CN208299873U - 一种新型的基于人工智能的防护手机套 - Google Patents

Abstract

本实用新型为一种新型的基于人工智能的防护手机套，与现有技术相比，采用了硬件神经网络加速器对被测物体进行数据处理和反复判别，对特殊地形的监测，得到了较准确的数据，借助其自适应、自组织、自学习能力等特性，得到了更加准确的危险地形判断，并使用了手机套内的蓝牙向配对的蓝牙设备发出振动和报警提醒用户，本实用新型应用范围较广，适用于监测领域，为特殊地形判别提供有利的数据支持。

Description

一种新型的基于人工智能的防护手机套

技术领域

本实用新型属于数据监测领域，特别涉及一种新型的基于人工智能的防护手机套。

背景技术

随着智能手机的普及，人们将更多的精力放在手机上，甚至是在走路的时候，越来越多的人成为了“低头族”，各种因为看手机忘记看路而导致的安全事故越来越多，造成了人员伤亡以及经济损失。

目前主流的障碍物、距离检测技术主要为反射法，其主要工作原理为：测距设备通过超声波发射器或不可见光发光二极管向探测的物体表面发出超声波或不可见光，然后探测设备内部的超声波接受器或光敏元件接收从探测表面反射回来的超声波或不可见光，然后计算发射和接收之间的时间差，来得出所探测物体表面所处的距离。

基于反射发的距离传感器用途广泛，主要的应用场景多为工业机械、交通安全保障器械、测绘工具、飞行器以及机器人领域。

目前带有外部物理环境数据监测的便携式设备有很多，例如：智能手机，智能手机作为嵌入式设备，内部含有大量的传感器，其中的加速度传感器和陀螺仪传感器，采集手机持有人的运动数据并进行运动状态识别和记录，但是这种设备没有可以有效检测路面状况的传感器，对于特殊危险地形无法进行探测，同时手机自身需要运行操作系统和应用程序，会占用手机内部处理器的处理资源，对于实时要求较高的地面障碍物检测来说，会产生大量的延迟，同时也会拖慢手机的运行速度，为整个数据采集过程的可靠性带来很不利的影响。如何利用人工神经网络来对该状况判别过程进行优化，如何更加准确快速的对危险地形进行判别是本实用新型解决的主要问题。

发明内容

为了解决上述技术问题，本实用新型为一种新型的基于人工智能的防护手机套，其技术方案为：

包括手机套，手机套内设有IIC总线飞行时间传感器、聚合物锂电池、振动器、报警扬声器和控制器模组，所述控制器模组通过IIC总线接收和发送IIC总线飞行时间传感器的数据，并通过聚合物锂电池提供电源；

IIC总线飞行时间传感器，采用Vl53l0X传感器，用于向被测物体发出带有频闪频率的红外线激光束，并接收由物体表面漫反射回来的光束，通过计算光线发出以及接收光线之间的时间差值计算出与被测物体的距离；

所述控制器模组采用Intel®居里™模组，其内部集成了一个Intel®夸克x1000处理器、硬件神经网络加速器、蓝牙BLE4.0基带、电源管理、六轴传感器和外围I/O电路，其中外围I/O电路包括定时器、通用输入/输出（GPIO）、AD转换器、集成电路总线（IIC）接口模块、实时时钟芯片（RTC）模块，该控制器模组用于传感器的初始化和数据读取、锂电池充放电管理、数据处理和警报信息发送；

所述振动器和报警扬声器通过通用输入/输出（GPIO）驱动。

进一步地，所述聚合物锂电池通过电源管理控制手机的充放电功能。

进一步地，所述蓝牙BLE4.0基带可以与带有蓝牙的设备连接。

使用智能防护手机套，其操作过程如下：

步骤一，对IIC总线飞行时间传感器初始化；

对主控制器模组内的硬件神经网络加速器初始化，并导入路面状况识别训练数据；

步骤二，采集数据，主控制器模组通过驱动IIC总线读取IIC总线飞行时间传感器测量到的数据；

步骤三，主控制器模组将接收到的测量数据传给IIC总线飞行时间传感器进行数据预处理；

步骤四，硬件神经网络加速器将预处理数据进行模式判别，即有无路面危险地形；

步骤五，根据硬件神经网络加速器的判别结果，无路面危险地形时，将数据返回步骤二，并进行下次路面状况检测；否则，将通过蓝牙驱动振动器和报警扬声器通知用户。

进一步地，步骤四中硬件神经网络加速器将预处理数据进行姿态解算数据修正和数据缓冲区两步，预处理数据先通过姿态解算数据修正进入数据缓冲区，数据缓冲区被填满后将导入硬件神经网络加速器进行处理。

