RU2699168C2 - Обнаружение объекта для транспортных средств - Google Patents
Обнаружение объекта для транспортных средств Download PDFInfo
- Publication number
- RU2699168C2 RU2699168C2 RU2018105575A RU2018105575A RU2699168C2 RU 2699168 C2 RU2699168 C2 RU 2699168C2 RU 2018105575 A RU2018105575 A RU 2018105575A RU 2018105575 A RU2018105575 A RU 2018105575A RU 2699168 C2 RU2699168 C2 RU 2699168C2
- Authority
- RU
- Russia
- Prior art keywords
- vehicle
- passenger
- processor
- pair
- view
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title abstract description 19
- 230000001815 facial effect Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 6
- 210000001331 nose Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 210000005069 ears Anatomy 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 244000221110 common millet Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000004279 orbit Anatomy 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- B60R25/20—Means to switch the anti-theft system on or off
- B60R25/25—Means to switch the anti-theft system on or off using biometry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
-
- 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
-
- 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
- B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
- B60R25/305—Detection related to theft or to other events relevant to anti-theft systems using a camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- 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
- B60R2025/1013—Alarm systems characterised by the type of warning signal, e.g. visual, audible
- B60R2025/1016—Remote signals alerting owner or authorities, e.g. radio signals
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2325/00—Indexing scheme relating to vehicle anti-theft devices
- B60R2325/20—Communication devices for vehicle anti-theft devices
- B60R2325/205—Mobile phones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Ophthalmology & Optometry (AREA)
- Automation & Control Theory (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
Группа изобретений относится к обнаружению объекта для доступа к транспортному средству. Транспортное средство содержит пару камер, расположенных на транспортном средстве и ориентированных для обзора входа в транспортное средство и процессор, сконфигурированный с возможностью сравнивать профильное изображение характерных черт лица пассажира от одной камеры из пары с фронтальным изображением характерных черт лица пассажира от другой камеры из пары и, в качестве реакции на различие характерных черт лица блокировать вход. Процессор также сконфигурирован с возможностью формировать трехмерную модель характерных черт лица с помощью профильного изображения и фронтального изображения, при этом характерные черты лица являются разными, когда трехмерная модель является неправильной. Достигается уменьшение краж во время поездки или оставления вещей пассажирами. 3 н. и 16 з.п. ф-лы, 6 ил.
Description
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
[1] Настоящее изобретение относится к обнаружению объекта для транспортных средств.
УРОВЕНЬ ТЕХНИКИ
[2] Службы такси накладывают многочисленные риски по отношению к путешественникам. Довольно часто в салоне транспортного средства случайно оставляются вещи, когда пассажиры спешат сесть в такси и выйти из такси. Автономные транспортные средства представляют дополнительные проблемы, поскольку поведение пассажира является неконтролируемым, оставляя возможности кражи поездки или оставления вещей.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
[3] Транспортное средство включает в себя пару камер, расположенных на транспортном средстве и ориентированных для обзора входа в транспортное средство. Транспортное средство также включает в себя процессор, сконфигурированный с возможностью сравнивать профильное изображение характерных черт лица пассажира от одной камеры из пары с фронтальным изображением характерных черт лица пассажира от другой камеры из пары. Процессор сконфигурирован с возможностью блокировать вход в транспортное средство в качестве реакции на различие характерных черт лица. Характерной чертой лица может быть нос или подбородок пассажира. В транспортном средстве одна камера из пары может располагаться на боковом зеркале заднего вида транспортного средства, а другая камера из пары располагается в пассажирском салоне транспортного средства. Процессор может быть дополнительно сконфигурирован с возможностью формировать трехмерную модель характерных черт лица с помощью профильного изображения и фронтального изображения, при этом характерные черты лица являются разными, когда трехмерная модель является неправильной.
[4] Транспортное средство включает в себя пару камер, расположенных на транспортном средстве и ориентированных для обзора входа в транспортное средство с различных точек обзора. Транспортное средство включает в себя процессор, сконфигурированный с возможностью сравнивать профильное изображение пассажира от одной камеры из пары с фронтальным изображением пассажира от другой камеры из пары. Процессор сконфигурирован с возможностью выключать транспортное средство. Процессор может выключать транспортное средство в ответ на то, что фронтальное и профильное изображения соответствуют разным формам для одной и той же лицевой структуры. Лицевая структура может представлять собой глазную впадину пассажира, или структуру щеки пассажира, или цвет глаз пассажира. Процессор может быть дополнительно сконфигурирован с возможностью блокировать транспортное средство, после того как пассажир входит. Процессор может быть дополнительно сконфигурирован с возможностью издавать сигнал тревоги транспортного средства в качестве реакции на то, что фронтальное и профильное изображения соответствуют разным формам для одной и той же лицевой структуры.
[5] Транспортное средство включает в себя процессор, сконфигурированный с возможностью предоставлять уведомление пассажиру о том, что объект был оставлен в транспортном средстве. Процессор может предоставлять уведомление в качестве реакции на то, что визуальный детектор, имеющий пару камер, расположенных в транспортном средстве и ориентированных для обзора салона транспортного средства с различных точек обзора, распознает объект в изображениях, захваченных посредством пары камер, после того как пассажир выходит из транспортного средства. Процессор может предоставлять уведомление в качестве реакции на то, что датчик массы, имеющий весы, расположенные в транспортном средстве, выявляет вес объекта, после того как пассажир выходит из транспортного средства. Уведомление может представлять собой электронное сообщение, например, SMS-сообщение, каковое электронное сообщение может отправляться по протоколам связи 802.11 транспортного средства. Упомянутый объект может быть сотовым телефоном, при этом уведомление является звуковым тревожным сигналом в качестве реакции на то, что объект является сотовым телефоном. Визуальный детектор может выполнять обнаружение края в отношении всех объектов в поле обзора пары камер, при этом визуальный детектор может проверять объекты, распознанные из пары камер, и поле обзора может быть областью, измеренной посредством весов.
