用于识别特定于乘员的设置的方法及用于执行该方法的车辆技术

公开了一种用于识别车辆(1)的特定于乘员的设置(15)的方法，包括：检测(101)车辆乘员；收集(110)检测到的车辆乘员的生物特征识别乘员数据(20，30)；至少部分地基于收集到的乘员数据来汇编(120)描述符(11)；将所述描述符存储(220)到数据库(10)中；和基于已汇编的描述符(11)来更新(240)所述数据库中的描述符的聚类(13)，其中，被分组在所述聚类中的描述符彼此接近，并且所述聚类对应于检测到的车辆乘员。基于所述聚类，可以将已汇编的描述符分配给所述聚类，并且可以计算与所述聚类相关联进行存储的车辆设置数据。所述车辆设置数据对应于车辆的特定于乘员的设置(15)。还公开了一种车辆，其包括能够执行这种方法的系统。

Method for identifying occupant specific settings and vehicle for performing the method

【技术实现步骤摘要】
用于识别特定于乘员的设置的方法及用于执行该方法的车辆
本专利技术涉及一种用于识别车辆的特定于乘员的设置的方法以及能够执行这种方法的车辆。特别地，本专利技术涉及一种以无监督的方式来识别特定于乘员的设置的方法以及能够执行这种方法的车辆。
技术介绍
一些车辆具有基于存储的设置来调节特定的车辆设置(例如座椅位置、方向盘位置、镜体位置等)的能力。这种存储的设置可以基于用户身份，使得多个乘员(驾驶员和/或乘客)可以定制特定的车辆项目(item)。车辆乘员的身份通常是根据乘员的明确的身份来确定的。例如，乘员的身份基于预先注册的设备(例如密钥、令牌或移动电话)来确定，或者基于通过姓名、密码等可识别的预先注册的用户配置文件来确定，或者基于不变的生物特征识别数据(例如指纹、虹膜、语音等)来确定。这种识别系统需要有受监督的学习阶段，在此期间，将创建乘员账户并将其存储在车辆系统中。
技术实现思路
本专利技术的目的在于提供一种更有效地识别车辆的特定于乘员的设置的方法。该目的由本公开所限定的方法、计算机可读介质以及车辆来解决：根据一个方面，本公开提供了一种用于识别车辆的特定于乘员的设置的方法，所述方法包括：检测车辆乘员；收集检测到的车辆乘员的生物特征识别乘员数据(biometricoccupantdata)；基于收集到的所述生物特征识别乘员数据的至少一部分来汇编描述符；将所述描述符存储到数据库中；和基于已汇编的描述符来更新所述数据库中的描述符的聚类，其中，被分组在所述聚类中的描述符彼此接近，并且其中所述聚类对应于所述检测到的车辆乘员。在其中一些实施例中，本公开提供了一种用于识别车辆的特定于乘员的设置的方法，包括以下步骤：检测车辆乘员，例如驾驶员或乘客，以及收集检测到的车辆乘员的生物特征识别乘员数据。车辆乘员的检测涉及检测车辆乘员的存在性，但不包括检测特定车辆乘员的身份。例如，该方法并不需要基于独特的乘员数据，如密钥或(射频识别的)令牌来检测特定的车辆乘员。该方法还包括：(一旦检测到车辆乘员的存在和/或其他事件已触发了对生物特征识别乘员数据进行收集)基于收集到的乘员数据的至少一部分来汇编(assemble)描述符(descriptor)、将所述描述符存储在数据库中、以及基于已汇编的描述符来更新数据库中的描述符的聚类。描述符数值化地(numerically)存储至少一个特征，例如生物特征识别特征，并且在存在车辆乘员的多个特征的情况下，所述描述符存储并将不同的特征数值化地组合为向量。在聚类中分组的描述符彼此接近，例如，彼此之间的距离低于预限定的阈值，并且聚类对应于检测到的车辆乘员。换句话说，数据库具有(存储)至少两个可以相互比较的描述符。如果两个或更多的描述符彼此接近(closetoeachother)，那么这些描述符可以一起被分组在聚类中，表示检测到的车辆乘员。因此，所述数据库可以进一步存储多个聚类，即，多个描述符被分组为两个或多个聚类，分别表示两个或多个车辆乘员。