CN112639894A - 用于分析与人员相关的事故数据的计算机辅助方法 - Google Patents

Abstract

一种计算机辅助方法，其用于分析一个或多个车辆乘员(3)的与人员相关的事故数据(10)，其中，所述与人员相关的事故数据(10)至少包括事故期间所述车辆乘员(3)的视频序列的图像数据。所述方法包括：至少一个使用所述图像数据检测图案(M(x))的第一步骤(S1)；以及至少一个将检测到的图案(M(x))与多个先前存储的图案(M(1)...M(n))进行比较的第二步骤(S2)。

Description

用于分析与人员相关的事故数据的计算机辅助方法

技术领域

本发明涉及一种用于分析一个或多个车辆乘员的与人员相关的事故数据的计算机辅助方法，一种用于计算机辅助分析一个或多个车辆乘员的与人员相关的事故数据的装置。

背景技术

由于交通事故，车辆驾驶员或其它车辆乘员可能会受到各种伤害。在事故中、更特别是在追尾碰撞中，颈椎(由于头部相对于固定的躯干突然和不可预见的运动)、头部本身和胸部以及躯干和四肢特别频繁地发生伤害。当被安全带保持住时，头部在事故期间相对于躯干的各种猛烈运动例如在几百毫秒范围内的非常短的时间内发生。由此造成的伤害和/或医学症状被称为颈椎过度屈伸创伤(也称为颈椎扭曲或颈椎过度屈伸综合征)，并且其严重性可以从韧带过度拉伸扩展到脊椎骨折或致命伤害。

然而，不利的碰撞角度可能导致安全带的保持功能失效，从而引起不受限的复合创伤，这可以通过图像化证明。然而，在提供图像的常规医疗过程中，例如在X射线诊断中，大多数发生的伤害无法被显示或者难以显示，这可能使医疗诊断和由于长期损伤而为保险单上的付款索赔提供证据更加困难。

另一方面，对于许多伤害，针对相关伤害的及时医疗处置对于确保患者尽可能好的愈合以及能够防止或至少减少可能的长期后果是重要的。

在本申请的申请日期尚未公开的专利申请EP18169880.4描述了一种用于在车辆中记录与人员相关的事故数据的系统和方法。在这种情况下，在车辆、例如机动车辆的事故期间，通过高速相机捕获并记录一个或多个车辆乘员的图像数据。随后，图像数据可用于从医学观点分析事故事件，并因此允许得出关于对车辆乘员的可能伤害的结论。

发明内容

本发明的任务在于提供一种用于分析与人员相关的事故数据的替代的或者说改进的计算机辅助方法，或者说提供一种用于计算机辅助分析一个或多个车辆乘员的与人员相关的事故数据的装置。

该任务通过根据权利要求1所述的分析一个或多个车辆乘员的与人员相关的事故数据的计算机辅助方法、根据权利要求11所述的用于计算机辅助分析一个或多个车辆乘员的与人员相关的事故数据的装置以及根据权利要求13所述的事故辅助系统来实现。在这种情况下，该装置还可以进一步由下面列出的特征或者说由从属权利要求中列出的特征来形成，或反之亦然，或者说下面列出的特征或从属权利要求中列出的特征也可以被组合用于进一步的实施例。

根据本发明的计算机辅助方法用于分析一个或多个车辆乘员的与人员相关的事故数据，其中，与人员相关的事故数据至少包括事故期间车辆乘员的视频序列的图像数据。该方法包括至少一个使用图像数据检测图案的第一步骤和至少一个将检测到的图案与一定数量的先前存储的图案、优选多个先前存储的图案进行比较的第二步骤。

在本申请的上下文中，术语“数量”总是被理解为“一个或多个”，而术语“多个”表示若干，即多于一个。

在这种情况下，特征“图案”或者说“事故图案”被理解为，其从图像数据中提取，并表征与车辆乘员相关的事故的情况。这种特征可以特别是运动学数据。

在这种情况下，视频序列优选地包括足够数量的图像，即，足够量的图像数据，以能够从其如下所述地检测图案。为此，例如可以借助高速相机提供视频序列，其中，高速相机被设计用于每秒记录大量的帧数(fps)，例如至少700fps或至少1000fps。在这种情况下，视频序列优选地包括足够长的记录时间，以记录一个或多个车辆乘员在事故发生期间的整个运动序列，并视情况而定包括在事故发生之前和/或事故发生期间的短的持续时间。例如，视频序列可以对应于10或15秒的记录时间。

