CN115427268A - 用于检测被锁在车内的乘客的具有人工智能功能的警报 - Google Patents

用于检测被锁在车内的乘客的具有人工智能功能的警报 Download PDF

Info

Publication number
CN115427268A
CN115427268A CN202180014891.4A CN202180014891A CN115427268A CN 115427268 A CN115427268 A CN 115427268A CN 202180014891 A CN202180014891 A CN 202180014891A CN 115427268 A CN115427268 A CN 115427268A
Authority
CN
China
Prior art keywords
vehicle
subsystem
image
operating
detecting
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.)
Pending
Application number
CN202180014891.4A
Other languages
English (en)
Inventor
G·戈洛夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Micron Technology Inc
Original Assignee
Micron Technology Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Micron Technology Inc filed Critical Micron Technology Inc
Publication of CN115427268A publication Critical patent/CN115427268A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00978—Control systems or circuits characterised by failure of detection or safety means; Diagnostic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/0065—Control members, e.g. levers or knobs
    • B60H1/00657—Remote control devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
    • B60H1/00742—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models by detection of the vehicle occupants' presence; by detection of conditions relating to the body of occupants, e.g. using radiant heat detectors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
    • B60H1/00764—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being a vehicle driving condition, e.g. speed
    • B60H1/00778—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being a vehicle driving condition, e.g. speed the input being a stationary vehicle position, e.g. parking or stopping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/30—Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/593—Recognising seat occupancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/22—Status alarms responsive to presence or absence of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/186—Fuzzy logic; neural networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R2011/0001—Arrangements for holding or mounting articles, not otherwise provided for characterised by position
    • B60R2011/0003—Arrangements for holding or mounting articles, not otherwise provided for characterised by position inside the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0881—Seat occupation; Driver or passenger presence
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/01—Occupants other than the driver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/016—Personal emergency signalling and security systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Thermal Sciences (AREA)
  • Transportation (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Fuzzy Systems (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Traffic Control Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

所公开的实施例针对于检测被困在车辆中的人或动物并且为这类人或动物提供自动化帮助。在一个实施例中，公开一种方法，其包括检测车辆停止；激活至少一个相机并且使用所述至少一个相机记录所述车辆内部的至少一个图像；使用机器学习模型将所述至少一个图像分类；和响应于检测到分类指示所述至少一个图像中存在人或动物而操作所述车辆的至少一个子系统。

