EP4630840A1 - Détection de respiration de passager - Google Patents

Détection de respiration de passager

Info

Publication number
EP4630840A1
EP4630840A1 EP23808842.1A EP23808842A EP4630840A1 EP 4630840 A1 EP4630840 A1 EP 4630840A1 EP 23808842 A EP23808842 A EP 23808842A EP 4630840 A1 EP4630840 A1 EP 4630840A1
Authority
EP
European Patent Office
Prior art keywords
subsample
duration
breathing
frequency
uwb
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
EP23808842.1A
Other languages
German (de)
English (en)
Inventor
Eloi DESBAZEILLES
Onur Oguz
Kawtar ES-SAGHIR
Georges DJOKIC
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.)
Valeo Comfort and Driving Assistance SAS
Original Assignee
Valeo Comfort and Driving Assistance SAS
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 Valeo Comfort and Driving Assistance SAS filed Critical Valeo Comfort and Driving Assistance SAS
Publication of EP4630840A1 publication Critical patent/EP4630840A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/0153—Passenger detection systems using field detection presence sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/10—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device
    • B60R25/102—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles actuating a signalling device a signal being sent to a remote location, e.g. a radio signal being transmitted to a police station, a security company or the owner

Definitions

  • the present disclosure concerns the detection of breathing of one or more passengers, and more particularly a method implemented by a UWB system (acronym for “Ultra Wide Band”, which means in French “Ultra Wide Band”) for the detection breathing of one or more passengers, a computer program for a UWB system, a UWB sensor of a UWB system and a UWB system.
  • a UWB system ascronym for “Ultra Wide Band”, which means in French “Ultra Wide Band”
  • UWB system comprising one or more UWB sensors installed in the vehicle.
  • a UWB system may be capable of detecting the breathing of passenger(s).
  • the UWB system can execute, for each UWB sensor, a breathing search process based on an echo-radar signal acquired by the UWB sensor at an acquisition sampling frequency.
  • this search process generally takes as input a subsample of a portion of the signal having a predetermined duration.
  • the subsampling can in particular be carried out at a frequency less than or equal to the acquisition sampling frequency.
  • a passenger's breathing frequency can vary depending on the type of passenger, or their age.
  • a child for example, has a higher average breathing frequency than an adult, or an animal has a higher average breathing frequency than a human.
  • the subsample must be fine enough to detect high breathing frequencies and of a predetermined duration long enough to detect low breathing frequencies. This results in a large number of measurements to be stored in memory and analyzed by the search process. The execution of the search process is therefore inefficient and the amount of memory used is significant.
  • the UWB system includes one or more UWB sensors.
  • the method comprises, for each UWB sensor, an acquisition by the sensor of an echo-radar signal having an acquisition sampling frequency, and several breathing search processes comprising a first process and a second process.
  • the first process takes as input a first subsample of a portion of the signal having a first duration.
  • the second process takes as input a second subsample of a portion of the signal having a second duration.
  • the first duration is greater than the second duration and the frequency of the first subsample is less than the frequency of the second subsample.
  • Each process may include an autocorrelation analysis of the respective subsample to detect a pattern repetition period and an associated reliability score.
  • Each subsample may include a respective set of measures.
  • the number of measurements of each subsample can be less than or equal to 180.
  • the first duration may be greater than or equal to 7 seconds and/or the second duration may be less than or equal to 7 seconds.
  • Breath-seeking processes may include a third process.
  • the third process can take as input a third subsample of a portion of the signal having a third duration.
  • the second duration may be greater than the third duration and the frequency of the second subsample may be less than the frequency of the third subsample.
  • Each process can be repeated every X seconds with X being a real number less than or equal to 2 seconds.
  • the method may include generating an alert based on the results of the search processes.
  • a computer program for a vehicle UWB system is also provided.
  • the computer program includes instructions for carrying out the process.
  • a UWB system UWB sensor is also offered.
  • the UWB sensor is configured to implement the method.
  • the UWB system includes one or more such UWB sensors.
  • the UWB system includes a memory on which the computer program is recorded.
  • the UWB system includes one or more UWB sensors.
  • the method comprises, for each UWB sensor, an acquisition by the sensor of an echo-radar signal having an acquisition sampling frequency, and several breathing search processes comprising a first process and a second process.
  • the first process takes as input a first subsample of a portion of the signal having a first duration.
  • the second process takes as input a second subsample of a portion of the signal having a second duration.
  • the first duration is greater than the second duration and the frequency of the first subsample is less than the frequency of the second subsample.
  • the method improves the detection of breathing of one or more passengers.
  • the method allows the execution of a search process adapted to several types of passenger.
  • the first process is adapted for a first type of passenger having a breathing frequency in an average frequency range lower than that of a second type of passenger, for which the second process is adapted.
  • Each process can make it possible to detect a template of a (distinct) range of breathing frequencies of a (distinct) type of passenger.
  • the frequency of the first subsample which is lower than that of the second subsample, allows detection of the breathing frequency of the first type of passenger.
  • the frequency of the second subsample which is higher, allows detection of the breathing frequency of the second type of passenger.
  • Each search process is therefore adapted for a particular type of passenger, which allows effective detection of several types of passenger by the method.
  • each of the first and second search processes efficiently provides a specific result.
  • the first duration being greater than the second duration, and the frequency of the first sub-sample being lower than the frequency of the second sub-sample
  • the number of measurements of each sub-sample is optimized for each process.
  • this number of measurements is optimized to guarantee a number of measurements allowing precise detection while remaining reasonable to allow calculation efficiency.
  • Each of the first and second processes is therefore efficient and precise.
  • the method may include activating one or more functions of the vehicle based on the results of the search processes.
  • the method may include closing the vehicle when none of the processes detects breathing in the vehicle, or not authorizing the closing of the vehicle when the breathing of a passenger is detected in the vehicle by at least one process.
  • the method may include sending a signal initiating the activation of an alarm in the event that a breath corresponding to that of an infant is detected and would be the only one while the vehicle is closed.
  • the method may include sending a signal initiating the activation of an alarm in the event that breathing evolving towards a state indicating a potential falling asleep of the driver is detected while driving.
  • the method may include execution of one or more security processes based on the results of the search processes (detection or not and associated reliability score). For example, the method may include executing the one or more security processes when the results indicate the presence of at least one passenger in the vehicle. For example, the method may include executing the one or more safety processes when at least one breathing search process detects the breathing of a passenger in the vehicle. For example, the method may include execution of one or more safety processes when a process searching for children's breathing detects the breathing of a child, for example after the vehicle is closed. Alternatively or additionally, the method may include executing the one or more security processes based on a combination of the results of the search processes.
  • the method may include execution of one or more security processes when the process searching for the breathing of a child detects the presence of a child, and a process searching for the breathing of an adult does not detect the presence of an adult, for example after closing the vehicle. In fact, this would mean that the child is alone in the vehicle, which represents a dangerous situation for him.
  • An example security process may include generating an alert. Generating the alert may include, for example, sending an alarm to the vehicle owner, for example on their key or mobile phone. In other examples, the generation of the alert may include the activation of a siren or other audible signal emitted by the vehicle.
  • Another example of a safety process may include maintaining a minimum and/or maximum temperature in the vehicle, for example by controlling the vehicle's air conditioning and heating functions.
  • the method may include, after detecting the driver breathing in the vehicle, activating one or more vehicle functions such as turning on music or adjusting the mirrors to suit the driver.
  • vehicle functions such as turning on music or adjusting the mirrors to suit the driver.
  • the results of the search processes can be used to execute any combination of these sample functionality.
  • the method may include a repetition of the breathing search processes, for example during execution of one or more functions of the vehicle.
  • Each process can be repeated every X seconds with X being a real number less than or equal to 2 seconds.
  • Repetition of breathing search processes allows real-time detection of passenger breathing.
  • repetition allows rapid detection of a risky situation in order to quickly warn the vehicle owner.
  • the portion of the signal on which the subsample is performed may last until substantially the next repetition of the process. For example, the portion may stop at the time of repetition, or just before.
  • the portion of signal taken as input by each process may be a sliding time window that ends at or just before the time the process executes (e.g. a 5 to 10 second time window).
  • the method can repeat each of the processes after each flow of the same predetermined duration for each of the processes.
  • the predetermined duration may be greater than or equal to the duration of the signal portion taken as input by the process which is the longest.
  • each portion taken as input by each breathing search process can be, for each repetition, the last portion of the signal acquired at the time of the repetition.
  • the method may include a repetition of each of the processes together (at the same time), or a repetition with a delay between the processes.
  • the method may repeat the processes independently of each other.
  • the method may comprise, for each process, a repetition of the breathing search process after the end of the previous repetition of the process, for example after the expiration of a respective predetermined duration greater than or equal to that of the portion of the signal taken as input by the process.
