通用的车内乘客防遗忘的传感装置的实现方法和系统与流程

本发明涉及一种通用的车内乘客防遗忘的传感装置的实现方法和系统。

背景技术：

每年都有多起儿童被遗忘在车内的悲剧发生，为了杜绝此类事件，各式各样的车辆防遗忘方案应运而生。目前的解决方案原理相似，这些方案通常需要在座椅上加装传感器(如：压力、温度等)，同时需要与车辆的电路或车载电脑(obd)系统连接。通过检测乘客座位是否有人、驾驶员座位是否有人，以及车辆发动起是否熄火等状态，作为是否有乘客被遗忘的判别标准。另外一类防遗忘系统，则完全依靠人工巡检，即驾驶员停车熄火后必须及时走到车辆后端复位告警按钮，否则告警就会超时触发。

现有的儿童防遗忘方法及系统具有如下缺陷：

1、不具备通用性：不同品牌、型号的汽车，其车载电子系统差别很大，现有方案几乎都涉及到车辆电子系统的对接，因此，不具有通用性。

2、安装繁琐：在座椅上加装传感器，由(座椅种类、材质千差万别压力传感器的安装都涉及大量的工程工作。例如，一辆校车就要改造几十个座椅。

3、成本高：系统本身成本高(模块组件多)、车辆改造和座椅改造成本高，以及维护成本高。

4、可靠性差：通过座椅或者安全带检测，无法识别儿童离开座椅但仍留在车内、以及乘客不习惯系安全带等场合。

5、乘客遗忘的结论的得出，是基于一种传感器数据直接得到的，没有对传感数据进行深度的挖掘和开发。

鉴于上述的缺陷，本设计人积极加以研究创新，以期创设一种通用的车内乘客防遗忘的传感装置的实现方法和系统，使其更具有产业上的利用价值。

技术实现要素：

为解决上述技术问题，本发明的目的是提供一种利用非接触式传感器获取的传感数据，计算车内发生的多种事件，进而根据多种事件之间的逻辑关系，更精确地判定车内是否发生儿童遗忘检测的通用的车内乘客防遗忘的传感装置的实现方法和系统。

为达到上述发明目的，本发明通用的车内乘客防遗忘的传感装置的实现方法，包括：

获取设置在车内的多个非接触传感器组输出的各组传感数据；

利用预存储或预加载的事件分类器对所述的传感数据进行分析运算，得到预定时间周期内发生的车辆相关事件、乘客相关事件、车内环境相关事件以及用户自定义事件；其中，车辆相关事件至少包括：车辆发动机启动、车辆行驶、车辆等候、发动起熄火、打开车门、关闭车门；乘客相关事件至少包括：人发出声音、人体移动、乘客上车、乘客下车；车内环境相关事件至少包括：车内温度、湿度、气压正常、车内温度、湿度、气压中至少一项偏高或偏低；

判断所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系是否满足预定的发生儿童遗忘在车上事件的逻辑关系，

若满足，则发出报警信息；若不满足，则不做处理。

进一步地，所述事件分类器通过监督机器学习方式生成，事件分类器对事件类型的识别过程包括：

对获取的所述传感数据进行特征化处理，得到特征化数据,所述的特征化数据包括：进行快速傅里叶变换、滑动时间窗、计算最大值、最小值、中位数、平均值、样本数、标准方差6个特征值；

基于所述传感数据，对所述事件分类器的获选事件识别模型进行筛选，过滤掉相关性低的候选事件识别模型，保留m个相关性高的候选事件识别模型；

特征化数据被依次代入m个保留的候选事件识别模型进行计算，输出识别到的事件类型及可信度。

进一步地，所述的m个相关性高的候选事件识别模型的筛选方法具体包括：

计算传感器数据的平均值特征值向量fi；

对满足激活条件的候选事件识别模型进行激活，若满足预定激活条件的候选事件识别模型大于m个，则选取偏离评分最小的m个模型，作为筛选结果；各候选事件识别模型的激活条件为：(fx-f0)>2*σ0，(fi-fx)/σx为候选事件识别模型的偏离评分；