Description

用于检测被锁在车内的乘客的具有人工智能功能的警报
相关申请案
本申请案主张2020年2月6日申请的标题为“用于检测被锁在车内的乘客的具有人工智能功能的警报(ARTIFICIAL INTELLIGENCE-ENABLED ALARM FOR DETECTINGPASSENGERS LOCKED IN VEHICLE)”的美国专利申请案序列号16/783,381的优先权，其全部公开内容由此以引用的方式并入本文中。
技术领域
所公开的实施例针对汽车系统，且特定来说，针对用于检测被锁在汽车内的乘客(或其它生物)的存在并且基于所述检测采取补救措施的系统。
背景技术
许多人和动物都有被遗留在上锁的车辆内的遭遇。通常，受伤或死亡主要发生在高温天气，此时车辆停在阳光直射或甚至阳光不直射的环境中时，车内温度显著上升。为解决此问题已做出各种尝试。一种这类尝试是在驾驶者离开车辆之前警告驾驶者。另一这类尝试是使用重量或运动传感器检测在车辆上锁之后有人或动物留在车辆内。这类方法存在各种问题。在第一方法中，驾驶者经常忽略这类警告，这是由于每当驾驶者停车时给出所述警告。在第二方法中，使用运动或重量传感器可提供错误肯定(归因于座椅上的行李或其它物品)或可提供错误否定(归因于人或动物睡着或失去意识)。因此，用于检测车辆中的人或动物(统称为“生物”)的当前系统无法充分地检测被困在上锁的车辆中的这类生物。
所公开的实施例通过提供机器学习(ML)系统自动检测被困在车辆中的生物并且在车辆的驾驶者不进行干预的情况下前瞻性地采取措施来保护这些生物，以此解决这些和其它技术问题。
附图说明
实施例是借助于实例而非限制在附图的图中来说明的，在附图中相似参考指示类似元件。
图1是说明根据本公开的一些实施例的检测处于上锁的车辆中的生物的存在的方法的流程图。
图2是说明根据本公开的一些实施例的响应于检测到被锁在车辆内的生物而自动操作车辆的方法的流程图。
图3是说明根据本公开的一些实施例的响应于检测到处于范围外条件的温度而操作车辆子系统的方法的流程图。
图4是说明根据本公开的一些实施例的在检测到被困乘客之后即刻采取紧急措施的方法的流程图。
图5是说明根据本公开的一些实施例的车辆计算系统的框图。
具体实施方式
所公开的实施例描述用于使用ML模型检测被困在车辆中的生物的存在的装置、方法和计算机可读媒体。通过使用ML模型和车载相机，所公开的实施例可更可靠地预测车辆中的生物的存在。响应于检测到被锁在车辆内的生物，所公开的实施例进一步描述用于在没有来自车辆驾驶者的帮助的情况下帮助这类生物的技术。
图1是说明根据本公开的一些实施例的检测处于上锁的车辆中的生物的存在的方法的流程图。
在框102中，所述方法检测到车辆停止。在一些实施例中，所述方法进一步检测(在框102中)在生物停止之后车辆是否上锁。
在一个实施例中，所述方法经由通信总线(例如，控制器区域网络)接收指示车辆何时停止、停车和/或上锁的信号。在所说明的实施例中，在总线上监测这些信号并且使用这些信号确定何时起始所述方法的剩余框。
在第一实施例中，所述方法可在确定车辆停止之后即刻执行剩余的框。在此实施例中，所述方法可(作为一个实例)监测轿车的速度并且确定当速度为零或接近零时，车辆已停止。替代地，或结合上文，所述方法可分析指示已经踩下刹车的信号。
在第二实施例中，所述方法可确定车辆是否停放在停车场。在一些实施例中，此实施例可在确定车辆已停止之后执行或可独立地执行。在一个实施例中，所述方法通过检测发射控制单元响应于驾驶者将车辆停放在停车场而产生的信号来确定车辆停在停车场。可单独或结合这类技术使用其它信号，这些信号包含使用自动停车辅助或其它类似技术。
在第三实施例中，所述方法可确定车辆的一或多个车门是否上锁。在一些实施例中，此实施例可在确定车辆已停止之后或在车辆停在停车场之后执行。替代地，此第三实施例可独立地执行。在一个实施例中，所述方法监测用于来自门锁控制单元的信号的总线指示用户已锁上车门。此信号可响应于检测到用户已经由遥控器袋、移动应用程序或另一装置锁上车门而产生。
在一些实施例中，车辆可被配置成提供用以继续进行到剩余的框的专用信号。在此实施例中，车辆经由致使方法继续进行的总线广播开始信号。在一个实施例中，此开始信号可在车辆在内部执行上文所描述的三个实施例中的任何一或多个之后发出。因此，上述的三个实施例仍可执行但可由车辆的操作系统执行而非由所述方法执行。
在框104中，所述方法激活一或多个车载相机。
在所说明的实施例中，仅在框102中的肯定确定之后执行框104。也就是说，仅在车辆停止之后并且在经实施、上锁和停车的情况下激活车载相机。替代地，在一些实施例中，车载相机可在车辆的操作期间供其它应用程序使用。在此情境下，所述方法当车辆上锁时重新使用这些车载相机。
在一个实施例中，激活相机包括起始相机用于操作。激活相机的特定步骤对于每种类型的相机是唯一的且在本文中不包含这类特定过程的细节。在一个实施例中，相机的激活可另外包括基于相机放置的规则或偏好集来聚焦或移动相机视场。举例来说，可移动嵌入于中央挡风玻璃中的相机以聚焦于前乘客座位，因此从视场中移除驾驶员座椅的至少一部分。通过做出此调整，相机可更多地记录受关注座椅(含有潜在乘客)。
在一些实施例中，可使用单独模型将车载相机定向。具体地，可辨识车辆特征的ML模型可用于将相机定向。也就是说，可移动相机并分析帧直到ML模型预测到相机已聚焦于所要区域(例如，特定座椅)上为止。
在其它实施例中，相机的激活可包括将相机设置为进行连续记录直到停止为止。替代地，或结合上文，所述激活还可(如果可能的话)致使相机枢转或移动以捕获技术上尽可能多的可能视场。
在框106中，所述方法捕获车辆内部的图像。
在一个实施例中，所述方法由从个别相机接收原始图像帧的专用处理器执行。可通过相机装置或通过处理器将这些帧中的每一个加时间戳。因此，所述方法在车辆上锁时接收各个时间点的一个或多个帧的集合。
在一些实施例中，作为框106的部分，所述方法可预处理帧以提高ML模型的预测准确度(如框108中论述)。在一个实施例中，所述方法可净化图像以移除伪影或其它噪声元素。举例来说，所述方法可应用一或多个变换以移除车辆内部的结构元件(例如，车窗、车门)同时保留捕获车辆座椅的像素。在一些实施例中，此预处理是任选的。
