DE69811472T2 - Personenidentifizierungssystem mit auswertung multipler parameter mit geringer kreuzkorrelation - Google Patents

Description

HINTERGRUND DER ERFINDUNG
• Die Erfindung betrifft im allgemeinen das Gebiet der Einbruchserkennung und der Einbrecheralarmsysteme. Insbesondere betrifft die verwendete Methodologie auch eine Mustererkennung, eine unscharfe Logik und Neuronennetze.
• Ein Personenidentifikationssystem wie z. B. jenes, das als Teil eines Einbruchserkennungsmechanismus verwendet werden könnte, hat häufig eine Mustererkennung zur Folge, um einen Satz von Eingangsvariablen bezüglich eines Satzes von bekannten Werten zu analysieren, aus dem eine Übereinstimmungsschlußfolgerung abgeleitet werden kann. Eine solche Mustererkennung ist nicht so diskret wie arithmetische Gleichheit, sondern analysiert vielmehr die Eingangsvariablen und bekannten Werte gegen eine anerkannte Toleranz einer Variation, um eine Musterübereinstimmung zu bestimmen. Eine größere Anzahl von Eingangsvariablen und niedrigere anerkannte Toleranzergebnisse verbessern die genaue Erkennung, was falsche bejahende Übereinstimmungen verringert, aber auch falsche Verneinungen erhöht, die beispielsweise zur Ablehnung eines berechtigten Teilnehmers führen könnten.
• Ein Verfahren des Standes der Technik zur Mustererkennung verwendet Neuronennetze. Neuronennetze sind eine spezialisierte Hardware, die vielmehr auf Verbindung basiert als die herkömmliche auf Regeln basierende Plattform. Solche Plattformen verwenden vielmehr mehrere Verbindungen zwischen Prozessoren als mehrere Regeln, die nacheinander auf einen einzelnen Prozessor angewendet werden, um ein Ergebnis zu erzeugen. Harrison (US-Patent Nr. 5 576 972) verwendet mehrere Sensoren, die einen Bereich überwachen, in Kombination mit einer Neuronennetzmethode, um ein Sensorausgangssignal zu werwenden, um ein Modell eines Bereichs zu definieren, der, wenn er gestört wird, einen Einbruch bedeutet. Adams (US-Patent Nr. 5 313 558) verwendet Neuronennetze, um eine
HINTERGRUND DER ERFINDUNG
• Die Erfindung betrifft im allgemeinen das Gebiet der Einbruchserkennung und der Einbrecheralarmsysteme. Insbesondere betrifft die verwendete Methodologie auch eine Mustererkennung, eine unscharfe Logik und Neuronennetze.
• Ein Personenidentifikationssystem wie z. B. jenes, das als Teil eines Einbruchserkennungsmechanismus verwendet werden könnte, hat häufig eine Mustererkennung zur Folge, um einen Satz von Eingangsvariablen bezüglich eines Satzes von bekannten Werten zu analysieren, aus dem eine Übereinstimmungsschlußfolgerung abgeleitet werden kann. Eine solche Mustererkennung ist nicht so diskret wie arithmetische Gleichheit, sondern analysiert vielmehr die Eingangsvariablen und bekannten Werte gegen eine anerkannte Toleranz einer Variation, um eine Musterübereinstimmung zu bestimmen. Eine größere Anzahl von Eingangsvariablen und niedrigere anerkannte Toleranzergebnisse verbessern die genaue Erkennung, was falsche bejahende Übereinstimmungen verringert, aber auch falsche Verneinungen erhöht, die beispielsweise zur Ablehnung eines berechtigten Teilnehmers führen könnten.
• Ein Verfahren des Standes der Technik zur Mustererkennung verwendet Neuronennetze. Neuronennetze sind eine spezialisierte Hardware, die vielmehr auf Verbindung basiert als die herkömmliche auf Regeln basierende Plattform. Solche Plattformen verwenden vielmehr mehrere Verbindungen zwischen Prozessoren als mehrere Regeln, die nacheinander auf einen einzelnen Prozessor angewendet werden, um ein Ergebnis zu erzeugen. Harrison (US-Patent Nr. 5 576 972) verwendet mehrere Sensoren, die einen Bereich überwachen, in Kombination mit einer Neuronennetzmethode, um ein Sensorausgangssignal zu verwenden, um ein Modell eines Bereichs zu definieren, der, wenn er gestört wird, einen Einbruch bedeutet. Adams (US-Patent Nr. 5 313 558) verwendet Neuronennetze, um eine mathematische Methode anzuwenden, die sequentielle Ereignisse, die zeitlich angeordnet sind, als Dimension des Musters einführt.
