RU2781179C2 - Computer-implemented method for analysing man-related emergency data - Google Patents
Computer-implemented method for analysing man-related emergency data Download PDFInfo
- Publication number
- RU2781179C2 RU2781179C2 RU2021103879A RU2021103879A RU2781179C2 RU 2781179 C2 RU2781179 C2 RU 2781179C2 RU 2021103879 A RU2021103879 A RU 2021103879A RU 2021103879 A RU2021103879 A RU 2021103879A RU 2781179 C2 RU2781179 C2 RU 2781179C2
- Authority
- RU
- Russia
- Prior art keywords
- data
- vehicle
- emergency
- user
- human
- Prior art date
Links
- 206010022114 Injury Diseases 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims description 13
- 210000000038 chest Anatomy 0.000 claims description 9
- 210000003414 Extremities Anatomy 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000002596 correlated Effects 0.000 claims 4
- 206010039203 Road traffic accident Diseases 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 9
- 230000000875 corresponding Effects 0.000 description 8
- 210000000746 body regions Anatomy 0.000 description 2
- 238000007374 clinical diagnostic method Methods 0.000 description 2
- 230000001419 dependent Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 210000003041 Ligaments Anatomy 0.000 description 1
- 208000004221 Multiple Trauma Diseases 0.000 description 1
- 206010028224 Multiple injury Diseases 0.000 description 1
- 206010041569 Spinal fracture Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009114 investigational therapy Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 201000010874 syndrome Diseases 0.000 description 1
Images
Abstract
Description
Настоящее изобретение относится к реализуемому компьютером способу анализа связанных с человеком данных об аварийной ситуации, одного или нескольких пользователей транспортного средства, а также к устройству для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или более пользователей транспортного средства.The present invention relates to a computer-implemented method for analyzing human-related emergency data of one or more vehicle users, as well as an apparatus for performing computer-implemented analysis of human-related emergency data of one or more vehicle users.
В результате дорожно-транспортного происшествия водитель транспортного средства или другие пользователи транспортного средства могут получить различные травмы. В результате аварийной ситуации, в частности, наезда на препятствие, особенно подвержены травмам шейный отдела позвоночника (из-за внезапного и непредвиденного движения головы относительно фиксированного туловища), сама голова и грудная клетка, а также туловище и конечности. Различные встряхивающие движения головы относительно туловища при аварийной ситуации при удерживании ремнем безопасности происходят, например, в течение очень короткого времени в диапазоне сотен миллисекунд. Возникающие при этом травмы и/или медицинские симптомы обозначены как хлыстовая травма (также искажение шейного отдела позвоночника или синдром хлыстовой болезни) и могут распространяться по степени тяжести от перегруженных связок до переломов позвоночника или смертельных травм.As a result of a traffic accident, the driver of the vehicle or other users of the vehicle may suffer various injuries. As a result of an emergency, in particular, a collision with an obstacle, the cervical spine (due to the sudden and unforeseen movement of the head relative to the fixed trunk), the head and chest itself, as well as the trunk and limbs are especially susceptible to injury. Various shaking movements of the head relative to the torso in an emergency when held by a seat belt occur, for example, for a very short time in the range of hundreds of milliseconds. The resulting injuries and/or medical symptoms are referred to as whiplash (also Cervical Spine Distortion or Whiplash Syndrome) and can range in severity from overstressed ligaments to spinal fractures or fatal injuries.
Однако, неблагоприятные углы столкновения также могут привести к отказу функций ремня безопасности, что приведет к неограниченной множественной травме, которая может быть доказана на снимках. Однако большинство возникающих травм не может быть отображено или только с затруднениями отображается в обычных предоставляющих снимки медицинских методиках, например, при рентгеновской диагностике, что, среди прочего, может затруднить медицинскую диагностику и предоставление доказательств для оплаты претензий по страховым полисам в связи с долгосрочным ущербом.However, adverse impact angles can also cause the seat belt functions to fail, resulting in unlimited multiple injury that can be proven on pictures. However, most injuries that occur cannot be displayed, or only with difficulty, in conventional imaging medical techniques, such as x-ray diagnostics, which, among other things, can make it difficult for medical diagnosis and the provision of evidence for long-term damage insurance claims.
С другой стороны, при многих травмах важно обеспечить своевременное медицинское лечение, ориентированное на соответствующую травму, для как можно более хорошего излечения пациента и предотвращения или, по крайней мере, уменьшения возможных долгосрочных последствий.On the other hand, with many injuries, it is important to provide timely, injury-oriented medical treatment in order to heal the patient as well as possible and to prevent or at least reduce possible long-term consequences.
Не опубликованная на дату подачи настоящей заявки патентная заявка EP18169880.4 описывает систему и способ для регистрации связанных с человеком данных об аварийной ситуации в транспортном средстве. При этом во время аварийной ситуации транспортного средства, например, автотранспортного средства, данные изображений пользователя или пользователей транспортного средства записываются и регистрируются высокоскоростной камерой. Затем данные изображений могут использоваться для анализа аварийной ситуации с медицинской точки зрения и, таким образом, позволяют сделать выводы о возможных травмах пользователей транспортного средства.Patent application EP18169880.4, unpublished as of the filing date of the present application, describes a system and method for recording human-related emergency data in a vehicle. Meanwhile, during a vehicle emergency such as a motor vehicle, image data of the user or users of the vehicle is recorded and captured by the high-speed camera. The image data can then be used to analyze the accident from a medical point of view and thus allow conclusions to be drawn about possible injuries to vehicle users.
Задача настоящего изобретения состоит в предоставлении альтернативного или даже усовершенствования реализуемого компьютером способа анализа связанных с человеком данных об аварийной ситуации, и устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства.It is an object of the present invention to provide an alternative or even an improvement to a computer-implemented method for analyzing human-related crash data, and an apparatus for performing computer-implemented analysis of human-related crash data of one or more vehicle users.