  • the portions taken as input by each process at each repetition can succeed one another.
  • the method can execute echo-radar signal acquisition and breathing search processes at the same time. For example, the method can execute each of the respiration search processes during the acquisition of the echo-radar signal, after acquisition of the portion of signal taken as input by each of the respiration search processes. For each UWB sensor, the method can execute the breathing search processes at the same time, for example in parallel, or one after the other, successively.
  • the method can execute the echo-radar signal acquisition steps and the breathing search processes successively for each of the UWB sensors of the UWB system.
  • the UWB sensors may be numbered, and the method may execute the steps of acquiring the echo-radar signal and the breathing search processes for each of the UWB sensors by following the numbering of the UWB sensors, for example by executing these steps for a predetermined duration for each of the UWB sensors.
  • the method can consider groups of UWB sensors, and the method can execute the steps of acquiring the echo-radar signal and the breathing search processes at the same time for the UWB sensors of the same group, and successively for each of the groups.
  • the method can execute the echo-radar signal acquisition steps and the respiration search processes for all UWB sensors of the UWB system at the same time.
  • the acquisition sampling frequency may be less than or equal to 250 Hz and/or greater than or equal to 20 Hz.
  • the acquisition sampling frequency may correspond to the number of measurements per unit of time in the echo-radar signal (for example the number of measurements per second when the frequency is expressed in Hz).
  • the frequency of the subsample can correspond to the number of measurements of the subsample per unit of time (for example the number of measurements per second when the frequency is expressed in Hz).
  • the acquisition sampling frequency may be greater than or equal to the frequency of the sub-sample of at least one breathing search process (for example greater than or equal to the frequency of the sub-sample of each of the processes).
  • the frequency of the subsample can be substantially equal to half the acquisition sampling frequency, or to a third of the frequency the acquisition sampling frequency.
  • the acquisition sampling frequency may be substantially equal to any multiple M of the subsample frequency, with M a real number.
  • the frequency of the subsample of at least one breathing search process may be equal to the acquisition sampling frequency. In this case, the subsample of the at least one breathing search process may correspond to the sampling itself.
  • Each breathing search process can search for a passenger type.
  • Each type of passenger can correspond to a category of human person (for example defined based on an age group) or to a category of animal (for example “dog” or “cat”).
  • the first process may search for the breathing of an adult human
  • the second process may search for the breathing of a child human.
  • the third process can search for the breathing of a dog, or of a human child in an age range lower than that of the second process.
  • the subsample frequency of each process can be adapted depending on the type of person the process is looking for.
  • the subsample frequency might be a multiple of an average breathing rate of the type of person the process is looking for.
  • the frequency of the subsample can for example be equal to K times the average respiration frequency, with K a real number greater than or equal to 2.
  • Each respiration search process can detect a respiration having a frequency in a frequency range around of an average breathing rate of the type of person the process is looking for.
  • a breath search process searching for a child may detect a breath having a frequency in a frequency range around 25 bpm (which corresponds to the average frequency of a child).
  • a breath search process searching for an adult can detect a breath having a frequency in a frequency range around 12 bpm.
  • Each process takes a subsample as input.
  • Each process can do the respiration search directly on the subsample.
  • each process can exclude any pre-processing, for example can exclude (i.e., not execute) treatments specific to a targeted frequency and/or amplitude range.
  • each process may exclude a micro-Doppler analysis.
  • Each process can include an application of a function that takes as input all of the measurements in the subsample. The function may be the same for each process, or it may be different for at least two processes. The function applied by each process may not be constant for any of the measurements in the subsample, that is, the function may be variable for each of the measurements in the subsample.
  • each subsample can be a vector (x i ) with i ranging from 1 to N .
  • Each process can include the application of a function f .
  • the result provided by the process for a subsample (x i ) can therefore be f (x i ), that is to say the result of applying the function f to the vector (x i ).
  • the function f can be variable for each of the measurements in the subsample.
  • Each process may include an autocorrelation analysis of the respective subsample to detect a repeat period of a pattern.
  • the autocorrelation analysis can take as input the measurements of the respective subsample and determine as output whether a pattern is repeated in the signal portion from the measurements of the respective subsample.
  • the repeated pattern may correspond to a breath of the type of passenger the process is looking for.
  • the autocorrelation analysis may output a period with which the pattern is repeated and/or a frequency of repetition, which may correspond to the period and frequency of the detected respiration.
  • the autocorrelation analysis can also output a reliability score associated with the detected pattern repetition period.
  • the reliability score can quantify the reliability with which pattern repetition is detected.
  • the reliability score can indicate how accurate the breath detection is.
  • the reliability score may be a real number between 0 and 1, with a value of 0 representing low or no reliability in detection, and 1 representing absolute reliability in detection.
  • the autocorrelation analysis of the respective subsample can detect a repeat period of a pattern and an associated reliability score using the method described in section 2.2.2 of the document “On Periodicity Detection and Structural Periodic Similarity”, Michail Vlachos, Philip Yu and Vittorio Castelli, IBM T.J. Watson Research Center (URL: http:/alumni.cs.ucr.edu/ ⁇ mvlachos/pubs/sdm05.pdf), which is incorporated herein by reference.
  • the first subsample can be a vector (x i ) 1 and the second subsample a vector (x i ) 2 .
  • the number of coordinates of each of the vectors (x i ) 1 and (x i ) 2 can be the same.
  • the coordinates of the vectors (x i ) 1 and (x i ) 2 can represent the measurements of the first sub-sample and the second sub-sample respectively.
  • each vector may include two coordinates for each measurement, the first coordinate indicating the measurement time and the second an amplitude of the signal at the measurement time.
  • the coordinates of vectors (x i ) 1 can represent measurements for which the measurement time is during the first duration and the coordinates of vectors (x i ) 2 measurements for which the measurement time is during the second duration.
  • the measurements represented by each of the vectors (x i ) 1 and (x i ) 2 can for example be regularly spaced over the first duration and the second duration respectively.
  • Autocorrelation analysis may include the application of an autocorrel[] function.
  • the first process may include applying the function autocorrel[] to the first vector (x i ) 1 and the result of the first process may therefore be autocorrel[(x i ) 1 ].
  • the second process may include applying the function autocorrel[] to the second vector (x i ) 2 and the result of the first process may therefore be autocorrel[(x i ) 2 ].
  • the autocorrel[] function can be a statistical function.
  • the autocorrel[] function can be the autocorrelation function described in section 2.2.2 of the document “On Periodicity Detection and Structural Periodic Similarity”, Michail Vlachos, Philip Yu and Vittorio Castelli, IBM TJ Watson Research Center (URL: http:/alumni.cs.ucr.edu/ ⁇ mvlachos/pubs/sdm05.pdf), which is incorporated herein by reference.
  • the subsample of each process may include a respective set of measures.
  • the number of measurements in the set may be a function of the subsample frequency and the duration presented by the portion of the signal taken as input by the breath search process.
  • the number of measurements may be equal to the result of multiplying the subsample frequency by the duration presented by the portion of the signal.
  • the numbers of measurements of the subsamples can be included in the same interval. For example, the number of measurements in each subsample may be less than or equal to 180. The number of measurements in each subsample may be greater than or equal to 65.
  • the breath seeking processes include a third process.
  • the third process takes as input a third subsample of a portion of the signal having a third duration.
  • the second duration is greater than the third duration and the frequency of the second subsample is less than the frequency of the third subsample.
  • the breath search processes may form a set of N breath search processes with N a real number. Each process i of the set can take as input a subsample SE i of a portion of the signal having a duration d i and with a frequency f i .
  • the duration d i and the frequency f i of each process i can be such that f i > f i -1 and d i ⁇ d i -1 , with f i -1 and d i -1 respectively the frequency and duration of the subsample SE i-1 of process i -1 (the frequency f 1 and the duration d 1 of the first process being predetermined).
  • the number of processes executed for each of the UWB sensors may be the same for each UWB sensor. Alternatively, the number of processes executed may be different for two or more UWB sensors.
  • the frequency of the first subsample may be between 1 and 12 Hz.
  • the first duration may be greater than or equal to 7 seconds.
  • the first duration can be less than or equal to 10 seconds.
  • the frequency of the first subsample and the first duration can be included between these limits in each of the two implementation examples given below.
  • the first process can detect the breathing of an adult human.
  • the breath search processes may consist of two breath search processes (a first and a second process).
  • the frequency of the second subsample can be between 4 and 110 Hz.
  • the second duration can be less than or equal to 7 seconds.
  • the second duration can be greater than or equal to 6 seconds.
  • the first process can detect the breathing of an adult human, and the second process the breathing of a child.
  • the breath search processes may consist of three breath search processes (a first, a second process, and a third process).
  • the frequency of the second subsample can be between 4 and 50 Hz.
  • the second duration can be less than or equal to 7 seconds.
  • the second duration can be greater than or equal to 6 seconds.
  • the frequency of the third subsample can be between 15 and 110 Hz and the third duration can be between 4 and 7 seconds.
  • the first process can detect the breathing of an adult human, the second process the breathing of an adolescent child, and the third process the breathing of an infant.
  • Each UWB sensor can use the UWB communication protocol, for example that specified by IEEE 802.15.4.
  • Each UWB sensor can be configured to perform echo-radar signal acquisition and respiration search processes.
