Транспортное средство и способ управления светопроницаемостью окон транспортного средства



Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства
Транспортное средство и способ управления светопроницаемостью окон транспортного средства

Владельцы патента RU 2708995:

ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи (US)

Предложено транспортное средство, содержащее камеру, окно, светочувствительный датчик, контроллер, искусственную нейронную сеть. Камера выдает данные изображения, соответствующие одному или более изображениям, снятым с занимающего место человека в транспортном средстве. Датчик распознает поток излучения, переданный через окно, имеющее переменную светопроницаемость, к занимающему место человеку. Искусственная нейронная сеть классифицирует восприятие переданного потока излучения занимающим место человеком на основе изображений и переданного потока излучения. С помощью нейронной сети формируют показатель сходства для каждого из множества классов конфигурации занимающего место человека, с использованием данных изображения в качестве входных данных, при этом каждый из множества классов связан с соответствующим восприятием потока излучения занимающим место человеком. Выбирают класс конфигурации занимающего место человека, связанный с занимающим место человеком, основываясь на показателе сходства для класса конфигурации занимающего место человека, отвечающем пороговой величине, причем выбранный класс включен во множество классов. С помощью контроллера изменяют светопроницаемость окна, основываясь на восприятии потока излучения занимающим место человеком, связанного с выбранным классом конфигурации занимающего место человека. Предложен также способ управления светопроницаемостью окон транспортного средства. Достигается настройка светопроницаемости окон для удовлетворения насущных потребностей водителя или другого занимающего место человека в транспортном средстве. 2 н. и 18 з.п. ф-лы, 7 ил.

 

Область техники, к которой относится изобретение

Это изобретение относится к системам транспортного средства, а точнее, к системам и способам для использования основанных на изображении классификаций одного или более занимающих места людей в транспортном средстве в качестве основы для настройки светопроницаемости одного или более окон транспортного средства.

УРОВЕНЬ ТЕХНИКИ

Условия освещения в среде, окружающей транспортное средство, могут оказывать неблагоприятное влияние на водителя такого транспортного средства. Например, солнечный свет, проходящий через ветровое стекло транспортного средства, может ухудшать способность водителя видеть, что находится перед транспортным средством. Наоборот, ветровое стекло или другое окно транспортное средство, которое постоянно тонировано, чтобы отфильтровывать значительные количества солнечного света, может отфильтровывать слишком много, чтобы быть пригодным для условий более тусклого освещения. Соответственно, необходимы система и способ транспортного средства для настройки светопроницаемости окон, чтобы удовлетворяли насущным потребностям водителя или другого занимающего место человека в транспортном средстве.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Заявлено транспортное средство, содержащее:

камеру, выдающую данные изображения, соответствующие одному или более изображениям, снятым с занимающего место человека в транспортном средстве;

окно, имеющее переменную светопроницаемость;

искусственную нейронную сеть, обученную классифицировать занимающего место человека в транспортном средстве, формируя показатели сходства для двух или более классов с использованием данных изображения в качестве входных данных; и

по меньшей мере один контроллер, управляющий светопроницаемостью окна на основании классификаций, произведенных искусственной нейронной сетью.

Причем в заявленном транспортном средстве два или более классов содержат носящего солнцезащитные очки и не носящего солнцезащитные очки.

Причем в заявленном транспортном средстве два или более классов содержат занимающего место человека, который является ребенком, и занимающего место человека, который не является ребенком.

Причем в заявленном транспортном средстве два или более классов содержат занимающего место человека, который заслоняет глаза рукой, и занимающего место человека, который не заслоняет глаза рукой.

Причем в заявленном транспортном средстве два или более классов содержат пигментацию кожи ниже первого уровня и пигментацию кожи выше второго уровня, который является равным или большим, чем первый уровень.

Заявленное транспортное средство дополнительно содержит по меньшей мере один светочувствительный датчик, выдающий световые данные, характеризующие рассеянный свет в среде, окружающей транспортное средство.

Причем в заявленном транспортном средстве искусственная нейронная сеть обучена классифицировать занимающего место человека в транспортном средстве, формируя показатели сходства для двух или более классов с использованием данных изображения и световых данных в качестве входных сигналов.

Причем в заявленном транспортном средстве по меньшей мере один светочувствительный датчик содержит прозрачный фотогальванический слой, формирующий часть окна.