例如，在第二步骤中进行的比较的结果可以是，检测到的图案对应于先前记录的图案，其中，该先前记录的图案可以特别基于在先前事故发生中记录的图像数据。在这种情况下，换句话说，在图案对应的情况下，可以提供由先前事故所确定的其它信息。因此，例如可以使用经验值，例如由先前事故所引起的伤害。由于图案检测和图案比较自动发生，因此可以实现比对情况进行手动分析更好的结果，例如，如果急救人员和/或治疗医生仅视觉地或在没有计算机辅助的情况下分析所提供的视觉序列。

所确定的图案例如还可针对例如由于长期损伤而为保险单的付款索赔被用于改进的证据。

在这种情况下，与先前存储的图案和所确定的图案的对应不必是百分之百的对应。在这种情况下，它可以仅是部分对应，例如，在先前设定的置信区间内，例如95％或90％。此外，比较单元可以例如被形成用于检测一图案，该图案分别部分地对应于两个先前提供的图案，并提供对应于这两个先前提供的图案的任何数据或信息输出。

优选地，检测到的和/或先前存储的图案包括车辆乘员在事故期间的运动序列，特别是车辆乘员的头部和/或颈部和/或胸部和/或躯干和/或四肢的加速过程的时间序列，和/或车辆乘员的头部和/或颈部和/或躯干和/或胸部和/或四肢的位移的时间序列。

这种运动序列由视频序列的单个图像的时间序列给出，其中，单个图像被评估并组合成相应的运动序列。该运动序列例如可以涉及车辆乘员的单个或若干身体部位(诸如例如头部、颈部、胸部、躯干和/或四肢)或者还涉及单个或若干身体部位彼此的相对运动。因此，例如可以相对于相关身体部位的对应位置来评估单个图像。

加速或者说加速过程在本申请的上下文中应当被理解为正的、即增加速度，以及负的、即制动的加速和加速过程。

由于事故造成的伤害基本上是由一个或多个这样的运动序列引起的，因此这种图案可以是基于或包括运动序列而发生的伤害的良好指标。因此，图像数据的自动评估(即，从图像数据检测图案)能够实现例如甚至在初始调查之前或伴随该初始调查获得对可能伤害的估计。其结果是，例如，初始治疗可以尽可能好地适应于一个伤害或多个伤害，和/或可以降低忽视伤害的风险，和/或伤害或者说各种身体区域可以根据(可预期的)伤害的严重性被及时地治疗或调查。因此，例如通常可以对事故中涉及的人员提供更好的医疗(初始)护理。

优选地，为先前存储的图案分别分配医疗诊断数据，并且该方法还包括输出分配给检测到的图案的医疗诊断数据的第三步骤。更加优选地，医疗诊断数据至少包括医疗诊断和/或关于医疗长期后果的信息，和/或医疗诊断数据包括对车辆乘员伤害的可能严重性程度进行说明的指标值。利用这种医疗诊断数据，例如可以以简单的方式特别是预先、即在初始检查之前检测和/或估计车辆乘员的可能伤害。例如，可以为身体和/或身体部位的各个区域提供说明伤害严重性的值的指标值，并且可以使用相关指标值建立对事故中所涉及人员的伤害的及时处理序列。通过该方法，可以快速和尽可能及时地提供诊断数据。这对于威胁生命的伤害可能是特别决定性的。此外，医疗诊断数据可用作例如对常规医疗诊断方法的支持，特别是对诸如X射线检查的图像生成医疗过程的支持，以使医疗诊断更容易和/或改进该医疗诊断。

优选地，与人员相关的事故数据还包括车辆的紧接在事故之前和/或事故期间的物理运行数据，即，其速度和/或加速度。因此，除了用于检测图案的图像数据之外，例如可以使用这些物理运行数据。

优选地，根据本发明的方法通过使用用于实施机器学习的算法来进行，其中，该算法更加优选地适于预先使用一组所提供的与人员相关的事故数据从作为先前存储的图案存储的图像数据中检测一定数量的图案。