其中，背景环境下，计算预定时间周期内获取的传感数据的平均值和标准方差的特征值向量，分别记为f0和σ0；各候选事件识别模型数据训练过程中，获取的传感数据的平均值和标准方差的特征值向量，分别记为fx和σx；x为候选事件识别模型的编号。

进一步地，预定时间周期包括多个不同的事件运算周期，

基于历史数据训练得到所述的车辆相关事件和/或车内环境相关事件与发生儿童遗忘车内事件概率的对应表；

基于前面m个事件运算周期中发生的所述的车辆相关事件和/或车内环境相关事件之间的逻辑关系，预测下一个事件运算周期内所述的车辆相关事件和/或车内环境相关事件，基于所述对应表得到下一个事件运算周期内发生儿童遗忘事件概率；

基于下一个事件运算周期内发生儿童遗忘事件概率，确定下一个事件运算周期的时长。

进一步地，还包括：获取车辆信息，基于车辆信息加载与所述的事件分类器，若本地存储有相应的事件分类器，则采用本地存储的事件分类器；若本地没有存储相应的事件分类器，则通过无线网络加载远程服务终端的事件分类器，其中，所述的车辆信息包括车型、车辆品牌、车辆载客人数、车辆型号中的一种或几种的组合。

进一步地，确定所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系满足预定的发生儿童遗忘在车上事件的逻辑关系后，还包括确定该儿童遗忘事件的紧急优先级，根据紧急优先级设定不同的报警方式及报警频率，其中，一级紧急，以一级频率向绑定的私人电子终端发出报警信息以及预定的公共接收平台发出报警信息；二级紧急，以二级频率向绑定的私人电子终端发出报警信息；三级紧急，以三级频率向绑定的私人电子终端发出报警信息；……k级紧急，以k级频率向绑定的私人电子终端发出抱紧信息，儿童遗忘事件的紧急优先级，一级＞二级＞三级……＞k级，一级频率＞二级频率＞三级频率＞k级频率。

为达到上述发明目的，本发明通用的车内乘客防遗忘的传感装置的实现系统，包括：

置在车内的多个非接触传感器组，所述的传感器包括加速度传感器、陀螺仪、麦克风、电磁感应、温/湿度、气压、多普勒雷达和/或被动红外pir传感器；

事件分类器，用于对多个非接触传感器组获取的传感数据进行分析运算，得到预定时间周期内发生的车辆相关事件、乘客相关事件、车内环境相关事件以及用户自定义事件；其中，车辆相关事件至少包括：车辆发动机启动、车辆行驶、车辆等候、发动起熄火、打开车门、关闭车门；乘客相关事件至少包括：人发出声音、人体移动、乘客上车、乘客下车；车内环境相关事件至少包括：车内温度、湿度、气压正常、车内温度、湿度、气压中至少一项偏高或偏低；

遗忘事件判定单元，用于判断所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系是否满足预定的发生儿童遗忘在车上事件的逻辑关系，

若满足，则报警单元发出报警信息；若不满足，则不做处理。

进一步地，所述事件分类器包括：

特征化处理模块，用于对获取的所述传感数据进行特征化处理，得到特征化数据；

识别模型筛选模块，用于基于所述传感数据，对所述事件分类器的获选事件识别模型进行筛选，过滤掉相关性低的候选事件识别模型，保留m个相关性高的候选事件识别模型；

结果输出模块，用于将特征化数据被依次代入m个保留的候选事件识别模型进行计算，输出识别到的事件类型及可信度；

识别模型筛选模块的具体筛选方法包括：

计算传感器数据的平均值特征值向量fi；

对满足激活条件的候选事件识别模型进行激活，若满足预定激活条件的候选事件识别模型大于m个，则选取偏离评分最小的m个模型，作为筛选结果；各候选事件识别模型的激活条件为：(fx-f0)>2*σ0，(fi-fx)/σx为候选事件识别模型的偏离评分；