В заявленном транспортном средстве камера является камерой в кабине; и

по меньшей мере один светочувствительный датчик является наружной камерой, которая обращена вперед или назад относительно транспортного средства.

В заявленном транспортном средстве окно является ветровым стеклом транспортного средства.

В заявленном транспортном средстве окно содержит электрохроматический материал; и

по меньшей мере один контроллер управляет напряжением, приложенным к электрохроматическому материалу.

Заявлен способ, содержащий этапы, на которых:

принимают, посредством компьютерной системы, несомой на борту транспортного средства, данные изображения, захваченные камерой в кабине, ориентированной, с тем чтобы быть направленной на по меньшей мере одного занимающего место человека в транспортном средстве, при этом, данные изображения содержат по меньшей мере одно изображение, захваченное камерой в кабине в течение периода времени;

принимают, искусственной нейронной сетью, работающей на компьютерной системе, данные изображения в качестве входного сигнала;

формируют, посредством искусственной нейронной сети, показатели классификации на основании входных сигналов в отношении по меньшей мере двух классов, по меньшей мере два класса содержат характеристики по меньшей мере одного занимающего место человека.

управляют, посредством компьютерной системы, светопроницаемостью по меньшей мере одного окна транспортного средства на основании показателей классификации, сформированных искусственной нейронной сетью.

Причем в заявленном способе данные изображения содержат многочисленные следующие друг за другом изображения, захваченные камерой в кабине в течение периода времени; и

период времени является меньшим 10 секунд.

Причем в заявленном способе по меньшей мере два класса содержат ношение солнцезащитных очков и не ношение солнцезащитных очков.

Причем в заявленном способе по меньшей мере два класса содержат занимающего место человека, который является ребенком, и занимающего место человека, который не является ребенком.

Причем в заявленном способе по меньшей мере два класса содержат занимающего место человека, который заслоняет глаза рукой, и занимающего место человека, который не заслоняет глаза рукой.

Причем в заявленном способе по меньшей мере два класса содержат пигментацию кожи ниже первого уровня и пигментацию кожи выше второго уровня, который является равным или большим, чем первый уровень.

Заявленный способ дополнительно содержит по меньшей мере один светочувствительный датчик, выдающий световые данные, характеризующие рассеянный свет в среде, окружающей транспортное средство.

Причем в заявленном способе искусственная нейронная сеть обучена классифицировать занимающего место человека в транспортном средстве, формируя показатели сходства для двух или более классов с использованием данных изображения и световых данных в качестве входных сигналов.

Причем в заявленном способе транспортное средство дополнительно содержит систему связи, передающую одну или более классификаций, произведенных искусственной нейронной сетью, в аппаратные средства вне транспортного средства; и

аппаратные средства вне транспортного средства формирует часть стационарной телекоммуникационной инфраструктуры или другое транспортное средство.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Для того чтобы преимущества изобретения были без труда понятны, более конкретное описание изобретения, кратко описанного выше, будет представлено посредством ссылки на конкретные варианты осуществления, проиллюстрированные на прилагаемых чертежах. Понимая, что эти чертежи изображают только типичные варианты осуществления изобретения, а потому, не должны считаться ограничивающими его объем, изобретение будет описано и пояснено с дополнительной спецификой и детализацией посредством использования прилагаемых чертежей, на которых:

фиг. 1 - принципиальная схема, иллюстрирующая один из вариантов осуществления окна с переменной светопроницаемостью в соответствии с настоящим изобретением;

фиг. 2 - принципиальная схема, иллюстрирующая один из вариантов осуществления технологического контекста, в рамках которого может функционировать система для управления светопроницаемостью окон в соответствии с настоящим изобретением;

фиг. 3 - принципиальная структурная схема, иллюстрирующая один из вариантов осуществления системы для управления светопроницаемостью окон в соответствии с настоящим изобретением;

фиг. 4 - принципиальная структурная схема одного из вариантов осуществления способа для управления светопроницаемостью окон в соответствии с настоящим изобретением;

фиг. 5 - принципиальная структурная схема альтернативного варианта осуществления способа для управления светопроницаемостью окон в соответствии с настоящим изобретением;

фиг. 6 - принципиальная структурная схема способа для использования прошлого опыта для подготовки к будущим событиям в соответствии с настоящим изобретением; и

фиг. 7 - принципиальная структурная схема способа для использования компьютеризованного знания дорожной обстановки и/или среды вождения для подготовки к будущим событиям в соответствии с настоящим изобретением.