• Andere Mustererkennungssysteme des Standes der Technik verwenden eine unscharfe Logik. Sultan et al. (US-Patent Nr. 5 499 319) beschreibt eine Metrik einer unscharfen Logik für beste Anpassung, die auf industrielle Kontrolle gerichtet ist. Tanaka (US-Patent Nr. 5 479 533) beschreibt eine Schrift- oder Druckzeichenerkennung unter Verwendung einer unscharfen Logik, die um komplexe, hierarchisch organisierte Muster orientiert ist. Verly et al. (US-Patent Nr. 5 123 057) vergleicht eine listenstrukturierte Hierarchie von Ereignissen und entwickelt eine Metrik für den Übereinstimmungsgrad.
• Mustervergleichssysteme wie z. B. die vorstehend beschriebenen wurden verwendet, um Verhaltensmuster zu bewerten. Solche Muster auf der Basis eines Profils, das als typisch oder symptomatisch für eine Klasse von Leuten, die wahrscheinlich eine kriminelle Absicht haben, beurteilt wurde, sind in McNair (US-Patent Nr. 5 375 244) beschrieben, das ein System zur Kontrolle des Zugangs zu einem Computer durch Beobachten von verschiedenen Attributen der Anmeldesequenz und Berechnen des "Abstands" im mehrdimensionalen Raum von einer Häufung von Attributen mit dem Profil von rechtmäßigen Benutzern gegen Hacker lehrt. Diese Methode unterscheidet sich von der vorliegenden Erfindung, da der Zweck der Messungen bei der Erfindung darin besteht, vielmehr das resultierende Profil mit den speziellen Attributen von bekannten Personen zu vergleichen als nur Variablen mit einem statistisch ermittelten unannehmbaren Profil zu vergleichen.
• Prezioso (US-Patent Nr. 5 577 169) zeigt auch ein System zum Durchsuchen einer Datenbank, die eine Information über Krankenversicherungsansprüche enthält, und zum Vergleichen der Attribute mit einem Muster, von dem angenommen wird, daß es betrügerische Gesundheitsfürsorgeanbieter darstellt, unter Verwendung von unscharfen Logikalgorithmen.
• Herkömmliche Einbruchserkennungssysteme wie z. B. Einbrecheralarmsysteme stellen typischerweise eine Anwesenheit, Bewegung und Handlung fest, konstruieren jedoch kein zusammengesetztes Bild, um Personen zu identifizieren. Berechtigte Personen werden durch den Besitz eines einzelnen diskreten Elements wie z. B. einer mechanischen, elektronischen oder Magnetkarte oder eines Schlüssels oder durch relativ teure Verfahren zum Messen einer einzelnen Eigenschaft wie z. B. Sprachsignaturanalyse, Irisform oder Fingerabdruck identifiziert. Beispiele des letzteren sind in Daugman (US-Patent Nr. 5 291 560), das eine Mustererkennung auf der Basis einer Irisanalyse beschreibt, und Sidlauskas (US-Patent Nr. 4 736 203), das eine dreidimensionale Handprofilanalyse lehrt, gezeigt. Diese Arten von Systemen bringen aufgrund der Kosten, die erforderlich sind, um Präzision und Genauigkeit hinsichtlich der Messung von im wesentlichen einem einzelnen Attribut einer Person zu erreichen, relativ hohe Kosten mit sich.
• Aus US 4 975 969 ist eine Identifikationsvorrichtung zum eindeutigen Identifizieren von Personen durch ihre speziellen physischen Eigenschaften bekannt. Insbesondere können Gesichtsparameter, die als die Abstände zwischen identifizierbaren Punkten im menschlichen Gesicht definiert sind, und/oder Verhältnisse der Gesichtsparameter verwendet werden, um eine Person zu identifizieren, da die Parameter für jede Person eindeutig sind. Solche Parameter oder eine solche Parameterverhältnisinformation einer Person wird auf einer Karte codiert und durch Abtasten des Gesichts eines Überbringers und Vergleichen von diesen mit Parametern oder einer Parametenierhältnisinformation auf der Karte kann eine Feststellung durchgeführt werden, ob der Überbringer jene Person ist, deren Information sich auf der Karte befindet.
• Aus EP 0 101 772 ist ein Computersicherheitssystem bekannt, bei dem mehrere Sensoren zusammenwirken, um zu prüfen, ob eine Person berechtigt ist, einen Computer zu betreiben, oder nicht. Verschiedene Sensoren werden vorgeschlagen, um eine physische Eigenschaft einer Person zu analysieren, insbesondere zur Spracherkennung, zum Feststellen der Umgebung, zum Erkennen eines Fingerabdrucks oder ein Ultraschallsensor.