Краткое описание чертежей
[6] Фиг. 1 - вид сверху транспортного средства, имеющего, по меньшей мере, пару камер, ориентированных, чтобы осматривать вход транспортного средства или фотографически захватывать садящегося;
[7] Фиг. 2 - вид сверху транспортного средства, имеющего датчики веса и, по меньшей мере, пару камер, ориентированных, чтобы обнаруживать объекты в пассажирском салоне;
[8] Фиг. 3A - вид спереди и в профиль пассажира;
[9] Фиг. 3B - вид спереди и в профиль другого пассажира;
[10] Фиг. 4A - сравнение вида в профиль первого пассажира с видом спереди второго пассажира;
[11] Фиг. 4B - сравнение вида спереди первого пассажира с видом в профиль второго пассажира;
[12] Фиг. 5 - блок-схема последовательности операций обнаружения нелегального пассажира; и
[13] Фиг. 6 - блок-схема последовательности операций обнаружения объекта, оставленного в транспортном средстве.
Подробное описание изобретения
[14] Варианты осуществления настоящего изобретения описываются в данном документе. Должно быть понятно, однако, что раскрытые варианты осуществления являются просто примерами, и другие варианты осуществления могут принимать различные и альтернативные формы. Чертежи необязательно начерчены по масштабу; некоторые детали могут быть преувеличены или минимизированы, чтобы показывать подробности конкретных компонентов. Следовательно, конкретные структурные и функциональные детали, раскрытые в данном документе, не должны интерпретироваться как ограничивающие, а просто как представляющие основу для изучения специалистом в данной области техники, чтобы по-разному применять настоящее изобретение. Как поймут специалисты в данной области техники, различные признаки, проиллюстрированные и описанные со ссылкой на любой один из чертежей, могут быть объединены с признаками, иллюстрированными в одном или более других чертежах, чтобы создавать варианты осуществления, которые явно не проиллюстрированы или описаны. Комбинации проиллюстрированных признаков предоставляют характерные варианты осуществления для типичных прикладных задач. Различные комбинации и модификации признаков согласуются с учениями этого изобретения, однако, могут быть желательны для конкретных применений или реализаций.
[15] С появлением автономных транспортных средств автономные такси могут подбирать и высаживать пассажиров без водителей-людей. Множество пассажиров могут загрузиться в транспортное средство в различные моменты времени, известные как формирование цепочки поездки или совместное использование. Пассажиры могут запрашивать подбор через приложение или другое средство и отправлять идентификацию водителю или автономному транспортному средству. Пассажирам может требоваться ожидать в течение больших периодов времени. Упрямые или неуступчивые пассажиры могут пытаться украсть транспортные средства, предназначенные для других пассажиров, для того, чтобы ускорять свою поездку. Система обнаружения и распознавания лица может быть использована, чтобы определять, запросил ли или зарезервировал пассажир данное транспортное средство. Транспортное средство может запрашивать и принимать профиль пассажира, включающий в себя идентифицирующие фотографии предназначенных пассажиров или запрашивающих пассажиров. Транспортное средство может сравнивать садящихся пассажиров со списком пассажиров и предоставлять обратную связь пассажирам, либо уведомляя их об их несанкционированном статусе или предотвращая доступ в пассажирский салон.
[16] Злонамеренные пассажиры могут пытаться выдавать себя за другое лицо или иначе скрывать свою личность. Например, если жертва кражи поездки известна, изображение может удерживаться перед лицом вора поездки, чтобы изображать жертву. В более тщательно разработанной схеме вор поездки может создавать маски, чтобы выдавать себя за пассажира. Система обнаружения и распознавания лица может быть дополнительно выполнена с возможностью предотвращать кражи поездок и способствуя другим задачам автономного такси.
[17] Обращаясь к фиг. 1, транспортное средство 100 включает в себя пары камер 102, 104, расположенные на транспортном средстве и в зоне обзора входа 106 транспортного средства, имеющие поля обзора 103, 105, соответственно. Транспортное средство может быть любым типом системы перевозок, которая включает в себя автобусы, автофургоны, поезда, самолеты, суда и автомобили. В другом варианте осуществления камеры 102, 104 могут быть расположены рядом с полосой для такси или зоной подбора такси, чтобы наблюдать за въездом и выездом всех такси. Камеры 102, 104, все могут находиться вокруг транспортного средства 100 и быть нацелены на каждый вход 106 в транспортное средство с различных углов. Может быть использован любой вид камеры. Когда пассажир 108 приближается к транспортному средству 100, процессор 110, ассоциированный с камерами 102, 104, может выполнять алгоритм обнаружения лица (например, Eigen-faces), чтобы идентифицировать лицо пассажира. После того как лицо обнаружено, алгоритм распознавания лица (например, анализ основных компонентов; линейный дискриминантный анализ; соответствие адаптивной сетчатой номограмме; скрытая Марковская модель; изучение многолинейного подпространства; и соответствие динамической связи) может сравнивать лицо пассажира с изображением, предоставленным в списке пассажиров. После того как соответствие найдено, процессор может определять, имела ли место выдача лица за другого.
[18] Процессор 110 может использовать другой набор алгоритмов, чтобы обнаруживать, являются ли профильное изображение и фронтальное изображение одинаковыми. Процессор может обнаруживать ненормальности с помощью составной или трехмерной структуры двух изображений. Другой алгоритм может сравнивать характерные черты лица из двух изображений. Характерные черты лица, как описано более подробно ниже, могут включать в себя глаза, глазные впадины, подбородки, носы, брови, волосные линии, характерные черты губ, уши и структуру щеки. Помимо характерных черт лица процессор 110 может выполнять DNA-сопоставление, сопоставление сетчатки глаз, сопоставление вен, сопоставление образца голоса, сопоставление пароля, аутентификацию по беспроводному протоколу.