在框108中，所述方法使用ML模型将图像分类。
在所说明的实施例中，ML模型包括使用经分类数据训练的预测模型。在一个实施例中，ML模型包括神经网络，例如人工神经网络(ANN)、卷积神经网络(CNN)、递归神经网络(RNN)、自动编码器等。在所说明的实施例中，可基于实验和训练配置模型的层数。替代地，预测模型可包括非神经网络，例如支持向量机(SVM)、决策树，或朴素贝叶斯分类器。
在所说明的实施例中，使用经分类图像数据训练ML模型。具体地，记录车辆中的生物的图像并且将其标记为含有这类生物。这些标记的图像用以训练ML模型，最终产生权重(例如，在神经网络的情况下)和其它模型参数的集合。这些参数随后由车辆存储并且用以预测新图像是否含有生物。在一些实施例中，车载网络可被配置成基于所捕获的实际图像和确认标签来重新训练网络。举例来说，如果ML模型预测存在生物并且警示相关部门(参见图4)，但稍后所述预测被识别为错误肯定，那么这些图像可恰当地分类并且用以重新训练ML模型。
在一个实施例中，ML模型可包括检测生物而不考虑方位的模型。在此实施例中，通常使用生物的图片训练ML模型并且并且可使用包含人类或动物的任何图像数据快速训练所述ML模型。在一些实施例中，在此实施例中可重复使用(并增强)现有ML模型。
在另一实施例中，ML模型可包括使用车辆中的生物的图像训练的模型。在此实施例中，训练数据集仅包含车辆内记录的数据且不包含车辆之外的任何图像。这类训练过程提供性能改进，这是由于模型参数微调到汽车上下文。
在另一实施例中，ML模型可包括使用特定品牌和/或型号的车辆中的生物的图像训练的模型。此实施例类似于先前模型，然而，在每车辆基础上产生训练数据。在一些实施例中，所述模型可在生产期间由制造者产生并且接着安装于每辆制造的车辆中。在此实施例中，所述制造可产生用于各个型号的车辆的图像集并且使用此数据训练ML模型。
在一些实施例中，可基于相机的方位进一步微调ML模型。举例来说，可存在用于每个相机位置的单独ML模型。结合先前实例，也可在品牌/型号基础上产生这些每相机模型。因此，给定品牌或型号的车辆可具有针对每个相机位置的多个模型。在一些实施例中，存储于车辆的存储器系统中并用于预测生物的存在的ML模型随后依据车辆的品牌和型号以及相机在车辆中的特定方位而变化。在其它实施例中，ML模型可存储于个别相机的存储器中。
替代地，或结合上文，可远程存储上文所描述的ML模型。在此实施例中，中央服务器管理所有ML模型。因此，当在框106中捕获到图像时，将这些图像发射到中央服务器以进行分类。中央服务器随后将分类结果返回到车辆。以此方式，所述系统将ML模型的总数目降到最低并且可集中进行模型训练和重新训练，因此快速提高模型的预测准确度。
替代地，或结合上文，中央服务器产生的模型可分布到相关车辆。在此实施例中，随着模型优化，服务器可周期性地更新车载ML模型。以此方式，中央服务器可利用收集的大量数据，而个别车载模型可用于快速预测(包含不接入广域(例如蜂窝)网络的区域中的预测)。
在框110中，所述方法分析ML分类的结果。在框110中分析的分类通常包括肯定分类(即，在车辆中检测到乘客)或否定分类(即，未检测到乘客)。在一些实施例中，所述分类进一步与置信度水平相关联。在此情境下，所述方法可仅使用具有高于经预配置阈值的置信度水平的肯定分类。此阈值可存储于车辆或用户预置文件或规则设置中。
在框112中，在检测到否定分类(即，未检测到乘客)之后，所述方法逐步降低时间间隔。在一个实施例中，此时间间隔控制何时所述方法应停止(或暂停)捕获图像。具体地，在一些实施例中，当没有生物被锁在车辆内部时连续地捕获车辆中的图像是一种计算资源和能量的浪费。举例来说，当驾驶者在白天将轿车停在工作地时。作为另一实例，在从工作地返回之后在夜晚期间停放轿车将引起相当大长度(例如，十四小时)的记录和处理时间。
为了避免此过度拟合，所述方法使用控制框106(和后续框)应多久执行一次的时间间隔。在一个实施例中，此时间间隔当车辆首次停车时设置为非常短的时间周期(例如，一秒)。在框112中，所述方法在接收到否定分类时开始增加时间间隔长度。在一些实施例中，所述方法指数增加时间间隔长度以使得所述长度紧接在停车之后缓慢地增加并且在接收到否定分类时快速增加。可使用其它增加函数(例如，幂函数或线性函数)。
在框114中，所述方法确定时间间隔是否仍有效。在一些实施例中，所述方法在时间间隔的长度小于预配置值的情况下确定时间间隔有效。此值可存储于用户或车辆预置文件或规则设置中。作为实例，所述方法可当时间间隔设置为三十分钟时停止处理。如果时间间隔处于预配置长度内，那么所述方法继续在框106处和下文处理图像。替代地，当时间间隔超过预配置长度时，所述方法停止记录图像并结束。如果使用指数增加的时间间隔，那么时间间隔将快速增加以使得所述方法实际上停止记录图像并且仅维持数此重复之后的定时器。
在一些实施例中，框114是任选的。在此实施例中，所述方法根据增加函数增加时间间隔并且基于递增时间间隔继续捕获图像。
在一些实施例中，可不使用时间间隔机制，且所述方法可替代地使用其它传感器确定何时执行框106。举例来说，所述方法可使用运动或重量传感器确定何时操作框106。也就是说，可当在座椅上检测到重量时或当检测到车辆中的运动时执行框106。在一些实施例中，时间间隔处理还可与中断样式事件一起使用。以此方式，所述方法可与重量或运动感测技术组合以改进生物检测。
在框116中，在所述方法检测到车辆中的生物之后，所述方法发射警示。
在一些实施例中，框116是任选的。如果经实施，那么所述方法可将警示发射到车辆的驾驶者。在一些实施例中，车辆维持驾驶者的预置文件，包含联系人信息，例如移动电话号码、用户账户id、电子邮件地址或其它数据。所述方法使用此联系人信息在广域网(例如，蜂窝式网络)上经由无线电接口发射警示。在一个实施例中，所述警示可包括文本(SMS)消息或类似消息。在其它实施例中，驾驶者的移动装置含有移动应用程序且所述警示可包括发给用户的移动装置的推送通知。
在框118中，所述方法前瞻性地帮助乘客。