其中，背景环境下，计算预定时间周期内获取的传感数据的平均值和标准方差的特征值向量，分别记为f0和σ0；各候选事件识别模型数据训练过程中，获取的传感数据的平均值和标准方差的特征值向量，分别记为fx和σx；x为候选事件识别模型的编号。

进一步地，还包括：事件运算周期时长确定模块，用于基于前面m个事件运算周期中发生的所述的车辆相关事件和/或车内环境相关事件之间的逻辑关系关系，预测下一个事件运算周期内所述的车辆相关事件和/或车内环境相关事件，基于所述对应表得到下一个事件运算周期内发生儿童遗忘事件概率；

基于下一个事件运算周期内发生儿童遗忘事件概率，确定下一个事件运算周期的时长；

所述的车辆相关事件和/或车内环境相关事件与发生儿童遗忘车内事件概率的对应表通过对历史数据进行机器学习得到。

进一步地，还包括事件分类器加载模块，用于获取车辆信息，基于车辆信息加载与所述的事件分类器，若本地存储有相应的事件分类器，则采用本地存储的事件分类器；若本地没有存储相应的事件分类器，则通过无线网络加载远程服务终端的事件分类器，其中，所述的车辆信息包括车型、车辆品牌、车辆载客人数、车辆型号中的一种或几种的组合；

所述报警单元，包括紧急优先级确定模块，用于确定该儿童遗忘事件的紧急优先级，根据紧急优先级设定不同的报警方式及报警频率，其中，一级紧急，以一级频率向绑定的私人电子终端发出报警信息以及预定的公共接收平台发出报警信息；二级紧急，以二级频率向绑定的私人电子终端发出报警信息；三级紧急，以三级频率向绑定的私人电子终端发出报警信息；……k级紧急，以k级频率向绑定的私人电子终端发出抱紧信息，儿童遗忘事件的紧急优先级，一级＞二级＞三级……＞k级，一级频率＞二级频率＞三级频率＞k级频率。

借由上述方案，本发明通用的车内乘客防遗忘的传感装置的实现方法和系统至少具有以下优点：

本发明防遗忘集成传感装置由32位单片机、通信模块、各种物理传感器以及供电模块组成。通信模块可采用蓝牙、无线(wi-fi)、3g/4g、nb-iot、emtc等方式，用于发送事件通知和告警消息。物理传感器包括加速度传感器、陀螺仪、麦克风、电磁感应、温湿度、气压、以及一组或两组多普勒雷达和被动红外(pir)传感器。供电模块由电源管理模块、电池、电池电量检测模块组成，支持usb接口供电和车载点烟口及电源口(12v或24v)供电；

传感装置上集成了一组事件分类器，分别对应每一个需要识别的车内事件，包括：发动起启动、车辆行驶、车辆等候、发动起熄火、开门、关门、人体移动、说话、上下车等；事件分类器通过监督机器学习方式生成；

对传感器原始数据进行特征化处理，包括：快速傅里叶变换，滑动时间窗计算6个特征值(最大值、最小值、中位数、平均值、样本数、标准方差)；

通过对一段时间内检测到事件的逻辑判断，识别出有乘客被遗忘在车内，并通过通讯模块发出告警消息；

通过分类器的预筛选算法提高识别速度；

事件通知、原始数据和特征值输出为可配置项；

本发明适用范围广、安装方便、成本低、可靠性高。不仅能够实现精确地乘客遗忘检测，而且能够检测到很多种车内事件，从而支持更多其他应用

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1是发明通用的车内乘客防遗忘的传感装置的实现方法的流程图；