在这种情况下，机器学习通常被理解为从经验(即，先前发生的事故)生成知识(在这种情况下，从与人员相关的事故数据、特别是图像数据并且可能地与医疗诊断数据相结合地提取特定图案)。原则上，该算法被设计用于从示例(即，先前发生的事故)中学习，因此提取对应的图案并随后评估未知的与人员相关的事故数据、特别是图像数据。

为了学习随后作为先前提供的图案所存储的图案，优选预先向算法提供来自先前事故的一组与人员相关的事故数据(即，多个与人员相关的事故数据)、特别是图像数据，特别是与对应的医疗诊断数据相结合。在该学习阶段之后，算法随后能够至少部分地运行上述方法，特别是从所提供的与人员相关的事故数据中检测图案，并将该图案例如分配给特定的伤害和/或伤害类别。例如，各种伤害可被分组为多个伤害类别。

利用这种用于实施机器学习的算法，例如可以至少部分自动地运行上述方法。在这种情况下，特别可以提供大量数据(来自先前事故的、先前提供的与人员相关的事故数据)，基于这些数据来确定先前提供的图案。此外，例如当发生事故时，对应的图案被快速且以简单的方式确定。

优选地，将先前存储的图案存储在事故数据库中。在这种情况下，一方面，例如可以实现对先前存储的图案的访问。另一方面，这种数据库允许例如通过存储附加的和/或新确定的图案和/或通过添加其它医疗诊断数据来对其进行更新和/或扩展。特别地，上述用于实施机器学习的算法可以被设计用于将新检测到的图案存储在数据库中。

根据本发明的装置用于计算机辅助分析一个或多个车辆乘员的与人员相关的事故数据，其中，与人员相关的事故数据至少包括事故期间车辆乘员的视频序列的图像数据。该装置包括：检测单元，用于使用图像数据来检测图案；以及比较单元，用于将检测到的图案与一定数量的先前存储的图案进行比较。优选地，该装置还包括用于输出分配给检测到的图案的医疗诊断数据的输出单元。在这种情况下，即使利用这种装置，例如也可以实现与计算机辅助方法有关的上述效果。

根据本发明的事故辅助系统包括：用于计算机辅助分析与人员相关的事故数据的上述装置；高速相机，其用于在事故期间捕获车辆乘员的视频序列的图像数据；以及数据存储器、优选循环存储器，其用于存储由高速相机记录的图像数据。优选地，事故辅助系统还包括用于捕获车辆的物理运行数据的运行数据捕获单元。因此，例如可以更快地提供关于车辆乘员的可能伤害的信息。

附图说明

利用附图，从对说明性示例的描述得到本发明的其它性质和目的。

图1为具有用于捕获与人员相关的事故数据的系统的车辆的示意图，该系统连接至用于计算机辅助分析与人员相关的事故数据的装置，

图2为根据本发明说明性示例的用于计算机辅助分析与人员相关的事故数据的装置的示意图，和

图3示意性地示出了根据本发明的用于分析与人员相关的事故数据的方法。

具体实施方式

图1示出了车辆1，其具有车辆乘员3和示意性示出的用于捕获与人员相关的事故数据的车辆内部系统2，该车辆内部系统经由数据连接被连接到根据本发明的装置20，该装置用于计算机辅助分析与人员相关的事故数据。在图1中作为示例示出的车辆1是机动车辆，但是其例如可被设计成商用车辆。

用于记录与人员相关的事故数据的车辆内部系统2包括：至少一个相机，其被设计成高速相机4以用于捕获图像数据；未更详细示出的、被设计成循环存储器的数据存储器；以及未详细示出的用于将存储在循环存储器中的数据传输到装置20的传输单元。可选地，系统2还包括运行数据捕获单元(未示出)，用于捕获车辆1的物理运行数据。

系统2的高速相机4被设计和布置在车辆1中，使得该高速相机适于捕获车辆乘员3所在的车辆内部的区域，即用于记录车辆乘员3的图像形式的视频序列。在这种情况下，高速相机4不是必须捕获车辆乘员3的整个身体，而是捕获其身体的上部就足够了，特别是头部5、颈部和上身和/或肩部区域。优选地，相机还捕获身体的远端区域。

