-
Die Erfindung betrifft eine Benutzererkennungsvorrichtung zum Ermitteln einer Identität eines Benutzers. Die Erfindung umfasst ebenfalls ein Verfahren zum Ermitteln einer Identität eines Benutzers, der sich einem Kraftfahrzeug nähert. Darüber hinaus betrifft die Erfindung ebenfalls ein Kraftfahrzeug mit einer Benutzererkennungsvorrichtung.
-
Bei Kraftfahrzeugen ist es häufig sinnvoll und teilweise auch nötig, vor Inbetriebnahme des Kraftfahrzeugs eine Benutzererkennung durchzuführen. So kann beispielsweise erkannt werden, ob die betreffende Person beispielsweise berechtigt ist, das entsprechende Kraftfahrzeug zu führen. In vielen Fällen ist es sinnvoll, diese Identifizierung des Benutzers bereits vor einem Einsteigen oder Betreten des Kraftfahrzeugs durchzuführen. So kann beispielsweise verhindert werden, dass Unbefugte Gegenstände aus dem Inneren des Kraftfahrzeugs entwenden.
-
Anmelderseitig ist bekannt, dass eine Nutzeridentifikation durch die Angabe eines entsprechend vorab hinterlegten Accounts durchgeführt wird. Dazu werden beispielsweise Zugangsdaten des jeweiligen Nutzers im Fahrzeug hinterlegt und erst nach erfolgreicher Verifizierung anhand der Zugangsdaten kann die Benutzeridentifikation durchgeführt werden. In vielen Fällen wird eine solche Identifikation mit einem Funkschlüssel kombiniert. Damit müsste für jede Person, welche das Fahrzeug nutzt, ein exklusiv genutzter Schlüssel vorliegen. Nicht immer existiert für jeden einzelnen Nutzer des Kraftfahrzeugs jeweils ein separater Fahrzeugschlüssel beziehungsweise ist dies nicht immer erwünscht. Teilen sich mehrere Personen dasselbe Kraftfahrzeug und existiert nur ein einziger Fahrzeugschlüssel zu diesem Kraftfahrzeug, so könnte eine falsche Benutzererkennung durchgeführt werden. Dies gilt insbesondere dann, wenn der Schlüssel mit nur einer einzigen Person verknüpft ist. Anhand des Fahrzeugschlüssels an sich kann noch keine zuverlässige Benutzeridentifikation durchgeführt werden.
-
Die Offenlegungsschrift
DE 10 2017 105 786 A1 beschreibt eine Identifizierung eines Fahrers eines Fahrzeugs. Mittels eines ersten Sensors, beispielsweise eines Funkschlüssels, werden Daten gesammelt und verarbeitet, um den Fahrer basierend auf erlernten charakteristischen Mustern zu identifizieren. Dabei kann beispielsweise der Gang des Fahrers herangezogen werden. Mithilfe eines zweiten Sensors werden insbesondere biometrische Daten gesammelt und verarbeitet. Mithilfe dieser vom zweiten Sensor gesammelten Daten wird die Identität des Nutzers bestätigt. Die gesammelten Daten des zweiten Sensors können beispielsweise biometrische Daten umfassen.
-
Die Offenlegungsschrift
DE 10 2009 040 995 A1 beschreibt eine Vorrichtung zum Vermessen einer sich einem Fahrzeug annähernden Person. Die in dieser Druckschrift beschriebene Vorrichtung umfasst eine Erfassungseinheit, welche zumindest einen berührungslosen Sensor aufweist. Dieser berührungslose Sensor kann zum Beispiel eine omnidirektionale Kamera sein. Es ist eine Informationsverarbeitungseinheit vorgesehen, welche aktuell ermittelte Daten im Hinblick auf eine Unterscheidung von Objekten und Personen, welche sich dem Fahrzeug nähern, auswertet. Mithilfe der Daten der Erfassungseinheit werden anthropometrische Daten der detektieren Zielperson erfasst und gespeichert, wobei eine weitere Verarbeitung der vermessenen anthropometrischen Daten zur gezielten Einstellung von Fahrersitz, Lenkrad und Außenspiegeln vorgesehen sind.
-
Es ist Aufgabe der vorliegenden Erfindung, eine Identifizierung eines sich einem Kraftfahrzeug nähernden Benutzer oder einer Person zu erleichtern beziehungsweise zu verbessern.
-
Diese Aufgabe wird gemäß den unabhängigen Ansprüchen dieser Anmeldung gelöst. Sinnvolle Weiterbildungen und alternative Ausführungsformen sind in den Unteransprüchen, den Figuren sowie der Beschreibung beschrieben.
-
Bisherige Systeme zur Benutzeridentifikation nutzen optische Systeme wie zum Beispiel eine RGB-Kamera, die einen Nutzer vor dem Einsteigen in ein Kraftfahrzeug erkennen kann. Die Erkennung beziehungsweise Identifizierung des Benutzers basiert dabei meistens auf einer Gesichtserkennung, um den Benutzer eindeutig zu identifizieren. Dazu müssen die jeweiligen Kameras in der Regel so verbaut sein, dass sie das Gesicht eines Nutzers oder Passanten auf mehrere Meter Entfernung erkennen können. Problematisch ist hierbei die jeweilige rechtliche Grundlage in verschiedenen Ländern. Beispielsweise ist in Deutschland eine Bilderfassung sowie Benutzeridentifizierung vorbeigehender Passanten nicht ohne Weiteres rechtlich möglich. Darüber hinaus müssen bei der Gesichtserkennung personenbezogene Daten verarbeitet werden, was weitere komplexe organisatorische sowie technische Vorkehrungen notwendig werden lassen. Dies kann sich insbesondere aufgrund rechtlicher Vorgaben ergeben. So könnte beispielsweise aufgrund der Datenschutzgrundverordnung der Europäischen Union oder einer entsprechend anderweiten Verordnung oder Vorschrift eine Anonymisierung der personenbezogenen Daten vorgeschrieben werden. Aufgrund dieser Umstände kann es sinnvoll sein, eine Benutzeridentifikation basierend auf weniger sensiblen Daten durchzuführen. Dies kann auch dann noch sinnvoll sein, wenn die technische Umsetzung mittels der weniger sensiblen Daten technisch aufwendiger ist.
-
Die Erfindung sieht eine Benutzererkennungsvorrichtung zum Ermitteln einer Identität eines Benutzers vor. Dabei handelt es sich vorzugsweise um einen Benutzer, der sich einem Kraftfahrzeug nähert. Der Benutzer muss nicht zwangsläufig der Fahrer des jeweiligen Kraftfahrzeugs sein. Der Benutzer kann ein vorbeigehender Passant sein. Somit ist mit dem Begriff Benutzer grundsätzlich jede menschliche Person angesprochen. Die Benutzererkennungsvorrichtung weist eine Erfassungseinheit auf, welche ausgestaltet ist, Sensordaten betreffend den Benutzer zu erfassen. Die Erfassungseinheit kann als Kamera, Radar, Laserscanner und/oder Ultraschallsensor ausgebildet sein. Vorzugsweise ist die Erfassungseinheit als Kamera ausgebildet. Die Erfassungseinheit kann eine Sensoreinheit sein beziehungsweise mehrere Sensoreinheiten, auch unterschiedliche Sensoreinheiten aufweisen.