  • each UWB sensor may include means for transmitting and receiving the echo-radar signal, a processor and a memory (for example non-volatile). Instructions for performing echo-radar signal acquisition and breathing search processes can be stored in the memory.
  • the method can record the acquired echo-radar signal on the memory.
  • the processor can execute the acquisition of the echo-radar signal and the breathing search processes by executing the instructions recorded on the memory and from the echo-radar signal recorded, after acquisition, also on the memory.
  • a computer program for a vehicle UWB system is also provided.
  • the computer program may include instructions for carrying out the method.
  • the computer program may include instructions for each of the UWB sensors in the system.
  • the instructions may be for executing the method when said program is executed by a UWB sensor processor. Instructions can be recorded on non-volatile memory (e.g. UWB sensor memory).
  • the UWB system includes a memory on which the computer program is recorded.
  • the UWB system may include a processor for executing said program.
  • the UWB system can be configured to implement the method.
  • the UWB system may include one or more UWB sensors.
  • the UWB system may also include a central computer.
  • the central computer may include the memory and the processor of the UWB system.
  • the UWB system may also include connection means between the central computer and/or each of one or more UWB sensors (for example cables connecting the central computer with each of the UWB sensors).
  • the method is implemented by a UWB system in a vehicle for detecting breathing of one or more passengers.
  • the UWB system includes one or more UWB sensors.
  • the method comprises, for each UWB sensor, an acquisition S10 by the sensor of an echo-radar signal having an acquisition sampling frequency, and several breathing search processes S20.
  • the breathing search processes S20 consist of a first process S21, a second process S22 and a third process S23.
  • the first process S21 takes as input a first subsample of a portion of the signal having a first duration.
  • the second process S22 takes as input a second subsample of a portion of the signal having a second duration.
  • the third process S23 takes as input a third subsample of a portion of the signal having a third duration.
  • the first process S21 uses a large window, that is, the first duration is greater than the second duration and the third duration.
  • the second process S22 uses an average window, that is, the second duration is less than the first duration and greater than the third duration.
  • the third process S23 uses a small window, that is, the third duration is less than the first duration and the second duration.
  • the first duration is greater than the second duration and the frequency of the first subsample is less than the frequency of the second subsample.
  • the second duration is greater than the third duration and the frequency of the second subsample is less than the frequency of the third subsample.
  • the first process S21 includes a low breathing frequency search module.
  • the first process S21 therefore searches for a type of passenger having a low average frequency.
  • the first process S21 can detect the breathing of an adult passenger.
  • the first process S21 can detect the breathing of a passenger having a breathing rate less than or equal to 20 bpm (beats per minute), for example around 12 bpm.
  • the first process S21 is based on a first subsample with a low frequency.
  • the first process S21 includes an autocorrelation analysis of the first subsample to detect a pattern repetition period and determine an associated reliability score.
  • the second process S22 includes an average breathing frequency search module.
  • the second process S22 therefore searches for a type of passenger having an average frequency higher than that of the first process S21.
  • the second process S22 can detect the breathing of an adolescent child.
  • the second process S22 can detect the breathing of a passenger having a breathing rate greater than 20 bpm and/or less than 25 bpm, for example around 22 bpm.
  • the second process S22 is based on a second subsample with an intermediate frequency.
  • the second process S22 includes an autocorrelation analysis of the second subsample to detect a pattern repetition period and determine an associated reliability score.
  • the third process S23 includes a high breathing frequency search module.
  • the third process S23 therefore searches for a type of passenger having an average frequency higher than that of the first process S21 and the second process S22.
  • the third process S23 can detect the breathing of a young child (e.g. an infant).
  • the third process S23 can detect the breathing of a passenger with a breathing rate greater than 25 bpm, for example around 27 bpm.
  • the third process S23 is based on a third subsample with a high frequency.
  • the third process S23 includes an autocorrelation analysis of the third subsample to detect a pattern repetition period and determine an associated reliability score.
  • the method then includes executing a decision layer based on the results of the processes.
  • the decision layer can identify a risky situation from the results of the processes.
  • the execution of the decision-making layer can, for example, identify the presence of a child alone in the vehicle.
  • the method can determine that a child is alone in the vehicle when the first process, detecting adult passengers, does not detect the presence of an adult passenger in the vehicle (for example with an associated reliability score greater than a predetermined threshold), and that at least one of the second and third processes, detecting the breathing of adolescent or infant child passengers, detects the presence of at least one adolescent or infant child passenger (for example also with a higher associated reliability score at a predetermined threshold).
  • the decision layer can also take information about the vehicle as input.
  • the decision-making layer can take as input a vehicle closure state.
  • the decision-making layer can condition the identification of the risk situation based on this information about the vehicle.
  • the decision-making layer can identify a risky situation when it is determined that a child is alone in the vehicle and the vehicle is closed.
  • the method may include executing one or more security processes, such as generating an alert.
  • the first subsample 100 has a first duration 102.
  • This first sub-sample 100 can for example be used by the first process S21 of the .
  • the first subsample includes a set of measurements 103.
  • the first duration 102 represents approximately two periods of the passenger's breathing detected.
  • the number of measurements of the first subsample 100 allows detection of the breathing of an adult passenger by the first process.
  • the number of measurements to be analyzed by the first process is not excessive, particularly given the length of the first duration 102.
  • the frequency of the first subsample is adapted to have a reasonable number of measurements to be analyzed by the first process (while having several measurements per breathing period). This helps ensure the accuracy and efficiency of the first process to detect the breathing of an adult passenger.
  • This second sub-sample 200 has a second duration 202.
  • This second sub-sample 200 can for example be used by the second process S22 of the .
  • the second subsample includes a set of measurements 203.
  • the second duration 202 represents approximately two periods of the passenger's breathing detected.
  • the number of measurements of the second subsample 200 allows detection of the breathing of a child passenger by the second process.
  • the second subsample 200 includes several measurements, although the second duration 202 is shorter than the first duration 102, and the number of measurements allows the detection of the child's breathing.
  • the frequency of the second sub-sample is higher than that of the first process so that the second sub-sample 200 includes several measurements per breathing period of a child passenger (this being shorter than that of an adult passenger) . This ensures the accuracy and efficiency of the second process to detect the breathing of a child passenger.
  • the echo-radar signal to be analyzed includes two temporal components: the amplitude and the phase, which are represented on the by curves 401 and 402 respectively.
  • the autocorrelation analysis of the respective subsample can detect a period of repetition of a pattern.
  • the breathing patterns observed on the amplitude component generally share an underlying characteristic, namely a shape close to a triangular signal whose high and low peaks are flattened so as to form two plateaus (which can be of different), and whose upward slope is steeper (and therefore shorter in time) than the downward slope, which can take on a slight convex appearance.
  • the autocorrelation analysis may include detection of a repetition of these patterns.
  • the curves in this figure come from a recording of respirations under optimal conditions for detection.
  • the raw echo-radar signal may contain more noise and the method may include filtering the phase and amplitude of the echo-radar signal (autocorrelation analysis may then use the filtered signal ).
  • the method may include an application of a bandpass filter by adjusting the cutoff frequencies according to the desired respiratory frequency range.
  • Each process may include an estimation of periodicity from the application of the autocorrelation function to the amplitude or a complex representation of the signal.
  • the autocorrelation function may be the AutoCorrelation Function described in section 2.2.2 of the document “On Periodicity Detection and Structural Periodic Similarity”, Michail Vlachos, Philip Yu and Vittorio Castelli, IBM T.J. Watson Research Center (URL: http:/alumni.cs.ucr.edu/ ⁇ mvlachos/pubs/sdm05.pdf), which is incorporated herein by reference.
  • Each process can provide the value of the autocorrelation function directly as a reliability score for the corresponding period.
  • the method may include aggregating information from multiple sensors (e.g. using aggregation methods).
  • the grouping of information makes it possible to robusten the detection and to compensate for the risk of the appearance of multiples of the period detected in the estimation via the autocorrelation function.
  • the UWB system 30 comprises a network comprising UWB sensors 31 and an electronic centralized control unit 33.
  • the UWB sensors 31 are positioned at the front of the vehicle, at the rear of the vehicle or inside the vehicle (for example example in the cabin).
  • the network also includes connection means 32 (for example cables) between the UWB sensors 31 and the electronic centralized control unit 33.
  • each UWB 31 sensor can be configured to perform echo-radar signal acquisition and respiration search processes.
  • each UWB sensor 31 may comprise means for transmitting and receiving echo-radar signals, a processor and a memory (for example non-volatile) on which each echo-radar signal received and instructions for execution processes can be recorded.
  • Each UWB sensor 31 can be configured to send the results of the processes it has executed to the electronic centralized control unit 33, via the connection means 32.
  • the processor of the electronic centralized control unit 33 can then, at from the results received from each of the UWB sensors, execute the decision layer to identify a risky situation (for example that a child is alone in the vehicle while the vehicle is closed), and when such a situation is identified, generate an alert.
  • a risky situation for example that a child is alone in the vehicle while the vehicle is closed