在一些实施例中，框118是任选的。然而，在所说明的实施例中，执行框116或框118，而在一些实施例中，执行这两个框。在框118中，所述方法前瞻性地操作一或多个车辆子系统以帮助检测到的乘客。在以下图2到4中更详细地描述这些操作的各种细节，其公开内容在本文中不重复。
图2是说明根据本公开的一些实施例的响应于检测到被锁在车辆内的生物而自动操作车辆的方法的流程图。
在框202中，所述方法监测车辆的轿厢温度。
在所说明的实施例中，车辆配备有连续监测车辆轿厢内部的即时温度的一或多个车载温度传感器。在一些实施例中，车辆可具有安装在不同方位的多个温度传感器。在所说明的实施例中，所述方法监测这些传感器报告的温度。在一些实施例中，所述方法将多个传感器(在安装了多个传感器的情况下)的读数平均化。在其它实施例中，所述方法选择传感器(在安装了多个传感器的情况下)记录的最高值。在一些实施例中，每个相机可配备有温度传感器且因此温度读数的数目等于相机的数目。
在一些实施例中，所述方法可使用外部温度传感器作为轿厢内传感器的附加或替代。如本文中所使用，外部温度传感器是指安装在轿厢外部的温度传感器。在此实施例中，所述方法可使用外部温度预测内部温度。在一些实施例中，可温度预测模型完成此预测。在此实施例中，可使用在操作期间(或以其它方式)由车辆记录的外部温度和对应内部温度来训练温度预测模型。替代地，在一个实施例中，所述方法可仅基于外部温度继续进行。举例来说，规则或设置可指示所述方法应在外部温度高于经预配置阈值(而不考虑轿厢温度)的情况下继续进行。
在框204中，所述方法确定轿厢温度是否超过预定义阈值。在一个实施例中，所述方法将框202中识别的所测量轿厢温度与预定义阈值进行比较。替代地，所述方法可将室外(外部)温度与预定义的室外阈值进行比较。在一些实施例中，这些阈值可由制造者设置或可由车辆的驾驶者或所有者设置。
在框206中，所述方法当温度超过预定义阈值时操作一或多个车辆子系统。在所说明的实施例中，这些子系统可包含空气调节系统、车窗子系统、通信子系统或其它子系统。图3和4中提供操作这类子系统的细节且在下文仅简单描述。
在一个实施例中，所述方法在框206中打开车辆的一或多个车窗。在此实施例中，所述方法使用与给定车窗相关联的电子控制单元(ECU)以打开或降低车窗。在一些实施例中，所述方法可基于检测到用户的相机的身份标识来进一步识别最靠近被锁在车辆中的生物的车窗。
在另一实施例中，所述方法可操作车辆的加热、通风和空气调节(HVAC或AC)系统。在此实施例中，所述方法可操作AC系统以将温度调节到所期望水平。在一些实施例中，这可由车辆的所有者设置。
在另一实施例中，所述方法可将通知发射给应急系统。举例来说，所述方法可拨打9-1-1(在美国)并且播放预记录的消息。在其它实施例中，可使用E911服务。在一些实施例中，所述方法可经由文字到语音处理模块报告车辆的全球定位(GPS)坐标以及轿车中的乘员数量和时间长度。
在另一实施例中，所述方法可操作车辆的喇叭或灯以尝试引起对车辆的注意。当然，可操作其它类型的子系统且以上实例并不意图限制本公开的广度。另外，以上实例(和其它实例)可以各种方式组合。
在框208中，所述方法确定在确定温度不超过经预配置阈值之后是否即刻启用替代性触发。
在所说明的实施例中，在确定温度尚未超过阈值之后，所述方法接着可确定所述方法是否应仍然继续进行到操作车辆子系统。在框208中，可使用其它传感器类型确定是否已发生触发。
举例来说，湿度传感器可用于检测多余湿气(归因于呼气)的存在。在此实施例中，所述方法确定当前湿度水平是否大于经预配置阈值。替代地，所述方法可监测随时间推移的湿度水平以确定是否存在湿气的恒定增加。
作为另一实例，所述方法可监测车辆中的声级。通常，如果乘客处于车辆中且声级为低，那么所述方法可确定不操作车辆子系统。然而，如果声级为高，那么这可指示乘客大声寻求帮助。因此，所述方法将使用声级(以分贝为单位)作为触发值并且当声级超过阈值时操作车辆子系统(框206)。
作为另一实例，可使用定时器触发框206。在此实施例中，车辆的所有者或制造者可设置其中人员应被留在上锁的车辆中的固定时间。举例来说，定时器可设置为在生物被锁在车辆中持续十五分钟之后触发框206。当然，可使用其它值。
作为另一实例，车辆上锁时其组件的操作可触发框206。举例来说，在驾驶者锁上车辆并离开之后，所述方法可监测车辆的操作以确定是否发生涉及车辆的控制系统的可疑活动。举例来说，可使用在车辆被停放且上锁之后按下喇叭或尝试打开车门的行为触发框206。
这些实例可以任何方式组合，且可基于车辆的性质实施其它实例。以上实例不应被理解为限制实施例。
在框210中，所述方法确定是否应清除监测程序。在所说明的实施例中，在所述方法确定温度和外部触发不致使所述方法操作车辆子系统之后执行框210。在所说明的实施例中，框210检测到当车辆解锁和/或起动时应清除所述方法。换句话说，图3中所说明的方法被配置成操作直到检测到紧急情况(触发框206)或车辆的所有者/操作者返回并将车辆解锁为止。
图3是说明根据本公开的一些实施例的响应于检测到处于范围外条件的温度而操作车辆子系统的方法的流程图。
在框302中，所述方法确定车辆的轿厢温度是否处于范围外。在所说明的实施例中，处于范围外是指温度高于阈值(在天热的情况下)或低于阈值(在天冷的情况下)。此检测的细节可见于图2的描述中，且具体地，可见于框202和204中。
在框304中，所述方法打开车辆的一或多个车窗。在所说明的实施例中，处理器发射指令给车窗ECU以致使窗户打开。在一些实施例中，所述方法将此指令发射给车辆的所有车窗。在一些实施例中，所述指令致使车窗部分地打开或完全打开。
在所说明的实施例中，框304被配置成首先执行。在此实施例中，框304可被配置成当监测的温度处于第一阈值和第二阈值之间时执行。这些阈值定义超过第一阈值的第一范围，车窗的打开程度足以将温度降到所需范围。
在框306中，所述方法在打开车窗之后继续监测轿厢温度。这可以框302中和图2的框202和204中描述的方式相同的方式完成。