-
Die von der Erfassungseinheit generierten Sensordaten repräsentieren insbesondere den Benutzer. Die Sensordaten können beispielsweise in Form von mehreren dreidimensionalen Koordinaten, sogenannten Punktwolken vorliegen. Die Erfassungseinheit kann ebenfalls mehrere der vorgenannten Sensoren umfassen. So kann die Erfassungseinheit beispielsweise mehrere Kameras umfassen. Es ist auch möglich, dass die Erfassungseinheit mehrere unterschiedliche Sensoren aufweist. Ist die Erfassungseinheit als Kamera ausgebildet, so kann die Kamera Umgebungsbilder von einem Kraftfahrzeug beziehungsweise von der Benutzererkennungsvorrichtung erfassen. Die Benutzererkennungsvorrichtung weist ferner eine Steuereinheit auf, welche ausgebildet ist, basierend auf den Sensordaten eine Gelenkkoordinate bezüglich eines Gelenks des Benutzers, mindestens eine Gelenkkoordinate und/oder eine Trajektorie der Gelenkkoordinate zu ermitteln. Die Steuereinheit kann ausgebildet sein, in Abhängigkeit von den Sensordaten einen Satz von Gelenkkoordinaten zu ermitteln. Dies bedeutet insbesondere, dass mehrere Gelenkkoordinaten ermittelt werden können. Diese mehreren Gelenkkoordinaten können sich auf mehrere Gelenke und/oder mehrere Zeitpunkte beziehen. Damit kann jeder Gelenkkoordinate ein Zeitstempel zugeordnet werden, wobei der Zeitstempel insbesondere die jeweilige Gelenkkoordinate einem jeweiligen Zeitpunkt zuordnet. Damit kann die Steuereinheit die Trajektorie der Gelenkkoordinate ermitteln beziehungsweise die Gelenkkoordinate mit dem jeweiligen Zeitpunkt verknüpfen. Diese Trajektorie kann auch als dreidimensionale Bahnkurve der Gelenkkoordinate verstanden werden.
-
Darüber hinaus ist die Steuereinheit ausgebildet, mithilfe der Gelenkkoordinate und/oder der Trajektorie der Gelenkkoordinate eine Identität des Benutzers zu ermitteln. Die Steuereinheit kann insbesondere ein künstliches neuronales Netz aufweisen oder beinhalten. Falls die Erfassungseinheit als Kamera ausgebildet ist, so sind die entsprechenden Sensordaten als Umgebungsbilder der Benutzererkennungsvorrichtung ausgeführt. Werden entsprechend andere oder zusätzliche Sensoren eingesetzt, so ergeben sich entsprechend unterschiedliche Sensordaten.
-
Wird in dieser Anmeldung von „Gelenkkoordinate“ gesprochen, so können auch mehrere Gelenkkoordinaten angesprochen sein. Die Gelenkkoordinate kann als Vektor ausgebildet sein. Der Vektor kann somit als „Gelenkvektor“ betrachtet werden, der mindestens eine Koordinate oder mehrere Koordinaten bezüglich der Gelenke aufweist. Dieser Vektor kann eindimensional oder mehrdimensional sein. Somit kann die Steuereinheit ausgebildet sein, basierend auf den Sensordaten mehrere Gelenkkoordinaten und/oder einen Vektor betreffend die Gelenkkoordinaten zu ermitteln. Die Gelenkkoordinaten beziehen sich dabei insbesondere auf mehrere unterschiedliche Gelenke des Benutzers und/oder auf mehrere Zeitpunkte der Gelenkkoordinaten. Somit können sich die mehreren Gelenkkoordinaten auf ein einziges Gelenk zu mehreren Zeitpunkten, auf mehrere Gelenke zu einem vorgegebenen Zeitpunkt und/oder auf mehrere Gelenke zu mehreren Zeitpunkten beziehen.
-
Damit kann die Steuereinheit mehrere Trajektorien der Gelenkkoordinaten ermitteln. Insbesondere kann die Steuereinheit zu jedem Gelenk des Benutzers eine separate Trajektorie ermitteln. Die Steuereinheit kann ausgebildet sein, eine Analyse der Gelenkkoordinate, der mehreren Gelenkkoordinaten, des Vektors beziehungsweise des Gelenkvektors und/oder der mehreren Trajektorien durchzuführen. Die Analyse kann eine Korrelation, eine Kreuzkorrelation, eine Erkennung zumindest eines charakteristischen Merkmals der jeweiligen Trajektorie und/oder eine stochastische Analyse umfassen. Bei der stochastischen Analyse kann eine Trajektorie mit einer vorgegebenen Trajektorie verglichen werden. Bei diesem Vergleich kann beispielsweise ein Wahrscheinlichkeitswert ermittelt werden. Dieser Wahrscheinlichkeitswert kann insbesondere ein Maß bedeuten, mit welcher Wahrscheinlichkeit die Trajektorie und die vorgegebene Trajektorie zu demselben Benutzer gehören. Die Steuereinheit kann mithilfe eines neuronalen Netzes auch weitere oder alternative Analysen vornehmen.
-
Das Gelenk des Benutzers ist insbesondere eine bewegliche Verbindung von zwei oder mehreren Knochen des Benutzers. Damit bezieht sich der Begriff Gelenk des Benutzers insbesondere auf jene Stellen eines Skeletts des Benutzers, welche zwei oder mehrere Knochen miteinander verbunden. Insbesondere können Gelenke an Ellbogen und/oder Kniescheiben des Benutzers als Gelenke verstanden werden. Vorzugsweise werden jene Gelenkkoordinaten ermittelt, welche sich auf besonders leicht zu identifizierende Gelenke beziehen. Dies können beispielsweise Hüftgelenke, Ellbogengelenke und/oder Kniegelenke sein. Auch die jeweiligen Gelenke, die sich in einer Hand befinden, können von der Steuereinheit ermittelt werden. Der Begriff Gelenke kann Scharniergelenke, Drehgelenke, Sattelgelenke und/oder Kugelgelenke bedeuten. Ein Scharniergelenk befindet sich beispielsweise an den Knien, den Ellbogen und Fingern des Benutzers. Eine Elle und eine Speiche sind jeweils Beispiele für ein Drehgelenk. Ein Daumen-Grundgelenk stellt ein Beispiel für ein Sattelgelenk dar. An einer Schulter sowie einer Hüfte des Benutzers können beispielsweise Kugelgelenke erkannt und/oder ermittelt werden.