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)

Abstract

On propose un procédé implémenté par un système UWB (30) dans un véhicule pour la détection de respiration d'un ou plusieurs passagers. Le système UWB (30) comprend un ou plusieurs capteurs UWB (31). Le procédé comprend, pour chaque capteur UWB (31), une acquisition (S10) par le capteur d'un signal écho-radar présentant une fréquence d'échantillonnage d'acquisition, et, plusieurs processus de recherche de respiration (S20). Les processus de recherche de respiration (S20) comprennent un premier processus (S21) et un deuxième processus (S22). Le procédé améliore la détection de respiration des un ou plusieurs passagers.

Description

    Détection de respiration de passager
  • La présente divulgation concerne la détection de respiration d’un ou plusieurs passagers, et plus particulièrement un procédé implémenté par un système UWB (acronyme de l’anglais « Ultra Wide Band », qui signifie en français « Bande Ultra Large ») pour la détection de respiration d’un ou plusieurs passagers, un programme d’ordinateur pour un système UWB, un capteur UWB de système UWB et un système UWB.
    •  Arrière-plan technique
  • Il existe aujourd’hui des véhicules équipés d’un système UWB comprenant un ou plusieurs capteurs UWB installés dans le véhicule. Un tel système UWB peut être capable de détecter la respiration de passager(s). Pour cela, le système UWB peut exécuter, pour chaque capteur UWB, un processus de recherche de respiration à partir d’un signal écho-radar acquis par le capteur UWB à une fréquence d’échantillonnage d’acquisition. En particulier, ce processus de recherche prend généralement en entrée un sous-échantillon d’une portion du signal présentant une durée prédéterminée. Le sous-échantillon peut notamment être réalisé à une fréquence inférieure ou égale à la fréquence d’échantillonnage d’acquisition.
  • Cependant, l’exécution d’un tel processus de recherche n’est pas efficace. En effet, la fréquence de respiration d’un passager peut varier en fonction du type de passager, ou de son âge. Un enfant par exemple a une fréquence moyenne de respiration plus élevée qu’un adulte, ou un animal a une fréquence moyenne de respiration plus élevée qu’un humain. Ainsi, pour couvrir une plage de fréquences suffisante, le sous-échantillon doit être suffisamment fin pour détecter les hautes fréquences de respiration et d’une durée prédéterminée suffisamment longue pour détecter les basses fréquences de respiration. Cela entraine un grand nombre de mesures à enregistrer en mémoire et à analyser par le processus de recherche. L’exécution du processus de recherche est donc inefficace et la quantité de mémoire utilisée importante.
  • C’est pourquoi, il existe un besoin d’améliorer la détection de respiration d’un ou plusieurs passagers.
    • Résumé
  • On propose pour cela un procédé implémenté par un système UWB dans un véhicule pour la détection de respiration d’un ou plusieurs passagers. Le système UWB comprend un ou plusieurs capteurs UWB. Le procédé comprend, pour chaque capteur UWB, une acquisition par le capteur d’un signal écho-radar présentant une fréquence d’échantillonnage d’acquisition, et, plusieurs processus de recherche de respiration comprenant un premier processus et un deuxième processus. Le premier processus prend en entrée un premier sous-échantillon d’une portion du signal présentant une première durée. Le deuxième processus prend en entrée un deuxième sous-échantillon d’une portion du signal présentant une deuxième durée. La première durée est supérieure à la deuxième durée et la fréquence du premier sous-échantillon est inférieure à la fréquence du deuxième sous-échantillon.
  • Chaque processus peut comprendre une analyse d’autocorrélation du sous-échantillon respectif pour détecter une période de répétition d’un motif et un score de fiabilité associé.
  • Chaque sous-échantillon peut comprendre un ensemble respectif de mesures. Le nombre de mesures de chaque sous-échantillon peut être inférieur ou égal à 180.
  • La première durée peut être supérieure ou égale à 7 secondes et/ou la deuxième durée peut être inférieure ou égale à 7 secondes.
  • Les processus de recherche de respiration peuvent comprendre un troisième processus. Le troisième processus peut prendre en entrée un troisième sous-échantillon d’une portion du signal présentant une troisième durée. La deuxième durée peut être supérieure à la troisième durée et la fréquence du deuxième sous-échantillon peut être inférieure à la fréquence du troisième sous-échantillon.
  • Chaque processus peut être répété toutes les X secondes avec X étant un nombre réel inférieur ou égal à 2 secondes.
  • Le procédé peut comprendre une génération d’une alerte en fonction des résultats des processus de recherche.
  • On propose également un programme d’ordinateur pour système UWB de véhicule. Le programme d’ordinateur comprend des instructions pour réaliser le procédé.
  • On propose également un capteur UWB de système UWB. Le capteur UWB est configuré pour implémenter le procédé.
  • On propose également un système UWB de véhicule. Le système UWB comprend un ou plusieurs tels capteurs UWB. Le système UWB comprend une mémoire sur laquelle est enregistré le programme d’ordinateur.
    •  Brève description des figures
  • Des exemples non-limitants vont être décrits en référence aux figures suivantes :
  • La illustre un organigramme d’un exemple du procédé.
  • La illustre des exemples de sous-échantillons.
  • La illustre un exemple de l’analyse d’autocorrélation.
  • La illustre un exemple de système UWB de véhicule.
    •  Description détaillée
  • On propose un procédé implémenté par un système UWB dans un véhicule pour la détection de respiration d’un ou plusieurs passagers. Le système UWB comprend un ou plusieurs capteurs UWB. Le procédé comprend, pour chaque capteur UWB, une acquisition par le capteur d’un signal écho-radar présentant une fréquence d’échantillonnage d’acquisition, et, plusieurs processus de recherche de respiration comprenant un premier processus et un deuxième processus. Le premier processus prend en entrée un premier sous-échantillon d’une portion du signal présentant une première durée. Le deuxième processus prend en entrée un deuxième sous-échantillon d’une portion du signal présentant une deuxième durée. La première durée est supérieure à la deuxième durée et la fréquence du premier sous-échantillon est inférieure à la fréquence du deuxième sous-échantillon.
  • Le procédé améliore la détection de respiration des un ou plusieurs passagers.
  • En effet, le procédé permet l’exécution d’un processus de recherche adapté à plusieurs types de passager. Notamment, le premier processus est adapté pour un premier type de passager présentant une fréquence de respiration dans une plage de fréquences de moyenne inférieure à celle d’un deuxième type de passager, pour lequel le deuxième processus est adapté. Chaque processus peut permettre de détecter un gabarit d’une gamme (distincte) de fréquences de respiration d'un type (distinct) de passager. En particulier, la fréquence du premier sous-échantillon, qui est inférieure à celle du deuxième sous-échantillon, permet une détection de la fréquence de respiration du premier type de passager. La fréquence du deuxième sous-échantillon, qui est supérieure, permet quant à elle une détection de la fréquence de respiration du deuxième type de passager. Chaque processus de recherche est donc adapté pour un type de passager en particulier, ce qui permet une détection efficace de plusieurs types de passager par le procédé.
  • Notamment, chacun des premier et deuxième processus de recherche fournit de manière efficace un résultat précis. En effet, la première durée étant supérieure à la deuxième durée, et la fréquence du premier sous-échantillon étant inférieure à la fréquence du deuxième sous-échantillon, le nombre de mesures de chaque sous-échantillon est optimisé pour chaque processus. Notamment, pour chaque processus, ce nombre de mesures est optimisé pour garantir un nombre de mesures permettant une détection précise tout en restant raisonnable pour permettre une efficacité de calcul. Chacun des premier et deuxième processus est donc efficace et précis.
  • La détection de la respiration des un ou plusieurs passagers peut être utilisée pour l’exécution d’une ou plusieurs fonctionnalités du véhicule. Par exemple, le procédé peut comprendre l’activation d’une ou plusieurs fonctions du véhicule en fonction des résultats des processus de recherche. Par exemple, le procédé peut comprendre une fermeture du véhicule lorsqu’aucun des processus ne détecte de respiration dans le véhicule, ou une non-autorisation de la fermeture du véhicule lorsque la respiration d’un passager est détectée dans le véhicule par au moins un processus. Par exemple, le procédé peut comprendre l’envoi d’un signal initiant l’activation d’une alarme dans le cas où une respiration correspondant à celle d’un nourrisson serait détectée et serait la seule alors que le véhicule est fermé. Par exemple, le procédé peut comprendre l’envoi d’un signal initiant l’activation d’une alarme dans le cas où une respiration évoluant vers un état indiquant un potentiel endormissement du conducteur serait détectée pendant la conduite.
  • Dans des exemples, le procédé peut comprendre une exécution d’un ou plusieurs processus de sécurité en fonction des résultats des processus de recherche (détection ou non et score de fiabilité associé). Par exemple, le procédé peut comprendre une exécution des un ou plusieurs processus de sécurité lorsque les résultats indiquent la présence d’au moins un passager dans le véhicule. Par exemple, le procédé peut comprendre une exécution des un ou plusieurs processus de sécurité lorsqu’au moins un processus de recherche de respiration détecte la respiration d’un passager dans le véhicule. Par exemple, le procédé peut comprendre une exécution des un ou plusieurs processus de sécurité lorsqu’un processus recherchant la respiration d’enfants détecte la respiration d’un enfant, par exemple après une fermeture du véhicule. Alternativement ou additionnellement, le procédé peut comprendre une exécution des un ou plusieurs processus de sécurité en fonction d’une combinaison des résultats des processus de recherche. Par exemple, le procédé peut comprendre une exécution des un ou plusieurs processus de sécurité lorsque le processus recherchant la respiration d’un enfant détecte la présence d’un enfant, et, qu’un processus recherchant la respiration d’un adulte ne détecte pas la présence d’un adulte, par exemple après la fermeture du véhicule. En effet, cela signifierait que l’enfant est seul dans le véhicule, ce qui représente une situation de danger pour lui.