[19] Процессор 110 может быть отдельным процессором или фрагментом системы управления транспортным средством. В то время как иллюстрируется как один процессор, процессор 110 может быть частью более крупной системы управления и может управляться посредством различных других контроллеров по всему транспортному средству 100, таких как системный контроллер транспортного средства (VSC). Следовательно, должно быть понятно, что процессор 110 и один или более других процессоров или контроллеров могут совокупно называться "процессором", который использует различные алгоритмы, чтобы управлять транспортным средством в ответ на сигналы от различных датчиков, чтобы управлять функциями, такими как пуск/останов двигателя 112 и приведение в действие замка 114 для входа 106. Процессор 110 может включать в себя микропроцессор или центральный процессор (CPU) на связи с различными типами машиночитаемых запоминающих устройств или носителей. Машиночитаемые запоминающие устройства или носители могут включать в себя энергозависимое и энергонезависимое хранилище в постоянном запоминающем устройстве (ROM), оперативном запоминающем устройстве (RAM) и поддерживающей активность памяти (KAM), например. KAM является постоянной или энергонезависимой памятью, которая может быть использована, чтобы хранить различные операционные переменные, в то время как CPU выключен. Машиночитаемые запоминающие устройства или носители могут быть реализованы с помощью любого из множества известных запоминающих устройств, таких как PROM (программируемое постоянное запоминающее устройство), EPROM (электронное PROM), EEPROM (электрически стираемое PROM), флэш-памяти или любых других электрических, магнитных, оптических или комбинации запоминающих устройств, способных хранить данные, некоторые из которых представляют исполняемые инструкции, используемые контроллером в управлении двигателем или транспортным средством.
[20] Процессор 110 может управлять входом 106 в транспортное средство 100 посредством замка 114. Процессор 110 может зацеплять замок 114, чтобы препятствовать доступу ко входу до тех пор, пока доступ не будет разрешен, или расцеплять замок 114 до тех пор, пока доступ не будет запрещен. Система замка 114 может быть стандартной системой замка транспортного средства с процессором, предназначенным, чтобы запрещать доступ для неавторизованных пассажиров.
[21] Процессор 110 может быть сконфигурирован с возможностью связываться с внешним окружением через антенну или антенную систему 116. Антенна может быть сконфигурирована, чтобы связываться через различные носители и частоты и протоколы (например, Bluetooth, CDMA, 802.11, SS7, MAP, Wi-Fi). Процессор 110 может принимать запросы подбора от пассажиров через антенну 116, вместе со списками пассажиров и изображениями. Антенна 116 может предоставлять средство связи между процессором 110 и различными другими сетями и системами. Например, процессор 110 может иметь доступ к сотовым номерам пассажиров, чтобы отправлять текстовые сообщения или иначе связываться с сотовыми телефонами 118 пассажиров. Процессор 110 может быть сконфигурирован с возможностью связываться с сетью 120 для того, чтобы принимать списки пассажиров и информацию о местоположении подбора от сервера 122. Сервер 122 может хранить информацию о пассажирах в базе данных 124 и обеспечивать транспортному средству 100 доступ к этой информации.
[22] Подключенное к сети транспортное средство 100 может отправлять информацию о пассажире 108 серверу 122 для подтверждения. В этой конфигурации вычислительная мощность, требуемая для распознавания, разгружается на сервер 122. Сервер 122 может связываться с транспортным средством 100 посредством зашифрованных и защищенных способов связи (например, TLS, IPSec), чтобы предотвращать перехват и изменение информации. Процессор 110 может выгружать принятые изображения на сервер 122 для распознавания.
[23] Обращаясь теперь к фиг. 2, транспортное средство 100 показано имеющим пару камер 130, 132, расположенных, чтобы осматривать салон транспортного средства 100, имеющих поля обзора 131, 133, соответственно. Камеры 130, 132 могут быть расположены, чтобы осматривать салон под различными углами. Процессор 110 может быть сконфигурирован с возможностью возвращать изображения от камер 130, 132 и обнаруживать объекты 118. Камеры 130, 132 могут обнаруживать объекты 118, которыми обладает пассажир, и отслеживать эти объекты 118 на всем протяжении поездки. Обнаружение объекта может выполняться с помощью множества способов. Некоторые способы могут быть использованы вместе друг с другом. Например, процессор 110 может обнаруживать объекты с помощью обнаружения краев или распознавания объекта. Одна форма распознавания объекта может использовать характеристические изображения аналогично распознаванию лица. База данных 124 может размещать характеристические изображения. Изображения, захваченные посредством камер 130, 132, могут быть отправлены наружу серверу 122 для обработки. Объекты 118 могут быть сотовыми телефонами или более крупными перевозимыми устройствами.
[24] В дополнение к визуальному контролю транспортное средство 100 может включать в себя датчики 134, 136 веса, чтобы определять, когда пассажир покинул транспортное средство, и когда объект 118 остался где-то в транспортном средстве. Датчики 134, 136 веса могут быть распределены по всему салону транспортного средства. Датчики 134, 136 веса могут быть на полах, в контейнерах и в каждой из областей сидения пассажиров. Датчики 134, 136 веса также могут быть расположены в отсеках хранения (например, багажнике).