-
Die Trajektorie der Gelenkkoordinate kann insbesondere eine Bewegung des Benutzers repräsentieren. Die Trajektorie der Gelenkkoordinate ist insbesondere zeitabhängig. Der Begriff Trajektorie kann auch mittels des Begriffs Bahnkurve beschrieben werden. Eine Trajektorie repräsentiert insbesondere einen Pfad oder Weg der entsprechenden Gelenkkoordinate. So kann anhand der Trajektorie ermittelt werden, an welchem Ort sich die Gelenkkoordinate zu einem betreffenden Zeitpunkt oder Zeitschritt befindet. Ein Zeitschritt repräsentiert insbesondere eine Differenz zweier Zeitpunkte. Die Steuereinheit kann insbesondere die Trajektorie der Gelenkkoordinate in dreidimensionaler Form ermitteln. In diesem Fall kann die Trajektorie als Raumkurve bezeichnet werden. Somit kann die Trajektorie der Gelenkkoordinate eine dreidimensionale Bewegung der Gelenkkoordinate repräsentieren. Vorzugsweise werden mehrere Gelenkkoordinaten sowie mehrere Trajektorien der Gelenkkoordinaten ermittelt.
-
Die Steuereinheit ist insbesondere dazu ausgebildet, basierend auf diesen Informationen die Identität des Benutzers zu ermitteln. Damit ist es nicht länger nötig, eine Benutzererkennung beziehungsweise eine Ermittlung der Identität des Benutzers mithilfe einer Gesichtserkennung durchführen zu müssen. Somit muss die Erfassungseinheit nicht einen Kopf oder ein Gesicht des Benutzers erfassen. Das Ermitteln der Identität des Benutzers könnte somit auf Bildern basieren, die nur einen unbedenklichen Teil der Fahrzeugumgebung umfassen. Diese Bilder würden dabei vorzugsweise eine Person beziehungsweise den Benutzer ohne Kopf beziehungsweise ohne Gesicht zeigen. Erste Vorversuche der Anmelderin haben sogar ergeben, dass die bisherigen Umgebungskameras aktueller Kraftfahrzeuge, die für eine Einparkvisualisierung genutzt werden, für die Realisierung dieses Ansatzes ausreichen könnten. Somit könnte bereits mithilfe existierender verbauter Kameras die Identität der Person zuverlässig ermittelt werden. Ein Einsatz weiterer zusätzlicher Sensoren wäre demnach nicht zwingend nötig.
-
Eine weitere Ausführungsform dieser Erfindung sieht vor, dass die Steuereinheit ausgebildet ist, anhand der Gelenkkoordinate und/oder Trajektorie der Gelenkkoordinate eine Ganganalyse durchzuführen, um den Benutzer zu erkennen. Das Erkennen des Benutzers kann insbesondere das Ermitteln der Identität des Benutzers bedeuten. Der Begriff Ganganalyse kann insbesondere eine Analyse einer natürlichen Fortbewegungsart von Lebewesen, im Speziellen die des Benutzers, umfassen, wobei die Ganganalyse die Fortbewegungsart hinsichtlich seiner Charakteristika hin untersucht. Bei der Ganganalyse können beispielsweise eine Schrittlänge, eine Gehgeschwindigkeit, eine Schrittfrequenz, ein jeweiliger Gelenkwinkel und/oder auf die jeweiligen Gelenke einwirkende Kräfte ausgewertet werden. So kann die Steuereinheit beispielsweise anhand der Schrittlänge einen Erwachsenen von einem kleinen Kind unterscheiden. Anhand einer Gehgeschwindigkeit beziehungsweise einer Schrittfrequenz des Benutzers kann die Steuereinheit den sich nähernden Benutzer näher bestimmen, indem von einer ersten Menge an Benutzern eine zweite kleinere Menge an Benutzers bestimmt wird, zu der der Benutzer zugeordnet wird.
-
Die Ganganalyse kann ebenfalls ein Untersuchen der Trajektorien hinsichtlich auftretender Charakteristika bedeuten. So hat in der Regel jeder Benutzer beziehungsweise jede Person ihre entsprechende Gangart. Diese Gangart spiegelt sich unter anderem auch in der jeweiligen Trajektorie der Gelenkkoordinaten wider. Diese Trajektorie kann insbesondere den Benutzer eindeutig kennzeichnen, womit der Benutzer anhand der Trajektorie eindeutig identifiziert werden kann. Somit kann die Trajektorie der Gelenkkoordinate eine Art „Fingerabdruck“ der Gangart des Benutzers darstellen. Die Trajektorie der Gelenkkoordinate kann ebenfalls einer Musteranalyse unterzogen werden, um die Trajektorie eindeutig dem Benutzer zuzuordnen.
-
Diese Ganganalyse kann insbesondere einen Abstand zweier Gelenke zueinander als Parameter berücksichtigen. Die Ganganalyse kann jedoch darüber hinaus auch weitere Parameter berücksichtigen. So kann beispielsweise anhand einer auf einen Türgriff des Kraftfahrzeugs wirkende Kraft erfasst und analysiert werden. Anhand einer Höhe der auf den Türgriff wirkenden Kraft kann beispielsweise auf den Benutzer geschlossen werden. Die Ganganalyse kann ferner eine Kadenz sowie eine Spurbreite des Benutzers berücksichtigen. Die Kadenz beschreibt insbesondere eine Anzahl der Schritte pro Zeiteinheit. Dieser Wert unterscheidet sich in der Regel bei verschiedenen Benutzern. Die Spurbreite beschreibt beispielsweise einen Abstand zwischen den Fußlängsachsen. Treten bei der Ganganalyse abnormale Werte auf, so kann damit unter Umständen zusätzlich auf einen Gesundheitszustand des Benutzers geschlossen werden. Mithilfe der beschriebenen Ganganalyse ist es nicht nötig, dass der Benutzer einen Sensor mit sich führen muss. Insbesondere muss der Benutzer keinen Funkschlüssel bei sich haben, um von der Benutzererkennungsvorrichtung identifiziert zu werden.
-
Eine weitere Ausführungsform sieht eine Benutzererkennungsvorrichtung vor, wobei die Steuereinheit ausgebildet ist, die Gelenkkoordinate und/oder Trajektorie auf einen vorgegebenen Referenzpunkt zu beziehen, der sich insbesondere durch einen Schnittpunkt zweier auf eine Ebene projizierte Linien ergibt, wobei die erste Linie eine Verbindungslinie zweier Hüftköpfe des Benutzers repräsentiert und zweite Linie eine Wirbelsäule des Benutzer repräsentiert. In der Regel weist jeder Benutzer zwei Hüftköpfe auf. Mithilfe dieser beiden Hüftköpfe kann die zweite Linie dargestellt werden. Die erste Linie repräsentiert die Wirbelsäule. Dabei wird insbesondere die Wirbelsäule als gerade Linie angenähert.