• Aus US 5 127 055 ist eine Spracherkennungsvorrichtung mit einer Bezugsmusteranpassung, die eine Vielzahl von Bezugsmustern speichert, die zu erkennende Sprache darstellen, bekannt. Die Vorrichtung stellt Benutzerkorrekturhandlungen bereit, die die Genauigkeit einer Spracherkennung dynamisch darstellen.
KURZE ZUSAMMENFASSUNG DER ERFINDUNG
• Die Aufgabe der vorliegenden Erfindung ist die Bereitstellung eines kostengünstigen Systems zur Personenerkennung. Dieses System erkennt annehmbare Personen aus einer Vielzahl von sensorischen Anhaltspunkten, die einzeln eine niedrige Auflösung und Genauigkeit aufweisen, die sich jedoch kombinieren, um ein zusammengesetztes Bild zu erzeugen, das selten falsch ist. Durch die Kombination einer Reihe von Meßwerten mit niedriger Auflösung von mehreren Sensoren wird eine exponentiell zunehmende Genauigkeitsrate des Summenmusters beobachtet, wenn die Anzahl von Sensoren zunimmt. Das System wendet die mathematische Stärke dieser exponentiellen Zunahme auf die Identifikation von Personen in praktischen Umgebungen mit kostengünstigen Sensorsätzen an. Unter Verwendung eines Satzes von einfachen und kostengünstigen Sensoren wird folglich eine hohe Genauigkeit mit niedrigen Summenkosten erreicht, die gegenüber Konkurrenzsystemen, die derzeit erhältlich sind, vorteilhaft abschneidet.
KURZBESCHREIBUNG DER VERSCHIEDENEN ANSICHTEN DER ZEICHNUNG
• Die Erfindung wird durch Bezugnahme auf die folgenden Zeichnungen und die ausführliche Beschreibung genauer verstanden, in welchen gilt:
• Fig. 1 ist ein Blockdiagramm des hierin beschriebenen Systems;
• Fig. 2 ist eine Anwendung des Systems für eine Türüberwachungseinrichtung; und
• Fig. 3 ist ein Ablaufplan eines weiteren Ausführungsbeispiels des Systems.
AUSFÜHRLICHE BESCHREIBUNG DER ERFINDUNG
• Gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung sind eine Anzahl von Sensoren angeordnet, um Meßwerte zu erzeugen, wenn sich eine Person nähert. Diese erzeugen Meßwerte, die einzeln relativ ungenau sind - typischerweise zwei, drei oder vier Schwellenpegel oder Intervallbereiche sind für jeden Sensor erfaßbar. Niedrige, mittlere oder große Höhe kann beispielsweise mit nur zwei IR-Strahlen unterschieden werden, was eine Eingabe mit minimalen Sensorkosten bereitstellt, Mit mehreren unabhängigen Messungen nimmt jedoch die Fähigkeit des Systems aufzulösen exponentiell zu, so daß beispielsweise fünf Sensoren mit jeweils vier Auflösungsschwellen eine Unterscheidung von 1 in 1000 erzeugen.
• Gemäß einem ersten Ausführungsbeispiel, das im Blockdiagramm von Fig. 1 dargestellt ist, sind mehrere Sensoren 100 vorhanden, von denen jeder verschiedene Kriterien mißt, typischerweise Parameter wie z. B. Höhe, Gewicht, Schritte pro Sekunde, Tastenanschläge pro Sekunde und Zeitverzögerung bis zum Einführen eines Schlüssels. Die Sensormeßwerte von entweder analogen Werten oder diskreten Zuständen werden in eine Datenbank 102 von rohen zeitmarkierten Meßwerten eingelesen. Diese werden wiederum durch ein Profilgeneratorprogramm 104 in ein aktuelles Personenprofil 106 umgewandelt. Ein Profil ist ein Satz von Werten, von denen jeder ein anderes Kriterium für diese Person darstellt. Dieses Profil wird dann durch ein Profilüberprüfungsprogramm 110 mit einer Datenbank von anerkannten Profilen 108 verglichen und entsprechende Ausgangssignale werden erzeugt. Diese Ausgangssignale werden zu einer physikalischen E/A- Schnittstelle 112 wie z. B. Steuerrelais geleitet, um eine Tür 114 zu entriegeln oder einen Alarmton 116 zu geben, oder zu einer graphischen Benutzerschnittstelle 118 geleitet, so daß unter Verwendung der Anzeige des Computersystems, um Videozuführungen umzuschalten und ein entsprechendes Bild anzuzeigen, eine Benachrichtigung an einen Wachmann durchgeführt wird.
• Die Auswahl von Attributen und Wertebereichen, die verwendet werden, um ein Profil zu kennzeichnen, müssen sorgfältig gewählt werden, da die Genauigkeit des Systems durch die Auswahl von zuverlässigen Parametern gewährleistet wird. Da das System von der statistischen Unabhängigkeit der verwendeten Kriterien abhängt, sollte ein Kriterium nicht ein anderes bestimmen. Höhe und Gewicht sind beispielsweise nicht rein unabhängig und sollten daher in Kombination mit anderen Kriterien verwendet werden. Messungen, die gelernte oder von der Umgebung vorgegebene Attribute betreffen, sind gewöhnlich voneinander unabhängiger, wie z. B. die Zeit zum Eingeben beispielsweise eines Tastencodes, oder wie lang, nachdem eine Person auf die Türmatte tritt, die Person den Schlüssel in die Tür einführt, sind besser, da sie Gewohnheiten betreffen, die durch verschiedene Ursachen erzeugt werden.