在框308中，所述方法确定监测的温度是否处于范围内。如所使用，在框308中，轿厢温度当处于先前定义的第一阈值和第二阈值之间时处于范围内。也就是说，车窗的打开已防止内部温度超过第二阈值。在大多数实施例中，当温度不过高时，不越过此第二阈值，且打开车窗会提供充分的缓解。
然而，在一些情况下，打开车窗不会充分降低轿厢温度。另外，可针对寒冷天气条件调整图3中所说明的方法。在寒冷天气条件中，不执行框304和306，而是替代地，所述方法直接继续进行到尝试使用HVAC系统调节温度。
如果温度处于范围内，那么所述方法继续监测温度。此监测可继续直到温度处于范围外或车辆解锁(图2中描述)为止。在一个实施例(未说明)中，所述方法还可确定温度是否已返回到低于第一阈值。如果是，那么所述方法可操作车窗以关闭每个车窗并且当温度再次处于范围外时返回到框302。
在框310中，所述方法操作车辆的HVAC系统。
在所说明的实施例中，车辆的HVAC系统是指被配置成经由例如加压气流加热或冷却车辆的任何组件。另外，HVAC系统可包含任何加热或冷却元件，例如座椅加热或冷却元件。
在框310中，在温暖天气条件期间，所述方法确定车窗的打开尚未引起降低或维持轿厢的温度。因此，所述方法操作车辆的空气调节系统以进一步冷却车辆。在一些实施例中，所述方法当操作空气调节系统时还可以升起车辆的车窗。相反地，在寒冷天气条件期间，所述方法起动车辆的加热系统以开始加热车辆。
在框312中，所述方法在运行HVAC系统时监测轿厢温度。这可以框302中和图2的框202和204中描述的方式相同的方式完成。
在框314中，所述方法确定轿厢温度是否处于第二范围内。在一个实施例中，第二范围包括第二阈值(框308中描述)和第三阈值。在温暖天气条件中，第三阈值大于第二阈值，而在寒冷天气条件中，第三阈值低于第二阈值。如同第一阈值和第二阈值一样，第三阈值可由制造者设置或可存储于由车辆的所有者设置的预置文件中。
如果监测的温度仍处于范围内，那么所述方法继续在框310中操作HVAC系统。在一些实施例(未说明)中，如果温度改变为处于第一阈值和第二阈值之间，那么所述方法还可以停止操作HVAC系统。在此情境下，所述方法可返回到框306以在不操作HVAC系统的情况下监测轿厢温度。
在框316中，所述方法当无法经由以上框维持温度时采取紧急措施。在此情境下，车窗的打开和HVAC系统的操作未能将轿厢温度维持在可接受的水平。一般来说，框316主要在极端温度情境(例如，特别热或特别寒冷的天气)中或长持续时间(即，当操作已耗尽呈汽油或电池形式的可用能量时)执行。图4的描述中提供采取紧急措施的细节，其并入本文中。
图4是说明根据本公开的一些实施例的在检测到被困乘客之后即刻采取紧急措施的方法的流程图。
在框402中，所述方法警示相关部门。如图3中所描述，可在检测到在乘客被锁在车辆内车辆无法充分地调节轿厢温度之后即刻执行框402。在替代性实施例中，图4中的方法可与温度控制例程分开执行。
在所说明的实施例中，所述方法通过将警示发射到应急系统来警示相关部门。在一些实施例中，这包括将文本(SMS)消息或类似消息发射给指定应急系统。在其它实施例中，车辆可自动起始蜂窝式电话呼叫(例如，9-1-1或E-911)紧急调度系统。如果使用(E)911，那么车辆可产生自动化消息以播放给调度器。举例来说，所述消息可包含车牌号、GPS坐标、当前温度、车辆已经上锁的时间长度和其它细节。此消息可在检测到与调度器的连接之后即刻播放。
在一些实施例中，所述方法可实施互动式语音响应(IVR)系统。此系统可允许紧急调度器经由紧急呼叫控制车辆。举例来说，IVR系统可允许存取车辆中的相机以及外部相机。IVR系统还可允许调度器在验证其中可打开车辆的车门的安全方位之后打开车门。在一些实施例中，IVR系统可允许调度器输入其中车辆应驾驶到(如果是自主车辆)的GPS坐标。
在框404中，所述方法等候紧急响应者直到检测到(框406)紧急响应者已到达为止。
在所说明的实施例中，所述方法在警示相关部门之后等候响应者。在一个实施例中，所述方法可利用各种传感器确定应急人员已到达。举例来说，所述方法可使用一或多个外部相机以确定应急人员是否已到达。在一个实施例中，可使用经训练模型以将其它物体与应急人员区分开。在其它实施例中，可使用麦克风传感器识别汽笛或其它信号的存在并且使用此存在检测应急人员。
在框408中，所述方法确定打开车辆的车门是否是安全的。在一个实施例中，所述方法可利用相机或GPS坐标将车辆相对于道路或其它危险定向。举例来说，如果车辆沿着街道停放，那么所述方法可确定车辆的一侧是人行道并且在此街道侧打开车门。
在框410中，所述方法确定无法确认有任何车门可安全打开且因此等候附近人员出现。在一个实施例中，这可归因于道路状况或车辆外部的其它条件。在此情境下，所述方法可利用传感器，例如雷达、声纳或光达传感器确认应急人员在附近。在此情境下，所述方法可打开最靠近应急人员的车门(框412)以允许乘客离开或允许应急人员进入车辆。如所说明，如果在框408中，所述方法确定在检测到应急人员之后即刻打开车门是安全的，那么所述方法可立即打开车门。
图5是说明根据本公开的一些实施例的车辆计算系统的框图。
图5中说明的系统可完全安装于车辆内。在一些实施例中，一些组件(例如，除子系统(504)以外的组件和子系统)可包括现有自主和非自主车辆子系统。
所述系统任选地包含任选自主车辆子系统(502)。在所说明的实施例中，自主车辆子系统(502)包含地图数据库(502a)、雷达装置(502b)、光达装置(502c)、数码相机(502d)、声纳装置(502e)、GPS接收器(502f)和惯性测量单元(502g)。自主车辆子系统(502)的组件中的每一个包括最新的自主车辆中提供的标准组件。在一个实施例中，地图数据库(502a)存储用于路线选择和导航的多个高清三维地图。如在所属领域中已知，雷达装置(502b)、光达装置(502c)、数码相机(502d)、声纳装置(502e)、GPS接收器(502f)和惯性测量单元(502g)可包括安装于整个自主车辆的各个位置处的各个相应装置。举例来说，这些装置可沿着自主车辆的周界安装以提供位置感知、碰撞避免和其它标准自主车辆功能性。在一些实施例中，自主子系统(502)建构到车辆中，而在其它实施例中，自主子系统(502)包括售后系统。