高速相机4具有高记录速度，例如至少700fps、优选至少1000fps。视频序列的图像由高速相机4记录为数字图像数据。

高速相机4通过数据连接(例如数据线缆)被连接至循环存储器。循环存储器适于以数字形式存储由高速相机4记录的图像数据20。可替代地，循环存储器也可以是高速相机4的内部存储器。

循环存储器是具有特定大小或者说存储容量的数字存储器，在该数字存储器中，在当前情况下可以连续存储数据，该数据包括由高速相机捕获的图像数据。如果达到了循环存储器的最大大小并且循环存储器是满的，则相应的最早保存的元素被覆盖，由此将数据保存在所谓的回路中。因此，存储器的图形表示是循环形状。例如，循环存储器可利用合适的软件来实现，通过该软件相应地控制数据在数字存储器中的存储和读取。优选地，循环存储器的大小或其存储容量足以在几秒钟的时间间隔期间(例如10秒或20秒)存储由高速相机记录的图像和要保存的车辆的任何物理运行数据(在这些数据被再次覆盖之前)。

可选的运行数据捕获单元优选地也通过数据连接(例如数据线缆)连接至循环存储器，以用于将由运行数据捕获单元所记录的车辆1的物理运行数据存储在循环存储器中。例如，运行数据捕获单元可被设计为速度传感器和/或位置传感器、例如GPS，和/或被设计为加速计，以用于采集车辆1的瞬时速度或者说位置或者说加速度作为运行数据。

此外，循环存储器通过数据连接(例如数据线缆)连接至系统2的传输单元。传输单元适于通过无线传输方法，优选加密地将保存在循环存储器中的图像和可选地作为与人员相关的事故数据10的运行数据传输至装置20。为此，传输元件具有未示出的数据接口。

系统2甚至还可包括未更详细描述的其它部件，例如用于对系统2的单个部件进行控制的控制单元、用于确立事故的传感器、用于对车辆内部照明的照明装置、用于分析数据的分析单元和/或其它数据存储器。

当系统2运行时，高速相机4在车辆1行驶时连续拍摄车辆乘员3，即，它记录车辆乘员3的图像数据，并将这些图像数据传输到循环存储器。可选地，同时通过运行数据捕获单元优选连续地记录车辆1的运行数据并也将其传输到循环存储器。只要没有事故发生，存储在循环存储器中的数据就根据特定的记录时间分别被新的数据再次覆盖，该记录时间特别取决于循环存储器的记录容量。

在事故期间，中断该连续的数据存储，使得存在于循环存储器中的数据不再被覆盖。因此，在数据存储结束后，在发生事故的时间段内存在循环存储器中的图像数据和可选地物理运行数据。随后，这些数据作为与人员相关的事故数据10通过传输单元被传输到装置20，以用于分析与人员相关的事故数据。可替代地，与人员相关的事故数据也可以被传输到外部位置，例如，救援控制中心和/或另外的医疗设施和/或车辆外部的数据存储器，例如外部服务器或云，并由该外部位置提供以在装置20中使用。由此，与人员相关的事故数据10的传输无线地发生，例如通过无线电，特别是移动无线电或互联网，并且可以例如与电子发出的紧急呼叫(称为eCall)一起完成。优选地，与人员相关的事故数据10以加密格式进行传输，例如通过OpenPGP，其中，与人员相关的事故数据10是由传输单元通过由装置20或者说外部位置生成的公共密钥进行加密的，并且仅能通过装置20的相应私有的密钥或者说外部位置再次解密。

可替代地，用于计算机辅助分析与人员相关的事故数据的装置20可以在移动装置(在图中未示出)中实施，该移动装置引导急救人员并且例如可以通过数据连接(例如数据线缆)连接到传输单元。移动装置与车辆内部系统2一起是事故辅助系统的一示例。这用于及时识别车辆乘员的可能受到的伤害。

在图2中示意性示出的用于计算机辅助分析与人员相关的事故数据的装置20包括至少一个检测单元21、比较单元22和输出单元23。下面参照图3描述用于计算机辅助分析与人员相关的事故数据的装置20的操作。