Эта задача решается с помощью реализуемого компьютером способа анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в соответствии с пунктом 1 формулы изобретения, устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства по пункту 11 формулы изобретения и системы помощи в аварийных ситуациях по пункту 13 формулы изобретения. При этом устройства могут также усовершенствоваться на основе признаков способа, перечисленных ниже или в зависимых пунктах формулы изобретения, или наоборот, или признаки, перечисленные ниже или в зависимых пунктах формулы изобретения, также могут использоваться совместно для дальнейшего усовершенствования.This problem is solved by a computer-implemented method for analyzing human-related emergency data of one or more vehicle users, in accordance with claim 1, a device for performing computer-implemented analysis of human-related emergency data of one or more vehicle users. according to paragraph 11 of the claims and the emergency assistance system according to paragraph 13 of the claims. In this case, the devices can also be improved on the basis of the features of the method listed below or in the dependent claims, or vice versa, or the features listed below or in the dependent claims can also be used together for further improvement.
Реализуемый компьютером способ в соответствии с изобретением используется для анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в котором связанные с человеком данные об аварийной ситуации, включают по крайней мере данные изображений видеоряда пользователя транспортного средства во время аварии. Способ включает по меньшей мере один первый этап распознавания шаблона на основании данных изображений и по меньшей мере один второй этап сравнения распознанного шаблона с рядом ранее сохраненных шаблонов, предпочтительно множеством ранее сохраненных шаблонов.The computer-implemented method of the invention is used to analyze human-related crash data of one or more vehicle users, wherein the human-related crash data includes at least video image data of the vehicle user at the time of the crash. The method includes at least one first step of pattern recognition based on image data and at least one second step of comparing the recognized pattern with a number of previously stored patterns, preferably a plurality of previously stored patterns.
Под "рядом" в контексте настоящего приложения следует понимать "один или несколько", в то время как термин "множество" означает несколько, т.е. более одного.By "near" in the context of this annex should be understood "one or more", while the term "many" means several, i.e. more than one.
В данном случае под "шаблоном" или даже "шаблоном аварийной ситуации" понимаются характеристики, извлеченные из данных изображений, и характеризуют обстоятельства аварии в отношении пользователя транспортного средства. Такими характеристиками могут быть, в частности, кинематические данные.In this case, the "pattern" or even "template of an emergency" refers to the characteristics extracted from the image data, and characterize the circumstances of the accident in relation to the user of the vehicle. Such characteristics can be, in particular, kinematic data.
При этом видеоряд предпочтительно включает в себя достаточное количество изображений, т.е. достаточное количество данных изображений, чтобы иметь возможность обнаружить из него закономерность, как описано ниже. Для этого видеоряд может, например, предоставляться с помощью высокоскоростной камеры, в которой высокоскоростная камера предназначена для записи большого количества кадров в секунду (fps), например, не менее 700 кадров в секунду или не менее 1000 кадров в секунду. При этом видеоряд предпочтительно включает в себя достаточно длительное время записи для записи всей последовательности движения одного или нескольких пользователей транспортного средства во время аварийной ситуации, и, при необходимости, короткий промежуток времени до и/или во время аварийной ситуации. Например, видеоряд может соответствовать времени записи 10 или 15 секунд.In this case, the video sequence preferably includes a sufficient number of images, i. e. enough image data to be able to detect a pattern from it, as described below. For this, the footage may, for example, be provided with a high-speed camera, in which the high-speed camera is designed to record a large number of frames per second (fps), such as at least 700 frames per second or at least 1000 frames per second. In this case, the video sequence preferably includes a sufficiently long recording time to record the entire sequence of movement of one or more vehicle users during an emergency, and, if necessary, a short period of time before and/or during an emergency. For example, a video sequence may correspond to a recording time of 10 or 15 seconds.
Результатом сравнения, проводимого на втором этапе, может быть, например, то, что распознанный шаблон соответствует ранее сохраненному шаблону, причем ранее сохраненный ранее шаблон может быть в частности основан на данных изображений, записанных в предыдущих аварийных ситуациях. В этом случае, то есть при совпадении шаблона, может быть предоставлена дополнительная информация, которая была определена по предыдущей аварийной ситуации. Поэтому, например, можно использовать эмпирические значения, такие как, например, травмы, полученные в результате предыдущих аварийных ситуаций. Поскольку обнаружение шаблона и сравнение шаблона происходят автоматически, могут быть достигнуты лучшие результаты, чем в случае осуществляемого человеком анализа дела, например, если первый помощник и/или лечащий врач анализирует предоставленную визуальную последовательность только визуально или без компьютерной поддержки.The result of the comparison carried out in the second step may be, for example, that the recognized pattern matches a previously stored pattern, where the previously stored pattern may in particular be based on image data recorded in previous accidents. In this case, that is, if the pattern matches, additional information can be provided that was determined from the previous alarm. Therefore, for example, you can use empirical values, such as, for example, injuries resulting from previous accidents. Since pattern detection and pattern matching are automatic, better results can be achieved than human case analysis, for example, if the first assistant and/or attending physician analyzes the provided visual sequence only visually or without computer support.
Зарегистрированный шаблон может, например, также использоваться для улучшения доказательств для выплат по страховым полисам, например, в связи с долгосрочным ущербом.The registered template can, for example, also be used to improve evidence for insurance policy payments, for example in connection with long-term damages.
Совпадение ранее сохраненного и регистрируемого шаблона в данном случае не должно обладать стопроцентной корреляцией. В этом случае это может быть только частичное совпадение, например, в рамках ранее установленного доверительного интервала, например, 95% или 90%. Кроме того, единица сравнения может, например, быть сформирована для распознавания шаблона, который, соответственно, частично соответствует двум ранее сохраненным шаблонам, и для предоставления любых данных или информационных сообщений, соответствующих этим двум ранее сохраненным шаблонам.The coincidence of the previously saved and registered template in this case should not have a 100% correlation. In this case, it may be only a partial match, for example, within a previously established confidence interval, such as 95% or 90%. In addition, a comparison unit may, for example, be configured to recognize a pattern that respectively partially matches two previously stored patterns, and to provide any data or information messages that match those two previously stored patterns.