[25] Процессор 110 может быть сконфигурирован с возможностью определять, когда объект 118 остался в транспортном средстве. Например, пассажиру 108 может быть назначен уникальный порядковый номер в базе данных. Все объекты 118, ассоциированные с пассажиром 108, могут быть отслежены в базе данных. Процессор 110 может определять, когда пассажир 108 покинул транспортное средство. Процессор 110 может быть запрограммирован, чтобы дополнительно определять, что объект 118 остался в транспортном средстве, когда объект 118 находится не поблизости к каким-либо пассажирам или в необычном месте (например, на полу). Процессор 110 может сопоставлять информацию, относящуюся к визуальному анализу, с информацией из анализа веса. Например, если объект обнаруживается в необычной области, и датчик веса обнаруживает тот же объект 118, процессор 110 может выполнять функцию, чтобы сигнализировать пассажирам (например, выключать транспортное средство, текст пассажиру, который сидел в этой области, текст всем пассажирам, чей объект или вещи были оставлены, подача гудка, регулировка освещения, предоставление уведомляющих голосовых команд). Функция может быть основана на типе обнаруженного объекта. Например, если обнаруживается сотовый телефон, транспортное средство может подавать гудок. Если обнаруживается книга, транспортное средство может отправлять текстовое сообщение на сотовый телефон пассажира. Процессор 110 может использовать визуальное обнаружение объекта, чтобы прогнозировать вес, ассоциированный с объектом 118. Например, если визуальное обнаружение объекта определяет, что оставленный объект 118 является сотовым телефоном, процессор 110 может сравнивать вес объекта 118, который был оставлен, с ожидаемым весом объекта 118. Если разница в весе находится в пределах ожидаемого диапазона (например, в пределах 5% ожидаемого веса), тогда процессор может сигнализировать пассажирам о том, что объект 118 был оставлен. Это сравнение может приводить в результате к уменьшению ложных срабатываний.
[26] Обращаясь к фиг. 3A, показаны фронтальное и профильное изображения 300, 302 пассажира. Отличительные признаки обоих изображений 300, 302 соответствуют и совмещаются, как показано с помощью линий 304, 306 отличительных признаков. Линии 304, 306 отличительных признаков указывают значимые места характерных черт пассажиров. Например, линия 304 отличительного признака совмещается с бровями пассажира в фронтальном и профильном изображениях 300, 302. Линия 304 отличительного признака также совмещается с верхним краем уха пассажира. Дополнительная линия 306 отличительного признака совмещается с точкой носа пассажира и нижним краем уха пассажира. Линии 304, 306 отличительных признаков могут быть использованы, чтобы сравнивать одного пассажира с другим. Например, показаны фронтальное и профильное изображения 320, 322 на фиг. 3B. Отличительные признаки обоих изображений 320, 322 соответствуют и совмещаются, как показано с помощью линий 324, 326 отличительных признаков. Линии 324, 326 отличительных признаков указывают значимые места характерных черт пассажиров. Например, линия 324 отличительного признака совмещается с бровями пассажира в фронтальном и профильном изображениях 320, 322. Линия 324 отличительного признака также совмещается с верхним краем уха пассажира. Дополнительная линия 326 отличительного признака совмещается с точкой носа пассажира и нижним краем уха пассажира. Процессор 110 может быть сконфигурирован с возможностью обнаруживать характерные черты лица, описанные посредством различных алгоритмов (например, локальный двоичный шаблон, отличительные признаки Хаара). Аналогичные алгоритмы могут сравнивать местоположения характерных черт лица из фронтального и профильного изображений 300, 302, 320, 322, чтобы определять, присутствует ли нелегальный пассажир.
[27] Обращаясь к фиг. 4A, показано сравнение изображения 302 и 320. Алгоритм, как упомянуто выше, используется, чтобы определять местоположение отличительных признаков, как показано в линиях 304, 306. Линии 304, 306 совмещаются с бровями и носом обоих изображений. Линии 304, 306, однако, совмещаются с ушами в изображении 302, кроме того, линии 324, 326 совмещаются с ушами в изображении 320. В ответ на это определение, что уши не имеют одинаковых относительных местоположений, процессор 110 может указывать, что происходит выдача за другое лицо.
[28] Обращаясь к фиг. 4B, показано сравнение изображения 300 и 322. Алгоритм, как упомянуто выше, используется, чтобы определять местоположение отличительных признаков, показанных в линиях 304, 306, 308, 310. Линии 304, 306 соответствуют бровям и носам в обоих изображениях 300, 322. Линии 308, 328 соответствуют характерным чертам подбородков в обоих изображениях 300, 322, которые не совпадают. Алгоритм, работающий на процессоре 110, может определять, что характерные черты подбородка не являются одинаковыми, и предоставлять указание, что происходит выдача за другое лицо.
[29] Обращаясь к фиг. 5, показана блок-схема 500 последовательности операций распознавания нелегального пассажира. Этап 502 начинает процесс. На этапе 504 процессор 110 или кластер принимает запрос подбора. Запрос может быть сначала принят на сервере и передан транспортному средству 100 после оплаты, или после того как другие требования были выполнены. На этапе 506 процессор 110 может принимать список пассажиров и идентификационную информацию от сервера 122. Идентификационная информация может включать в себя изображение пассажира для распознавания лица и информацию о характерных чертах лица для обнаружения нелегальных пассажиров. На этапе 508 транспортное средство 100 прибывает в запрошенное пассажирами место подбора. По прибытии процессор 110 может определять, присутствует ли объект-человек в месте подбора, на этапе 510. На этапе 512 процессор 110 может пытаться обнаружить лицо с помощью вышеупомянутых алгоритмов. Если лицо обнаруживается, процессор 110 может пытаться распознать лицо, сравнивая принятое изображение с изображениями из списка пассажиров. Транспортное средство 100 может предоставлять указание пассажиру, что лицо было распознано, посредством звучания гудка или визуальной индикации.