图2是发明通用的车内乘客防遗忘的传感装置的实现系统的框图；

图3是防遗忘判别处理逻辑；

图4是事件识别模型训练流程；

图5是生产环境事件识别流程。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明通用的车内乘客防遗忘的传感装置的实现方法及系统，以多个非接触式传感器采集的传感数据为基础，通过数据训练得到事件分类器，基于事件分类器得到预定时间周期内车内发生的事件，通过这些事件之间的逻辑关系确定是否发生了乘客遗忘事件。本发明利用多组非接触式传感器获取多组不同的传感器数据，对多做传感数据进行综合运算得到一个事件，对多个事件的逻辑分析得到最终的结果。

实施例1

如图1所示，本实施例通用的车内乘客防遗忘的传感装置的实现方法，包括：

获取设置在车内的多个非接触传感器组输出的各组传感数据；

利用预存储或预加载的事件分类器对所述的传感数据进行分析运算，得到预定时间周期内发生的车辆相关事件、乘客相关事件、车内环境相关事件以及用户自定义事件；其中，车辆相关事件至少包括：车辆发动机启动、车辆行驶、车辆等候、发动起熄火、打开车门、关闭车门；乘客相关事件至少包括：人发出声音、人体移动、乘客上车、乘客下车；车内环境相关事件至少包括：车内温度、湿度、气压正常、车内温度、湿度、气压中至少一项偏高或偏低；

判断所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系是否满足预定的发生儿童遗忘在车上事件的逻辑关系，

若满足，则发出报警信息；若不满足，则不做处理。

本实施例中，所述事件分类器通过监督机器学习方式生成，事件分类器对事件类型的识别过程包括：

对获取的所述传感数据进行特征化处理，得到特征化数据；

基于所述传感数据，对所述事件分类器的获选事件识别模型进行筛选，过滤掉相关性低的候选事件识别模型，保留m个相关性高的候选事件识别模型；

特征化数据被依次代入m个保留的候选事件识别模型进行计算，输出识别到的事件类型及可信度。

所述的m个相关性高的候选事件识别模型的筛选方法具体包括：

计算传感器数据的平均值特征值向量fi；

对满足激活条件的候选事件识别模型进行激活，若满足预定激活条件的候选事件识别模型大于m个，则选取偏离评分最小的m个模型，作为筛选结果；其中，各候选事件识别模型的激活条件为：(fx-f0)>2*σ0，(fi-fx)/σx为候选事件识别模型的偏离评分；

背景环境下(例如，没有任何事情发生的环境下，这个背景环境是用户定义的一个背景环境)，计算预定时间周期内获取的传感数据的平均值和标准方差的特征值向量，分别记为f0和σ0；各候选事件识别模型数据训练过程中，获取的传感数据的平均值和标准方差的特征值向量，分别记为fx和σx；x为候选事件识别模型的编号。

本实施例中，第一，传感器均为非接触式传感器。第二，每一个事件类型的得到，是基于多个传感器获取的传感数据综合运算的结果，而不是单一的传感器数据的结果。第三，最终发生乘客遗忘事件的结论是由多个事件之间的逻辑关系运算得到的，而不是单纯的传感数据得到的。例如，麦克风检测到车内有人的声音，被动红外(pir)传感器检测到车内有人体，电磁感应检测到车内电磁的变化，甚至温度传感器检测到车内的温度(车内有人和车内没人时温度有所差异)，这些数据都能作为车内有人这一事件的数据，车内有人这一事件是基于上述多个传感器的数据综合运算得到的。车辆停止行驶事件、车内有人事件、司机座位没有人这三个事件后，基于这三个事件之间的逻辑关系就可以判定发生了乘客遗忘事件。再例如，车辆熄火超过预设事件事件、车门关闭事件、车内有人的声音事件、车内有人移动事件，就可以判定发生了乘客遗忘事件。再例如，车辆处于正常范围内车速行驶状态，车内有人事件，此时就可以判断没有发生乘客遗忘事件。