Предпочтительно, распознанный и/или ранее сохраненный шаблон включает в себя последовательность движения пользователя транспортного средства во время аварийной ситуации, в частности временную последовательность процессов ускорения головы и/или шеи и/или грудной клетки и/или туловища и/или конечностей пользователей транспортного средства и/или временную последовательность перемещения головы и/или шеи и/или туловища и/или грудной клетки.Preferably, the recognized and/or previously stored pattern includes the motion sequence of the vehicle user during the emergency, in particular the temporal sequence of acceleration processes of the head and/or neck and/or chest and/or torso and/or limbs of the vehicle users and /or time sequence of movement of the head and/or neck and/or torso and/or chest.
Такая последовательность движения предоставляется временной последовательностью отдельных изображений видеоряда, в которой отдельные изображения оцениваются и объединяются в соответствующую последовательность движения. Эта последовательность движения может, например, относиться к отдельным или нескольким частям тела пользователя транспортного средства (например, голове, шее, грудной клетке, туловищу и/или конечностям) или также к относительным движениям отдельных или нескольких частей тела друг к другу. Таким образом, отдельные изображения могут, например, оцениваться с точки зрения соответствующего положения соответствующей части тела.Such a motion sequence is provided by a time sequence of the individual images of the footage, in which the individual images are evaluated and combined into a corresponding motion sequence. This movement sequence may, for example, refer to individual or several body parts of the vehicle user (eg head, neck, chest, torso and/or limbs) or also to the relative movements of individual or several body parts to each other. In this way, individual images can, for example, be evaluated in terms of the respective position of the respective body part.
Под ускорением или даже процессом ускорения, в контексте настоящего изложения понимаются как положительные, т.е. увеличивающие скорость, так и отрицательные, т.е. замедляющие скорость, ускорения или процессы ускорения. Under the acceleration or even the process of acceleration, in the context of this presentation are understood as positive, i.e. increasing speed, and negative, i.e. decelerating speed, acceleration or acceleration processes.
Поскольку травмы, полученные в результате аварийной ситуации, по существу вызваны одной или более такими последовательностями движения, такой шаблон, который основан или содержит последовательности движения, может быть хорошим показателем для возникающих травм. Таким образом, автоматическая оценка данных изображений, т.е. распознавание шаблона на основе данных изображений, может, например, позволить получить оценку возможных повреждений еще до начала первоначального расследования или в координации с ним же. В результате, например, первоначальное лечение может быть адаптировано максимально хорошо к травме или травмам и/или риск пропустить какие-либо травмы может быть уменьшен и/или травмы или даже различные части тела могут рассматриваться, лечиться или наблюдаться в течение времени в зависимости от тяжести травм (ожидаемых). Поэтому, например, как правило, можно обеспечить лучший медицинский (первоначальный) уход за лицом, попавшим в аварийную ситуацию. Because crash injuries are essentially caused by one or more of these motion sequences, such a pattern that is based on or contains motion sequences can be a good indication of emerging injuries. Thus, automatic evaluation of image data, i.e. Pattern recognition based on image data can, for example, allow an assessment of potential damage prior to or in coordination with the initial investigation. As a result, for example, initial treatment can be tailored as best as possible to the injury or injuries and/or the risk of missing any injuries can be reduced and/or injuries or even different parts of the body can be treated, treated or observed over time depending on the severity. injuries (expected). Therefore, for example, it is generally possible to provide better medical (initial) care for a person involved in an emergency.
Предпочтительно, чтобы ранее сохраненные шаблоны были соответственно соотнесены с медицинскими диагностическими данными, и способ далее включает в себя третий этап вывода медицинских диагностических данных, которые соотнесены с распознанным шаблоном. Кроме того, предпочтительно, медицинские диагностические данные включают по крайней мере медицинский диагноз и/или информацию о медицинских долгосрочных последствиях и/или медицинские диагностические данные, составляющие показатель, определяющий степень возможной тяжести травмы пользователя транспортного средства. Например, с помощью таких медицинских диагностических данных можно простым образом обнаружить и/или оценить возможные травмы пользователя транспортного средства, в особенности заранее, т.е. до первоначального обследования. Например, значение показателя, определяющего значение тяжести травмы, может быть предоставлено для различных областей тела и/или частей тела, а своевременная последовательность лечения травм попавшего в аварийную ситуацию может быть установлена с использованием соответствующих значений показателя. С помощью способа диагностические данные могут быть предоставлены быстро и своевременно. Это может иметь особенно важное значение для опасных для жизни травм. Кроме того, медицинские диагностические данные могут использоваться, например, в качестве поддержки обычных методов медицинской диагностики, в частности предоставляющих снимки методов диагностики, таких, как, например, рентгеновская диагностика, например, для облегчения медицинской диагностики и/или ее улучшения.Preferably, the previously stored templates are respectively associated with the medical diagnostic data, and the method further includes a third step of outputting the medical diagnostic data that is associated with the recognized template. Furthermore, preferably, the medical diagnostic data includes at least a medical diagnosis and/or medical long-term consequences information and/or medical diagnostic data constituting an indication of the degree of possible injury severity of the vehicle user. For example, with the aid of such medical diagnostic data, possible injuries to the user of the vehicle can be detected and/or assessed in a simple manner, in particular in advance, i. before the initial examination. For example, an injury severity metric value can be provided for different body regions and/or body parts, and a timely injury sequencing for an emergency victim can be established using the corresponding metric values. With the method, diagnostic data can be provided quickly and in a timely manner. This may be especially important for life-threatening injuries. In addition, the medical diagnostic data can be used, for example, as support for conventional medical diagnostic methods, in particular image-providing diagnostic methods, such as, for example, x-ray diagnostics, for example, to facilitate and/or improve medical diagnosis.
Кроме того, предпочтительно, чтобы связанные с человеком данные об аварийной ситуации включали физические эксплуатационные данные транспортного средства, т.е. его скорость и/или ускорение непосредственно до и/или во время аварийной ситуации. Таким образом, можно, например, использовать это в дополнение к данным изображений для распознавания шаблона.Furthermore, it is preferred that the human-related emergency data includes the physical operational data of the vehicle, i. e. its speed and/or acceleration immediately before and/or during the emergency. Thus, one can, for example, use this in addition to image data for pattern recognition.