车辆子系统(506)另外包含在系统内。车辆子系统(506)包含各种防抱死制动系统(506a)、发动机控制单元(502b)和变速器控制单元(502c)。这些组件可用以响应于由自主车辆子系统(502)和/或ADAS子系统(504)产生的数据来控制车辆的操作。自主车辆子系统(502)与车辆子系统(506)之间的标准自主车辆交互在本领域中是众所周知的，并且在此不进行详细描述。
系统的处理侧包含一或多个处理器(510)、短期存储器(512)、RF系统(518)、图形处理单元(GPU)(516)、长期存储装置(518)和一或多个接口(520)。
一或多个处理器(510)可包括中央处理单元、FPGA，或支持自主车辆的操作所需的任何范围的处理装置。存储器(512)包括用于临时存储处理器(510)所需的数据的DRAM或其它合适的易失性RAM。RF系统(518)可包括蜂窝式收发器和/或卫星收发器。长期存储装置(514)可包括一或多个大容量固态驱动器(SSD)。一般来说，长期存储装置(514)可用以存储例如高清地图、路线选择数据，和需要永久或半永久存储的任何其它数据。GPU(516)可包括用于处理从自主车辆子系统(502a)接收的数据的一或多个高处理量GPU装置。最后，接口(520)可包括定位于自主车辆内的各个显示单元(例如，内置式屏幕)。
所述系统另外包含上锁的乘客子系统(504)，其执行前面图中说明的方法所需的操作。黑匣子子系统(504)包含机器学习模型(504a)，其存储图1的描述中主要描述的生物检测模型(其细节并入本文中且不重复)。黑匣子子系统(504)包含操作车辆的各个子系统(如图2-4的描述中所描述)的子系统控制模块(504b)，以及控制子系统控制模型的操作的规则或预置文件集(504c)。在图2到4的描述中更完整地描述子系统控制模块(504b)和规则/预置文件(504c)的细节，在此处不重复其公开内容。
在一些实施例中，应理解，上文所描述的方法步骤可实施为连续过程，例如每个步骤可通过监测输入数据、执行操作并且将数据输出到后续步骤而独立地运行。并且，用于每一方法的此类步骤可实施为离散事件过程，例如每一步骤可由其应该触发且产生某一输出的事件触发。还应理解，每个图表示比描述中展现的计算机系统更复杂的计算机系统的可能较大方法内的最小方法。因此，每个图中所描绘的步骤可与供应出入与较复杂系统的较大方法相关联的其它步骤的其它步骤组合。
应理解，除非另外规定车辆，否则本文所描述的车辆可以是任何类型的车辆。车辆可包含汽车、卡车、船和飞机以及用于军事、建筑、农学或休闲用途的车辆或车辆设备。车辆、车辆部分或车辆的驾驶者或乘客使用的电子器件可被视为车辆电子器件。车辆电子器件可包含用于引擎管理、点火器、无线电、车载计算机、车载信息服务、车载娱乐系统和车辆的其它部分的电子器件。车辆电子器件可与点火器和引擎及变速箱控制一起使用或供点火器和引擎及变速箱控制使用，所述点火器和引擎及变速箱控制可在具有例如汽油驱动的汽车、卡车、摩托车、船、飞机、军用车辆、铲车、拖拉机和挖掘机等内燃驱动的机械的车辆中见到。并且，车辆电子器件可以由相关元件使用或与相关元件一起使用以用于控制例如混合动力汽车或电动汽车等混合动力车辆和电动车辆中所见的电气系统。例如，电动车辆可使用电力电子器件以用于主要推进马达控制，以及管理电池系统。并且，自主车辆几乎完全依赖于车辆电子器件。
已在针对计算机存储器内的数据位的操作的算法和符号表示方面呈现了先前详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用以将其工作的主旨最有效地传达给所属领域的其他技术人员的方式。在本文中，且一般将算法构想为产生所要结果的操作的自洽序列。操作是要求对物理量进行物理操纵的操作。通常(但未必)，这些量采用能够存储、组合、比较以及以其它方式操纵的电或磁信号的形式。已经证实，主要出于常用的原因，将这些信号称为位、值、元素、符号、字符、项、编号等等有时是便利的。
然而，应牢记，所有这些和类似术语将与适当物理量相关联，且仅仅为应用于这些量的便利标记。本公开可以指操控和变换计算机系统的寄存器和存储器内的表示为物理(电子)数量的数据为计算机系统存储器或寄存器或其它这类信息存储系统内的类似地表示为物理量的其它数据的计算机系统或类似电子计算装置的动作和过程。
本公开还涉及用于执行本文中的操作的设备。此设备可以出于所需目的而专门构造，或其可以包含通过存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。此类计算机程序可存储在计算机可读存储媒体中，例如任何类型的盘(包含软盘、光盘、CD-ROM和磁性光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡，或适合于存储电子指令的任何类型的媒体，其各自耦合到计算机系统总线。
本文中呈现的算法和显示在本质上不与任何计算机或其它设备相关。各种通用系统可以与根据本文中的教示的程序一起使用，或所述通用系统可以证明为便于构造以用以执行所述方法更加专用的设备。将如下文描述中所阐述的那样来呈现各种这些系统的结构。另外，未参考任何编程语言来描述本公开。应了解，可使用各种编程语言来实施如本文中所描述的本公开的教示内容。
本公开可提供为计算机程序产品或软件，其可包含在其上储存有可用以编程计算机系统(或其它电子装置)以执行根据本公开的过程的指令的机器可读媒体。机器可读媒体包含用于以机器(例如，计算机)可读的形式存储信息的任何机构。在一些实施例中，机器可读(例如计算机可读)媒体包含机器(例如计算机)可读存储媒体，例如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储媒体、光学存储媒体、闪存存储器组件等。
在前述说明书中，本公开的实施例已经参照其特定实例实施例进行描述。将显而易见的是，可在不脱离如所附权利要求书中阐述的本公开的实施例的更广精神和范围的情况下对本公开进行各种修改。因此，应在说明性意义上而非限制性意义上看待说明书和图式。