-
Diese beiden Linien können im dreidimensionalen Raum zueinander windschief sein. Deshalb wird vorzugsweise die erste Linie, die sich anhand der beiden Hüftköpfe des Benutzers ergibt, auf eine Ebene projiziert, welche die zweite Linie beinhaltet. Diese Ebene kann beispielsweise mithilfe der zweiten Linie sowie eines Schulterblatts gebildet werden. Das Schulterblatt kann als weitere dritte Linie aufgefasst werden, welche sich seitlich von der zweiten Linie befindet. Bei dieser Darstellung wird vereinfacht angenommen, dass die Wirbelsäule und das Schulterblatt in einer Ebene liegen. Auf diese Ebene wird vorzugsweise die erste Linie senkrecht projiziert. Dadurch können sowohl die erste als auch die zweite Linie auf einer Ebene abgebildet werden. Der sich daraus ergebende Schnittpunkt repräsentiert insbesondere den vorgegebenen Referenzpunkt. Die Steuereinheit ist in diesem Beispiel dazu ausgebildet, die Gelenkkoordinate und/oder die Trajektorie der Gelenkkoordinate auf diesen vorgegebenen Referenzpunkt zu beziehen. Anders ausgedrückt, werden die Gelenkkoordinate und/oder die Trajektorie in ein Bezugssystem transformiert, wobei dieses neue Bezugssystem den vorgegebenen Referenzpunkt als Ursprung aufweist. Mithilfe einer solchen Koordinatentransformation kann eine Analyse der Gelenkkoordinate ohne den Einfluss der dazugehörigen Trajektorie durchgeführt werden. Somit kann eine Ganganalyse aus Sicht des Benutzers dargestellt werden und aus dieser Sicht analysiert werden. Eventuelle externe Störungen können so vermieden werden.
-
Die Erfindung sieht ebenfalls ein Kraftfahrzeug mit einer entsprechenden Benutzererkennungsvorrichtung vor. In diesem Fall ist die Benutzererkennungsvorrichtung vorzugsweise im Kraftfahrzeug verbaut oder am Kraftfahrzeug angeordnet. Damit kann ein sich dem Kraftfahrzeug nähernder Benutzer erkannt beziehungsweise identifiziert werden. In diesem Fall kann die Steuereinheit beispielsweise ermitteln, ob eine sich nähernde Person berechtigt ist, das Kraftfahrzeug zu öffnen beziehungsweise es zu benutzen. Die in den vorangegangenen Ausführungsformen genannten Vorteile und Beispiele gelten sinngemäß und analog für das Kraftfahrzeug.
-
Eine weitere Ausführungsform sieht ein Kraftfahrzeug vor, wobei die Erfassungseinheit ausschließlich im oder am Kraftfahrzeug angeordnet ist. In diesem Fall muss der Benutzer keinen externen Sensor mit sich führen, um sich zu identifizieren. Insbesondere ist es nicht nötig, dass der Benutzer beziehungsweise die Person einen Funkschlüssel mit sich führt, um als berechtigter Benutzer erkannt zu werden. Im Idealfall kann der Benutzer bereits beim Herantreten oder Heranschreiten an das Kraftfahrzeug von der Steuereinheit identifiziert werden. Dies geschieht, wie zuvor beschrieben wurde, mithilfe der Gelenkkoordinate, der Trajektorie der Gelenkkoordinate und/oder der dargestellten Ganganalyse. Diese beschriebene Identifikation des Benutzers lässt sich zudem auch auf weitere Insassen anwenden und ist nicht auf den Fahrer als Benutzer beschränkt. So kann beispielsweise eine erwachsene Person als Hauptbenutzer erkannt werden und weitere Benutzer können als Nebenbenutzer erkannt werden. Es ist ebenfalls möglich, dass Familienangehörige wie zum Beispiel auch Kinder des Hauptnutzers als Benutzer des Kraftfahrzeugs identifiziert werden können. Die Identität des Benutzers kann ferner mit vorgegebenen Funktionen des Kraftfahrzeugs verknüpft sein. So kann beispielsweise festgelegt sein, dass der Hauptbenutzer des Kraftfahrzeugs sämtliche vorgegebenen Funktionen des Kraftfahrzeugs ausführen darf. Diese vorgegebenen Funktionen umfassen dabei insbesondere ein Manövrieren des Kraftfahrzeugs sowie das Öffnen sämtlicher Fahrzeugtüren des Kraftfahrzeugs. Ein Postbote kann beispielsweise lediglich die Berechtigung erhalten, einen Kofferraumdeckel des Kraftfahrzeugs zu öffnen. Damit kann der Postbote Pakete im Kofferraum ablegen. In diesem Fall ist vorzugsweise vorgesehen, dass der Postbote ausschließlich den Kofferraumdeckel öffnen darf. Weitergehende Benutzungsrechte werden ihm in der Regel verweigert.
-
Eine weitere Ausführungsform dieser Erfindung sieht ein Kraftfahrzeug vor, wobei die Steuereinheit eingerichtet ist, ein Adaptionssignal zum personalisierten Einstellen des Kraftfahrzeugs in Abhängigkeit von der Identität des Benutzers zu erzeugen. Wird die Identität des Benutzers bereits vor Eintreffen beim Kraftfahrzeug ermittelt, so kann die Steuereinheit das Kraftfahrzeug auf vorgegebene Einstellungen für den Benutzer einstellen. Somit kann bereits vor dem Einsteigen eine Personalisierung des Kraftfahrzeugs angestoßen werden. Insbesondere kann die Steuereinheit ausgebildet sein, anhand einer Auswertung der Trajektorie der Gelenkkoordinate zu erkennen, an welche Stelle der Benutzer am Kraftfahrzeug eintreffen wird. Insbesondere kann die Steuereinheit so erkennen, welchem Sitzplatz sich der Benutzer nähert. Anhand dieser Informationen kann bereits vor dem Einsteigen in das Kraftfahrzeug die Personalisierung des Kraftfahrzeugs in Gang gesetzt werden.