• Die Intervallbereichs-Schwellenauswahl ist eine weitere Erwägung, die sorgfältig bewertet werden soll. Die meisten menschlichen Züge folgen gewöhnlich einer typischen Glockenkurvenverteilung. Der Abstand von Intervallbereichsgrenzen sollte derart sein, daß die Wahrscheinlichkeit für das Vorkommen eines Meßwerts in jedem Intervallbereich gleich ist; eine ungleiche Wahrscheinlichkeit unter den Intervallbereichen schwächt die Genauigkeit des Systems. Die Intervallbereiche sollten so ausgewählt werden, daß die Schwellengrenzwerte zwischen den Intervallbereichen derart angeordnet werden, daß die Verteilung der Population von Personen unter den Intervallbereichen gleichmäßig verteilt ist. Daher erzeugt die Population über die Zeit gleiche Zahlen von Meßwerten in jedem der Intervallbereiche.
• Das Sensoreingangssignal von solchen Parametern kann aus einfachen, relativ kostengünstigen Sensoren erhalten werden. Eine präzise Genauigkeit ist nicht erforderlich, solange der Meßwert einen speziellen Intervallbereich angibt. Typischerweise unterscheidet ein gegebener Parameter zwischen 2 und 5 Intervallbereichen, die Anzahl von Intervallbereichen kann jedoch verändert werden, um sie an die Anwendung anzupassen. Obwohl eine zunehmende Anzahl von Intervallbereichen die Genauigkeit erhöht, erfordert sie auch Sensoren, die in der Lage sind, zwischen einer erhöhten Anzahl von Schwellenwerten zu unterscheiden.
• In einer idealen mathematischen Umgebung, in der die Intervallbereichsverteilung exakt gleich ist und die Kriterienparameter vollständig unabhängig sind, ist die Wahrscheinlichkeit, daß ein zufälliger Einbrecher irrtümlich als dem speziellen Profil (z. B. übereinstimmende Festlegungen, die von jedem der Sensoren gelesen werden) einer bekannten berechtigten Person entsprechend identifiziert wird: (1/b^c, wobei b = Anzahl von Intervallbereichen pro Kriterium und c = Anzahl von verwendeten Kriterien.
• Eine typische Umgebung beinhaltet jedoch eine Vielzahl von Leuten, deren Profile gespeichert sind, und die routinemäßig eingelassen werden. Es wird angenommen, daß ihre Profile voneinander unabhängig sind. Ein Einbrecher, der irgendeinem von ihnen entspricht, wird eingelassen. Nun ist die Wahrscheinlichkeit für eine falschen Bejahung 1 - (1-(1/b)^c)^n, wobei n die Anzahl der berechtigten Leute ist.
• Diese angewendete Formel ist in den Tabellen I bis III gezeigt und zeigt die Wahrscheinlichkeit für drei, vier bzw. fünf Intervallbereiche pro Kriterium. Für jede Tabelle werden Wahrscheinlichkeitswerte von zwei bis zehn Kriterien auf ausgewählte Inkremente zwischen 1 und 100 entsprechend Personen angewendet. Man beachte, daß dieses Modell der Erläuterungsklarheit halber dieselbe Anzahl von Intervallbereichen für jedes der ausgewählten Kriterien verwendet, obwohl in dem tatsächlichen System die Anzahl der jedem Kriterium zugewiesenen Intervallbereiche variieren kann.
• Eine typische Sensoreinstellung ist in Fig. 2 gezeigt. Diese Zeichnung stellt ein kostengünstiges System dar, das neun verschiedene Kriterien 10-18 vorsehen könnte. Die Verwendung von vier Intervallbereichen für jedes der neun Kriterien würde eine Rate von falschen Bejahungen von 3 aus 100000 ergeben. Die Sensoren sind alle einfach und in der Lage zur kostengünstigen Herstellung und Installation. Verschiedene Substitutionen oder Auslassungen von verschiedenen Sensoren können natürlich zur Anpassung an die gewünschte Anwendung vorgesehen werden.