  • Un exemple de processus de sécurité peut comprendre une génération d’une alerte. La génération de l’alerte peut comprendre, par exemple, l’envoi d’une alarme au propriétaire du véhicule, par exemple sur sa clé ou son téléphone portable. Dans d’autres exemples, la génération de l’alerte peut comprendre l’activation d’une sirène ou autre signal sonore émis par le véhicule. Un autre exemple de processus de sécurité peut comprendre un maintien d’une température minimale et/ou maximale dans le véhicule, par exemple à partir d’un contrôle des fonctions de climatisation et chauffage du véhicule.
  • Dans d’autres exemples, le procédé peut comprendre, après une détection d’une respiration du conducteur dans le véhicule, une activation d’une ou plusieurs fonctions du véhicule telles qu’un allumage de musique ou un réglage des rétroviseurs convenant au conducteur. Les résultats des processus de recherche peuvent être utilisés pour l’exécution de toute combinaison de ces exemples de fonctionnalité.
  • Le procédé peut comprendre une répétition des processus de recherche de respiration, par exemple pendant l’exécution des une ou plusieurs fonctionnalités du véhicule. Chaque processus peut être répété toutes les X secondes avec X étant un nombre réel inférieur ou égal à 2 secondes. La répétition des processus de recherche de respiration permet une détection en temps réel de respiration de passager(s). En outre, la répétition permet une détection rapide d’une situation à risque afin de prévenir rapidement le propriétaire du véhicule. Pour chaque processus, la portion du signal sur laquelle le sous-échantillon est réalisée peut durer jusqu’à sensiblement la répétition suivante du processus. Par exemple, la portion peut s’arrêter au moment de la répétition, ou bien juste avant. La portion de signal prise en entrée par chaque processus peut être une fenêtre de temps glissante qui se termine au moment de l’exécution du processus, ou juste avant (par exemple une fenêtre de temps de 5 à 10 secondes).
  • Le procédé peut répéter chacun des processus après chaque écoulement d’une même durée prédéterminée pour chacun des processus. Par exemple, la durée prédéterminée peut être supérieure ou égale à la durée de portion de signal prise en entrée par le processus qui est la plus longue. Dans ce cas, chaque portion prise en entrée par chaque processus de recherche de respiration peut être, pour chaque répétition, la dernière portion du signal acquise au moment de la répétition. Le procédé peut comprendre une répétition ensemble de chacun des processus (à un même instant), ou bien une répétition avec un décalage entre les processus.
  • Alternativement, le procédé peut répéter les processus indépendamment les uns des autres. Dans ce cas, le procédé peut comprendre, pour chaque processus, une répétition du processus de recherche de respiration après la fin de la répétition précédente du processus, par exemple après écoulement d’une durée respective prédéterminée supérieure ou égale à celle de la portion du signal prise en entrée par le processus. Les portions prises en entrée par chaque processus à chaque répétition peuvent se succéder.
  • Pour chaque capteur UWB, le procédé peut exécuter l’acquisition du signal écho-radar et les processus de recherche de respiration en même temps. Par exemple, le procédé peut exécuter chacun des processus de recherche de respiration pendant l’acquisition du signal écho-radar, après acquisition de la portion de signal prise en entrée par chacun des processus de recherche de respiration. Pour chaque capteur UWB, le procédé peut exécuter les processus de recherche de respiration en même temps, par exemple en parallèle, ou bien l’un après l’autre, successivement.
  • Le procédé peut exécuter les étapes d’acquisition du signal écho-radar et les processus de recherche de respiration successivement pour chacun des capteurs UWB du système UWB. Par exemple, les capteurs UWB peuvent être numérotés, et le procédé peut exécuter les étapes d’acquisition du signal écho-radar et les processus de recherche de respiration pour chacun des capteurs UWB en suivant la numérotation des capteurs UWB, par exemple en exécutant ces étapes pendant une durée prédéterminée pour chacun des capteurs UWB. Alternativement, le procédé peut considérer des groupes de capteurs UWB, et le procédé peut exécuter les étapes d’acquisition du signal écho-radar et les processus de recherche de respiration en même temps pour les capteurs UWB d’un même groupe, et successivement pour chacun des groupes. Alternativement encore, le procédé peut exécuter les étapes d’acquisition du signal écho-radar et les processus de recherche de respiration pour tous les capteurs UWB du système UWB en même temps.
  • La fréquence d’échantillonnage d’acquisition peut être inférieure ou égale à 250 Hz et/ou supérieure ou égale à 20 Hz. La fréquence d’échantillonnage d’acquisition peut correspondre au nombre de mesures par unité de temps dans le signal écho-radar (par exemple au nombre de mesures par seconde lorsque la fréquence est exprimée en Hz). De même, la fréquence du sous-échantillon peut correspondre au nombre de mesures du sous-échantillon par unité de temps (par exemple au nombre de mesures par seconde lorsque la fréquence est exprimée en Hz). La fréquence d’échantillonnage d’acquisition peut être supérieure ou égale à la fréquence du sous-échantillon d’au moins un processus de recherche de respiration (par exemple supérieure ou égale à la fréquence du sous-échantillon de chacun des processus). Par exemple, la fréquence du sous-échantillon peut être sensiblement égale la moitié de la fréquence d’échantillonnage d’acquisition, ou au tiers de la fréquence la fréquence d’échantillonnage d’acquisition. La fréquence d’échantillonnage d’acquisition peut être sensiblement égale à tout multiple M de la fréquence du sous-échantillon, avec M un nombre réel. Alternativement ou additionnellement, la fréquence du sous-échantillon d’au moins un processus de recherche de respiration peut être égale à la fréquence d’échantillonnage d’acquisition. Dans ce cas, le sous-échantillon de l’au moins un processus de recherche de respiration peut correspondre à l’échantillonnage lui-même.
  • Chaque processus de recherche de respiration peut rechercher un type de passager. Chaque type de passager peut correspondre à une catégorie de personnes humaines (par exemple définie à partir d’une tranche d’âge) ou à une catégorie d’animal (par exemple « chien » ou « chat »). Par exemple, le premier processus peut rechercher la respiration d’un humain adulte, et le deuxième processus peut rechercher la respiration d’un humain enfant. Par exemple encore, le troisième processus peut rechercher la respiration d’un chien, ou bien d’un humain enfant dans une tranche d’âge inférieure à celle du deuxième processus. La fréquence du sous-échantillon de chaque processus peut être adaptée en fonction du type de personne que le processus recherche. Par exemple, la fréquence du sous-échantillon peut correspondre à un multiple d’une fréquence moyenne de respiration du type de personne que le processus recherche. La fréquence du sous-échantillon peut par exemple être égale à K fois la fréquence moyenne de respiration, avec K un nombre réel supérieur ou égal à 2. Chaque processus de recherche de respiration peut détecter une respiration ayant une fréquence dans un plage de fréquence autour d’une fréquence moyenne de respiration du type de personne que le processus recherche. Par exemple, un processus de recherche de respiration recherchant un enfant peut détecter une respiration ayant une fréquence dans une plage de fréquence autour de 25 bpm (qui correspond à la fréquence moyenne d’un enfant). Un processus de recherche de respiration recherchant un adulte peut détecter une respiration ayant une fréquence dans une plage de fréquence autour de 12 bpm.
  • Chaque processus prend en entrée un sous-échantillon. Chaque processus peut faire la recherche de respiration directement sur le sous-échantillon. En d’autres termes, chaque processus peut exclure tout pré-traitement, par exemple peut exclure (i.e., ne pas exécuter) des traitements spécifiques à une plage de fréquence et/ou d’amplitude visée. Par exemple, chaque processus peut exclure une analyse micro-doppler. Chaque processus peut comprendre une application d’une fonction qui prend en entrée l’ensemble des mesures du sous-échantillon. La fonction peut être la même pour chacun des processus, ou bien peut être différente pour au moins deux processus. La fonction appliquée par chaque processus peut n’être constante pour aucune des mesures du sous-échantillon, c’est-à-dire que la fonction peut être variable pour chacune des mesures du sous-échantillon.
  • Par exemple, chaque sous-échantillon peut être un vecteur (xi) avec i allant de 1 à N. Chaque processus peut comprendre l’application d’une fonction f. Le résultat fourni par le processus pour un sous-échantillon (xi) peut donc être f  (xi), c’est-à-dire le résultat de l’application de la fonction f au vecteur (xi). La fonction f peut être variable pour chacune des mesures du sous-échantillon. En d’autres termes, quel que soit j entre 1 et N, il peut exister deux valeurs différentes x j 1 et x j 2 pour la coordonnée xj et une valeur (x)j pour les autres coordonnées (xi) avec i allant de 1 à N et i ≠ j, pour lesquelles f  [x j 1, (x)j] est différent de f  [x j 2, (x)j].
  • Chaque processus peut comprendre une analyse d’autocorrélation du sous-échantillon respectif pour détecter une période de répétition d’un motif. L’analyse d’autocorrélation peut prendre en entrée les mesures du sous-échantillon respectif et déterminer en sortie si un motif est répété dans la portion de signal à partir des mesures du sous-échantillon respectif. Le motif répété peut correspondre à une respiration du type de passager que le processus recherche. L’analyse d’autocorrélation peut fournir en sortie une période avec laquelle le motif est répété et/ou une fréquence de répétition, qui peuvent correspondre à la période et à la fréquence de la respiration détectée.