-
Mit Personalisierung des Kraftfahrzeugs ist insbesondere gemeint, dass die vorgegebenen Komponenten des Kraftfahrzeugs auf den erkannten Benutzer eingestellt werden. In der Regel ist zu jedem Benutzer eine Information bezüglich seiner Einstellungen hinterlegt. So können beispielsweise mehrere Komponenten in Abhängigkeit von der Identität des Benutzers eingestellt werden. Mithilfe des Adaptionssignals kann beispielsweise ein Sitz in die richtige Position verfahren werden oder eine Sitzheizung wird an die Gewohnheiten des identifizierten Benutzers angepasst. Im Idealfall findet der Benutzer des Kraftfahrzeugs beim Einsteigen ein auf sich optimiertes Kraftfahrzeug vor. Das personalisierte Einstellen kann ebenfalls eine Anpassung eines Infotainmentsystems auf vorab hinterlegte Informationen des Benutzers bedeuten. Die zu dem Benutzer zugehörigen Einstellungen können auch mithilfe eines neuronalen Netzes erlernt werden. Dabei kann das neuronale Netz sich die von einem Benutzer getätigten Einstellungen über einen vorgegebenen Zeitraum abspeichern und daraus Informationen zum personalisierten Einstellen des Kraftfahrzeugs generieren. Basierend auf diesen erhobenen Informationen kann das neuronale Netz das Adaptionssignal erzeugen.
-
Die Erfindung stellt ebenfalls ein Verfahren zum Ermitteln einer Identität eines Benutzers, der sich einem Kraftfahrzeug nähert, bereit. Dabei werden folgende Verfahrensschritte ausgeführt. Zunächst werden Sensordaten betreffend den Benutzer erfasst oder erzeugt. Dies geschieht in der Regel mithilfe einer entsprechenden Erfassungseinheit. Die Erfassungseinheit kann insbesondere als Kamera ausgebildet sein. Die Sensordaten beinhalten insbesondere Informationen bezüglich mindestens eines Gelenks des Benutzers. Damit kann aus den Sensordaten mindestens eine Koordinate bezüglich des mindestens einen Gelenks ermittelt oder abgeleitet werden. In diesem Fall sind die Sensordaten als Umgebungsbilder des Kraftfahrzeugs ausgebildet. In einem weiteren Schritt werden eine Gelenkkoordinate bezüglich eines Gelenks des Benutzers und/oder eine Trajektorie der Gelenkkoordinate ermittelt. Dies kann beispielsweise mithilfe einer Steuereinheit realisiert werden. Die Steuereinheit wiederum kann ein neuronales Netz aufweisen. In einem weiteren Schritt wird eine Identität des Benutzers mittels der Gelenkkoordinate und/oder der Trajektorie der Gelenkkoordinate ermittelt. Die Gelenkkoordinate beziehungsweise die Trajektorie der Gelenkkoordinate können hinsichtlich charakteristischer Merkmale analysiert werden. Es ist auch möglich, dass mithilfe einer Look-up-Tabelle die Identität des Benutzers ermittelt wird. Beispielsweise können charakteristische Informationen aus den Gelenkkoordinaten und/oder der Trajektorie abgeleitet werden, welche mithilfe der Look-up-Tabelle mit vorgegebenen Informationen verglichen werden können. So kann beispielsweise ein Abstand zweier Gelenke zueinander bereits eine ausreichende Information darstellen, um den Benutzer zuverlässig zu identifizieren. Dies kann beispielsweise in jenen Fällen möglich sein, in denen der mögliche Benutzerkreis des Kraftfahrzeugs stark eingeschränkt ist. Die genannten Vorteile und Beispiele der vorangegangenen Ausführungsform gelten sinngemäß für dieses Verfahren und umgekehrt.
-
Eine Weiterbildung dieses Verfahrens sieht vor, dass für das Ermitteln der Identität des Benutzers ein trainiertes künstliches neuronales Netz eingesetzt wird, welches mithilfe von Trainingsdaten trainiert ist oder wird. Diese Trainingsdaten können vorab dem neuronalen Netz zur Verfügung gestellt werden. So können diese Trainingsdaten allgemeine Informationen bezüglich Gelenke, Gelenkkoordinaten und Trajektorien der Gelenkkoordinaten umfassen. Damit kann eine notwendige Lernphase für das künstliche neuronale Netz verkürzt werden.
-
Eine Weiterbildung dieses Verfahrens sieht vor, dass die Trainingsdaten für das künstliche neuronale Netz mithilfe von Umgebungsbildern des Kraftfahrzeugs erzeugt werden, welche den Benutzer zumindest teilweise zeigen. In diesem Fall kann eine Kamera des Kraftfahrzeugs während einer vorgegebenen Lernphase Umgebungsbilder des Kraftfahrzeugs aufnehmen. Dabei werden bevorzugt lediglich jene Bilder als Trainingsdaten verwendet, welche den Benutzer zumindest teilweise zeigen. Insbesondere zeigen die Umgebungsbilder als Trainingsdaten den Benutzer ohne Kopf und ohne Gesicht. Auch wenn andere und/oder weitere Personen auf dem Bild zu erkennen sind, kann dies für das Trainieren des neuronalen Netzes verwendet werden. So kann das neuronale Netz zusätzlich lernen, nicht nur den Benutzer an sich zu identifizieren, sondern lernen, ihn noch besser von anderen Personen zu unterscheiden.
-
Eine weitere Ausgestaltung des Verfahrens sieht vor, dass die Umgebungsbilder an einer Geraden gespiegelt werden und/oder eine Rotation betreffend den Benutzer im Bild durchgeführt wird, um zusätzliche Trainingsdaten zum Trainieren des künstlichen neuronalen Netzes zu erzeugen. In vielen Fällen zeigt ein Benutzer ein regelmäßiges, gleichbleibendes Verhalten beziehungsweise eine ähnliche Gangart. Dies kann dazu führen, dass die Trainingsdaten wenig unterschiedliche Informationen beinhalten. Beispielsweise beinhalten die Trainingsdaten mehrere Datensätze. Jeder Datensatz kann zum Beispiel einen Gang des Benutzers zu einem bestimmten Zeitpunkt repräsentieren. Die dazugehörige Trajektorie der Gelenkkoordinate kann beispielsweise häufig in ein und demselben Raumabschnitt um das Kraftfahrzeug auftreten. Dies ist beispielsweise dann der Fall, wenn der Benutzer des Kraftfahrzeugs sich stets von derselben Seite dem Kraftfahrzeug nähert.
-
Dies kann dazu führen, dass zum Beispiel der Benutzer des Kraftfahrzeugs stets von einer rechten Seite sich dem Kraftfahrzeug nähert. In diesem Fall kann die Spiegelung an einer Geraden ein weiteres Umgebungsbild erzeugen, indem der Benutzer des Kraftfahrzeugs sich von der linken Seite im Bild dem Kraftfahrzeug nähert. Somit kann mithilfe dieser dargestellten Spiegelung an der Geraden ein neuer Datensatz als Sensordaten erzeugt werden. Dieser neue Datensatz kann zum Trainieren des neuronalen Netzes verwendet werden. So kann das neuronale Netz besser trainiert werden und seine Eigenschaft, den Benutzer zuverlässig zu erkennen, kann verbessert werden. Ebenfalls kann eine Rotation des Benutzers im Bild durchgeführt werden, um eine weitere Information beziehungsweise Trainingsdaten zum Trainieren des neuronalen Netzes zu erzeugen. Ist beispielsweise der Benutzer stets nur rechts unten in dem Umgebungsbild zu erkennen, so kann eine Rotation des Benutzers in diesem Umgebungsbild ein neues Umgebungsbild erzeugen, indem der Benutzer an einer anderen Stelle im Bild zu sehen ist. Anstelle der Rotation kann auch eine Verschiebung des Benutzers im Bild durchgeführt werden. All diese erwähnten Möglichkeiten erlauben es, zusätzliche Trainingsdaten für das neuronale Netz bereitzustellen.