在根据本发明的用于分析与人员相关的事故数据的计算机辅助方法的第一步骤S1(见图3)中，检测单元21从与人员相关的事故数据10的图像数据检测图案M(x)。可选地，除了图像数据之外，检测单元还可将车辆1的物理运行数据用于检测图案M(x)。

图案M通常描述事故期间车辆乘员3的一个或多个运动序列。例如，图案可包括车辆乘员3的身体的至少一个部分的加速度或者说加速度的时间序列。可替代地或附加地，图案可包括车辆乘员3的身体的至少一个部分的相对和/或绝对位移的时间序列。身体的这样的部分可以是例如车辆乘员3的头部5和/或颈部和/或胸部和/或躯干和/或四肢，例如手臂。特别地，在这种情况下，可以考虑各个身体部位相对于彼此的相对位移和/或加速度，例如，车辆乘员3的头部5相对于肩部区域或上身的相对位移。可选地，图案还可包括紧接在事故之前和/或在事故期间车辆的物理运行数据，例如加速度和/或速度。

随后，在第二步骤S2中，比较单元22将由检测单元所检测的图案M(x)与一定数量的先前存储的图案M(1)至M(n)进行比较。在这种情况下，先前存储的图案可以例如被存储在数据库中，其中，数据库可以是装置20的内部存储器，或者比较单元22访问装置外部数据库(也被称为事故数据库)。在这种情况下，比较的结果可以是检测到的图案M(x)对应于先前存储的图案M(1)至M(n)中的一个，或者识别出的图案M(x)不对应于先前存储的图案中的任何一个。

例如，数据库可包括数量为n的图案M(1)至M(n)，其中，n是大于或等于1的自然数(n≥1)。优选地，数据库包括若干图案M(1)至M(n)，即，多于一个图案，因此n>1。对于图案M(1)至M(n)，这优选地涉及各种图案。

优选地，保存其它医疗诊断数据D(1)至D(p)(或者说医疗诊断数据的组)，其中p也是大于或等于1的自然数(p≥1)。优选地，医疗诊断数据D(1)至D(p)的数量p对应于先前存储在数据库中的图案的数量n(即，p＝n)，其中，将一组医疗诊断数据D(1)至D(p)精确地分配给n个图案M(1)至M(n)中的每一个。

一组医疗诊断数据D(i)(1≤i≤p)包括至少一个医疗诊断和/或关于医疗长期后果的一条信息。在这种情况下，医疗诊断数据、即医疗诊断和/或关于医学长期后果的信息涉及从特别是其它车辆乘员的先前事故中获得的信息，在该信息中已检测到图案M(i)，该组医疗诊断数据D(i)被分配给该图案。

在这种情况下，医疗诊断数据包括关于车辆乘员的伤害的类型和/或严重性的信息。在这种情况下，不仅考虑紧接事故出现的伤害，而且考虑在事故之后(即，事故之后的数天、数周或者说数月)才出现的影响(长期后果)。

可替代地或附加地，可以将伤害的严重性分配给一组医疗诊断数据D(i)。为此，可以将伤害分类为例如轻微、中度、严重、非常严重或威胁生命，并且可将对应的指标值(例如“轻微”或“中度”或“严重”或“非常严重”或“威胁生命”或根据1(轻微)到5(威胁生命)的等级)存储在医疗诊断数据D(i)中。

对于在步骤S2中，检测到的图案M(x)与先前存储的图案M(1)至M(n)的比较导致检测到的图案M(x)对应于先前存储的图案中的一个，即，M(x)＝M(j)，1≤j≤n的情况，输出单元23(见图2)在步骤S3(见图3)中输出对应于该图案和/或图案M(j)的诊断数据D(j)。

为了将先前存储的图案和相关的医疗诊断数据保存在数据库中，例如可以按如下进行：分别提供与人员相关的事故数据和分配给该与人员相关的事故数据的医疗诊断数据的配对。例如，可以从先前事故来确定与人员相关的事故数据和医疗诊断数据。通过合适的算法，从图像数据中，可能与车辆的物理运行数据和/或医疗诊断数据相结合地检测对应的图案。优选地，该算法基于机器学习的方法，即，其适于独立地从数据中捕获对应的图案，并仅使用所提供的数据。