  • L’analyse d’autocorrélation peut également fournir en sortie un score de fiabilité associé à la période de répétition du motif détectée. Le score de fiabilité peut quantifier la fiabilité avec laquelle la répétition du motif est détectée. Le score de fiabilité peut indiquer le degré de précision de la détection de la respiration. Par exemple, le score de fiabilité peut être un nombre réel entre 0 et 1, une valeur de 0 représentant une fiabilité faible ou nulle dans la détection, et de 1 une fiabilité absolue dans la détection. L’analyse d’autocorrélation du sous-échantillon respectif peut détecter une période de répétition d’un motif et un score de fiabilité associé en utilisant la méthode décrite dans la section 2.2.2 du document « On Periodicity Detection and Structural Periodic Similarity », Michail Vlachos, Philip Yu et Vittorio Castelli, IBM T.J. Watson Research Center (URL : http:/alumni.cs.ucr.edu/~mvlachos/pubs/sdm05.pdf), qui est incorporé ici par référence.
  • Par exemple, le premier sous-échantillon peut être un vecteur (xi)1 et le deuxième sous-échantillon un vecteur (xi)2. Le nombre de coordonnées de chacun des vecteurs (xi)1 et (xi)2 peut être le même. Les coordonnées des vecteurs (xi)1 et (xi)2 peuvent représenter les mesures du premier sous-échantillon et du deuxième sous-échantillon respectivement. Par exemple, chaque vecteur peut comprendre deux coordonnées pour chaque mesure, la première coordonnée indiquant le temps de mesure et la deuxième une amplitude du signal au temps de mesure. Les coordonnées du vecteurs (xi)1 peuvent représenter des mesures pour lesquelles le temps de mesure est pendant la première durée et les coordonnées du vecteurs (xi)2 des mesures pour lesquelles le temps de mesure est pendant la deuxième durée. Les mesures représentées par chacun des vecteurs (xi)1 et (xi)2 peuvent par exemple être régulièrement espacées sur la première durée et la deuxième durée respectivement.
  • L’analyse d’autocorrélation peut comprendre l’application d’une fonction autocorrel[]. Le premier processus peut comprendre l’application de la fonction autocorrel[] au premier vecteur (xi)1 et le résultat du premier processus peut donc être autocorrel[(xi)1]. Le deuxième processus peut comprendre l’application de la fonction autocorrel[] au deuxième vecteur (xi)2 et le résultat du premier processus peut donc être autocorrel[(xi)2]. La fonction autocorrel[] peut être une fonction statistique. La fonction autocorrel[] peut être la fonction d’autocorrélation (« AutoCorrelation Function ») décrite dans la section 2.2.2 du document « On Periodicity Detection and Structural Periodic Similarity », Michail Vlachos, Philip Yu et Vittorio Castelli, IBM T.J. Watson Research Center (URL : http:/alumni.cs.ucr.edu/~mvlachos/pubs/sdm05.pdf), qui est incorporé ici par référence.
  • Le sous-échantillon de chaque processus peut comprendre un ensemble respectif de mesures. Le nombre de mesures de l’ensemble peut être fonction de la fréquence de sous-échantillon et de la durée présentée par la portion du signal prise en entrée par le processus de recherche de respiration. Le nombre de mesures peut être égal au résultat de la multiplication de la fréquence de sous-échantillon par la durée présentée par la portion du signal. Les nombres de mesures des sous-échantillons peuvent être compris dans un même intervalle. Par exemple, le nombre de mesures de chaque sous-échantillon peut être inférieur ou égal à 180. Le nombre de mesures de chaque sous-échantillon peut être supérieur ou égal à 65.
  • Dans des exemples, les processus de recherche de respiration comprennent un troisième processus. Le troisième processus prend en entrée un troisième sous-échantillon d’une portion du signal présentant une troisième durée. La deuxième durée est supérieure à la troisième durée et la fréquence du deuxième sous-échantillon est inférieure à la fréquence du troisième sous-échantillon. Dans d’autres exemple encore, les processus de recherche de respiration peuvent former un ensemble de N processus de recherche de respiration avec N un nombre réel. Chaque processus i de l’ensemble peut prendre en entrée un sous-échantillon SE i d’une portion du signal présentant une durée d i et avec une fréquence f i . La durée d i et la fréquence f i de chaque processus i, à partir du deuxième processus (i > 1), peuvent être de sorte que f i > f i -1 et d i < d i -1, avec f i -1 et d i -1 respectivement la fréquence et la durée du sous-échantillon SE i-1 du processus i  -1 (la fréquence f 1 et la durée d 1 du premier processus étant prédéterminées). Le nombre de processus exécutés pour chacun des capteurs UWB peut être le même pour chaque capteur UWB. Alternativement, le nombre de processus exécutés peut être différent pour au moins deux capteurs UWB.
  • Dans des exemples, la fréquence du premier sous-échantillon peut être comprise entre 1 et 12 Hz. La première durée peut être supérieure ou égale à 7 secondes. La première durée peut être inférieure ou égale à 10 secondes. La fréquence du premier sous-échantillon et la première durée peuvent être comprises entre ces bornes dans chacun des deux exemples d’implémentation donnés ci-après. Le premier processus peut détecter la respiration d’un humain adulte.
  • Dans un premier exemple d’implémentation, les processus de recherche de respiration peuvent consister en deux processus de recherche de respiration (un premier et un deuxième processus). Dans ce premier exemple d’implémentation, la fréquence du deuxième sous-échantillon peut être comprise entre 4 et 110 Hz. La deuxième durée peut être inférieure ou égale à 7 secondes. La deuxième durée peut être supérieure ou égale à 6 secondes. Dans ce premier exemple, le premier processus peut détecter la respiration d’un humain adulte, et le deuxième processus la respiration d’un enfant.
  • Dans un deuxième exemple d’implémentation, les processus de recherche de respiration peuvent consister en trois processus de recherche de respiration (un premier, un deuxième processus et un troisième processus). Dans ce deuxième exemple d’implémentation, la fréquence du deuxième sous-échantillon peut être comprise entre 4 et 50 Hz. La deuxième durée peut être inférieure ou égale à 7 secondes. La deuxième durée peut être supérieure ou égale 6 secondes. La fréquence du troisième sous-échantillon peut être comprise entre 15 et 110 Hz et la troisième durée peut être comprise entre 4 et 7 secondes. Dans ce deuxième exemple, le premier processus peut détecter la respiration d’un humain adulte, le deuxième processus la respiration d’un enfant adolescent, et le troisième processus la respiration d’un nourrisson.
  • Chaque capteur UWB peut utiliser le protocole de communication UWB, par exemple celui spécifié par l’IEEE 802.15.4. Chaque capteur UWB peut être configuré pour exécuter l’acquisition du signal écho-radar et les processus de recherche de respiration. Par exemple, chaque capteur UWB peut comprendre des moyens d’émission et de réception du signal écho-radar, un processeur et une mémoire (par exemple non-volatile). Des instructions pour l’exécution de l’acquisition du signal écho-radar et des processus de recherche de respiration peuvent être enregistrées sur la mémoire. Le procédé peut enregistrer le signal écho-radar acquis sur la mémoire. Le processeur peut exécuter l’acquisition du signal écho-radar et les processus de recherche de respiration en exécutant les instructions enregistrées sur la mémoire et à partir du signal écho-radar enregistré, après acquisition, également sur la mémoire.
  • On propose également un programme d’ordinateur pour système UWB de véhicule. Le programme d’ordinateur peut comprendre des instructions pour exécuter le procédé. Par exemple, le programme d’ordinateur peut comprendre des instructions pour chacun des capteurs UWB du système. Les instructions peuvent être pour exécuter le procédé lorsque ledit programme est exécuté par un processeur de capteur UWB. Les instructions peuvent être enregistrées sur une mémoire non-volatile (par exemple la mémoire du capteur UWB).
  • On propose également un système UWB de véhicule. Le système UWB comprend une mémoire sur laquelle est enregistré le programme d’ordinateur. Le système UWB peut comprendre un processeur pour exécuter ledit programme. Le système UWB peut être configuré pour implémenter le procédé. Le système UWB peut comprendre un ou plusieurs capteurs UWB. Le système UWB peut également comprendre un calculateur central. Le calculateur central peut comprendre la mémoire et le processeur du système UWB. Le système UWB peut également comprendre des moyens de connexion entre le calculateur central et/ou chacun des un ou plusieurs capteurs UWB (par exemple des câbles reliant le calculateur central avec chacun des capteurs UWB).
  • Des exemples vont maintenant être donnés en référence aux figures 1 à 3.
  • La illustre un organigramme d’un exemple du procédé. Le procédé est implémenté par un système UWB dans un véhicule pour la détection de respiration d’un ou plusieurs passagers. Le système UWB comprend un ou plusieurs capteurs UWB. Le procédé comprend, pour chaque capteur UWB, une acquisition S10 par le capteur d’un signal écho-radar présentant une fréquence d’échantillonnage d’acquisition, et, plusieurs processus de recherche de respiration S20. Les processus de recherche de respiration S20 consistent en un premier processus S21, un deuxième processus S22 et un troisième processus S23. Le premier processus S21 prend en entrée un premier sous-échantillon d’une portion du signal présentant une première durée. Le deuxième processus S22 prend en entrée un deuxième sous-échantillon d’une portion du signal présentant une deuxième durée. Le troisième processus S23 prend en entrée un troisième sous-échantillon d’une portion du signal présentant une troisième durée.
  • Le premier processus S21 utilise une grande fenêtre, c’est-à-dire que la première durée est supérieure à la deuxième durée et la troisième durée. Le deuxième processus S22 utilise une fenêtre moyenne, c’est-à-dire que la deuxième durée est inférieure à la première durée et supérieure à la troisième durée. Le troisième processus S23 utilise une petite fenêtre, c’est-à-dire que la troisième durée est inférieure à la première durée et à la deuxième durée. La première durée est supérieure à la deuxième durée et la fréquence du premier sous-échantillon est inférieure à la fréquence du deuxième sous-échantillon. La deuxième durée est supérieure à la troisième durée et la fréquence du deuxième sous-échantillon est inférieure à la fréquence du troisième sous-échantillon.