[30] Процессор 110 может быть дополнительно сконфигурирован с возможностью определять, попытался ли нелегальный пассажир получить доступ в транспортное средство, на этапе 518. Как упомянуто выше, профильное изображение может быть сравнено с фронтальным изображением, или два разных изображения могут быть сравнены, чтобы гарантировать, что один вид пассажира совпадает с другим видом пассажира. Если изображения совпадают, двери разблокируются на этапе 520. Если отличительные признаки не совпадают, двери блокируются на этапе 522. Двери могут быть сконфигурированы блокироваться по умолчанию и разблокироваться в ответ на совпадение или быть разблокированными по умолчанию и блокироваться по несовпадению. На этапе 524 пассажиру или физическому лицу предоставляется указание, что была обнаружена выдача за другое лицо. Указание может быть конкретной последовательностью звуков, тревожной сигнализацией или визуальным указанием. Какие-либо из этапов алгоритма 500 могут быть выполнены в различной последовательности в зависимости от предпочтений автономной конструкции.
[31] Сравнение может быть выполнено посредством составной модели двух изображений. Составная модель может быть трехмерной моделью двух изображений. В ответ на ошибку в создании трехмерной модели двери могут быть заблокированы, и вход в транспортное средство запрещен. Например, если алгоритм для формирования трехмерной модели из двух изображений имеет формирование ошибки, чтобы предотвращать неправильные модели, формирование ошибки может указывать, что нелегальный пассажир пытается получить доступ к транспортному средству. Доступ тогда предотвращается. Более чем два изображения могут быть использованы для формирования составной модели. Формирование трехмерных моделей известно в области техники (например, стереоскопическое 3D).
[32] Обращаясь к фиг. 6, изображается алгоритм 600 обнаружения объекта. На этапе 602 алгоритм начинается. На этапе 604 процессор 110 или кластер принимает запрос подбора. Запрос может быть сначала принят на сервере и передан транспортному средству 100 после оплаты, или после того как другие требования были выполнены. На этапе 606 процессор 110 может принимать список пассажиров и идентификационную информацию от сервера 122. Идентификационная информация может включать в себя изображение пассажира для распознавания лица и информацию о характерных чертах лица для обнаружения нелегальных пассажиров. На этапе 608 транспортное средство 100 прибывает в запрошенное пассажирами место подбора. На этапе 610 начинается перевозка пассажира. На этапе 612 обнаружение лица может быть выполнено, чтобы определять местоположение пассажира, и распознавание может быть выполнено, чтобы гарантировать, что пассажир находится в списке. Пассажир может быть идентифицирован в базе данных, и процессор 110 может отслеживать какие-либо объекты, идентифицированные как ассоциируемые с пассажиром. Обнаружение объекта может быть выполнено посредством любого алгоритма, известного специалистам в области техники. Обнаружение объекта может также включать в себя связь ближнего радиуса действия с электронными устройствами. На этапе 614 объекты, ассоциированные с каждым пассажиром, обнаруживаются и записываются для наблюдения. На этапе 616 объекты, отсоединенные от пассажиров, могут быть обнаружены в других областях транспортного средства для отслеживания. Например, багаж в багажном отсеке или объекты, размещенные на полу. Обнаружение может быть выполнено с помощью весовых систем. На этапе 618 объекты записываются вместе с ассоциированным визуальным профилем и оцененным весом.
[33] На этапе 620 обнаружение лица используется, чтобы определять, когда пассажир покинул транспортное средство. После ухода визуальное обнаружение объекта может быть использовано, чтобы определять, находятся ли все еще объекты, ассоциированные с пассажиром, в транспортном средстве, на этапе 622. На этапе 624 обнаружение веса может быть использовано, чтобы определять, находятся ли все еще объекты в транспортном средстве. На этапе 626 пассажир или пассажиры уведомляются с помощью множества средств. Например, фары транспортного средства или гудок могут быть приведены в действие. Текстовые сообщения могут быть использованы и отправлены на сотовые телефоны пассажиров. Визуальные указания могут также быть предоставлены пассажирам с помощью LCD-дисплеев.
[34] Транспортное средство может также идентифицировать и авторизовать пассажира через беспроводную связь. Например, пассажир может иметь устройство, сконфигурированное, чтобы соединяться с бортовыми системами связи через Wi-Fi или Bluetooth®. Транспортное средство может принимать идентификационный номер (например, IMEA-номер, MAC-адрес, UUID), назначенный пассажиру, вместе со списком пассажиров. Алгоритмы 500, 600 могут использовать сочетание вышеупомянутых способов вместе с идентификационными номерами, чтобы гарантировать, что правильный пассажир садится в транспортное средство. Транспортное средство может определять, что объект или устройство осталось в транспортном средстве, по силе сигнала устройства. Например, если пассажир остался в транспортном средстве - определение на основе лица и обнаружения веса - транспортное средство может наблюдать за силой сигнала устройства, используемого для посадки в транспортное средство. Если сила сигнала не уменьшается, транспортное средство может сигнализировать пассажиру о том, что оно все еще здесь, с помощью вышеупомянутых способов.
[35] Слова, использованные в описании, являются скорее словами описания, чем ограничения, и понятно, что различные изменения могут быть выполнены без отступления от сущности и объема изобретения. Как ранее описано, признаки различных вариантов осуществления могут быть объединены, чтобы формировать дополнительные варианты осуществления изобретения, которые могут не быть явно описаны или иллюстрированы. В то время как различные варианты осуществления могли быть описаны как предоставляющие преимущества или являющиеся предпочтительными по сравнению с другими вариантами осуществления или реализациями уровня техники относительно одной или более желаемых характеристик, специалисты в области техники поймут, что один или более признаков или характеристик могут быть нарушены, чтобы добиваться желаемых общих атрибутов системы, которые зависят от конкретного применения и реализации. Эти атрибуты могут включать в себя, но не только, стоимость, прочность, срок службы, стоимость срока службы, конкурентоспособность, внешний вид, упаковку, размер, удобство эксплуатации, вес, технологичность, легкость сборки и т.д. По существу, варианты осуществления, описанные как менее желаемые, чем другие варианты осуществления или реализации уровня техники относительно одной или более характеристик, не находятся за рамками изобретения и могут быть желательны для конкретных прикладных задач.