ПОДРОБНОЕ ОПИСАНИЕ

Будет без труда понятно, что компоненты настоящего изобретения, которые в общих чертах описаны и проиллюстрированы на фигурах настоящей заявки, могли бы быть организованы и сконструированы в широком многообразии разных конфигураций. Таким образом, нижеследующее более подробное описание вариантов осуществления изобретения, как представлено на фигурах, не подразумевается ограничивающим объем изобретения, но является всего лишь представляющим некоторые примеры предполагаемых в настоящее время вариантов осуществления в соответствии с изобретением. Описанные в настоящее время варианты осуществления будут лучше всего понятны посредством обращения к чертежам, на которых одинаковые части обозначены идентичными номерами на всем протяжении.

Со ссылкой на фиг. 1, реальный мир представляет собой совокупность условий освещения, которые постоянно меняются. Эта реальность создает значительные проблемы для водителей и других занимающих места людей в транспортных средствах. Например, в один момент водитель может вести автомобиль в тени, с его или ее глазами, приспособленными к таким условиям. Моментом позже, водитель может подвергаться воздействию прямой видимости солнца через его или ее ветровое стекло. Это резкое изменение может, на несколько секунд, делать водителя неспособным четко видеть дорогу впереди. Более того, чтобы принимать меры в ответ на это резкое изменение освещения, водитель может щурить его или ее глаза и/или убирать руку с рулевого колеса, чтобы заслонить свои глаза, развернуть солнцезащитный козырек, надеть пару солнцезащитных очков, или тому подобное. Таким образом, в момент пониженной видимости, водитель также может быть физически растерян и/или обязан выполнять дополнительные задачи.

Чтобы преодолеть эти проблемы, транспортное средство 10 в соответствии с настоящим изобретением может быть оборудовано с одним или более окнами 12 (например, ветровым стеклом, задним окном, одним или более боковыми окнами, полупрозрачным люком в крыше, или тому подобным, либо их комбинацией или подкомбинацией), имеющими переменную светопроницаемость, и компьютерную систему 14 для управления светопроницаемостью одного или более окон 12. Светопроницаемость может определять способность окна 12 пропускать лучистую энергию сквозь него. Светопроницаемость может быть выражена в виде процентного отношения падающего лучистого потока 16, который проходит сквозь окно 12, чтобы становиться пропущенным лучистым потоком 18. Таким образом, светопроницаемость около ста процентов соответствовала бы окну 12, которое дает по существу всему падающему свету 16 возможность проходить через него, тем временем, светопроницаемость около нуля соответствовала бы окну 12, которое по существу не пропускает падающий свет 16 сквозь него.

Окно 12 с переменной светопроницаемостью может избирательно настраиваться или управляться в пределах конкретного диапазона светопроницаемости или между многочисленными состояниями светопроницаемости. Например, в некоторых вариантах осуществления, применительно к свету в пределах конкретной полосы спектра (например, видимому свету, ультрафиолетовому (УФ, UV) свету, или тому подобному, либо их комбинации), диапазон светопроницаемости окна 12 в соответствии с настоящим изобретением может продолжаться от максимум приблизительно 80% до минимум приблизительно 0,1%. В других вариантах осуществления, применительно к свету в пределах конкретной полосы спектра (например, видимому свету, ультрафиолетовому свету, или тому подобному, либо их комбинации), диапазон светопроницаемости окна 12 в соответствии с настоящим изобретением может продолжаться от максимум приблизительно 65% до минимум приблизительно 0,1%. В выбранных вариантах осуществления, светопроницаемость окна 12 в соответствии с настоящим изобретением может быть непрерывно настраиваемой (то есть, посредством системы 14) в рамках своего диапазона светопроницаемости. В других вариантах осуществления, светопроницаемость окна 12 в соответствии с настоящим изобретением может переключаться (то есть, посредством системы 14) между дискретными состояниями светопроницаемости.