进一步地，所述姿态解算数据修正利用主控模块内的六轴传感器测出手机壳与被测物体的倾角和持拿的状态数据，将数据与步骤二中的测量数据进行比较，并修正步骤二中的数据。

本实用新型的有益效果为：本实用新型为一种新型的基于人工智能的防护手机套，与现有技术相比，采用了硬件神经网络加速器对被测物体进行数据处理和反复判别，对特殊地形的监测，得到了较准确的数据，借助其自适应、自组织、自学习能力等特性，得到了更加准确的危险地形判断，并使用了手机套内的蓝牙向配对的蓝牙设备发出振动和报警提醒用户，本实用新型应用范围较广，适用于监测领域，为特殊地形判别提供有利的数据支持。

附图说明

图1为本实用新型框架结构示意图;

图2为本实用新型操作过程流程图;

图3为本实用新型数据预处理流程图。

具体实施方式

本实用新型为一种新型的基于人工智能的防护手机套，包括手机套，手机套内设有IIC总线飞行时间传感器、聚合物锂电池、振动器、报警扬声器和控制器模组。

IIC总线飞行时间传感器：即距离传感器，采用的是意法半导体公司出品的VL53L0X传感器，可以达到2000毫米的测量范围，传感器初始化完成后，将会向被测物体发出带有一定频闪频率的红外线激光束，并接收由物体表面漫反射回来的光束，通过计算光线发出以及接收光线之间的时间差值便可计算出被测物体的距离。

聚合物锂电池：整个手机套产品的主要供电，同时也可以对套在其中的手机进行充电，即可以实现充电宝功能，由主控模组内置的电源管理模块来控制其充电和放电的过程。为了保证系统的可靠运转，电源管理模块不会将全部的电量用于充电宝功能，而是保留一部分电量，供应传感器以及主控模块的内部各个部件。

主控制器模组：负责IIC总线飞行时间传感器的初始化和数据读取、锂电池充放电管理、数据处理和警报信息发送。本实用新型使用Intel®居里™模组，其内部集成了一个Intel®夸克x1000处理器、硬件神经网络加速器、蓝牙BLE4.0超低功耗基带、电源管理、加速度和角速度传感器、外围I/O电路等功能模块，其中外围I/O电路包括定时器、通用输入/输出（GPIO）、AD转换器、集成电路总线（IIC）接口模块、实时时钟芯片（RTC）模块，整个模组具有高效能、多功能、集成度高、体积小巧、外围电路简单等优点，可以大大缩减产品的体积。

如图2所示，本实用新型操作过程如下：

初始化：对IIC总线飞行时间传感器进行初始化，做好采集数据的准备；初始化主控模块的内部硬件神经网络加速器，将路面状况识别训练数据导入其中，做好数据处理的准备。

数据采集：主控制器模组通过驱动IIC总线读取传感器测量到的数据。

数据预处理：将从IIC总线飞行时间传感器收集到的数据进行预处理，便于硬件神经网络加速器对数据进行判别。

硬件神经网络处理：将预处理的数据进行模式判别，产生路面状况判别结果。

处理结果判断：判断硬件神经网络加速器的判别结果，若为正常的路面，则回到数据采集过程，进行下一次路面状况检测，否则将控制蓝牙基带向用户的手机发送报警信息，并控制自带的振动器发出振动报警，待用户解除报警后，再次回到正常采集过程。

如图3所示，本实用新型数据预处理过程说明：

本产品使用主控制器模组内部的硬件神经网络加速器来对IIC总线飞行时间传感器数据进行识别、判断，但由于主控制器模组内部的硬件神经网络加速器只能对具备一定长度的数据进行处理，同时用户在拿手机的时候，其持拿角度和方式是完全随机变化的，会导致IIC总线飞行时间传感器检测到的数据产生极大的偏差。所以需要对从IIC总线飞行时间传感器获得的原始数据需要进行预处理。