-
Eine weitere Weiterbildung des Verfahrens sieht vor, dass mithilfe der Gelenkkoordinate und/oder der Trajektorie der Gelenkkoordinate eine Ganganalyse des Benutzers durchgeführt wird, um ihn zu identifizieren. Bei dieser Ganganalyse kommt bevorzugt das neuronale Netz zum Einsatz. Dieses neuronale Netz ist insbesondere dazu ausgelegt, mithilfe der Gelenkkoordinaten und/oder der Trajektorien der Gelenkkoordinaten den Benutzer zu erkennen. Das neuronale Netz kann insbesondere über Personenidentifizierungsalgorithmen verfügen, um den Benutzer zu erkennen oder zu identifizieren. Die genannten Vorteile und Beispiele der bereits genannten Beispiele und Ausführungsformen gelten sinngemäß und analog für dieses Verfahren.
-
Eine weitere Ausgestaltung dieses Verfahrens sieht vor, dass die Trainingsdaten für das künstliche neuronale Netz mithilfe von Umgebungsbildern des Kraftfahrzeugs erzeugt werden, welche den Benutzer zeigen. Bevorzugt zeigen die Umgebungsbilder den Benutzer ohne Kopf beziehungsweise Gesicht. Insbesondere kann es bereits ausreichen, wenn die Umgebungsbilder wenigstens ein Gelenk des Benutzers zeigen. Mit der Formulierung, die Umgebungsbilder zeigen den Benutzer, ist insbesondere gemeint, dass auf dem entsprechenden Umgebungsbild der Benutzer beziehungsweise ein Teil des Benutzers zu sehen ist oder darauf abgebildet ist. Der Begriff Umgebungsbild kann eine zweidimensionale Darstellung bedeuten, jedoch kann mit dem Begriff Umgebungsbild auch ein Datensatz gemeint sein. Wird beispielsweise als Erfassungseinheit ein Laserscanner verwendet, so könnte das Umgebungsbild in Form eines Datensatzes auftreten. Ein solcher Datensatz kann auch mehrdimensional ausgebildet sein, womit insbesondere gemeint ist, dass der Datensatz dreidimensionale Ortsinformationen enthält. Die Umgebungsbilder können beispielsweise mithilfe verschiedener Testszenarien erstellt werden. Vorzugsweise werden bei solchen Testszenarien verschiedene Möglichkeiten einer Annäherung des Benutzers an das Kraftfahrzeug durchgeführt. So können unterschiedliche Trainingsdaten zum Trainieren für das künstliche neuronale Netz erzeugt werden. Dies kann eine spätere Identifizierung beziehungsweise Identitätsbestimmung des Benutzers erleichtern oder beschleunigen.
-
Eine weitere Ausgestaltung des Verfahrens sieht vor, dass die Umgebungsbilder an einer Geraden gespiegelt werden und/oder eine Rotation betreffend den Benutzer im Bild durchgeführt wird, um zusätzliche Trainingsdaten zum Trainieren des künstlichen neuronalen Netzes zu erzeugen. Dies bedeutet insbesondere, dass die Umgebungsbilder einer geometrischen Transformation unterworfen werden, um neue Umgebungsbilder als Trainingsdaten zu erzeugen. Beispielsweise kann eine das Umgebungsbild in zwei gleich große Teile aufteilende Gerade gespiegelt werden. Dies würde demzufolge entsprechend die Position des Benutzers im Bild verändern. Anstelle einer Spiegelung können auch eine Rotation oder eine Verschiebung sowie ein Kombination der genannten geometrischen Transformationen erfolgen. Nähert sich beispielsweise der Benutzer stets von einer ersten Seite dem Kraftfahrzeug, so kann mithilfe einer Spiegelung an einer Geraden ein weiteres Umgebungsbild erzeugt werden, welches den Benutzer auf einer gegenüberliegenden zweiten Seite des Bildes zeigt. Eine ähnliche Argumentation liegt für die weiteren bereits genannten geometrischen Transformationen. Mithilfe der genannten geometrischen Transformationen können neue Trainingsdaten erzeugt werden, die unter Umständen schwierig nachzustellen sind. Damit können weitere zusätzliche Umgebungsbilder als Trainingsdaten erzeugt werden, um das künstliche neuronale Netz besser zu trainieren. Dies kann sich positiv auf die Zuverlässigkeit des neuronalen Netzes hinsichtlich der Erkennung der Identität des Benutzers auswirken.
-
Eine weitere Ausgestaltung dieses Verfahrens sieht vor, dass mithilfe der Gelenkkoordinate und/oder der Trajektorie der Gelenkkoordinate eine Ganganalyse des Benutzers durchgeführt wird, um ihn zu identifizieren. Die bereits genannten Beispiele und Vorteile gelten sinngemäß für dieses Verfahren und umgekehrt. Insbesondere kann das neuronale Netz dazu ausgebildet sein, einen neuen, noch nicht bekannten Benutzer als neuen Benutzer einzustufen. Das neuronale Netz kann insbesondere von einem ihm noch unbekannten Benutzer so lange Sensordaten erfassen, bis es in der Lage ist, den Benutzer zu identifizieren. So kann das neuronale Netz von neuen unbekannten Personen ein entsprechendes Gangprofil erstellen oder anlegen. Insbesondere kann das neuronale Netz dadurch lernen, einen berechtigten Benutzer von anderen unberechtigten Benutzern zu unterscheiden.
-
Die Erfindung wird nun anhand der beigefügten Figuren näher erläutert. Dabei ist zu beachten, dass die in den Figuren beschriebenen Ausführungsformen lediglich beispielhafte Ausführungsformen darstellen. Die Erfindung ist jedoch nicht auf die Beispiele, welche die Figuren sowie die Figurenbeschreibung zeigen, beschränkt.
-
Zu der Erfindung gehören auch Weiterbildungen des erfindungsgemäßen Verfahrens, die Merkmale aufweisen, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Kraftfahrzeugs beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Verfahrens hier nicht noch einmal beschrieben.
-
Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus oder Motorrad ausgestaltet.
-
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen.
-
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
- 1 eine beispielhafte Darstellung von Gelenken an einem Skelett;
- 2 ein Benutzer, der sich einem Kraftfahrzeug nähert;
- 3 ein schematisches Ablaufdiagramm für ein mögliches Verfahren.