Окно 12 может обеспечивать переменную светопроницаемость любым пригодным образом. В выбранных вариантах осуществления, окно 12 может включать в себя разные компоненты или слои, которые выполняют разные функции. Например, в некоторых вариантах осуществления, окно 12 может включать в себя конструктивный компонент 20 или слой 20 и компонент или слой 22 светопроницаемости. Конструктивный компонент 20 может обеспечивать конструкционную прочность окна 12. В выбранных вариантах осуществления, конструктивный компонент может быть или содержать стекло (например, ламинированное стекло), прозрачный полимерный материал, или тому подобное. Компонент 22 светопроницаемости может обеспечивать, на основании разных входных сигналов, выдаваемых в него, разные уровни светопроницаемости.

В некоторых вариантах осуществления или применительно к некоторым окнам 12 транспортного средства 10, компонент 22 светопроницаемости может быть или содержать электрохроматический слой, который меняет свойства пропускания света в ответ на изменения напряжения, приложенного к нему. Соответственно, посредством управления напряжением, приложенным к электрохроматическому слою, система 14 может управлять светопроницаемостью соответствующего окна 12. В других вариантах осуществления или применительно к другим окнам 12 транспортного средства 10, компонент 22 светопроницаемости может быть или содержать устройство со взвешенными частицами, рассредоточенное в полимере жидкокристаллическое устройство, микрошторки, нанокристаллическое устройство, или тому подобное.

В дополнение к конструктивному компоненту 20 и компоненту 22 светопроницаемости, окно 12 в соответствии с настоящим изобретением также может включать в себя фотогальванический компонент 24 или слой 24. Например, окно 20 может включать в себя слой фотогальванического материала (например, прозрачного фотогальванического материала, полупрозрачного фотогальванического материала, который сам по себе обеспечивает некоторый уровень тонирования, или тому подобное), продолжающийся по всему или некоторой части окна 12. В выбранных вариантах осуществления, электрическая мощность, вырабатываемая фотогальваническим компонентом 24, может использоваться для питания компонента 22 светопроницаемости. В качестве альтернативы или в дополнение к этому, напряжение, вырабатываемое фотогальваническим компонентом 24, может использоваться в качестве меры количества света, падающего на соответствующее окно 12. То есть, чем больше света и чем направленнее свет (то есть, чем перпендикулярнее лучи света относительно соответствующего окна 12), тем выше может быть напряжение, выдаваемое фотогальваническим компонентом 24. Таким образом, фотогальванический компонент 24 может быть генератором мощности, светочувствительным датчиком или их комбинацией.

Различные компоненты окна 12 могут быть устроены любым пригодным образом. Например, в одном из вариантов осуществления, фотогальванический компонент 24 может быть расположен на внешней поверхности конструктивного компонента 20, в то время как компонент 22 светопроницаемости может быть расположен на внутренней поверхности конструктивного компонента 20. В качестве альтернативы, один или оба из компонента 22 светопроницаемости и фотогальванического компонента 24 могут быть расположены между (и, таким образом, защищенными) двумя или более слоев конструктивного компонента 20.

Система 14 в соответствии с настоящим изобретением может присоединяться к компоненту 22 светопроницаемости и/или фотогальваническому компоненту 24 любым пригодным образом. В выбранных вариантах осуществления, система 14 может присоединяться к противоположным шинопроводам противоположной полярности, которые осаждены на или иным образом приклеены к компоненту 22 светопроницаемости, для того чтобы прикладывать напряжение к компоненту 22 светопроницаемости. Подобным образом, система 14 может присоединяться к противоположным шинопроводам противоположной полярности, которые осаждены на или иным образом приклеены к фотогальваническому компоненту 24, для того чтобы измерять напряжение, вырабатываемое фотогальваническим компонентом 24. Такие шинопроводы могут быть расположены на периферии окна 12, где они могут быть скрыты из вида (например, в пределах канала движения стекла, в двери транспортного средства, или тому подобном) или минимально мешать видимости в или из окна 12 или вредить эстетике соответствующего транспортного средства 10.

Со ссылкой на фиг. 2, в выбранных вариантах осуществления, транспортное средство 10 может включать в себя один или более датчиков 26. Система 14 в соответствии с настоящим изобретением может использовать выходные сигналы одного или более таких датчиков 26 для определения, каким образом лучше всего управлять светопроницаемостью одного или более окон 12. Датчики 26, включенные в транспортное средство 10, могут принимать любую пригодную форму. Например, один или более датчиков 26 могут содержать камеры, светочувствительные датчики, фотогальванические компоненты 24, датчики температуры, или тому подобное. Соответственно, система 14 может настраивать светопроницаемость одного или более окон 12, для того чтобы управлять величиной пропускаемого лучистого потока 189, температурой внутри кабины соответствующего транспортного средства 10, или тому подобным либо их комбинацией.