随后将这样检测到的每个图案作为先前存储的图案与对应的医疗诊断数据一起保存在数据库或另外的数据存储器中。

对于在步骤S2中，比较检测到的图案M(x)与先前存储的图案M(1)至M(n)导致检测到的图案M(x)不对应于先前存储的图案中的任何一个的情况，输出单元被优选地设计成输出对应的一条信息，例如以文本和/或视觉或听觉信号的形式。可替代地或附加地，输出单元也可输出检测到的图案M(x)本身。

可选地，与先前存储的图案M(1)至M(n)中的任何一个都不对应的检测到的图案M(x)随后也被存储、即保存在数据库中，并且在存在例如包括初始和/或后续诊断和/或关于长期后果的信息的对应诊断数据的情况下，这些诊断数据随后可以被分配给新存储的图案M(x)，并且与之相结合被保存在数据库中。

Claims (14)

1.一种用于分析一个或多个车辆乘员(3)的与人员相关的事故数据(10)的计算机辅助方法，其中，

所述与人员相关的事故数据(10)至少包括事故期间所述车辆乘员(3)的视频序列的图像数据，

其中，所述方法包括：至少一个使用所述图像数据来检测图案(M(x))的第一步骤(S1)；以及

至少一个将检测到的图案(M(x))与一定数量的先前存储的图案(M(1)...M(n))进行比较的第二步骤(S2)。

2.根据权利要求1所述的计算机辅助方法，其中，检测到的图案包括在事故期间所述车辆乘员(3)的运动序列。

3.根据权利要求2所述的计算机辅助方法，其中，检测到的图案和/或先前存储的图案包括所述车辆乘员(3)的头部(5)和/或颈部和/或胸部和/或躯干和/或四肢的加速过程的时间序列，和/或所述车辆乘员(3)的头部(5)和/或颈部和/或躯干和/或胸部和/或四肢的位移的时间序列。

4.根据权利要求1至3中任一项所述的计算机辅助方法，其中，分别为所述先前存储的图案(M(1)...M(n))分配医疗诊断数据(D(1)...D(p))，并且所述方法还包括输出分配给该检测到的图案(M(j))的医疗诊断数据(D(j))的第三步骤(S3)。

5.根据权利要求4所述的计算机辅助方法，其中，所述医疗诊断数据(D(1)...D(p))包括至少一个医疗诊断和/或一条关于医疗长期后果的信息。

6.根据权利要求4或5所述的计算机辅助方法，其中，所述医疗诊断数据(D(1)...D(p))包括对所述车辆乘员(3)的伤害的可能严重性程度进行说明的指标值。

7.根据权利要求1至6中任一项所述的计算机辅助方法，其中，所述与人员相关的事故数据(10)还包括车辆的紧接在事故之前和/或事故期间的物理运行数据。

8.根据权利要求1至7中任一项所述的计算机辅助方法，所述计算机辅助方法通过使用用于实施机器学习的算法来进行。

9.根据权利要求8所述的计算机辅助方法，其中，所述算法适于预先使用一组所提供的与人员相关的事故数据(10)从作为先前存储的图案(M(1)...M(n))所存储的图像数据中检测一定数量的图案。

10.根据权利要求1至9中任一项所述的计算机辅助方法，其中，所述先前存储的图案(M(1)...M(n))被保存在事故数据库中。

11.一种用于计算机辅助分析一个或多个车辆乘员(3)的与人员相关的事故数据(10)的装置，其中，所述与人员相关的事故数据(10)至少包括事故期间所述车辆乘员(3)的视频序列的图像数据，其中，所述装置(20)包括：

检测单元(21)，用于使用所述图像数据来检测图案(M(x))；和

比较单元(22)，用于将检测到的图案(M(x))与一定数量的先前存储的图案(M(1)...M(n))进行比较。

12.根据权利要求11所述的装置，还包括用于输出分配给检测到的图案(M(j))的医疗诊断数据(D(j))的输出单元(23)。

13.一种事故辅助系统，包括：根据权利要求11或12所述的装置；用于在事故期间捕获车辆乘员(3)的视频序列的图像数据的高速相机；以及用于保存由所述高速相机记录的图像数据的数据存储器、优选循环存储器。

14.根据权利要求13所述的事故辅助系统，还包括用于记录车辆(1)的物理运行数据的运行数据记录单元。

Images