监控车辆乘员生命体征数据的系统
1.本发明涉及一种监控车辆乘员生命体征数据的系统。
2.例如从us2007004969a1、wo 2015175435 a1或us2019038204a1中已知这类系统。在此，可将血压、心率、眼球运动、眨眼或体温作为生命体征数据考虑，但也可将皮肤表面湿度等作为生命体征数据考虑。在此，众多不同的传感器类型可用于检测这些生命体征数据，包括从这些数据中能够得出的健康状态数据或压力状态数据或注意力状态数据。
3.对车辆乘员，尤其是驾驶员生命体征数据的监控对道路交通的安全越来越重要，因为由于驾驶员健康受损而导致的交通事故越来越频繁。
4.另一方面，交通密度的增加导致驾驶员健康负担越来越重，健康状况恶化应通过早期检测加以识别和通知，以便尽可能排除或减少长期后果。
5.此外，除了主要的交通安全外，整个生命体征数据也可测量乘员长期的健康变化，并可读出和评估相应信息。
6.因此，在车辆中越来越多地配置了多种检测生命体征数据的传感器，以及评估这些生命体征数据的中央控制装置。
7.对这类生命体征数据的评估，正如开头所述，不同类型的传感器具有不同的测量原理，因此部分也提供不同的信号特性。
8.为评估和控制，越来越多将神经网络或机器学习算法用于生命体征数据的评估，以便能更容易地分析这些生命体征数据中相关因素的复杂性，并从中得出相应情况。
9.例如，us 2019097362 a1描述了一种系统，其中，不同传感器模块可连接到控制单元，它们的信号通过所谓的人工智能，即神经网络或其他机器学习算法进行分析，方法是为所连接的各相应传感器加载相应功能。相应加载的神经网络或机器学习算法用于分析与所搜索的参数有关的特定生命体征数据。
10.传感器标识符，即id被用作识别传感器是否存在以及适用性评估的工具，它可识别传感器，并通过该传感器标识符(id)加载适当的人工智能(ai)算法。
11.本发明的任务是，进一步挖掘这类系统的潜力。该任务由权利要求1的特征实现。从属权利要求中给出了其他有益的设计方案。
12.这方面的基本想法是，生命体征数据分析用的本身已有的神经网络或其他机器学习算法原则上也能够已经基本上自动识别所连接传感器的类型及其传感器信号特性，因此，新连接的传感器不必通过标识符加以识别，而是根据准备好的神经网络粗略结构首先只从传感器信号推导出相应的传感器类型或所接收生命体征信号的类型，然后才就所要导出的生命体征参数和健康数据对生命体征数据进行本身已知的细化分析。
13.由此，不仅能在没相应标识符情况下使用传感器，而且还能使用在具有该控制装置的车辆交付时标识符尚未指定的新型传感器。
14.由此可更容易地对更广范围的生物生命体征传感器信号加以考虑。
15.不同传感器信号可通过诸如各种卡尔曼类型等本身已知的融合技术链接在一起。这样就增加了所使用传感器及通过当前控制装置使用这些传感器的灵活性。由此，可识别和整合具有新功能的新型传感器。
16.所建议方法已使用神经网络分类来识别传感器类型，并将其应用于传感器信号本身。如脑电图(eeg)、心电图(ekg)等每种类型的生命体征数据传感器都与个人状况和健康状况无关地至少具有粗略但特定的特征，其被用于识别传感器类型。机器学习算法或所谓的深度学习算法可用于训练识别多个传感器类型的模型，并且是在与电连接类型或各相应乘员或其健康状况无关的情况下。
17.为改善识别，优选滤除干扰信号。因此，对模型或网络进行训练，以识别生命体征数据信号类型，并由此识别其传感器。因此例如心电图(ekg)信号可通过例如电阻式或电容式等不同传感器类型来确定。但所谓的qrs复合波的典型参数原则上仍然存在并且即使在不同的人、健康状况或压力状况下也至少基本上存在并且能够从信号曲线中被识别。这种模式例如可被学习，并可用以区分心电图(ekg)信号曲线与诸如脑电图(eeg)等其他生命体征数据传感器的信号曲线。这也类似地适用于例如血压信号或温度曲线。机器学习的可能性和技术为此提供良好的可能性，并且所谓的长短期记忆网络已被确定为一特别有效的解决方案。以间隔为基础的动态决策树、所谓的时间规整决策树、循环神经网络(rnn)、卷积神经网络(cnn)可用于分析时间曲线。
18.对所连接传感器的识别和分类是在传感器本身的传感器信号基础上进行的。由此，例如如果已知乘员具有特定的先期疾病，并由此应检测特殊参数情况下，可改变所连接的传感器，甚至能使用新型传感器。尤其可将并非始终在车辆中，而是由乘员携带的传感器，如现代脉搏表或其他随身携带的移动传感器等集成到系统中，只要这些传感器在车辆中，就可进行生命体征数据的检测。
19.在此，这类解决方案不仅适用于传统汽车驾驶员，也适用于二轮车、三轮车、卡车或其他陆地交通工具、水上交通工具或空中交通工具，也适用于其他乘员，同车驾驶人员直至适用于监控无人驾驶交通系统的乘员健康情况。
技术特征：
1.一种监控车辆乘员生命体征数据的系统，其中，所述系统具有检测生命体征数据的多个传感器和评估这些生命体征数据的中央控制装置，其中，所述控制装置具有评估生命体征数据的神经网络或机器学习算法，其中，设有识别传感器是否存在和根据配置情况进行适用性评估的工具，其特征在于，通过神经网络或机器学习算法识别与传感器类型有关的传感器信号，由此识别连接到中央控制装置的传感器。2.根据权利要求1所述系统，其特征在于，对检测生命体征数据的不同类型的传感器，为神经网络或机器学习算法配置与乘员无关的、特定于类型的分类装置或参考信号曲线，并由此得出所连接传感器的类型。3.一种带有根据权利要求1或2所述系统的机动车辆。
技术总结
本发明涉及一种监控车辆乘员生命体征数据的系统，其中，所述系统具有检测生命体征数据的多个传感器和评估这些生命体征数据的中央控制装置。该控制装置具有评估生命体征数据的神经网络或机器学习算法。通过神经网络或机器学习算法分析并由此识别与传感器类型有关的传感器信号，由此识别连接到中央控制装置的传感器。传感器。
技术研发人员：S
受保护的技术使用者：大陆汽车科技有限公司
技术研发日：2022.01.18
技术公布日：2023/10/5