• Die Höhe wird von drei IR-Strahlen 22, 24, 26 abgeleitet, die einfache Dioden und Phototransistoren verwenden, die ähnlich zu jenen in einer typischen Haushaltsfernsehgerät-Fernbedienung sind. Eine sich nähernde Person 28 würde null oder mehr der drei Strahlen in Abhängigkeit von der Höhe blockieren, weshalb vier Intervallbereiche für die Höhenmessung vorgesehen sind. Die dargestellte Person 28 blockiert zwei der drei Strahlen, was auf den dritten Höhenintervallbereich hinweist (wobei der erste Intervallbereich die kürzeste Gruppe darstellt, d. h. keine Strahlen werden blockiert).
• Der Kartenleser 30 und das Tastenfeld 32 sehen eine Basis für mehrere Zeitabläufe vor, die Verhaltenszüge wie z. B. den Zeitablauf von Tastenanschlägen 12 und die Zeit zwischen der Tastencodeeingabe und dem Öffnen der Tür 13 kennzeichnen. Solche Zeitablaufdaten erfordern keine zusätzlich Hardware außer dem Mikroprozessortakt, der bereits in der Tastenfeld- und Kartenleserhardware verwendet wird.
• Ein kostengünstiges Mikrophon 34 ergibt eine Information über den Gang, typischerweise getragenes Schuhwerk und eine ähnliche Information. Die Dauer zwischen Geräuschstößen von Schritten 14 und die vorherrschende Frequenz 15, die über eine schnelle Fouriertransformation erhalten wird, können mit einem typischen PC effizient durchgeführt werden.
• Druckmatten 36 auf der Basis von einfachen Membranschaltern mit verschiedenen Schaltersätzen 38, 40, 42, die durch veränderliche Schwellen von aufgebrachtem Druck geschlossen werden, können das Gewicht 18 für vier Intervallbereiche unter Verwendung von Segmenten für niedrigen Druck 38, mittleren Druck 40 und hohen Druck 42 ähnlich der vorstehenden Intervallbereichsauswahl für die Höhe 10 messen. Solche Druckmatten messen auch die Länge 16 und Dauer 17 des Schritts durch Sammeln der Messungen von einer Vielzahl 36a, 36b von Druckmatten bei der Annäherung an die Tür.
• In einem weiteren Ausführungsbeispiel, das durch den Ablaufplan in Fig. 3 definiert ist, wird das System zur Personenidentifikation zur Scheckzahlung und Kreditkartenprüfung verwendet. Läden, die persönliche Schecks und Kreditkarten als Bezahlung annehmen, sind immer über die Identität des Käufers besorgt. Eine. Information im Kreditkarten-Magnetstreifen über das Gewicht, gekoppelt mit einer Unterschriften-Druckmatte, die drei Auflösungsintervallbereiche bietet, könnte die Verwendung einer gestohlenen Karte oder eines gestohlenen Schecks um einen Faktor von ungefähr drei verringern. Ein leicht erhaltenes und wirtschaftliches Maß der abgelaufenen Zeit, um eine Unterschrift zu schreiben, könnte sie auf eins in neun verringern.
• Mit Bezug auf den Ablaufplan in Fig. 3 wird ein Unterschriftsanalyse- Ausführungsbeispiel eingeleitet 200. Der auf den Stift von der Person aufgebrachte Druck nach unten wird bei 202 gemessen. Die Dauer der Unterschrift, die durch die abgelaufene Zeit vom Kontakt des Stifts mit der Druckmatte bis zur Entfernung definiert ist, wird bei 204 gemessen. Bei 206 wird die Höhe der Unterschrift von den äußersten Positionen des Stifts während des Unterschreibens gemessen. Bei 208 wird die Länge der Unterschrift unter Verwendung der äußersten Positionen entlang der zur Achse in Schritt 206 senkrechten Querachse gemessen. Die gesamte Unterschriftsfläche wird unter Verwendung der in den Schritten 206 und 208 gemessenen Kriterien berechnet 210. Die gesamte bedruckte Fläche wird in Schritt 212 aus der vom Stift kontaktierten Fläche ermittelt. Sättigung oder relative Dichte der bedruckten Fläche wird bei 214 durch Dividieren der gesamten bedruckten Fläche durch die gesamte Unterschriftsfläche berechnet. Bei 216 wird das Personenprofil durch Ermitteln der Intervallbereichsstelle der Unterschriftswerte, die in den Schritten 202-214 erhalten wurden, berechnet. Das neu erhaltene Personenprofil wird dann mit der Datenbank 218 für anerkannte Profile verglichen, um festzustellen, ob die Unterschrift der Person übereinstimmt 220 und die Identität des Unterzeichners 222 zu überprüfen.