由于不需要在之前的用户配置文件设置中输入个人信息，因此提供了以无监督的方式来识别车辆乘员。新的或未知的车辆乘员可以被“即时(on-the-fly)”识别，即不需要初始的用户配置文件设置，只需在数据库中补充一个附加的聚类，所述附加的聚类以到已在数据库中的每一个描述符的距离均超过预限定阈值的描述符为起点。这允许对车辆乘员的识别，而不会干扰乘员，尤其是车辆的驾驶员。此外，车辆乘员的生物特征识别数据可能是相当通用的类型。例如，由于对车辆乘员的不同特征进行收集并且将同一车辆乘员的多个描述符存储在聚类中，因此并不需要车辆乘员操作特定的传感器设备，例如指纹传感器和虹膜传感器等。这进一步允许识别不具有单个明确或独特的生物特征识别的车辆乘员。对车辆乘员或与之相关的生物特征识别和/或其他特征的数值解释可包括：储存传感器值数据，如重量、高度(相对于车辆中固定的物体，如座椅靠背)和安全带长度，和/或储存基于传感器数据的计算的数据，如平均头发颜色、皮肤颜色，虹膜或类似物的颜色、乘员躯干轮廓的曲率、乘员声音的具体特征等。额外的或可替代的，描述符可以包括基于捕获的三维(3D)图像的数据，例如车辆乘员的头部、面部、四肢、躯干等的3D几何形状和/或形貌。例如，描述符可以包括表示了眼睛的距离、眼睛和鼻子和/或耳朵的距离、耳朵的大小、头部和/或四肢的体积等的数据。应当理解的是，所述描述符可以进一步存储指纹传感器和/或虹膜传感器的生物特征识别数据或从指纹传感器和/或虹膜传感器导出的生物特征识别数据。额外的或可替代的，所述描述符可以包括数据驱动的特征，如通过人工神经网络计算的嵌入(embeddings)，和/或应用在表示车辆乘员的面部、身体、语音等的(传感器)数据上的相关机器学习方法。在一种实施方式的变体中，更新所述描述符的聚类可以包括：计算所述已汇编的描述符与存储在所述数据库中的至少一个其他描述符之间的距离，并且如果所述距离低于预限定的阈值或者低于由系统随时间评估(学习)的阈值，则将所述已汇编的描述符与由所述至少一个其他描述符限定的聚类相关联。换句话说，在对所述至少一个其他描述符进行分组的数据库中可能已经存在一个聚类，因此聚类的每一个其他描述符可以用于标识该聚类。在描述符中，可以使用任何合适的距离测量法(例如，计算欧几里得距离、测地线距离等)来计算描述符之间的空间距离。因此，可以通过分析表示特定乘员的描述符到表示其他乘员的描述符的距离，例如通过在描述符空间中找到具有最小距离的最佳匹配,来识别车辆的乘员。所述描述符之间的距离可以基于构成描述符的特征来计算。换句话说，基于描述符中的对应的特征之间的距离来计算描述符之间的距离。因此，即使特征变化，如头发颜色，仍然可以识别出车辆乘员。额外的或可替代的，可以计算已汇编的描述符与表示了聚类中的所有描述符的平均值的平均描述符之间的距离，并将该距离与预限定的阈值进行比较。这可以避免增加聚类的“尺寸”(size)，即避免了同一聚类的两个描述符之间的距离超过预限定距离的倍数(amultipleofthepredefineddistance)。这减少了假的正结果(falsepositives)的计算，即，由于一个聚类中的描述符与均值(平均值)之间的偏差过大，从而导致因超大的聚类而引起的对所谓的车辆乘员的识别。在本公开中，将描述符之间的距离和/或描述符与聚类的均值(平均值)之间的距离作为参考。应理解的是，代替距离或除了距离之外，该方法也可以依赖于相似性测量(描述符的相似性)和/或概率测量(两个描述符表示同一车辆乘员的概率)。因此，对于小距离的情况，将采用紧密相似性和高概率。此外，将已汇编的描述符与聚类相关联可以包括：存储用于描述符或具有描述符(例如，用聚类标识补充描述符)的聚类标识和/或存储构成了聚类的所有描述符的描述符标识，例如存储描述符和聚类的映射表。在另一个实施方式的变体中，所述生物特征识别乘员数据包括强生物特征识别数据和/或弱生物特征识别数据。由于在聚类中存储了表示乘员随时间的弱生物特征识别数据的变化，即使监测到同本文档来自技高网...