本实施例以家用轿车为例，在家用轿车前部面板处部署一个防遗忘集成传感装置，其中物理传感器包括加速度传感器、陀螺仪、麦克风、电磁感应、温湿度、气压以及一组多普勒雷达和被动红外(pir)传感器。传感装置通过usb口或点烟口取电。司机和乘客开门、上车，传感装置检测到开门事件和上车事件；车辆发动，传感装置检测到发动机启动事件，将车辆状态置为启动；车辆开始行驶，传感装置将车辆状态置为行驶中；车辆停止，传感装置将车辆状态置为停止；司机熄火，传感装置将车辆状态置为发动机停止状态；司机开门、下车、关门，传感装置检测到开门事件、下车事件、关门事件。此时，仍有乘客留着车内。1分钟后(假定防遗忘告警延时设置为1分钟)，如果乘客发出声音或者移动身体，传感装置就会检测到人体活动事件，则通过通信模块发出告警消息。

实施例2

本实施例通用的车内乘客防遗忘的传感装置的实现方法，在实施例1的基础上，获取车辆信息，基于车辆信息加载与所述的事件分类器，若本地存储有相应的事件分类器，则采用本地存储的事件分类器；若本地没有存储相应的事件分类器，则通过无线网络加载远程服务终端的事件分类器，其中，所述的车辆信息包括车型、车辆品牌、车辆载客人数、车辆型号中的一种或几种的组合。

本实施例中预定时间周期包括多个不同的事件运算周期，基于历史数据训练得到所述的车辆相关事件和/或车内环境相关事件与发生儿童遗忘车内事件概率的对应表；基于前面m个事件运算周期中发生的所述的车辆相关事件和/或车内环境相关事件之间的逻辑关系，预测下一个事件运算周期内所述的车辆相关事件和/或车内环境相关事件，基于所述对应表得到下一个事件运算周期内发生儿童遗忘事件概率；基于下一个事件运算周期内发生儿童遗忘事件概率，确定下一个事件运算周期的时长。

例如，前m事件运算周期内，都是检测到车子在行驶状态，且没有持续减速，则可以预测出车辆时一直在行驶状态，此时预测下一周期车子在行驶状态的可能性比较大，因此车子在行驶状态下，发生乘客遗忘车内的事件的概率不大，下一个事件运算周期的时间可以相对长一些，也即获取传感器数据的时间间隔可以长一些，这样可以减少数据传输频率以及减少运算量，也省电。再例如，前m事件运算周期内，发生车辆减速事件(车辆相关事件)、车内温度高于设定阈值(车内环境相关事件)，在这种状态下，此时预测下一周期车子停下来的可能性比较大，车辆一旦停止，发生乘客遗忘事件的概率就比车辆行驶状态要高，此时，下一事件运算周期的事件要相对短一些，方便及时发现车内乘客遗忘事件。同时车内环境也是作为一个考虑项，当车内环境威胁到人体健康时，此时定义为乘客遗忘事件发生高概率情况。具体的概率对应表的生成，通过具体的机器学习生成。

实施例3

本实施例通用的车内乘客防遗忘的传感装置的实现方法，在实施例1或2的基础上，确定所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系满足预定的发生儿童遗忘在车上事件的逻辑关系后，还包括确定该儿童遗忘事件的紧急优先级，根据紧急优先级设定不同的报警方式及报警频率，其中，一级紧急，以一级频率向绑定的私人电子终端发出报警信息以及预定的公共接收平台发出报警信息；二级紧急，以二级频率向绑定的私人电子终端发出报警信息；三级紧急，以三级频率向绑定的私人电子终端发出报警信息；……k级紧急，以k级频率向绑定的私人电子终端发出抱紧信息，儿童遗忘事件的紧急优先级，一级＞二级＞三级……＞k级，一级频率＞二级频率＞三级频率＞k级频率。例如，车内温度过高，且此状况持续的时间超过预定时间，此时可以认定为一级紧急，此时以一级频率向绑定的私人电子终端(手机、笔记版电脑、pad、智能手表)发出报警信息、向公共接收平台(后台运行商的服务器和/或110)发出报警信息。报警信息的具体包含哪些内容，例如本车位置、车内环境等，根据程序可以自行设定。再例如，车辆已经停止，检测到发生司机下车事件超出预定时间，且车内后座有乘客的声音和/或乘客移动，此时可以定义为二级紧急，向绑定的私人电子终端发出报警信息。具体地紧急情况的设定以及报警方式的设定可以根据实际情况进行具体地数据训练后生成相应的训练模型。同时，本实施例中，私人电子终端的具体绑定数量由用户自行设定。报警信号的输出还包括声光报警信号。