• In einem weiteren Ausführungsbeispiel der vorliegenden Erfindung wird ein Lernmerkmal integriert. Über die Zeit ist es wahrscheinlich, daß sich ein oder mehrere Kriterien aufgrund von solchen Faktoren wie Sensordrift und sich ändernden persönlichen Eigenschaften wie z. B. Gewicht verschieben, welche das System annehmen und anpassen muß. Eine Architektur eines aktiven Agenten wird verwendet, um solches Lernen zu unterstützen. Das System enthält einen aktiven Agenten, der das Treffen von Entscheidungen für alle Personen und insbesondere für jede Person, die zum Einlaß qualifiziert ist, verkörpert. Dieser Agent kennt das Profil von vergangenen Meßwerten für diese Person. Er nimmt einen Meßwertvektor an, der exakt dem bekannten Profil entspricht. Er nimmt auch unter Vorbehalt einen Meßwerivektor an, der in nur einem Kriterium nicht entspricht. Wenn ein solcher Vektor wiederholt präsentiert wird, staut dies internen Druck zur Änderung des bekannten Profils auf, um entweder den Wert oder schließlich nur den neuen Wert anzunehmen. Der Druck zur Änderung baut sich schneller auf, wenn andere Agenten eine Drift mit demselben Sensor erfahren. Viele Ausführungsbeispiele der Lernmethodologie sind möglich. Wenn der Sensorsatz groß ist, kann beispielsweise mehr als eine Nicht-Übereinstimmung annehmbar sein, oder alternativ kann ein Warnausgangssignal erzeugt werden, wodurch Wachpersonen im Fall einer schlechten Musterübereinstimmung alarmiert werden.
• Alternative Ausführungsbeispiele des Systems umfassen die nachstehenden. In kommerziellen Gebäuden kann ein solches System in Kombination mit einer Codekarte und einem Tastenfeld zur PIN-Eingabe in Hochsicherheitsbereichen verwendet werden, oder es kann als Ersatz für Codekarten in Anwendungen mit niedrigerer Sicherheit verwendet werden, was die Verwaltungskosten, die mit dem Unterhalt von Codekarten verbunden sind, verringert. In Wohnungsanwendungen kann das System verwendet werden, um berechtigte Personen zu erkennen, als Alternative für den herkömmlichen Grenzschutz, der typischerweise viele Tür- und Fenstersensoren mit damit verbundener Verdrahtung beinhaltet. Es kann außerdem mit einem System eines "intelligenten Hauses" kombiniert werden, um die Umgebung auf die Vorlieben der speziellen Person, die eingetreten ist, einzustellen, indem Aktivitäten wie z. B. in Räumen eingeschaltete Beleuchtung, Wahl von Hintergrundmusik und andere wiederholte Verhaltensarten ausgewertet werden. Ein Kraftfahrzeugalarm könnte konstruiert werden, der mit denselben Vorrichtungen wie ein herkömmlicher Alarm verdrahtet, ist, der jedoch Folgen einer Handlungs- und Zeitablaufinformation verwendet, wie z. B. die Zeit, um den Schlüssel nach dem Öffnen der Tür einzustecken, die Zeit zum Anlegen des Sicherheitsgurts, zum Einschalten des Motors, die Zeit zum Lösen der Bremse und zum Einlegen des Gangs, das Gewicht im Sitz, und die gewohnte Anordnung der Aktentasche in einem benachbarten Sitz. Solche alternativen Ausführungsbeispiele würden ein Sensoreingangssignal ähnlich dem Blockdiagramm und der Gebäudeanwendung, die vorstehend beschrieben wurden, verarbeiten. Die Kosten im Vergleich zu aktuellen Alarmsystemen der oberen Preisklasse wären minimal.
• Qualitätskontroll-Untersuchungssysteme können implementiert werden, um die Untersuchung von Qualitätsparametern von gefertigten Gütern zu erleichtern. Die Qualität der Farbanstrichausführung auf einem Kraftfahrzeug oder von Weißwaren ist beispielsweise eine komplexe Angelegenheit. Bei Verringerung auf eine Anordnung von unabhängigen Sensoren, kann sie jedoch als Kombination der Gleichmäßigkeit einer Reflexion, Beugung bei verschiedenen Winkeln und ähnliche Parameter angenommen werden, die mit einer sehr kostengünstigen Elektronik und Optik gemessen werden können und mit entsprechenden Mustern verglichen werden können.
• Die Zeitablauf- und Folgeparameter, die für das Gebäudetastenfeld und den Kraftfahrzeugalarm beschrieben wurden, können auch auf einen Computer- und Internetzugang für Kriterien wie z. B. Paßworteingabegeschwindigkeit, die Folge eines Dateizugriffs, der folgt, und andere manuelle Eingabeaufgaben, die von Personen durchgeführt werden, angewendet werden.
• Da verschiedene Erweiterungen und Modifikationen für Fachleute ersichtlich sind, soll das hierin beschriebene Mustererkennungssystem nicht begrenzt werden, außer wie durch die folgenden Ansprüche vorgesehen. TABELLE I TABELLE II TABELLE III