【技术保护点】
1.一种用于识别车辆(1)的特定于乘员的设置(15)的方法，所述方法包括：/n检测(101)车辆乘员；/n收集(110)检测到的车辆乘员的生物特征识别乘员数据(20，30)；/n基于收集到的所述生物特征识别乘员数据(20，30)的至少一部分来汇编(120)描述符(11)；/n将所述描述符(11)存储(220)到数据库(10)中；和/n基于已汇编的描述符(11)来更新(240)所述数据库(10)中的描述符的聚类(13)，其中，被分组在所述聚类(13)中的描述符(11)彼此接近，并且其中所述聚类(13)对应于所述检测到的车辆乘员。/n

【技术特征摘要】
20181211 EP 18211653.31.一种用于识别车辆(1)的特定于乘员的设置(15)的方法，所述方法包括：
检测(101)车辆乘员；
收集(110)检测到的车辆乘员的生物特征识别乘员数据(20，30)；
基于收集到的所述生物特征识别乘员数据(20，30)的至少一部分来汇编(120)描述符(11)；
将所述描述符(11)存储(220)到数据库(10)中；和
基于已汇编的描述符(11)来更新(240)所述数据库(10)中的描述符的聚类(13)，其中，被分组在所述聚类(13)中的描述符(11)彼此接近，并且其中所述聚类(13)对应于所述检测到的车辆乘员。


2.根据权利要求1所述的方法，其特征在于，更新(240)所述数据库(10)中的描述符的聚类(13)包括：计算所述已汇编的描述符(11)与存储在所述数据库(10)中的至少一个其他描述符(11)之间的距离，和/或如果所述距离低于预限定的阈值，则将所述已汇编的描述符(11)与由所述至少一个其他描述符(11)限定的聚类(13)相关联。


3.根据权利要求1或2所述的方法，其特征在于，所述生物特征识别乘员数据(20、30)包括：强生物特征识别数据(20)和/或弱生物特征识别数据(30)，所述强生物特征识别数据(20)包括面部特征数据(21)、语音数据(22)、虹膜数据和/或指纹数据，所述弱生物特征识别数据(30)包括体重数据(31)、身高数据(32)和/或安全带长度数据。


4.根据权利要求1至3中任一项所述的方法，其特征在于，收集(110)检测到的车辆乘员的生物特征识别乘员数据(20，30)、汇编(120)描述符(11)、存储(220)所述描述符(11)以及所述更新(240)所述数据库(10)中的描述符(11)的聚类(13)的步骤中的至少一个步骤是自动执行的，而不需要用户发起和/或用户干预。


5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
将所述描述符(11)与至少一个当前的车辆设置(12)相关联(210)；
其中，存储(220)所述描述符(11)包括：存储与所述至少一个当前的车辆设置(12)相关联的描述符(11)。


6.根据权利要求1至5中任一项所述的方法，其特征在于，还包括：
计算(130)所述已汇编的描述符(11)到所述数据库(10)中的每一个聚类(13)的距离；
将计算出的距离与阈值进行比较(140)；和
如果所述计算出的距离未超过所述阈值，则：
-选择(150)存储在所述数据库(10)中的最...

【专利技术属性】
技术研发人员：汤姆斯·科勒，马提亚斯·施托克，
申请(专利权)人：E解决方案有限公司，
类型：发明
国别省市：德国;DE