Предпочтительно, чтобы способ в соответствии с изобретением осуществляется с помощью алгоритма для реализации машинного обучения, в котором алгоритм далее предпочтительно подходит для распознавания заранее с помощью предоставленного набора связанных с человеком данных об аварийной ситуации, ряда шаблонов из данных изображений, которые хранятся в качестве ранее сохраненных шаблонов.Preferably, the method according to the invention is carried out with an algorithm for implementing machine learning, in which the algorithm is further preferably suitable for recognizing in advance, using a provided set of human-related emergency data, a set of patterns from image data that is stored as previously stored templates.
Под машинным обучением, в данном случае, в целом, понимается генерация знаний (в данном случае извлечение определенных шаблонов из связанных с человеком данных об аварийных ситуациях, в частности данных изображений, и, возможно, в связи с медицинскими диагностическими данными) из опыта (т.е. ранее имевших место аварийных ситуаций). В принципе, алгоритм предназначен для изучения примеров, т.е. ранее имевших место аварийных ситуаций, извлечения соответствующих шаблонов, а затем оценки неизвестных связанных с человеком данных об аварийных ситуациях, в частности данных изображений.Machine learning, in this case, in general, refers to the generation of knowledge (in this case, the extraction of certain patterns from human-related emergency data, in particular image data, and possibly in connection with medical diagnostic data) from experience (t .e. earlier accidents). Basically, the algorithm is designed for learning examples, i.e. previous accidents, extracting the corresponding patterns, and then evaluating unknown human-related accident data, in particular image data.
Для изучения шаблонов, которые затем хранятся в качестве ранее сохраненных шаблонов, алгоритму предоставляется, предпочтительно заранее, набор связанных с человеком данных об аварийных ситуациях (т.е. множество связанных с человеком данных об аварийных ситуациях), в частности данных изображений, от предыдущих аварийных ситуаций, в особенности в связи с соответствующими медицинскими диагностическими данными. После этого этапа обучения алгоритм способен по меньшей мере частично осуществлять описанный выше способ, в частности, распознавать шаблон из предоставленных связанных с человеком данных об аварийных ситуациях, и соотносить их, например, с определенной травмой и/или категорией травм. Например, различные травмы могут быть сгруппированы в категории травм.In order to learn the patterns, which are then stored as previously stored patterns, the algorithm is provided, preferably in advance, with a set of human-related emergency data (i.e., a set of human-related emergency data), in particular image data, from previous accidents. situations, especially in relation to relevant medical diagnostic data. After this learning step, the algorithm is able to at least partially implement the method described above, in particular to recognize a pattern from the provided human related crash data, and correlate it to, for example, a specific injury and/or injury category. For example, various injuries can be grouped into injury categories.
При таком алгоритме осуществления машинного обучения можно, например, осуществлять описанный выше способ хотя бы частично автоматически. При этом может быть представлено, в частности, большое количество данных (ранее предоставленных связанных с человеком данных об аварийных ситуациях, связанных с предыдущими аварийными ситуациями), на основе которых определяются ранее предоставленные шаблоны. Кроме того, например, при возникающей аварийной ситуации соответствующий шаблон определяется быстро и простым образом.With such an algorithm for implementing machine learning, it is possible, for example, to carry out the method described above at least partially automatically. In this case, in particular, a large amount of data (previously provided human-related emergency data related to previous emergencies) can be presented, on the basis of which previously provided templates are determined. In addition, for example, in the event of an emergency situation, the appropriate template is determined quickly and easily.
Предпочтительно, чтобы ранее сохраненные шаблоны хранились в базе данных об аварийных ситуациях. При этом, с одной стороны, возможно, например, обеспечить доступ к ранее сохраненным шаблонам. С другой стороны, такая база данных позволяет, например, обновление и/или расширение, например, путем хранения дополнительных и/или вновь зарегистрированных шаблонов и/или путем добавления дополнительных медицинских диагностических данных. В частности, упомянутый выше алгоритм осуществления машинного обучения может быть разработан для сохранения недавно распознанного шаблона в базе данных.Preferably, previously saved templates are stored in the emergency database. In this case, on the one hand, it is possible, for example, to provide access to previously saved templates. On the other hand, such a database allows, for example, updating and/or expansion, for example by storing additional and/or newly registered templates and/or by adding additional medical diagnostic data. In particular, the above mentioned machine learning algorithm can be designed to store a newly recognized pattern in a database.
Устройство в соответствии с изобретением используется для компьютерного анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в котором связанные с человеком данные об аварийной ситуации, включают по крайней мере данные изображений видеоряда пользователя транспортного средства во время аварийной ситуации. Устройство включает в себя блок распознавания для распознавания шаблона с использованием данных изображений и блок сравнения для сравнения распознанного шаблона с рядом ранее сохраненных шаблонов. Предпочтительно, что устройство далее включает в себя блок вывода для вывода медицинских диагностических данных, соотнесенных с распознанным шаблоном. При этом, например, можно добиться эффектов, описанных выше, по отношению к реализуемому компьютером способу, также и для устройства.The device according to the invention is used for computer analysis of human related emergency data of one or more vehicle users, wherein the human related emergency data includes at least video image data of the vehicle user during the emergency. The apparatus includes a recognition unit for pattern recognition using image data, and a comparison unit for comparing the recognized pattern with a number of previously stored patterns. Preferably, the device further includes an output unit for outputting medical diagnostic data associated with the recognized pattern. In this way, for example, it is possible to achieve the effects described above with respect to the computer-implemented method also for the device.
Система помощи в аварийных ситуациях в соответствии с изобретением включает в себя устройство, описанное выше для реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, и высокоскоростную камеру для сбора данных изображений видеоряда пользователей транспортного средства во время аварийной ситуации, и память данных, предпочтительно кольцевой буфер, для хранения данных изображений, записанных высокоскоростной камерой. Предпочтительно, чтобы система помощи в аварийной ситуации также включает в себя функциональный блок регистрации эксплуатационных данных для регистрации физических эксплуатационных данных транспортного средства. Поэтому можно, например, быстрее предоставить информацию о возможной травме пользователя транспортного средства. The emergency assistance system according to the invention includes an apparatus as described above for computer-implemented analysis of human-related data about an emergency, and a high-speed camera for collecting image data of video footage of vehicle users during an emergency, and a data memory, preferably a ring buffer for storing image data recorded by a high-speed camera. Preferably, the emergency assistance system also includes an operational data logging functional block for recording the physical operational data of the vehicle. Therefore, it is possible, for example, to provide information about a possible injury to a vehicle user more quickly.