实施例4

本实施例通用的车内乘客防遗忘的传感装置的实现系统，包括：

置在车内的多个非接触传感器组；

事件分类器，用于对多个非接触传感器组获取的传感数据进行分析运算，得到预定时间周期内发生的车辆相关事件、乘客相关事件、车内环境相关事件以及用户自定义事件；其中，车辆相关事件至少包括：车辆发动机启动、车辆行驶、车辆等候、发动起熄火、打开车门、关闭车门；乘客相关事件至少包括：人发出声音、人体移动、乘客上车、乘客下车；车内环境相关事件至少包括：车内温度、湿度、气压正常、车内温度、湿度、气压中至少一项偏高或偏低；

遗忘事件判定单元，用于判断所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系是否满足预定的发生儿童遗忘在车上事件的逻辑关系，

若满足，则报警单元发出报警信息；若不满足，则不做处理。

所述事件分类器包括：

特征化处理模块，用于对获取的所述传感数据进行特征化处理，得到特征化数据；

识别模型筛选模块，用于基于所述传感数据，对所述事件分类器的获选事件识别模型进行筛选，过滤掉相关性低的候选事件识别模型，保留m个相关性高的候选事件识别模型；

结果输出模块，用于将特征化数据被依次代入m个保留的候选事件识别模型进行计算，输出识别到的事件类型及可信度。

其中，识别模型筛选模块的筛选方法具体包括：

计算传感器数据的平均值特征值向量fi；

对满足激活条件的候选事件识别模型进行激活，若满足预定激活条件的候选事件识别模型大于m个，则选取偏离评分最小的m个模型，作为筛选结果；其中，各候选事件识别模型的激活条件为：(fx-f0)>2*σ0，(fi-fx)/σx为候选事件识别模型的偏离评分；

背景环境下，计算预定时间周期内获取的传感数据的平均值和标准方差的特征值向量，分别记为f0和σ0；各候选事件识别模型数据训练过程中，获取的传感数据的平均值和标准方差的特征值向量，分别记为fx和σx；x为候选事件识别模型的编号。

本实施例以校车为例，在校车前中部部署一个防遗忘集成传感装置，其中物理传感器包括加速度传感器、陀螺仪、麦克风、电磁感应、温湿度、气压以及两组多普勒雷达和被动红外(pir)传感器。传感装置通过车内12v照明电路取电。司机停车、打开前车门，传感装置检测到停车事件和开门事件；学生陆续上车，传感装置检测到上车事件；司机关门、车辆启动，传感装置检测到关门事件、发动机启动事件和车辆行驶事件，并将车辆状态置为行驶中；车辆中途停车，传感装置将车辆状态置为车辆等候；车辆继续行驶，传感装置将车辆状态置为行驶中；车辆到达目的地、司机停车，传感装置将车辆状态置为停止；司机熄火，传感装置将车辆状态置为发动机停止状态；司机打开前后车门、学生陆续下车，传感装置检测到开门事件、下车事件；司机关闭前后车门，打开司机车门、下车、关闭司机车门，传感装置依次检测到关门事件、开门事件、下车事件和关门事件。但是有一个学生在车上睡着、被遗忘在车内。3分钟后(假定防遗忘告警延时设置为3分钟)，如果该学生发成声音或者移动身体，传感装置就会检测到人体活动事件，则通过通信模块发出告警消息。