Claims (24)
1. Транспортное средство, содержащее:
пару камер, расположенных на транспортном средстве и ориентированных для обзора входа в транспортное средство; и
процессор, сконфигурированный с возможностью сравнивать профильное изображение характерных черт лица пассажира от одной камеры из пары с фронтальным изображением характерных черт лица пассажира от другой камеры из пары и, в качестве реакции на различие характерных черт лица блокировать вход, чтобы препятствовать доступу пассажира в салон транспортного средства, при этом процессор также сконфигурирован с возможностью формировать трехмерную модель характерных черт лица с помощью профильного изображения и фронтального изображения, при этом характерные черты лица являются разными, когда трехмерная модель является неправильной.
2. Транспортное средство по п. 1, в котором одна камера из пары располагается на боковом зеркале заднего вида транспортного средства, а другая камера из пары располагается в пассажирском салоне транспортного средства.
3. Транспортное средство по п. 1, в котором характерной чертой лица является нос.
4. Транспортное средство по п. 1, в котором характерной чертой лица является подбородок пассажира.
5. Транспортное средство, содержащее:
пару камер, расположенных на транспортном средстве и ориентированных для обзора входа в транспортное средство с различных точек обзора; и
процессор, сконфигурированный с возможностью сравнивать профильное изображение пассажира от одной камеры из пары с фронтальным изображением пассажира от другой камеры из пары и, в качестве реакции на то, что фронтальное и профильное изображения соответствуют разным формам для одной и той же лицевой структуры, выключать транспортное средство.
6. Транспортное средство по п. 5, в котором процессор также сконфигурирован с возможностью блокировать транспортное средство, после того как пассажир входит.
7. Транспортное средство по п. 5, в котором процессор также сконфигурирован с возможностью издавать сигнал тревоги транспортного средства в качестве реакции на то, что фронтальное и профильное изображения соответствуют разным формам для одной и той же лицевой структуры.
8. Транспортное средство по п. 5, в котором лицевая структура является глазной впадиной пассажира.
9. Транспортное средство по п. 5, в котором лицевая структура является структурой щеки пассажира.
10. Транспортное средство по п. 5, в котором лицевая структура является цветом глаз пассажира.
11. Транспортное средство, содержащее:
процессор, сконфигурированный с возможностью, в качестве реакции на то, что пассажир первым выходит из транспортного средства, визуальный детектор, имеющий камеры, расположенные в транспортном средстве и ориентированные для обзора салона транспортного средства с различных точек обзора, распознает объект в изображениях, захваченных посредством камер, и на то, что датчик массы, имеющий весы, расположенные в транспортном средстве, выявляет вес объекта, предоставлять уведомление пассажиру, что объект был оставлен в транспортном средстве.
12. Транспортное средство по п. 11, в котором уведомление является электронным сообщением.
13. Транспортное средство по п. 12, в котором электронное сообщение является SMS-сообщением.
14. Транспортное средство по п. 12, в котором электронное сообщение отправляется по протоколам связи 802.11 транспортного средства, в котором этом объект является сотовым телефоном.
15. Транспортное средство по п. 11, в котором объект является сотовым телефоном.
16. Транспортное средство по п. 15, в котором уведомление является звуковым тревожным сигналом в качестве реакции на то, что объект является сотовым телефоном.
17. Транспортное средство по п. 11, в котором визуальный детектор выполняет обнаружение края в отношении всех объектов в поле обзора камер.
18. Транспортное средство по п. 17, в котором визуальный детектор проверяет объекты, распознанные камерами.
19. Транспортное средство по п. 17, в котором поле обзора является областью, измеренной посредством весов.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/437,107 | 2017-02-20 | ||
| US15/437,107 US10173643B2 (en) | 2017-02-20 | 2017-02-20 | Object detection for vehicles |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2018105575A RU2018105575A (ru) | 2019-08-14 |
| RU2018105575A3 RU2018105575A3 (ru) | 2019-08-14 |
| RU2699168C2 true RU2699168C2 (ru) | 2019-09-03 |
Family
ID=61783916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2018105575A RU2699168C2 (ru) | 2017-02-20 | 2018-02-14 | Обнаружение объекта для транспортных средств |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10173643B2 (ru) |
| CN (1) | CN108454567B (ru) |
| DE (1) | DE102018103440A1 (ru) |
| GB (1) | GB2562143A (ru) |