处理过程分为两个步骤：姿态解算数据修正过程和数据缓冲过程。其中，姿态解算数据修正过程首先利用主控模块内部的六轴传感器测出手机与被测物体的倾角和持拿的状态，然后根据测得的角度，对IIC总线飞行时间传感器测得的原始数据进行修正。

从IIC总线飞行时间传感器读取到的原始数据，首先经过姿态解算数据修正，然后存入数据缓冲区，当缓冲区的所有数据单元全部被刷新完成后，送入硬件神经网络加速器进行处理。

本实用新型将基于不可见光的飞行时间传感器作为探测传感器，通过测量光线发射与返回的时间差来计算与障碍物之间的距离。鉴于各种不同的道路情况，便于更加高效的检测用户前方的障碍物以及坑洼地形，采用“导数法”的解决方案，即探测传感器返回数据是否发生一定程度上的突变，来判断用户前方的道路状况。采用人工神经网络来进行更加准确快速的障碍物识别，并将利用intel(R)居里(TM)模组内的“模式匹配器”神经网络运算加速模块；还将使用intel(R)居里(TM)模组内的加速度和角速度传感器来检测产品的持拿状态，用于消除由于用户持拿倾角的状态而造成的探测误差；并通过intel(R)居里(TM)模组内的蓝牙通信模组来进行与手机的通讯，增加对用户提醒的方式。

当用户开始使用本产品时，IIC总线飞行时间传感器将以一定频率来向用户步行方向发射不可见光的激光束，前方的物体将会将部分光束反射到传感器的接收窗口，通过对反射光的光强以及反射时间进行探测，IIC总线飞行时间传感器便可以计算出物体与用户的距离，并将数据传回主控模组。当用户前方道路出现坑洼或是障碍物等危险地形时，传感器的数据会发生一定程度的突变，此时此刻，主控模块就会将这种突变认定为危险状况，并通过振动器、报警扬声器以及蓝牙模组将提示信息传递给用户。

由于实际的用户使用方式充满很多不确定因素，导致用户持拿设备的角度方式各有不同，进而导致测量数据出现不准确的现象，因而我们借助主控模组中的六轴传感器模块，对用户持拿的姿态进行解算，并对测量数据进行补偿，从而适应各种使用场合。

为了更加快速的、更加准确的进行障碍物、坑洼等危险地形的探测，我们将利用人工神经网络来对判别过程进行优化，即利用主控模组内的硬件神经网络加速器来进行数据的处理，借助其自适应、自组织、自学习能力等特性，主控模组将会不断优化对探测判别的结果，并能做出更加准确快速的危险地形判别，本实用新型应用范围较广，适用于监测领域，为特殊地形判别提供有利的数据支持。

本领域的技术人员容易理解，以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本实用新型的保护范围之内。

Claims (3)

1.一种新型的基于人工智能的防护手机套，包括手机套，其特征在于，所述手机套内设有IIC飞行时间传感器、聚合物锂电池、振动器、报警扬声器和控制器模组，所述控制器模组通过IIC总线接收和发送IIC总线飞行时间传感器的数据，并通过聚合物锂电池提供电源；

IIC总线飞行时间传感器，采用Vl53l0X传感器，用于向被测物体发出带有频闪频率的红外线激光束，并接收由物体表面漫反射回来的光束，通过计算光线发出以及接收光线之间的时间差值计算出与被测物体的距离；

所述控制器模组采用Intel®居里™模组，其内部集成了一个Intel®夸克x1000处理器、硬件神经网络加速器、蓝牙BLE4.0基带、电源管理、六轴传感器和外围I/O电路，其中外围I/O电路包括定时器、通用输入/输出（GPIO）、AD转换器、集成电路总线（IIC）接口模块、实时时钟芯片（RTC）模块，该控制器模组用于传感器的初始化和数据读取、锂电池充放电管理、数据处理和警报信息发送；

所述振动器和报警扬声器通过通用输入/输出（GPIO）驱动。

2.如权利要求1所述的一种新型的基于人工智能的防护手机套，其特征在于，所述聚合物锂电池通过电源管理控制手机的充放电功能。

3.如权利要求1所述的一种新型的基于人工智能的防护手机套，其特征在于，所述蓝牙BLE4.0基带可以与带有蓝牙的设备连接。