实施例5

本实施例通用的车内乘客防遗忘的传感装置的实现系统，在实施例4的基础上，还包括：事件运算周期时长确定模块，用于基于前面m个事件运算周期中发生的所述的车辆相关事件和/或车内环境相关事件之间的逻辑关系关系，预测下一个事件运算周期内所述的车辆相关事件和/或车内环境相关事件，基于所述对应表得到下一个事件运算周期内发生儿童遗忘事件概率；

基于下一个事件运算周期内发生儿童遗忘事件概率，确定下一个事件运算周期的时长；

所述的车辆相关事件和/或车内环境相关事件与发生儿童遗忘车内事件概率的对应表通过对历史数据进行机器学习得到。

实施例6

本实施例通用的车内乘客防遗忘的传感装置的实现系统，在实施例4或5的基础上，还包括紧急优先级确定模块，用于在确定所述的车辆相关事件、乘客相关事件、车内环境相关事件和/或用户自定义事件的逻辑关系满足预定的发生儿童遗忘在车上事件的逻辑关系后，确定该儿童遗忘事件的紧急优先级，根据紧急优先级设定不同的报警方式及报警频率，其中，一级紧急，发出声光报警；二级紧急，通过无线网络向预定的接收终端发出报警信息；三级紧急，向预定的接收终端发出报警信息、向预定的公共接收平台发出报警信息。

上述各实施例中，还包括：获取车辆信息，基于车辆信息加载与所述的事件分类器，若本地存储有相应的事件分类器，则采用本地存储的事件分类器；若本地没有存储相应的事件分类器，则通过无线网络加载远程服务终端的事件分类器，其中，所述的车辆信息包括车型、车辆品牌、车辆载客人数、车辆型号中的一种或几种的组合。

上述各实施例中，所述的传感器包括加速度传感器、陀螺仪、麦克风、电磁感应、温湿度、气压、多普勒雷达和被动红外(pir)传感器。

上述各实施例中，传感器数据特征化是将采集到的传感器原始数据进行特征提取，既保留了关键信息，也起了到数据压缩和保密的作用。更进一步，对采样频率低于1千赫兹的传感器，如：多普勒雷达、被动红外、温湿度、气压等，以1到2秒的滑动时间窗分别计算6个特征值(最大值、最小值、中位数、平均值、样本数、标准方差)；对采样频率高于1千赫兹的传感器，如：加速度传感器、陀螺仪、麦克风、电磁感应等，数据特征化时先进行快速傅里叶变换(fft，256样本滑动窗口)，然后再计算6个特征值。

上述各实施例中，特征化处理后的数据封包(x矩阵)传送给后台机器学习工具，连同事件类型标签(y向量)一起进行事件识别模型的训练。机器学习工具仅在模型训练阶段使用、支持常规的机器学习算法(如：svm支持向量机、随机森林、神经网络)即可，可以为离线工具，也可以通过自动化脚本在线使用。

上述各实施例中，选取偏离评分最小的m个模型，m的具体数值可以为5也可以根据具体情况具体设置，这个具体数据与装置能够支撑的运算量具体设置。

“乘客被遗忘在车内”这一结果反映在一系列相关的事件上。因此，通过对一段时间内检测到事件的逻辑判断，就能够准确识别出有乘客被遗忘在车内，并通过通讯模块发出告警消息。防遗忘相关的判别和处理逻辑如图3所示：车辆状态包括：发动起启动、车辆行驶、车辆等候、发动起熄火等；车内环境事件包括：正常、温度过高、温度过低、湿度过高、湿度过低、气压过高、气压过低等；其他事件包括开门、关门、上车、下车等。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。