| RU (1) | RU2699168C2 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2767530C1 (ru) * | 2020-11-16 | 2022-03-17 | Публичное акционерное общество «СИБУР Холдинг» | Композиция полипропилена с повышенной прочностью расплава и способ её получения |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102384642B1 (ko) * | 2017-04-24 | 2022-04-08 | 엘지전자 주식회사 | 차량에 구비된 차량 제어 장치 및 차량의 제어방법 |
| US10416671B2 (en) * | 2017-07-11 | 2019-09-17 | Waymo Llc | Methods and systems for vehicle occupancy confirmation |
| DE112017007713T5 (de) * | 2017-07-31 | 2020-03-19 | Ford Global Technologies, Llc | Systeme und Verfahren zur Fahrzeugbelegungsverwaltung |
| JP6906866B2 (ja) * | 2017-11-28 | 2021-07-21 | アルパイン株式会社 | セキュリティ装置およびこれを搭載した車両、認証方法 |
| DK201870683A1 (en) * | 2018-07-05 | 2020-05-25 | Aptiv Technologies Limited | IDENTIFYING AND AUTHENTICATING AUTONOMOUS VEHICLES AND PASSENGERS |
| US10515535B1 (en) * | 2018-08-24 | 2019-12-24 | General Motors Llc | System and method to provide a misplacement notification |
| US10783732B2 (en) * | 2018-12-05 | 2020-09-22 | Aptiv Technologies Limited | Passenger selection and screening for automated vehicles |
| EP3899894A4 (en) * | 2018-12-20 | 2022-01-26 | Gentex Corporation | SYSTEMS AND PROCEDURES FOR MONITORING SHARED JOURNEYS |
| CN111476981A (zh) * | 2019-01-23 | 2020-07-31 | 上海博泰悦臻电子设备制造有限公司 | 车内人员监控装置及方法 |
| JP6799100B2 (ja) * | 2019-03-01 | 2020-12-09 | エスティーシー コーポレーション カンパニー リミテッド | 顔認識情報を利用した車の予熱制御システム及びそれを利用した車の予熱制御方法 |
| CN109849791B (zh) * | 2019-03-07 | 2021-04-13 | 宁波吉利汽车研究开发有限公司 | 一种辅助驾驶系统及车辆 |
| US11458929B1 (en) * | 2019-05-10 | 2022-10-04 | Gm Cruise Holdings Llc | Unlocking vehicle doors with facial recognition |
| US11361574B2 (en) | 2019-10-23 | 2022-06-14 | Bendix Commercial Vehicle Systems Llc | System and method for monitoring for driver presence and position using a driver facing camera |
| CN110758325A (zh) * | 2019-10-23 | 2020-02-07 | 上海能塔智能科技有限公司 | 车辆的人脸认证方法及装置、存储介质、终端、汽车 |
| DE102019132049A1 (de) * | 2019-11-26 | 2021-05-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung, Verfahren und Computerprogramm für ein Fahrzeug |
| US11882500B2 (en) | 2020-11-02 | 2024-01-23 | Ford Global Technologies, Llc | Systems and methods for tracking luggage in a vehicle |
| US11475755B2 (en) | 2021-03-02 | 2022-10-18 | Gm Cruise Holdings Llc | Forgotten mobile device detection and management |
| WO2022224332A1 (ja) * | 2021-04-20 | 2022-10-27 | 日本電気株式会社 | 情報処理装置、車両制御システム、情報処理方法、及び非一時的なコンピュータ可読媒体 |
| US11772603B2 (en) | 2021-05-18 | 2023-10-03 | Motional Ad Llc | Passenger authentication and entry for autonomous vehicles |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2500218A1 (en) * | 2009-11-13 | 2012-09-19 | Aisin Seiki Kabushiki Kaisha | Multi-function camera system |
| US20130073114A1 (en) * | 2011-09-16 | 2013-03-21 | Drivecam, Inc. | Driver identification based on face data |
| US20160300410A1 (en) * | 2015-04-10 | 2016-10-13 | Jaguar Land Rover Limited | Door Access System for a Vehicle |
| US20170043783A1 (en) * | 2015-08-14 | 2017-02-16 | Faraday&Future Inc. | Vehicle control system for improving occupant safety |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8948442B2 (en) | 1982-06-18 | 2015-02-03 | Intelligent Technologies International, Inc. | Optical monitoring of vehicle interiors |
| DE4238275C2 (de) * | 1992-11-13 | 1995-04-27 | Michael Von Manowski | Verfahren und Vorrichtung zur Prävention von Straftaten oder dergleichen |
| US6498970B2 (en) | 2001-04-17 | 2002-12-24 | Koninklijke Phillips Electronics N.V. | Automatic access to an automobile via biometrics |
| JP2003046843A (ja) * | 2001-08-02 | 2003-02-14 | Omron Corp | 撮像装置及び車両における人体検知システム |
| JP2003301639A (ja) * | 2002-04-12 | 2003-10-24 | Kenwood Corp | 車両用使用者認証装置及び車両盗難防止方法 |
| EP1571278A1 (en) * | 2002-12-13 | 2005-09-07 | Matsushita Electric Industrial Co., Ltd. | Onboard device control system, onboard device controller, and onboard device control method |
| US7421097B2 (en) | 2003-05-27 | 2008-09-02 | Honeywell International Inc. | Face identification verification using 3 dimensional modeling |
| CN1597399A (zh) * | 2003-09-16 | 2005-03-23 | 程滋颐 | 具有面部识别、判别和无线通讯功能的汽车防盗报警器 |
| DE102004044771B4 (de) * | 2004-09-16 | 2006-08-24 | Bayerische Motoren Werke Ag | Verfahren zur bildbasierten Fahreridentifikation in einem Kraftfahrzeug |
| JP2006248364A (ja) * | 2005-03-10 | 2006-09-21 | Omron Corp | 移動体のドライバー認証装置 |
| EP2038142A2 (en) * | 2006-06-28 | 2009-03-25 | Johnson Controls Technology Company | Vehicle vision system |
| US8854465B1 (en) | 2007-01-08 | 2014-10-07 | Jason Charles McIntyre | Vehicle security surveillance system and method for surveillance of a vehicle |
| US20080224859A1 (en) * | 2007-03-15 | 2008-09-18 | Shih-Hsiung Li | Door lock control system integrated with sensing and audio/image identification functions |
| JP4604073B2 (ja) * | 2007-10-03 | 2010-12-22 | 本田技研工業株式会社 | 車両用飲酒運転防止装置 |