Дальнейшие признаки и цели изобретения вытекает из описания иллюстративных примеров с использованием прилагаемых изображений чертежа. Further features and objects of the invention follow from the description of illustrative examples using the accompanying figures of the drawing.
Фиг. 1 представляет собой схематический вид транспортного средства с системой сбора связанных с человеком данных об аварийной ситуации, которая подключена к устройству для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации,Fig. 1 is a schematic view of a vehicle with a human-related emergency data acquisition system that is connected to a device for performing computer-assisted analysis of human-related emergency data,
Фиг. 2 представляет собой схематический вид устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, на иллюстративном примере настоящего изобретения иFig. 2 is a schematic view of an apparatus for performing computer-assisted analysis of human-related emergency data, in an illustrative example of the present invention, and
Фиг. 3 схематично показывает способ анализа связанных с человеком данных об аварийной ситуации, в соответствии с настоящим изобретением.Fig. 3 schematically shows a method for analyzing human-related emergency data, in accordance with the present invention.
Фиг. 1 показывает транспортное средство 1 с пользователем 3 транспортного средства и схематично-показанной, интегрированной в транспортное средство 3 системой 2 для захвата связанных с человеком данных об аварийной ситуации, соединенной, через соединение передачи данных, с устройством 20 в соответствии с изобретением для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации. Транспортное средство 1, показанное в примере Фиг. 1, является автотранспортным средством, но оно может, например, быть спроектировано как транспортное средство общего назначения.Fig. 1 shows a vehicle 1 with a
Интегрированная в транспортное средство система 2 для захвата связанных с человеком данных об аварийной ситуации, включает в себя по крайней мере одну камеру, выполненную как высокоскоростная камера 4, для захвата данных изображений, память данных, не показанную более подробно, выполненную как кольцевой буфер, и блок передачи, не показанный более подробно, для передачи данных, хранящихся в кольцевом буфере на устройство 20. При необходимости, система 2 также включает в себя функциональный блок регистрации эксплуатационных данных (не показан) для регистрации физических эксплуатационных данных транспортного средства 1.The vehicle-integrated
Высокоскоростная камера 4 системы 2 выполнена и расположена в транспортном средстве 1 таким образом, что она подходит для захвата области внутреннего пространства транспортного средства, в котором находится пользователь 3 транспортного средства, т.е. для записи видеоряда в виде изображений пользователя транспортного средства 3. При этом высокоскоростная камера 4 не должна захватывать все тело пользователя транспортного средства 3, а достаточно захватить верхнюю часть тела, в частности голову 5, шею и верхнюю часть корпуса и/или область плеча. Предпочтительно, камера также захватывает дистальные области тела.The
Высокоскоростная камера 4 демонстрирует высокую скорость записи, например, не менее 700 fps, предпочтительно не менее 1000 fps. Изображения видеоряда записываются высокоскоростной камерой 4 в виде цифровых данных изображений.The
Высокоскоростная камера 4 соединена посредством соединения передачи данных, например, кабелем данных, с кольцевым буфером. Кольцевой буфер подходит для хранения данных изображений 20, записанных высокоскоростной камерой 4 в цифровом виде. Альтернативно, кольцевой буфер также может быть внутренней памятью высокоскоростной камеры 4.The
Кольцевой буфер представляет собой цифровую память с заданным размером или емкостью хранилища, в которой данные, в данном случае, включая данные изображений, захваченные высокоскоростной камерой, могут постоянно храниться. Если максимальный размер кольцевого буфера достигнут и кольцевой буфер полон, то соответствующий старейший сохраненный элемент перезаписывается, так что данные сохраняются в так называемом цикле. Таким образом, графическое представление памяти представляет собой форму кольца. Кольцовой буфер может, например, быть реализован посредством подходящего программного обеспечения, с помощью которого соответственно контролируется хранение и чтение данных в цифровой памяти. Предпочтительно, размер кольцевого буфера или его емкость достаточны для хранения изображений, записанных высокоскоростной камерой в течение интервала времени в несколько секунд, например 10 с или 20 с, и любых физические эксплуатационных данных транспортного средства, которые будут сохранены, прежде чем они будут перезаписаны снова. A ring buffer is a digital memory with a predetermined storage size or capacity in which data, in this case including image data captured by a high-speed camera, can be permanently stored. If the maximum size of the ring buffer is reached and the ring buffer is full, then the corresponding oldest stored element is overwritten so that the data is stored in a so-called loop. Thus, the graphical representation of memory is the shape of a ring. The ring buffer can, for example, be implemented by means of suitable software, with which the storage and reading of data in the digital memory is controlled accordingly. Preferably, the size of the ring buffer or its capacity is sufficient to store images recorded by the high speed camera over a time interval of a few seconds, such as 10 s or 20 s, and any physical vehicle operating data that will be stored before it is overwritten again.
Необязательный блок регистрации эксплуатационных данных предпочтительно также связан посредством соединения передачи данных, например, кабелем данных, с кольцевым буфером, для сохранения физических эксплуатационных данных транспортного средства 1, регистрируемых функциональным блоком регистрации данных, в кольцевом буфере. Например, функциональный блок регистрации данных может быть выполнен как датчик скорости и/или датчик положения, например, как GPS и/или как акселерометр для регистрации мгновенной скорости или положения или ускорения транспортного средства 1 в качестве эксплуатационных данных.The optional performance data logging unit is preferably also connected via a data connection, eg data cable, to the ring buffer to store the physical performance data of the vehicle 1 recorded by the data logging functional unit in the ring buffer. For example, the data logging functional block may be configured as a speed sensor and/or a position sensor, such as a GPS and/or an accelerometer to record the instantaneous speed or position or acceleration of the vehicle 1 as operational data.