  • Le premier processus S21 comprend un module de recherche de fréquence basse de respiration. Le premier processus S21 recherche donc un type de passager ayant une fréquence moyenne basse. Par exemple, le premier processus S21 peut détecter la respiration d’un passager adulte. Par exemple, le premier processus S21 peut détecter la respiration d’un passager ayant une fréquence de respiration inférieure ou égale à 20 bpm (battements par minute), par exemple autour de 12 bpm. Le premier processus S21 est basé sur un premier sous-échantillon avec une basse fréquence. Le premier processus S21 comprend une analyse d’autocorrélation du premier sous-échantillon pour détecter une période de répétition d’un motif et déterminer un score de fiabilité associé.
  • Le deuxième processus S22 comprend un module de recherche de fréquence moyenne de respiration. Le deuxième processus S22 recherche donc un type de passager ayant une fréquence moyenne supérieure à celle du premier processus S21. Par exemple, le deuxième processus S22 peut détecter la respiration d’un enfant adolescent. Par exemple, le deuxième processus S22 peut détecter la respiration d’un passager ayant une fréquence de respiration supérieure à 20 bpm et/ou inférieure à 25 bpm, par exemple autour de 22 bpm. Le deuxième processus S22 est basé sur un deuxième sous-échantillon avec une fréquence intermédiaire. Le deuxième processus S22 comprend une analyse d’autocorrélation du deuxième sous-échantillon pour détecter une période de répétition d’un motif et déterminer un score de fiabilité associé.
  • Le troisième processus S23 comprend un module de recherche de fréquence haute de respiration. Le troisième processus S23 recherche donc un type de passager ayant une fréquence moyenne supérieure à celle du premier processus S21 et du deuxième processus S22. Par exemple, le troisième processus S23 peut détecter la respiration d’un jeune enfant (par exemple un nourrisson). Par exemple, le troisième processus S23 peut détecter la respiration d’un passager ayant une fréquence de respiration supérieure à 25 bpm, par exemple autour de 27 bpm. Le troisième processus S23 est basé sur un troisième sous-échantillon avec une haute fréquence. Le troisième processus S23 comprend une analyse d’autocorrélation du troisième sous-échantillon pour détecter une période de répétition d’un motif et déterminer un score de fiabilité associé.
  • Le procédé comprend ensuite l’exécution d’une couche décisionnelle à partir des résultats des processus. Par exemple, la couche décisionnelle peut identifier une situation à risque à partir des résultats des processus. L’exécution de la couche décisionnelle peut par exemple identifier la présence d’un enfant seul dans le véhicule. Pour cela, le procédé peut déterminer qu’un enfant est seul dans le véhicule lorsque le premier processus, détectant des passagers adultes, ne détecte pas la présence d’un passager adulte dans le véhicule (par exemple avec un score de fiabilité associé supérieur à un seuil prédéterminé), et que au moins un des deuxième et troisième processus, détectant la respiration de passagers enfants adolescents ou nourrissons, détecte la présence d’au moins un passager enfant adolescent ou nourrisson (par exemple également avec un score de fiabilité associé supérieur à un seuil prédéterminé).
  • La couche décisionnelle peut également prendre en entrée des informations sur le véhicule. Par exemple, la couche décisionnelle peut prendre en entrée un état de fermeture du véhicule. La couche décisionnelle peut conditionner l’identification de la situation à risque en fonction de ces informations sur le véhicule. Par exemple, la couche décisionnelle peut identifier une situation à risque lorsqu’il est déterminé qu’un enfant est seul dans le véhicule et que le véhicule est fermé. Lorsqu’une situation à risque est identifiée, le procédé peut comprendre l’exécution d’un ou plusieurs processus de sécurité, comme la génération d’une alerte.
  • La illustre des exemples de sous-échantillons. La montre un premier exemple de sous-échantillon 100 d’une portion du signal 101. Ce premier sous-échantillon 100 présente une première durée 102. Ce premier sous-échantillon 100 peut par exemple être utilisé par le premier processus S21 de la . Le premier sous-échantillon comprend un ensemble de mesures 103. La première durée 102 représente environ deux périodes de la respiration du passager détectée. Le nombre de mesures du premier sous-échantillon 100 permet une détection de la respiration d’un passager adulte par le premier processus. En particulier, le nombre de mesures à analyser par le premier processus n’est pas excessif, notamment compte tenu de la longueur de la première durée 102. La fréquence du premier sous-échantillon est adaptée pour avoir un nombre raisonnable de mesures à analyser par le premier processus (tout en ayant plusieurs mesures par période de respiration). Cela permet d’assurer la précision et l’efficacité du premier processus pour détecter la respiration d’un passager adulte.
  • La montre également un deuxième exemple de sous-échantillon 200 d’une portion du signal 201. Ce deuxième sous-échantillon 200 présente une deuxième durée 202. Ce deuxième sous-échantillon 200 peut par exemple être utilisé par le deuxième processus S22 de la . Le deuxième sous-échantillon comprend un ensemble de mesures 203. La deuxième durée 202 représente environ deux périodes de la respiration du passager détectée. Le nombre de mesures du deuxième sous-échantillon 200 permet une détection de la respiration d’un passager enfant par le deuxième processus. En particulier, le deuxième sous-échantillon 200 comprend plusieurs mesures, bien que la deuxième durée 202 soit plus courte que la première durée 102, et le nombre de mesures permet la détection de la respiration de l’enfant. La fréquence du deuxième sous-échantillon est plus élevée que celle du premier processus pour que le deuxième sous-échantillon 200 comprenne plusieurs mesures par période de respiration d’un passager enfant (celle-ci étant plus courte que celle d’un passager adulte). Cela permet d’assurer la précision et l’efficacité du deuxième processus pour détecter la respiration d’un passager enfant.
  • La illustre un exemple de l’analyse d’autocorrélation. Dans cet exemple, le signal écho-radar à analyser comprend deux composantes temporelles : l’amplitude et la phase, qui sont représentés sur la par les courbes 401 et 402 respectivement. La montre des extraits des deux composantes temporelles de signaux écho-radar dans deux scénarios de respiration 410 et 420. L’analyse d’autocorrélation du sous-échantillon respectif peut détecter une période de répétition d’un motif. Les motifs de respiration observés sur la composante de l’amplitude partagent généralement une caractéristique sous-jacente, à savoir une forme proche d’un signal triangulaire dont les pics hauts et bas sont aplatis de manière à former deux plateaux (qui peuvent être de durées différentes), et dont la pente montante est plus abrupte (et donc plus courte dans le temps) que la pente descendante, qui peut prendre un léger aspect convexe. L’analyse d’autocorrélation peut comprendre une détection d’une répétition de ces motifs. Les courbes de cette figure proviennent d’une enregistrement de respirations dans des conditions optimales pour la détection. Dans d’autres exemples, le signal écho-radar brut peut contenir plus de bruit et le procédé peut comprendre un filtrage de la phase et de l’amplitude du signal écho-radar (l’analyse d’autocorrélation peut ensuite utiliser le signal filtré). Par exemple, le procédé peut comprendre une application d’un filtre passe-bande en réglant les fréquences de coupures en fonction de la plage de fréquences respiratoires recherchées.
  • Chaque processus peut comprendre une estimation de périodicité à partir de l’application de la fonction d’autocorrélation à l’amplitude ou à une représentation complexe du signal. La fonction d’autocorrélation peut être la fonction d’autocorrélation (« AutoCorrelation Function ») décrite dans la section 2.2.2 du document « On Periodicity Detection and Structural Periodic Similarity », Michail Vlachos, Philip Yu et Vittorio Castelli, IBM T.J. Watson Research Center (URL : http:/alumni.cs.ucr.edu/~mvlachos/pubs/sdm05.pdf), qui est incorporé ici par référence. Chaque processus peut fournir la valeur de la fonction d’autocorrélation directement comme score de fiabilité pour la période correspondante.
  • Dans d’autres exemples, le procédé peut comprendre un regroupement des informations de plusieurs capteurs (par exemple en utilisant des procédés de regroupement). Le regroupement des informations permet de robustifier la détection et de pallier au risque d’apparition de multiples de la période détectée dans l’estimation via la fonction d’autocorrélation.
  • La illustre un exemple de système UWB 30 de véhicule. Le système UWB 30 comprend un réseau comprenant des capteurs UWB 31 et une unité électronique de contrôle centralisé 33. Les capteurs UWB 31 sont positionnés à l’avant du véhicule, à l’arrière du véhicule ou bien à l’intérieur du véhicule (par exemple dans la cabine). Le réseau comprend également des moyens de connexion 32 (par exemple des câbles) entre les capteurs UWB 31 et l’unité électronique de contrôle centralisé 33.
  • Le système UWB 30 est configuré pour mettre en œuvre le procédé. Pour cela, chaque capteur UWB 31 peut être configuré pour exécuter l’acquisition du signal écho-radar et les processus de recherche de respiration. Par exemple, chaque capteur UWB 31 peut comprendre des moyens d’émission et de réception de signaux écho-radar, un processeur et une mémoire (par exemple non-volatile) sur laquelle chaque signal écho-radar reçu et des instructions pour l’exécution des processus peuvent être enregistrés. Chaque capteur UWB 31 peut être configuré pour envoyer les résultats des processus qu’il a exécuté à l’unité électronique de contrôle centralisé 33, via les moyens de connexion 32. Le processeur de l’unité électronique de contrôle centralisé 33 peut ensuite, à partir des résultats reçus de chacun des capteurs UWB, exécuter la couche décisionnelle pour identifier une situation à risque (par exemple qu’un enfant est seul dans le véhicule alors que le véhicule est fermé), et lorsqu’une telle situation est identifiée, générer une alerte.
    •