| CN201201570Y (zh) | 2008-05-16 | 2009-03-04 | 长安大学 | 一种基于人脸识别的汽车防盗装置 |
| JP4636171B2 (ja) | 2008-12-17 | 2011-02-23 | トヨタ自動車株式会社 | 車両用生体認証システム |
| US8836491B2 (en) | 2010-04-29 | 2014-09-16 | Ford Global Technologies, Llc | Occupant detection |
| DE102011011939A1 (de) | 2011-02-22 | 2012-08-23 | Günter Seipolt | Innenraum-Überwachung für ein Kraftfahrzeug |
| US9972148B2 (en) * | 2013-10-16 | 2018-05-15 | Ford Global Technologies, Llc | Motor vehicle unlocking method and system |
| US9685063B2 (en) | 2014-09-15 | 2017-06-20 | Pidyon Controls Inc. | Car seat occupant detection and alert apparatus, system, and method |
| US9000907B1 (en) | 2014-09-23 | 2015-04-07 | Paul F. Rembach | Safety system for alerting an operator of a parked vehicle that an occupant is still present in the parked vehicle |
| US20160297362A1 (en) * | 2015-04-09 | 2016-10-13 | Ford Global Technologies, Llc | Vehicle exterior side-camera systems and methods |
| CN104890625A (zh) * | 2015-05-22 | 2015-09-09 | 陈元喜 | 新型汽车防盗系统 |
| CN105109451A (zh) * | 2015-08-26 | 2015-12-02 | 邹民勇 | 一种汽车防盗系统和利用汽车防盗系统进行防盗的方法 |
| CN105966307A (zh) * | 2015-11-02 | 2016-09-28 | 乐卡汽车智能科技（北京）有限公司 | 一种在车辆内部进行安全检测的方法及装置 |
| US9816308B2 (en) * | 2016-02-17 | 2017-11-14 | Ford Global Technologies, Llc | Methods and systems for opening of a vehicle access point using audio or video data associated with a user |
| CN105882605B (zh) * | 2016-04-21 | 2019-06-07 | 东风汽车公司 | 一种基于人脸识别的车辆防盗系统及方法 |
| US9905101B1 (en) * | 2016-08-26 | 2018-02-27 | International Business Machines Corporation | Tailgating detection |
| US10427645B2 (en) * | 2016-10-06 | 2019-10-01 | Ford Global Technologies, Llc | Multi-sensor precipitation-classification apparatus and method |
-
2017
- 2017-02-20 US US15/437,107 patent/US10173643B2/en not_active Expired - Fee Related
-
2018
- 2018-02-13 CN CN201810148977.6A patent/CN108454567B/zh active Active
- 2018-02-14 RU RU2018105575A patent/RU2699168C2/ru active
- 2018-02-15 GB GB1802478.6A patent/GB2562143A/en not_active Withdrawn
- 2018-02-15 DE DE102018103440.7A patent/DE102018103440A1/de active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2500218A1 (en) * | 2009-11-13 | 2012-09-19 | Aisin Seiki Kabushiki Kaisha | Multi-function camera system |
| US20130073114A1 (en) * | 2011-09-16 | 2013-03-21 | Drivecam, Inc. | Driver identification based on face data |
| US20160300410A1 (en) * | 2015-04-10 | 2016-10-13 | Jaguar Land Rover Limited | Door Access System for a Vehicle |
| US20170043783A1 (en) * | 2015-08-14 | 2017-02-16 | Faraday&Future Inc. | Vehicle control system for improving occupant safety |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2767530C1 (ru) * | 2020-11-16 | 2022-03-17 | Публичное акционерное общество «СИБУР Холдинг» | Композиция полипропилена с повышенной прочностью расплава и способ её получения |
Also Published As
| Publication number | Publication date |
|---|---|
| US10173643B2 (en) | 2019-01-08 |
| GB201802478D0 (en) | 2018-04-04 |
| RU2018105575A (ru) | 2019-08-14 |
| GB2562143A (en) | 2018-11-07 |
| RU2018105575A3 (ru) | 2019-08-14 |
| DE102018103440A1 (de) | 2018-08-23 |
| CN108454567A (zh) | 2018-08-28 |
| US20180236975A1 (en) | 2018-08-23 |
| CN108454567B (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2699168C2 (ru) | Обнаружение объекта для транспортных средств | |
| US10095229B2 (en) | Passenger tracking systems and methods | |
| US10147257B2 (en) | Systems and methods for user based vehicle access control | |
| US20180074494A1 (en) | Passenger tracking systems and methods | |
| CN107813828A (zh) | 乘客验证系统和方法 | |
| US20140028472A1 (en) | Method and Apparatus for User Authentication and Security | |
| US10861457B2 (en) | Vehicle digital assistant authentication | |
| CN111231893B (zh) | 用于运行共享车辆的方法和共享车辆 | |
| US20140094987A1 (en) | Tiered level of access to a set of vehicles | |
| JP2007094935A (ja) | 情報処理装置および情報処理方法、情報処理システム、プログラム、並びに、記録媒体 | |
| JP7087747B2 (ja) | 車載機、運行管理装置、運行管理システム、及び運転者確認方法 | |
| EP3664406B1 (en) | Passenger selection and screening for automated vehicles | |
| US10595173B2 (en) | System and method for vehicle paperwork integration | |
| WO2019072901A1 (en) | SECURITY SYSTEM AND METHOD | |
| CN110077361B (zh) | 一种车辆控制方法及装置 | |
| US20230274113A1 (en) | System for generating a linkage between users associated with a vehicle | |
| CN103425962A (zh) | 车辆用脸部认证装置及方法 | |
| US10654445B2 (en) | Vehicular system and method for sending silent request for assistance when driving under duress | |
| US20220318425A1 (en) | Occupant feature recognition to ensure privacy consent | |
| JP6888160B1 (ja) | 認証システム、認証方法、認証プログラム及び端末装置 | |
| KR20240084968A (ko) | 차량 적재함 도어 개폐 방법 및 장치 | |
| JP2019117495A (ja) | 顔認証装置、車両、携帯機器、および監視装置 | |
| JP2022069033A (ja) | 車両見守システム | |
| JP2022057223A (ja) | 車両用装置、車両用システム及び置き忘れ報知管理プログラム | |
| CN114092736A (zh) | 车辆视觉系统 |