Кроме того, кольцевой буфер соединен посредством соединения для передачи данных, например, кабелем данных, с блоком передачи системы 2. Блок передачи подходит для передачи данный изображений, сохраненных в кольцевом буфере, и дополнительно эксплуатационных данных в виде данных 10 об аварийной ситуации с помощью способа беспроводной передачи на устройство 20, предпочтительно в зашифрованном виде. Для этого блок передачи имеет не показанный интерфейс данных. In addition, the ring buffer is connected via a data connection, for example, a data cable, to the transmission unit of the
Система 2 может включать в себя другие более подробно не описанные компоненты, такие, как, например, блок управления для управления отдельными компонентами системы 2, датчик для выявления аварийной ситуации, устройство освещения для освещения внутреннего пространства транспортного средства, аналитический блок для анализа данных и/или другой накопитель данных.The
Когда система 2 работает, высокоскоростная камера 4 непрерывно снимает пользователя 3 транспортного средства при движении транспортного средства 1, т.е. она записывает данные изображений пользователя 3 транспортного средства, и передает их в кольцевой буфер. При необходимости, в то же время функциональный блок регистрации эксплуатационных данных, предпочтительно непрерывно, регистрируются эксплуатационные данные транспортного средства 1, а также передает в кольцевой буфер. До тех пор, пока не происходит аварийная ситуация, данные, хранящиеся в кольцевом буфере, соответственно, перезаписываются новыми данными снова в зависимости от определенного времени записи, которое зависит, среди прочего, от емкости записи кольцевого буфера.When the
При аварийной ситуации это непрерывное хранение данных прерывается, так что данные, присутствующие в кольцевом буфере, больше не перезаписываются. Таким образом, после окончания записи данных, в кольцевом буфере присутствуют данные изображений и дополнительно физические эксплуатационные данные за период времени, в который произошла аварийная ситуация. Затем они передаются блоком передачи в качестве связанных с человеком данных 10 об аварийной ситуации на устройство 20 анализа связанных с человеком данных об аварийной ситуации. Альтернативно, связанные с человеком данные об аварийной ситуации, могут также передаваться в другое внешнее расположение, например, в спасательный центр управления спасением и/или в медицинское учреждение и/или в память данных, не принадлежащую транспортному средству, например, к внешнему серверу или облаку и предоставляться этим внешним расположением для использования в устройстве 20. Таким образом, передача связанных с человеком данных 10 об аварийной ситуации происходит по беспроводной сети, например по радио, особенно по мобильному связи или через Интернет, и может, например, происходить вместе с экстренным вызовом в электронном виде (известным как eCall). Предпочтительно, чтобы связанные с человеком данные 10 об аварийной ситуации передавались в зашифрованном виде, например, с помощью OpenPGP, причем связанные с человеком данные 10 об аварийной ситуации шифруются блоком передачи с помощью общедоступного ключа, генерируемого устройством 20 или во внешнем расположении и снова зашифровываются соответствующим общим (частным) ключом устройства 20 или даже во внешнем расположении. In an emergency, this continuous data storage is interrupted so that the data present in the ring buffer is no longer overwritten. Thus, after the end of data recording, the ring buffer contains image data and additionally physical operational data for the period of time in which the emergency occurred. Then, they are transmitted by the transmission unit as human-related emergency data 10 to the human-related emergency
Кроме того, устройство 20 для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации может быть реализовано в мобильном устройстве (не показано на фигурах), которое направляет первого помощника и, например, может быть подключено к блоку передачи соединением передачи данных, например, кабелем данных. Мобильное устройство вместе с интегрированной в транспортное средство системой 2 является примером системы помощи в аварийной ситуации. Она используется для своевременного распознавания возможных травм пользователей транспортного средства. In addition, the
Устройство 20, показанное схематично на Фиг. 2, для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, включает в себя по меньшей мере один блок 21 распознавания, блок 22 сравнения и блок 23 вывода. Работа устройства 20 для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации описана далее со ссылкой на Фиг. 3.The
На первом этапе S1 (см. Фиг. 3) реализуемого компьютером способа в соответствии с изобретением для анализа связанных с человеком данных об аварийной ситуации, блок 21 распознавания на основе связанных с человеком данных 10 изображений распознает шаблон M(x). При необходимости, блок распознавания для распознавания шаблона M(x) может использовать, в дополнение к данным изображений, физические эксплуатационные данные транспортного средства 1.In the first step S1 (see FIG. 3) of the computer-implemented method according to the invention for analyzing human-related emergency data, the
Шаблон M обычно описывает одну или несколько последовательностей движения пользователя 3 транспортного средства при аварийной ситуации. Например, шаблон может включать ускорение или временную последовательность ускорения по меньшей мере одной части тела пользователя 3 транспортного средства. Альтернативно или дополнительно шаблон может включать в себя временную последовательность относительного и/или абсолютного отклонения по меньшей мере одной части тела пользователя 3 транспортного средства. Такой частью тела может быть, например, голова 5 и/или шея и/или грудная клетка и/или туловище и/или конечность, например, рука пользователя 3 транспортного средства. В частности, при этом можно рассматривать относительное перемещение и/или ускорение различных частей тела по отношению друг к другу, таких, как, например, относительное смещение головы 5 по отношению к области плеча или верхней части тела пользователя 3 транспортного средства. При необходимости, шаблон может также включать физические эксплуатационные данные, например, ускорение и/или скорость транспортного средства непосредственно перед и/или во время аварийной ситуации.The template M usually describes one or more sequences of movement of the
Затем блок 22 сравнения сравнивает, на втором этапе S2 шаблон M(x), распознанный блоком распознавания с рядом ранее сохраненных шаблонов от M(1) до M(n). Ранее сохраненные шаблоны могут, например, храниться в базе данных, причем базой данных может быть внутренняя память устройства 20, или блок 22 сравнения получает доступ к внешней базе данных устройства (также обозначенной как база данных об аварийных ситуациях). Результатом сравнения может быть, в данном случае, что распознанный шаблон M(x) соответствует одному из ранее сохраненных шаблонов от M(1) до M (n), или что распознанный шаблон M(x) не соответствует ни одному из ранее сохраненных шаблонов. The
Например, база данных может состоять из ряда n шаблонов от M(1) до M(n), где n является натуральным числом, большим или равным 1 (n ≥ 1). Предпочтительно, если база данных состоит из нескольких шаблонов от M(1) до M(n), т.е. имеет более одного шаблона, поэтому n > 1. В качестве шаблонов от M(1) до M(n) предпочтительно подразумеваются различные шаблоны. For example, a database may consist of a series n of patterns from M(1) to M(n), where n is a natural number greater than or equal to 1 (n ≥ 1). Preferably, if the database consists of several templates from M(1) to M(n), i.e. has more than one template, so n > 1. As templates from M(1) to M(n), different templates are preferably meant.