-
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
-
In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.
-
Die 1 zeigt beispielhaft ein Skelett eines Benutzers 17. Mithilfe dieser Darstellung soll besser dargestellt werden, welche Informationen eine Erfassungseinheit 22 von dem Benutzer 17 erfasst beziehungsweise registriert. Das Skelett weist mehrere Gelenke 10, zwei Hüftköpfe 12, eine Wirbelsäule 14 sowie ein Schulterblatt 16 auf. Bei einer Annäherung des Benutzers 17 an ein Kraftfahrzeug 20 erfasst die Erfassungseinheit 22 Rauminformationen bezüglich der Gelenke 10. Diese Rauminformationen können insbesondere als dreidimensionale Koordinaten dargestellt werden. Bevorzugt werden diese Koordinaten, welche auch als Gelenkkoordinaten bezeichnet werden können, bezüglich eines Referenzpunkts 15 dargestellt.
-
Der Referenzpunkt 15 ergibt sich im Beispiel von 1 anhand eines Schnittpunkts zweier Linien. Eine erste Linie 11 verläuft zwischen den beiden Hüftköpfen 12. Eine zweite Linie 13 verläuft entlang der Wirbelsäule 14. Die zweite Linie 13 repräsentiert somit die Wirbelsäule 14 des Benutzers 17. Da diese beiden Linien windschief sein können, wird eine dieser beiden Linien entlang einer Richtung senkrecht zur Bildebene von 1 verschoben, sodass beide Linien in einer Ebene liegen. Beispielsweise kann die erste Linie 11 derart verschoben werden, dass sie auf einer Ebene liegt, welche anhand der zweiten Linie 13 sowie einer dritten Linie, die das Schulterblatt 16 repräsentiert, dargestellt werden kann. Dieser Referenzpunkt 15 würde im Inneren des Benutzers 17 liegen. Damit können eventuell auftretende externe Störungen vermieden werden. Dieser Referenzpunkt 15 kann insbesondere der Ursprung eines Koordinatensystems bezüglich der Gelenkkoordinaten sein. Demzufolge kann eine Steuereinheit 21 die von der Erfassungseinheit 22 erfassten Sensordaten derart auswerten, dass die Gelenkkoordinaten sich auf den Referenzpunkt 15 beziehen.
-
2 zeigt beispielhaft das Kraftfahrzeug 20, dem sich der Benutzer 17 nähert. Der Benutzer 17 befindet sich gemäß 2 an einem Startpunkt A. De Weg des Benutzers 17 zu dem Kraftfahrzeug 20 ist beispielhaft mit einer Trajektorie 25 angedeutet. Wie zu erkennen ist, verläuft die Trajektorie 25 in Richtung eines Hecks des Kraftfahrzeugs 20. Dort ändert die Trajektorie 25 allmählich ihre Richtung und setzt sich zu einem Endpunkt E fort. Der Endpunkt E der Trajektorie 25 endet an einer Fahrertür des Kraftfahrzeugs 20. Während der Benutzer 17 sich dem Kraftfahrzeug 20 nähert, erfasst die Erfassungseinheit 22 den Benutzer 17. Die Erfassungseinheit 22 ist vorzugsweise als eine Kamera 22 ausgebildet. Die Kamera 22 kann an mehreren Stellen des Kraftfahrzeugs 20 angebracht sein. In diesem Fall nimmt die Kamera 22 eines oder mehrere Bilder auf, die den Benutzer 17 teilweise zeigen. Dabei kann vorgesehen sein, dass lediglich jener Teil des Benutzers 17 aufgenommen wird, der nicht den Kopf und das Gesicht enthält. Dies kann aus datenschutzrechtlichen Gründen sinnvoll beziehungsweise geboten sein. Die Steuereinheit 21 kann insbesondere ein neuronales Netz 23 aufweisen beziehungsweise beinhalten. Dieses neuronale Netz 23 ist insbesondere dazu ausgelegt, anhand der Trainingsdaten beziehungsweise Umgebungsbilder den Benutzer 17 eindeutig zu identifizieren. Dabei greift die Steuereinheit 21 beziehungsweise das neuronale Netz 23 auf eine Ganganalyse betreffend den Benutzer 17 zurück. Die in 1 dargestellten Gelenke 10, 12 werden dabei räumlich erfasst und zu Gelenkkoordinaten zugeordnet. Da sich der Benutzer 17 im Raum bewegt, kann eine entsprechend dazugehörige Trajektorie 25 ermittelt werden. Diese Trajektorie 25 ist insbesondere eine dreidimensionale Trajektorie. Bei dieser Ganganalyse können eine Schrittlänge, eine Schrittfrequenz, eine Kadenz und/oder Längenverhältnisse anthropometrischer Daten ermittelt werden. All diese Informationen kann das neuronale Netz 23 bei der Ganganalyse nutzen, um den Benutzer 17 eindeutig zu identifizieren.
-
Die Kamera 22 und die Steuereinheit 21 mit dem dazugehörigen neuronalen Netz 23 bilden zusammen eine Benutzererkennungsvorrichtung 27. Dabei ist bevorzugt vorgesehen, dass die Benutzererkennungsvorrichtung 27 ausschließlich am oder im Kraftfahrzeug 20 angeordnet ist. Dies bedeutet konkret, dass der Benutzer 17 keinerlei zusätzliche Sensoren oder anderweitige Geräte mitführen muss, damit er zuverlässig identifiziert werden kann. Die Benutzererkennungsvorrichtung 27 kann den Benutzer 17 bevorzugt auch dann erkennen, wenn er zu verschiedenen Zeitpunkten unterschiedliche Kleidung trägt. Das neuronale Netz 23 der Benutzererkennungsvorrichtung 27 kann ebenfalls eine Abweichung eines Gangprofils des Benutzers 17 von einem vorgegebenen Normalgangprofil des Benutzers 17 erkennen. Eine solche Abweichung kann beispielsweise dadurch entstehen, wenn der Benutzer 17 erkrankt ist oder sich verletzt hat. Das neuronale Netz 23 kann insbesondere eine derartige Abweichung ermitteln und sie entsprechend gewichten. Dies bedeutet, dass das neuronale Netz 23 feststellen kann, ob es sich um einen neuen, unbekannten Benutzer handelt oder um den Benutzer 17, der eine erklärbare Abweichung zu seinem bisherigen Gangverhalten aufweist. Das neuronale Netz 23 kann zudem ein neues Gangverhalten des Benutzers 17 mit der Zeit erlernen beziehungsweise lernen.
-
Legt beispielsweise der Benutzer 17 ein neues Gangverhalten an den Tag, so kann die Benutzererkennungsvorrichtung 27 ihn zunächst vermutlich nicht erkennen. Jedoch kann die Benutzererkennungsvorrichtung 27 im Laufe der Zeit, das heißt nach einem vorgegebenen mehrmaligen Erfassen des Benutzers 17 mit seinem neuen Gangverhalten, dieses neue Gangverhalten entsprechend lernen und es dem ursprünglichen Benutzer 17 zuverlässig zuordnen. Dasselbige gilt für den Fall, wenn eine neue Person als Benutzer 17 in Erscheinung tritt.