Claims (10)

  1. Procédé implémenté par un système UWB (30) dans un véhicule pour la détection de respiration d’un ou plusieurs passagers, le système UWB (30) comprenant un ou plusieurs capteurs UWB (31), le procédé comprenant, pour chaque capteur UWB (31) :
    • une acquisition (S10) par le capteur d’un signal écho-radar présentant une fréquence d’échantillonnage d’acquisition ; et
    • plusieurs processus de recherche de respiration (S20) comprenant un premier processus (S21) et un deuxième processus (S22), le premier processus (S21) prenant en entrée un premier sous-échantillon (100) d’une portion du signal (101) présentant une première durée (102), le deuxième processus (S22) prenant en entrée un deuxième sous-échantillon (200) d’une portion du signal (201) présentant une deuxième durée (202), la première durée (102) étant supérieure à la deuxième durée (202) et la fréquence du premier sous-échantillon (100) étant inférieure à la fréquence du deuxième sous-échantillon (200).
  2. Procédé selon la revendication 1, dans lequel chaque processus comprend une analyse d’autocorrélation du sous-échantillon respectif pour détecter une période de répétition d’un motif et un score de fiabilité associé.
  3. Procédé selon la revendication 1 ou 2, dans lequel chaque sous-échantillon comprend un ensemble respectif de mesures (103, 203), le nombre de mesures (103, 203) de chaque sous-échantillon étant inférieur ou égal à 180.
  4. Procédé selon l’une quelconque des revendications 1 à 3, dans lequel la première durée (102) est supérieure ou égale à 7 secondes et/ou la deuxième durée (202) est inférieure ou égale à 7 secondes.
  5. Procédé selon l’une quelconque des revendications 1 à 4, dans lequel les processus de recherche de respiration comprennent un troisième processus (S23), le troisième processus (S23) prenant en entrée un troisième sous-échantillon d’une portion du signal présentant une troisième durée, la deuxième durée (202) étant supérieure à la troisième durée et la fréquence du deuxième sous-échantillon (200) étant inférieure à la fréquence du troisième sous-échantillon.
  6. Procédé selon l’une quelconque des revendications 1 à 5, dans lequel chaque processus est répété toutes les X secondes avec X étant un nombre réel inférieur ou égal à 2 secondes.
  7. Procédé selon l’une quelconque des revendications 1 à 6, le procédé comprenant une génération (S40) d’une alerte en fonction des résultats des processus de recherche.
  8. Programme d’ordinateur pour système UWB (30) de véhicule comprenant des instructions pour réaliser le procédé de l’une quelconque des revendications 1 à 7.
  9. Capteur UWB (31) de système UWB (30) configuré pour implémenter le procédé selon l’une quelconque des revendications 1 à 7.
  10. Système UWB (30) comprenant un ou plusieurs capteurs UWB (31) selon la revendication 9, le système UWB (30) comprenant une mémoire sur laquelle est enregistré le programme selon la revendication 8.
EP23808842.1A 2022-12-09 2023-11-23 Détection de respiration de passager Pending EP4630840A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2213107A FR3143134B1 (fr) 2022-12-09 2022-12-09 Détection de respiration de passager
PCT/EP2023/082884 WO2024120846A1 (fr) 2022-12-09 2023-11-23 Détection de respiration de passager

Publications (1)

Publication Number Publication Date
EP4630840A1 true EP4630840A1 (fr) 2025-10-15

Family

ID=85175985

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23808842.1A Pending EP4630840A1 (fr) 2022-12-09 2023-11-23 Détection de respiration de passager

Country Status (3)

Country Link
EP (1) EP4630840A1 (fr)
FR (1) FR3143134B1 (fr)
WO (1) WO2024120846A1 (fr)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3119639B1 (fr) * 2014-03-21 2020-02-26 IEE International Electronics & Engineering S.A. Procédé et systeme de détection d'un enfant sans surveillance
US11439344B2 (en) * 2015-07-17 2022-09-13 Origin Wireless, Inc. Method, apparatus, and system for wireless sleep monitoring
KR20200107388A (ko) * 2019-03-07 2020-09-16 (주)탑중앙연구소 호흡 신호 기반 동적 객체 탐지를 이용한 상황 인지 시스템

Also Published As

Publication number Publication date
WO2024120846A1 (fr) 2024-06-13
FR3143134A1 (fr) 2024-06-14
FR3143134B1 (fr) 2024-11-22

Similar Documents

Publication Publication Date Title
CA2697864C (fr) Procede de trajectographie robuste en temps reel sur ordinateur portable, de un ou plusieurs cetaces par acoustique passive
Jiang et al. Clicks classification of sperm whale and long-finned pilot whale based on continuous wavelet transform and artificial neural network
CA2491036A1 (fr) Procede et appareil pour la classification de signaux sonores
EP1410240B1 (fr) Procede et circuit d&#39;analyse frequentielle en temps reel d&#39;un signal non stationnaire
FR3099610A1 (fr) Dispositif d’evaluation d’emotion
WO2015121503A1 (fr) Procédé et système de surveillance du système nerveux autonome d&#39;un sujet
Gubnitky et al. Detecting the presence of sperm whales' echolocation clicks in noisy environments
EP1007962B1 (fr) Appareil et methode de classification utilisant une combinaison de methodes statistiques et de reseaux neuronaux
WO2024120846A1 (fr) Détection de respiration de passager
FR3070590A1 (fr) Methode d&#39;evaluation de maturation d&#39;un bebe premature et systeme associe
EP1788536B1 (fr) Procédé d&#39;évaluation de l&#39;état de vigilance d&#39;un conducteur de véhicule
Fedorishin et al. Large-scale acoustic automobile fault detection: Diagnosing engines through sound
WO2012062997A1 (fr) Dispositif de détection à capteur, procédé de détection et programme d&#39;ordinateur correspondants
EP3048948B1 (fr) Procédé, système et programme d&#39;ordinateur pour la détection et la caractérisation de clignements oculaires par électro-encéphalographie
EP3470871B1 (fr) Procédé de détection de signaux radar
Navea et al. Design and implementation of an acoustic-based car engine fault diagnostic system in the android platform
FR2627887A1 (fr) Systeme de reconnaissance de parole et procede de formation de modeles pouvant etre utilise dans ce systeme
EP4196008A1 (fr) Procede et systeme de detection de la somnolence d&#39;un individu
EP4027874A1 (fr) Procédé de détermination du taux respiratoire
WO1992003094A1 (fr) Procede et dispositif d&#39;aide au diagnostic par analyse des bruits du c×ur
FR3142807A1 (fr) Localisation de dispositif UWB
JP2009507260A (ja) マイクロコントローラーを利用した信号認識法
FR3090130A1 (fr) Détermination de l’évolution d’un environnement sous-marin par analyse acoustique
FR2964849A1 (fr) Procede de prediction d&#39;un risque cardiaque et/ou de recidive en fonction d&#39;au moins une valeur d&#39;un parametre extrapolable d&#39;une onde d&#39;un electrocardiogramme.
FR3135612A1 (fr) Procédé et dispositif d’estimation de tension artérielle

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250520

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)