Предпочтительно сохранять в базе данных дополнительные медицинские диагностические данные от D(1) до D(p) (или даже наборы медицинских диагностических данных), где p также является натуральным числом, большим или равным 1 (p ≥ 1). Предпочтительно, чтобы число р соответствовало медицинским диагностическим данным от D(1) до D(p) числа n шаблонов, ранее сохраненных в базе данных (т.е. p=n), где каждому из n шаблонов от M(1) до M(n) точно ставится в соответствие один набор медицинских диагностических данных от D(1) до D(p).It is preferable to store in the database additional medical diagnostic data from D(1) to D(p) (or even sets of medical diagnostic data), where p is also a natural number greater than or equal to 1 (p ≥ 1). Preferably, the number p corresponds to medical diagnostic data from D(1) to D(p) of the number n of templates previously stored in the database (i.e. p=n), where each of the n templates from M(1) to M (n) exactly matches one set of medical diagnostic data from D(1) to D(p).
Набор медицинских диагностических данных D(i) (1 ≤ i ≤ p) включает в себя по крайней мере один медицинский диагноз и/или часть информации о медицинских долгосрочных последствиях. Медицинские диагностические данные, т.е. медицинский диагноз и/или информация о медицинских долгосрочных последствиях в данном случае относятся к информации, полученной в результате предыдущей аварийной ситуации в частности конкретного другого пользователя транспортного средства, для которой был распознан шаблон M(i), и которому поставлен в соответствие набор медицинских диагностических данных D(i).The set of medical diagnostic data D(i) (1 ≤ i ≤ p) includes at least one medical diagnosis and/or part of information about medical long-term consequences. Medical diagnostic data, i.e. medical diagnosis and/or information on medical long-term consequences in this case refers to information obtained from a previous accident, in particular a specific other user of the vehicle, for which the template M(i) was recognized and matched with a medical diagnostic data set D(i).
При этом медицинские диагностические данные включают информацию о типе и/или тяжести травм пользователей транспортного средства. При этом устанавливаются не только травмы сразу после аварии, но и последствия, возникающие позднее, т.е. через дни, недели или даже месяцы после аварии (долгосрочные последствия).At the same time, medical diagnostic data includes information about the type and/or severity of injuries to vehicle users. In this case, not only injuries immediately after the accident are established, but also the consequences that occur later, i.e. days, weeks or even months after the accident (long-term consequences).
В качестве альтернативы или дополнительно, набору медицинских диагностических данных D(i) может быть поставлена в соответствие тяжесть травм. Для этого травмы могут быть классифицированы, например, как незначительные, умеренные, серьезные, очень серьезные или опасные для жизни и соответствующее значение показателя (например, "небольшое" или "умеренное" или "серьезное" или "очень серьезное" или "опасное для жизни" или по шкале от 1 (небольшое) до 5 (опасные для жизни)) могут храниться в медицинских диагностических данных D(i).Alternatively or additionally, the medical diagnostic data set D(i) may be associated with the severity of injuries. To do this, injuries can be classified, for example, as minor, moderate, serious, very serious, or life-threatening and the corresponding indicator value (for example, "minor" or "moderate" or "severe" or "very serious" or "life-threatening or on a scale of 1 (slight) to 5 (life-threatening)) can be stored in medical diagnostic data D(i).
В случае, если на этапе S2 сравнение распознанного шаблона M(x) с ранее сохраненными шаблонами от M(1) до M(n) приводит к обнаружению соответствия шаблона M(x) одному из ранее сохраненных шаблонов, т.е. M(x) = M(j) с 1 ≤ j ≤ n, блок 23 вывода (см. Фиг. 2) выводит на этапе S3 (см. Фиг. 3) диагностические данные D(j), соответствующие этому шаблону и/или сам шаблон M(j).If at step S2 the comparison of the recognized template M(x) with the previously stored templates from M(1) to M(n) leads to the detection of a match between the template M(x) and one of the previously stored templates, i.e. M(x) = M(j) with 1 ≤ j ≤ n, the output unit 23 (see FIG. 2) outputs in step S3 (see FIG. 3) diagnostic data D(j) corresponding to this pattern and/or the template M(j) itself.
Для хранение ранее сохраненного шаблона и соответствующих медицинских диагностических данных в базе данных, например, можно действовать следующим образом: соответственно предоставляются пары связанных с человеком данных об аварийной ситуации и медицинских диагностических данных, соотнесенных с ними. Например, связанные с человеком данные об аварийной ситуации и медицинские диагностические данные могут быть определены в результате предыдущих аварийных ситуаций. С помощью подходящего алгоритма, из данных изображений, возможно, во взаимосвязи с физическими эксплуатационными данными транспортного средства и/или медицинскими диагностическими данными, распознается соответствующий шаблон. Предпочтительно, чтобы алгоритм основывался на способе машинного обучения, т.е. он подходит для распознавания соответствующих шаблонов из данных самостоятельно и только с использованием предоставленных данных. To store the previously stored template and the corresponding medical diagnostic data in the database, for example, one can proceed as follows: respectively, pairs of human-related emergency data and medical diagnostic data associated with them are provided. For example, human-related emergency data and medical diagnostic data may be determined from previous emergencies. Using a suitable algorithm, an appropriate pattern is recognized from the image data, possibly in association with physical vehicle performance data and/or medical diagnostic data. Preferably, the algorithm is based on a machine learning method, i. e. it is suitable for recognizing relevant patterns from data on its own and only using provided data.
Таким образом, каждый распознанный шаблон сохраняется как ранее сохраненный шаблон с соответствующими медицинскими диагностическими данными в базе данных или в другой памяти данных.Thus, each recognized pattern is stored as a previously stored pattern with the corresponding medical diagnostic data in the database or other data memory.