Claims (25)

1. Erfassungssystem zum Analysieren von persönlichen Verhaltenszügen einer Person und zum Vergleichen solcher Züge mit bekannten Charakterprofilen, mit:

einer Vielzahl von Sensoren, die jeweils einen jeweiligen Zustand überwachen und die Sensorausgangssignale aufweisen, wobei jedes Ausgangssignal ein Personenkriterium angibt; wobei die Kriterien aus dem Satz von Höhe, Gewicht, Schritt, Gang, Geschwindigkeit ausgewählt sind;

einem Sensormeßwertmagazin, das mit der Vielzahl von Sensoren verbunden ist, zum Speichern einer Vielzahl der Sensorausgangssignale;

einem Profilgenerator, der mit dem Sensormeßwertmagazin verbunden ist, die Sensorausgangssignale empfängt und aus der Vielzahl von Sensorausgangssignalen ein Personenprofil erzeugt;

einem Magazin für anerkannte Profile zum Speichern einer Vielzahl von anerkannten Personenprofilen;

einem Profilprüfer zum Empfangen der Personenprofile zum Vergleichen des Personenprofils mit der Vielzahl von anerkannten Profilen und zum Erzeugen von Profilausgangssignalen als Reaktion auf den Vergleich.

2. System nach Anspruch 1, wobei weitere Kriterien, aus denen ausgewählt wird, die Handschrifthöhe, die Handschriftbreite, der Handschriftdruck, die Handschriftdauer und die Handschriftsättigung sind.

3. System nach Anspruch 1 oder 2, welches ferner folgendes umfaßt:

eine Ausgabevorrichtungsschnittstelle zum Empfangen der Ausgangssignale;

mindestens eine Ausgabevorrichtung, die mit dem Profilprüfer verbunden ist und dazu ausgelegt ist, auf die Ausgangssignale zu reagieren.

4. System nach einem der vorangehenden Ansprüche, welches ferner folgendes umfaßt:

eine graphische Benutzerschnittstelle, die mit dem Profilprüfer verbunden ist und dazu ausgelegt ist, auf den Profilprüfer durch Erzeugen von Anzeigeausgangssignalen zu reagieren.

5. System nach einem der vorangehenden Ansprüche, wobei das Sensormeßwertmagazin ferner eine Zeitmarke umfaßt, die jedem der Vielzahl von Sensorausgangssignalen zugeordnet wird.

6. System nach einem der vorangehenden Ansprüche, wobei der Profilprüfer zum Aktualisieren des Magazins für anerkannte Profile als Reaktion auf den Vergleich des Personenprofils mit der Vielzahl von anerkannten Personenprofilen wirksam ist.

7. System nach Anspruch 6, wobei die Aktualisierung des Magazins für anerkannte Profile als Funktion des teilweisen Vergleichs des Personenprofils und der Vielzahl von anerkannten Profilen bestimmt wird.

8. System nach einem der vorangehenden Ansprüche, welches ferner eine Vielzahl von Intervallbereichen umfaßt, wobei die Sensorausgangssignale, die die Personenkriterien angeben, in der Vielzahl von Intervallbereichen klassifiziert werden und die Intervallbereiche einen vorbestimmten Bereich von Sensorausgangssignalen bezeichnen.

9. System nach Anspruch 8, wobei sich jedes Personenkriterium auf einen separaten quantifizierbaren Zug der Person richtet.

10. System nach Anspruch 9, wobei zumindest einer der Sensoren ein Infrarotstrahlempfänger ist.

11. System nach Anspruch 9 oder 10, wobei zumindest einer der Sensoren einen veränderten elektrischen Widerstand als Reaktion auf Druck aufweist.

12. System nach Anspruch 9, 10 oder 11, wobei zumindest einer der Sensoren magnetische Impulse liest.

13. Verfahren zum Vergleichen von Mustern, die persönliche Charakterzüge angeben, mit den Schritten:

a) Lesen einer Vielzahl von Sensoren, die jeweils einen jeweiligen Zustand überwachen;

b) Ermitteln mindestens eines Kriteriumswerts aus jedem Meßwert durch einen Prozessor in Verbindung mit der Vielzahl von Sensoren, wobei die Kriterien aus dem Satz von Höhe, Gewicht, Schritt, Gang, Geschwindigkeit gewählt sind;

c) Speichern des mindestens einen Kriteriumswerts in einer Sensormeßwertdatenbank, die dem Prozessor zugeordnet ist;

d) Konstruieren eines Personenprofils durch den Prozessor aus dem mindestens einen Kriteriumswert;

e) Speichern einer Vielzahl von anerkannten Personenprofilen iri einer Datenbank für anerkannte Profile; und

f) Vergleichen des Personenprofils mit der Vielzahl von anerkannten Personenprofilen in der Datenbank für anerkannte Profile.

