的反馈。

此外，进行回归分析LR，以确定哪些信号值得考虑，或者对神经网络的输出数据进行评价。在此，例如可以对数据应用Sigmoid函数(S型函数)，Sigmoid函数具有S形曲线，并且经常在人工神经网络中用作人工神经元的激活函数。

本发明不局限于对车辆的用户的认证，而是也可以在可以借助移动电子识别传感器来进行使用权限的证明的其它领域使用。

附图标记列表

F 车辆

HP 相应的用户的运动历史

IG 移动电子识别传感器

MH、MF、MB、MPA、MPB、MPC 特征

N 车辆用户

NN 自学习系统

S1-S13 方法步骤

SD 传感器数据

T 无线电部件

Claims (12)

1.一种借助移动电子识别传感器(IG)的运动数据对车辆用户进行认证的方法，其中，

-通过传感器采集(1)移动电子识别传感器(IG)的运动数据(BD)，并且将所述运动数据馈送到自学习系统(NN)；

-所述自学习系统(NN)基于所馈送的运动数据(BD)确定运动轨迹(BP)，并且将其与车辆用户相关联(2)；

-在车辆用户接近车辆(F)时，检查(3)在接近的时刻采集的运动数据(BD)是否对应于与授权使用车辆(F)的车辆用户相关联的运动轨迹；以及

-在一致的情况下，授权(4)接近车辆的车辆用户使用车辆(F)。

2.根据权利要求1所述的方法，其中，运动轨迹基于在离开车辆之后和/或在接近之后、在打开车辆之前采集并且分析的车辆用户的运动数据(BD)。

3.根据权利要求1或2所述的方法，其中，不仅在车辆(F)的附近区域中，而且在所述附近区域外部，采集移动电子识别传感器(IG)的运动数据(BD)。

4.根据权利要求3所述的方法，其中，在所述附近区域中，通过至少一个集成在车辆(F)中的无线电部件和集成在移动电子识别传感器(IG)中的无线电部件之间的运行时间测量，来采集移动电子识别传感器(IG)相对于车辆的距离和/或位置，并且利用至少一个集成在移动电子识别传感器(IG)中的传感器，来采集运动数据(BD)。

5.根据权利要求4所述的方法，其中，无线电部件是超宽带部件(UWB)。

6.根据权利要求4或5所述的方法，其中，至少一个集成在移动电子识别传感器(IG)中的传感器是一个或多个加速度传感器、陀螺仪传感器和/或磁传感器。

7.根据权利要求4至6中任一项所述的方法，其中，将传感器采集的运动数据(BD)划分为连续的时间样本。

8.根据上述权利要求中任一项所述的方法，其中，所述自学习系统(NN)根据当移动电子识别传感器(IG)在车辆的附近区域中位于车辆的门或者盖附近时所采集的运动数据(BD)，确定车辆用户相对于位于附近的车辆的门或者盖的运动过程(BA)。

9.根据权利要求8所述的方法，其中，

-在车辆用户接近车辆的门或者盖时，检查(4)在接近车辆的门或者盖的时刻所采集的运动数据(BD)是否对应于所确定的运动过程(BA)；以及

-在一致的情况下，将车辆的门或者盖解锁和/或打开。

10.根据上述权利要求中任一项所述的方法，其中，所述自学习系统被设计为人工神经网络。

11.一种移动电子识别传感器，其被配置为实施根据上述权利要求中任一项所述的方法。

12.根据权利要求11所述的移动电子识别传感器，其中，所述移动电子识别传感器集成在无线电遥控器或者移动无线电设备中。

Images