Для случае, если на этапе S2 сравнения распознанного шаблона M(x) с ранее сохраненными шаблонами от M(1) до M(n) выявляется, что распознанный шаблон M(x) не соответствует ни одному из ранее сохраненных шаблонов, блок вывода предпочтительно выполняется с возможностью вывода соответствующей части информации, например, в виде текста и/или визуального или звукового сигнала. В качестве альтернативы или дополнительно блок вывода может также самостоятельно выводить распознанный шаблон M(x).For the case that in step S2 comparing the recognized pattern M(x) with the previously stored patterns M(1) to M(n) it is found that the recognized pattern M(x) does not match any of the previously stored patterns, the output block is preferably executed with the possibility of displaying the relevant part of the information, for example, in the form of text and/or a visual or sound signal. Alternatively or additionally, the output unit may also output the recognized pattern M(x) itself.
Необязательно, распознанный шаблон M(x), который не соответствует ни одному из ранее сохраненных шаблонов M(1) - M (n), затем также задаваться, т.е. сохраняться в базе данных, и при наличии соответствующих диагностических данных, которые, например, включают первоначальный и/или последующий диагноз и/или информацию о долгосрочных последствиях, они могут быть впоследствии назначены вновь сохраненному шаблону M(x) и сохранены в базе данных во взаимосвязи с ним.Optionally, a recognized pattern M(x) that does not match any of the previously stored patterns M(1) - M(n) is then also given, i.e. stored in a database and, if appropriate diagnostic data is available, which, for example, includes initial and/or subsequent diagnosis and/or information on long-term consequences, they can subsequently be assigned to the newly stored template M(x) and stored in the database in association with him.
Claims (22)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18184771.6 | 2018-07-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2021103879A RU2021103879A (en) | 2022-08-22 |
RU2781179C2 true RU2781179C2 (en) | 2022-10-07 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080143085A1 (en) * | 1992-05-05 | 2008-06-19 | Automotive Technologies International, Inc. | Vehicular Occupant Sensing Techniques |
RU114544U1 (en) * | 2011-11-21 | 2012-03-27 | Общество с ограниченной ответственностью "ТС Сенсор" | ON-BOARD DEVICE FOR COLLECTION AND ANALYSIS OF DATA ON THE CHARACTER OF THE CAR'S MOTION, INCLUDING DATA ON THE INDIVIDUAL DRIVING STYLE AND ROAD TRANSPORT ACCIDENTS |
DE102014209071A1 (en) * | 2013-05-23 | 2014-11-27 | Ford Global Technologies, Llc | MOBILE PHONE CAMERA FOR DRIVER STATUS ESTIMATION |
US20160364921A1 (en) * | 2015-06-15 | 2016-12-15 | Toyota Jidosha Kabushiki Kaisha | Information collection system, on-vehicle device and server |
US20210016805A1 (en) * | 2018-03-30 | 2021-01-21 | Sony Semiconductor Solutions Corporation | Information processing apparatus, moving device, method, and program |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080143085A1 (en) * | 1992-05-05 | 2008-06-19 | Automotive Technologies International, Inc. | Vehicular Occupant Sensing Techniques |
RU114544U1 (en) * | 2011-11-21 | 2012-03-27 | Общество с ограниченной ответственностью "ТС Сенсор" | ON-BOARD DEVICE FOR COLLECTION AND ANALYSIS OF DATA ON THE CHARACTER OF THE CAR'S MOTION, INCLUDING DATA ON THE INDIVIDUAL DRIVING STYLE AND ROAD TRANSPORT ACCIDENTS |
DE102014209071A1 (en) * | 2013-05-23 | 2014-11-27 | Ford Global Technologies, Llc | MOBILE PHONE CAMERA FOR DRIVER STATUS ESTIMATION |
US20160364921A1 (en) * | 2015-06-15 | 2016-12-15 | Toyota Jidosha Kabushiki Kaisha | Information collection system, on-vehicle device and server |
US20210016805A1 (en) * | 2018-03-30 | 2021-01-21 | Sony Semiconductor Solutions Corporation | Information processing apparatus, moving device, method, and program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7368395B2 (en) | Computer-assisted process for analyzing personal accident data | |
CN112334954A (en) | System for collecting personal accident data in a vehicle | |
US20220044821A1 (en) | Systems and methods for diagnosing a stroke condition | |
US9408562B2 (en) | Pet medical checkup device, pet medical checkup method, and non-transitory computer readable recording medium storing program | |
JP6830082B2 (en) | Dental analysis system and dental analysis X-ray system | |
US20160217260A1 (en) | System, method and computer program product for patient triage | |
US20220036058A1 (en) | Method and Apparatus for Privacy Protected Assessment of Movement Disorder Video Recordings | |
CN109460749A (en) | Patient monitoring method, device, computer equipment and storage medium | |
CN110855934A (en) | Fatigue driving identification method, device and system, vehicle-mounted terminal and server | |
JP2018504960A (en) | Method and apparatus for processing human body feature data | |
CN113822164A (en) | Dynamic emotion recognition method and device, computer equipment and storage medium | |
CN110364260A (en) | Autism earlier evaluations apparatus and system based on indicative language paradigm | |
CN113080855A (en) | Facial pain expression recognition method and system based on depth information | |
CN114237391A (en) | Urban rail transit dispatching virtual training test system and method thereof | |
JP5197188B2 (en) | Event identification system | |
RU2781179C2 (en) | Computer-implemented method for analysing man-related emergency data | |
EP3425637B1 (en) | Electronic system and method for classifying a physiological state | |
US20210287785A1 (en) | Automatic Sensing for Clinical Decision Support | |
CN109472195A (en) | Identify the methods, devices and systems of object | |
CN114566275A (en) | Pre-hospital emergency auxiliary system based on mixed reality | |
RU2774363C2 (en) | System for capturing data on human-related incident in vehicle | |
US11423534B2 (en) | System and method for diagnosing potential diseases from photo and video data and informing the user | |
RU2021103879A (en) | COMPUTER-IMPLEMENTED METHOD FOR ANALYSIS OF HUMAN RELATED EMERGENCY DATA | |
CN117637135B (en) | Patient queuing reminding method and system for nuclear magnetic resonance | |
CN116884583A (en) | Hospital field management and control method and system based on Internet of things |