14. Verfahren nach Anspruch 13, wobei in Schritt b) weitere Kriterien, aus denen gewählt wird, die Handschrifthöhe, die Handschriftbreite, der Handschriftdruck, die Handschriftdauer und die Handschriftsättigung sind.

15. Verfahren nach Anspruch 13 oder 14, wobei der Leseschritt ferner das Berechnen einer Zeitmarke umfaßt und der Speicherschritt ferner das Speichern der Zeitmarke in Zusammenhang mit dem Meßwert umfaßt.

16. Verfahren nach einem der Ansprüche 13 bis 15, wobei der Schritt des Ermittelns des mindestens einen Kriteriumswerts ferner das Berechnen eines Intervallbereichswerts umfaßt, wobei der Intervallbereichswert einen Teilbereich von Werten für die Kriterien bezeichnet.

17. Verfahren nach Anspruch 16, welches ferner das Berechnen eines Vergleichswerts aus dem Vergleichen des Personenprofils und der Datenbank für anerkannte Profile umfaßt.

18. Verfahren nach Anspruch 17, welches ferner das Erzeugen eines Ausgangssignals aus dem Vergleichswert umfaßt.

19. Verfahren nach Anspruch 18, welches ferner eine Ausgabevorrichtungsschnittstelle umfaßt, wobei die Ausgabevorrichtungsschnittstelle das Ausgangssignal empfängt und eine Ausgabevorrichtung selektiv gemäß dem Ausgangssignal behandelt.

20. Verfahren nach einem der Ansprüche 17 bis 19, wobei das Personenprofil aus einer Reihe der Intervallbereichswerte für den mindestens einen Kriteriumswert besteht.

21. Verfahren nach Anspruch 20, wobei der Schritt des Ermittelns des Vergleichswerts ferner die Schritte des Vergleichens der Reihe von Intervallbereichswerten mit der Reihe von anerkannten Personenprofilen in der Datenbank für anerkannte Profile umfaßt.

22. Verfahren nach Anspruch 21, wobei das Vergleichen von Intervallbereichswerten für jedes des mindestens einen Kriteriums stattfindet.

23. Verfahren nach Anspruch 22, wobei das Vergleichen von Intervallbereichswerten ferner eine Toleranzschwelle umfaßt, wobei das Ermitteln des Vergleichswerts als Funktion der Intervallbereichswerte, die sich um die Toleranzschwelle unterscheiden, berechnet wird.

24. Verfahren nach Anspruch 23, wobei das Speichern des Personenprofils ferner das Aktualisieren eines vorher gespeicherten Personenprofils als Funktion der in der Sensormeßwertdatenbank gespeicherten Meßwerte, des mindestens einen Kriteriumswerts und des vorher gespeicherten Personenprofils umfaßt.

25. Verfahren nach Anspruch 13, wobei

- Schritt a) ferner den Schritt des Berechnens einer Zeitmarke für den Meßwert eines Sensors umfaßt;

- in Schritt b) der mindestens eine Kriteriumwert durch Berechnen eines Intervallbereichswerts ermittelt wird, wobei der Intervallbereichswert einen Teilbereich von Werten für die Kriterien bezeichnet;

- Schritt c) ferner das Speichern der Zeitmarke in der Sensormeßwertdatenbank umfaßt;

- in Schritt d) das Personenprofil eine Reihe der Intervallbereichswerte für den mindestens einen Kriteriumswert umfaßt;

- in Schritt e) ein anerkanntes Personenprofil durch Aktualisieren eines vorher gespeicherten anerkannten Personenprofils als Funktion der in der Sensormeßwertdatenbank gespeicherten Meßwerte, des mindestens einen Kriteriumswerts und eines vorher gespeicherten anerkannten Personenprofils in der Vielzahl von anerkannten Personenprofilen in der Datenbank für anerkannte Profile gespeichert wird; und

ferner mit dem Schritt:

- Berechnen eines Vergleichswerts aus dem Personenprofil und der Datenbank für anerkannte Profile, umfassend das Vergleichen der Reihe von Intervallbereichswerten für jedes des mindestens einen Kriteriums mit der Reihe von anerkannten Personenprofilen in der Datenbank für anerkannte Profile, wobei das Berechnen des Vergleichswerts als Funktion der Intervallbereichswerte, die sich von der Datenbank für anerkannte Profile um eine Toleranzschwelle unterscheiden, berechnet wird.