Claims (20)

1.一种方法，其包括：
从车辆的一或多个传感器接收信令，所述信令指示所述车辆停止；
响应于接收到所述信令而激活至少一个相机并且使用所述至少一个相机记录所述车辆内部的至少一个图像；
使用机器学习模型将所述至少一个图像分类；和
响应于检测到分类指示所述至少一个图像中存在人或动物而操作所述车辆的至少一个子系统。
2.根据权利要求1所述的方法，所述检测所述车辆停止包括检测到所述车辆不在运行中且所述车辆的一或多个车门上锁。
3.根据权利要求1所述的方法，所述使用所述机器学习模型将所述至少一个图像分类包括使用神经网络将所述至少一个图像分类。
4.根据权利要求1所述的方法，其另外包括响应于确定所述至少一个图像不包含人或动物而记录第二图像。
5.根据权利要求1所述的方法，所述操作所述至少一个子系统包括监测所述车辆的温度并且响应于检测到所述温度超过预定义阈值而操作所述至少一个子系统。
6.根据权利要求5所述的方法，所述操作所述至少一个子系统包括操作所述车辆的空气调节系统。
7.根据权利要求5所述的方法，所述操作所述至少一个子系统包括打开所述车辆的至少一个车窗。
8.根据权利要求5所述的方法，所述操作所述至少一个子系统包括将警示发射到应急系统。
9.一种非暂时性计算机可读存储媒体，其用于有形地存储能够由计算机处理器执行的计算机程序指令，所述计算机程序指令定义以下步骤：
从车辆的一或多个传感器接收信令，所述信令指示所述车辆停止；
响应于接收到所述信令而激活至少一个相机并且使用所述至少一个相机记录所述车辆内部的至少一个图像；
使用机器学习模型将所述至少一个图像分类；和
响应于检测到分类指示所述至少一个图像中存在人或动物而操作所述车辆的至少一个子系统。
10.根据权利要求9所述的非暂时性计算机可读存储媒体，所述检测所述车辆停止包括检测到所述车辆不在运行中且所述车辆的一或多个车门上锁。
11.根据权利要求9所述的非暂时性计算机可读存储媒体，所述使用所述机器学习模型将所述至少一个图像分类包括使用神经网络将所述至少一个图像分类。
12.根据权利要求9所述的非暂时性计算机可读存储媒体，所述指令另外定义响应于确定所述至少一个图像不包含人或动物而记录第二图像的步骤。
13.根据权利要求9所述的非暂时性计算机可读存储媒体，所述操作所述至少一个子系统包括监测所述车辆的温度并且响应于检测到所述温度超过预定义阈值而操作所述至少一个子系统。
14.根据权利要求13所述的非暂时性计算机可读存储媒体，所述操作所述至少一个子系统包括操作所述车辆的空气调节系统。
15.根据权利要求13所述的非暂时性计算机可读存储媒体，所述操作所述至少一个子系统包括打开所述车辆的至少一个车窗。
16.根据权利要求13所述的非暂时性计算机可读存储媒体，所述操作所述至少一个子系统包括将警示发射到应急系统。
17.一种设备，其包括：
处理器；和
存储媒体，其用于在其上有形地存储供所述处理器执行的编程逻辑，所述所存储的编程逻辑致使所述处理器执行以下操作：
从车辆的一或多个传感器接收信令，所述信令指示所述车辆停止，
响应于接收到所述信令而激活至少一个相机并且使用所述至少一个相机记录所述车辆内部的至少一个图像，
使用机器学习模型将所述至少一个图像分类，和
响应于检测到分类指示所述至少一个图像中存在人或动物而操作所述车辆的至少一个子系统。
18.根据权利要求17所述的设备，所述检测所述车辆停止包括检测到所述车辆不在运行中且所述车辆的一或多个车门上锁。
19.根据权利要求17所述的设备，所述使用所述机器学习模型将所述至少一个图像分类包括使用神经网络将所述至少一个图像分类。
20.根据权利要求17所述的设备，所述操作所述至少一个子系统包括监测所述车辆的温度并且响应于检测到所述温度超过预定义阈值而操作所述至少一个子系统，其中所述至少一个子系统包括选自由空气调节系统、窗户子系统和通信子系统组成的群组的子系统。
CN202180014891.4A 2020-02-06 2021-01-28 用于检测被锁在车内的乘客的具有人工智能功能的警报 Pending CN115427268A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/783,381 2020-02-06
US16/783,381 US11951997B2 (en) 2020-02-06 2020-02-06 Artificial intelligence-enabled alarm for detecting passengers locked in vehicle
PCT/US2021/015511 WO2021158424A1 (en) 2020-02-06 2021-01-28 Artificial intelligence-enabled alarm for detecting passengers locked in vehicle