-
Die Kameras 22 können insbesondere Umgebungskameras des Kraftfahrzeugs 20 sein. Es hat sich gezeigt, dass sogar die bisherigen Umgebungskameras 22 der aktuellen Kraftfahrzeuge 20, die als Einparkvisualisierung genutzt werden, für die Implementierung dieser Idee ausreichen könnten. Vorzugsweise wird der Benutzer 17 bereits vor dem Eintreffen am Kraftfahrzeug 20 identifiziert. Damit kann die Steuereinheit 21 ein entsprechendes Adaptionssignal bereitstellen. Dieses Adaptionssignal bewirkt, dass vorgegebene Komponenten des Kraftfahrzeugs 20 in ihrer Einstellung oder Konfiguration verändert werden. Dabei wird die Konfiguration bevorzugt derart abgeändert, wie es in einem Benutzerprofil hinterlegt ist. Dies bedeutet, dass das Kraftfahrzeug 20 im Idealfall vor einem Eintreffen des Benutzers 17 gemäß dem Adaptionssignal eingestellt wird. Dieses Einstellen umfasst zum Beispiel eine Veränderung der Sitzhöhe, eine korrekte Einstellung der Außenspiegel, das Einschalten eines Radios sowie weiterer Einstellungen eines Infotainmentsystems.
-
Die Steuereinheit 21 empfängt bevorzugt kontinuierlich Umgebungsbilder der Kameras 22. Mithilfe des neuronalen Netzes 23 kann eine sogenannte Post-Estimation durchgeführt werden. Diese Post-Estimation bezeichnet das Ermitteln der Gelenkkoordinaten. Das Ergebnis dieser Post-Estimation ist ein Datensatz mit Koordinaten für mehrere Gelenke 10, 12 des menschlichen Skeletts. Insbesondere kann das neuronale Netz 23 eine Bildverarbeitung durchführen, um die Gelenke 10 des Benutzers 17 besser ermitteln zu können. Diese Bildverarbeitung kann ausgelegt sein, charakteristische Merkmale des Skeletts des Benutzers 17 zu ermitteln und anzuzeigen. Mit dem Wissen über den erkannten Menschen beziehungsweise den Benutzer 17 kann die Steuereinheit 21 die Personalisierung des Kraftfahrzeugs 20 vor dem Einsteigen anstoßen. Idealerweise wird auch erkannt, welchem Sitzplatz sich der Benutzer 17 nähert. Beispielsweise fährt der Fahrersitz sich in die richtige Position oder die Sitzheizung wird an die Gewohnheiten des Benutzers 17 angepasst.
-
Sofern der Benutzer 17 dem neuronalen Netz 23 noch unbekannt ist, lässt sich eine unbekannte Gangsequenz als Trainingsdaten für das neuronale Netz 23 nutzen. In diesem Fall würde bei dem Einsteigen kein personalisiertes Kraftfahrzeug 20 vorliegen, jedoch könnte der Benutzer 17 sich über einen anderen Weg identifizieren und so das Adaptionssignal erzeugen. Das neuronale Netz 23 kann diese unbekannte Gangsequenz beziehungsweise diese neuen Trainingsdaten mit den vorgenommenen Einstellungen am Kraftfahrzeug 20 verknüpfen. Liegen dem neuronalen Netz 23 entsprechend genügend Trainingsdaten über den unbekannten Benutzer 17 vor, so kann es diesen zuverlässig erkennen. Das Nutzen einer unbekannten Gangsequenz als Trainingsdaten für das neuronale Netz 23 kann auch hinsichtlich temporärer Unterschiede in der Gangart des Benutzers 17 angewendet werden. Ein solcher temporärer Unterschied in der Gangart des Benutzers 17 ergibt sich zum Beispiel, wenn dieser besondere Schuhe trägt oder verletzt ist. Ein Gangprofil des Benutzers 17 kann über eine Verbindung auch auf andere Kraftfahrzeuge übertragen werden, sodass ein weiteres Kraftfahrzeug vor dem Einsteigen des Benutzers 17 perfekt auf seine entsprechenden Vorlieben anpassen kann.
-
In 3 ist schematisch ein mögliches Verfahren der Erfindung dargestellt. Dieses Verfahren dient zum Ermitteln einer Identität des Benutzers 17, der sich dem Kraftfahrzeug 20 nähert. Dabei werden folgende Verfahrensschritte ausgeführt:
- In einem ersten Schritt S1 werden Sensordaten betreffend den Benutzer 17 erfasst oder erzeugt. Dies geschieht beispielsweise mithilfe der Kameras 22. In diesem Fall sind die Sensordaten mithilfe entsprechender Umgebungsbilder repräsentiert. In einem zweiten Schritt S2 wird eine Gelenkkoordinate bezüglich eines Gelenks 10 des Benutzers 17 und/oder eine Trajektorie 25 der Gelenkkoordinate ermittelt. Dies kann zum Beispiel mithilfe des neuronalen Netzes 23 erfolgen. In einem dritten Schritt S3 wird eine Identität des Benutzers 17 mithilfe der Gelenkkoordinate und/oder der Trajektorie 25 der Gelenkkoordinate ermittelt. Beispielsweise kann die Steuereinheit 21 die Sensordaten mithilfe entsprechender Korrelationen auswerten. In diesem Zusammenhang ist beispielsweise eine Kreuzkorrelation oder eine andere Korrelation bezüglich einer Abweichung von einem vorgegebenen Normprofil denkbar. Das vorgegebene Normprofil bezieht sich insbesondere auf eine Gangart, die der Benutzer 17 überwiegend an den Tag legt. Auch ein Abgleichen der Sensordaten mit Informationen aus einer Look-up-Tabelle ist möglich.
-
Insgesamt zeigt die Erfindung, dass die Benutzererkennungsvorrichtung 27 imstande ist, den Benutzer 17 zuverlässig zu identifizieren. Dabei muss der Benutzer 17 keinerlei zusätzliche technische Geräte mit sich führen. Hervorzuheben ist, dass der Benutzer 17 nicht, wie woanders oft vorgesehen ist, mithilfe einer Gesichtserkennung erkannt wird. Der Benutzer 17 wird bevorzugt mittels einer Ganganalyse identifiziert. Damit kann der Benutzer 17 vor dem Einsteigen in das Kraftfahrzeug 20 erkannt werden und das Kraftfahrzeug 20 kann entsprechend vorher parametrisiert beziehungsweise eingestellt werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102017105786 A1 [0004]
- DE 102009040995 A1 [0005]