Publications (1)

Publication Number Publication Date
CN115427268A true CN115427268A (zh) 2022-12-02

Family

ID=77178920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180014891.4A Pending CN115427268A (zh) 2020-02-06 2021-01-28 用于检测被锁在车内的乘客的具有人工智能功能的警报

Country Status (5)

Country Link
US (2) US11951997B2 (zh)
EP (1) EP4100284A4 (zh)
KR (1) KR20220127863A (zh)
CN (1) CN115427268A (zh)
WO (1) WO2021158424A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11217083B1 (en) * 2020-10-18 2022-01-04 Kristopher Luo Intelligent camera child detection system
US11535083B2 (en) * 2021-03-19 2022-12-27 Subaru Corporation Inspection system
TWI798042B (zh) * 2022-03-31 2023-04-01 崑山科技大學 冷凍庫環境感知裝置及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030158644A1 (en) * 2002-02-19 2003-08-21 International Business Machines Corporation Artificial passenger with condition sensors
US9264608B2 (en) * 2012-08-07 2016-02-16 Samsung Electronics Co., Ltd. Power saving control method and electronic device supporting the same
US20170013188A1 (en) * 2014-09-19 2017-01-12 Be Topnotch, Llc Smart vehicle sun visor
US9593521B2 (en) * 1995-06-07 2017-03-14 American Vehicular Sciences Llc Vehicle component control methods and systems
CN106627457A (zh) * 2015-10-29 2017-05-10 惠州市德赛西威汽车电子股份有限公司 一种车内留人探测及报警系统
CN107650853A (zh) * 2017-09-13 2018-02-02 上海蓥石汽车技术有限公司 一种用于新能源电动车的车内遗漏人员检测和保护装置
US20180050575A1 (en) * 2016-08-19 2018-02-22 Seth Campbell Vehicle Occupant Detection System
US20180300568A1 (en) * 2017-04-18 2018-10-18 Shenzhen Futaihong Precision Industry Co., Ltd. Detecting device and method of detecting target object in vehicle
US20180370431A1 (en) * 2017-06-23 2018-12-27 Aamp Of Florida, Inc. Unattented occupant protection system (uops) safety system
US20190176837A1 (en) * 2017-12-08 2019-06-13 Tesla, Inc. Personalization system and method for a vehicle based on spatial locations of occupants' body portions
KR20190098460A (ko) * 2018-02-14 2019-08-22 박성대 감지성능을 강화한 차량용 재실감지장치
US20190258263A1 (en) * 2018-02-21 2019-08-22 Waymo Llc Determining and responding to an internal status of a vehicle
CN110562003A (zh) * 2018-06-05 2019-12-13 上海博泰悦臻网络技术服务有限公司 车内设备控制装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103165211B (zh) * 2011-12-15 2015-09-30 清华大学 起搏器电极线及起搏器
JP6160201B2 (ja) 2013-04-18 2017-07-12 日産自動車株式会社 乗員検出装置
US10484568B2 (en) * 2016-10-26 2019-11-19 Orcam Technologies Ltd. Providing a social media recommendation based on data captured by a wearable device
US10515390B2 (en) * 2016-11-21 2019-12-24 Nio Usa, Inc. Method and system for data optimization
US10858011B1 (en) * 2018-07-13 2020-12-08 State Farm Mutual Automobile Insurance Company Dynamic safe storage of vehicle content
US10836401B1 (en) * 2018-07-13 2020-11-17 State Farm Mutual Automobile Insurance Company Dynamic limiting of vehicle operation based on interior configurations
US10800377B1 (en) * 2020-02-24 2020-10-13 Webram Llc. Vehicle security system

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9593521B2 (en) * 1995-06-07 2017-03-14 American Vehicular Sciences Llc Vehicle component control methods and systems
US20030158644A1 (en) * 2002-02-19 2003-08-21 International Business Machines Corporation Artificial passenger with condition sensors
US9264608B2 (en) * 2012-08-07 2016-02-16 Samsung Electronics Co., Ltd. Power saving control method and electronic device supporting the same
US20170013188A1 (en) * 2014-09-19 2017-01-12 Be Topnotch, Llc Smart vehicle sun visor
CN106627457A (zh) * 2015-10-29 2017-05-10 惠州市德赛西威汽车电子股份有限公司 一种车内留人探测及报警系统
US20180050575A1 (en) * 2016-08-19 2018-02-22 Seth Campbell Vehicle Occupant Detection System
US20180300568A1 (en) * 2017-04-18 2018-10-18 Shenzhen Futaihong Precision Industry Co., Ltd. Detecting device and method of detecting target object in vehicle
US20180370431A1 (en) * 2017-06-23 2018-12-27 Aamp Of Florida, Inc. Unattented occupant protection system (uops) safety system
CN107650853A (zh) * 2017-09-13 2018-02-02 上海蓥石汽车技术有限公司 一种用于新能源电动车的车内遗漏人员检测和保护装置
US20190176837A1 (en) * 2017-12-08 2019-06-13 Tesla, Inc. Personalization system and method for a vehicle based on spatial locations of occupants' body portions
KR20190098460A (ko) * 2018-02-14 2019-08-22 박성대 감지성능을 강화한 차량용 재실감지장치
US20190258263A1 (en) * 2018-02-21 2019-08-22 Waymo Llc Determining and responding to an internal status of a vehicle
CN110562003A (zh) * 2018-06-05 2019-12-13 上海博泰悦臻网络技术服务有限公司 车内设备控制装置

Also Published As

Publication number Publication date
EP4100284A1 (en) 2022-12-14
KR20220127863A (ko) 2022-09-20
WO2021158424A1 (en) 2021-08-12
US11951997B2 (en) 2024-04-09
EP4100284A4 (en) 2024-03-06
US20240246547A1 (en) 2024-07-25
US20210245771A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
US11987256B1 (en) Automobile detection system
US20240246547A1 (en) Artificial intelligence-enabled alarm for detecting passengers locked in vehicle
JP2019205078A (ja) システム及びプログラム等
US20230083504A1 (en) Systems and methods for capturing images around vehicle for insurance claim processing
CN105711531B (zh) 用于提高车辆安全性的车辆安全装置、车辆和方法
US11285966B2 (en) Method and system for controlling an autonomous vehicle response to a fault condition
WO2017155448A1 (en) Method and system for theft detection in a vehicle
US11396309B2 (en) Management of vehicle sensors and responses to sensor data
US12026959B2 (en) Systems and methods for deterrence of intruders
WO2018105138A1 (ja) 分類装置、分類方法およびプログラム
US20210230921A1 (en) Vehicle protection system, vehicle component and method
CN112319367A (zh) 车内滞留人员监控保护系统及设备
CN109131276B (zh) 用于自主车辆中的制动系统的接触式传感器组件
JP7308573B2 (ja) システム及びプログラム等
KR102426735B1 (ko) 도난알림 기능이 적용된 전방위 촬영이 가능한 자동차용 보안 시스템
KR102564994B1 (ko) 비동기식 카메라를 포함하는 주차된 자동차의 환경을 모니터링하는 방법
CN111985444A (zh) 一种车用防止人员被锁的监测系统
JP7289166B2 (ja) システム及びプログラム等
US20240217305A1 (en) Animal location based vehicle climate control
US20230053029A1 (en) Projection on a vehicle window
EP4361989A1 (en) Artificially intelligent provision of post-vehicular-collision evidence
DE102021200480B3 (de) Kraftfahrzeugüberwachung durch Drohne
JP2023026427A (ja) システム及びプログラム等
JP2023061984A (ja) システム及びプログラム等
WO2022219398A1 (en) Vehicle protection system, vehicle component and method

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