В выбранных вариантах осуществления, система 14 в соответствии с настоящим изобретением может управлять больше, чем светопроницаемостью одного или более окон 12. Например, система 14 может управлять высотой одного или более сидений в транспортном средстве 10. Соответственно, если данные с одного или более датчиков 26 будут указывать, что занимающий место человек (например, пассажир) получает недостаточную тень от солнцезащитного козырька или тому подобного, система 14 может давать команду соответствующему сиденью поднять занимающего место человека в достаточной мере для того, чтоб его или ее глаза были удовлетворительно затенены солнцезащитным козырьком.

В некоторых вариантах осуществления, один или более датчиков 26 изображения в соответствии с настоящим изобретением могут быть камерами 26a переднего обзора (например, камерами, направленными в зону перед транспортным средством 10), камерами 26b заднего обзора (например, камерами заднего вида или камерами, направленными в зону за транспортным средством 10), камерами 26c занимающего место человека (например, камерами, направленными на или захватывающими изображения одного или более из водителя, пассажира, пассажира на заднем сиденье, или тому подобное), камерами 26d точки обзора (например, камерами, захватывающими точку обзора водителя или другого занимающего место человека и/или через ветровое стекло или другое окно), или тому подобным, либо их комбинацией или подкомбинацией.

Данные изображения (например, видеоданные), захваченные одним или более датчиков 26, могут обрабатываться системой 14 в качестве отдельных изображений или кадров. Например, в искусственную нейронную сеть в системе 14 могут подаваться изображения или кадры, захваченные одним или более датчиками 26. Искусственная нейронная сеть может учитывать такие изображения или кадры, в то время как она определяет, какой класс (например, какая характеристика занимающего место человека) представлен в нем. Соответственно, система 14 может управлять светопроницаемостью одного или более окон 12 в соответствии с классификациями, выполненными искусственной нейронной сетью.

В выбранных вариантах осуществления, искусственная нейронная сеть, соответствующая системе 14 в соответствии с настоящим изобретением, может анализировать многочисленные следующие друг за другом изображения, захваченные датчиком 26 в течение короткого периода времени (например, несколько изображений, захваченных за период в несколько секунд). Если значимое большинство изображений является указывающим первое условие (например, пропускаемый лучистый поток 18 выше порогового значения, пропускаемый лучистый поток 18 ниже порогового значения, щурящийся водитель, водитель, заслоняющий глаза рукой, водитель, носящий солнцезащитные очки, или тому подобное), система 14 может вероятнее определять, что присутствует первое условие.

В некоторых вариантах осуществления, классификации, выполняемые искусственной нейронной сетью, могут происходить в реальном времени вместе с захватом данных с датчиков, на которых основана классификация. То есть, искусственная нейронная сеть может количественно определять соответствие конкретных данных с датчиков (например, данных изображения) одному или более классов в течение очень короткого периода времени после захвата таких конкретных данных с датчиков одним или более датчиками 26. В выбранных вариантах осуществления, такой очень короткий период времени может иметь значение около 10 секунд или менее, 5 секунд или менее, 2 секунд или менее, или тому подобное.

В выбранных вариантах осуществления, одна или более классификаций, выполненных системой 14 в соответствии с настоящим изобретением, могут быть безразличны к какому бы то ни было признаку, содержащемуся в одном или более изображениях, захваченных любым датчиком 26. То есть, искусственная нейронная сеть в системе 14 может не разыскивать данные изображения, соответствующие одному или более датчиков 26 для какого-нибудь конкретного признака. Скорее, искусственная нейронная сеть может принимать решение, являются ли все данные изображения, принятые ею, взятые в целом, в большей степени указывающими один или другой класс.

Это безразличие системы 14 в соответствии с настоящим изобретением может давать значительные преимущества. Например, каждое изображение может исследоваться или анализироваться «как есть». То есть, может не быть необходимости в предварительной обработке изображений, чтобы система 14 функционировала надлежащим образом. Более того, никакая дополнительная калибровка может быть не нужна. Более того, искусственная нейронная сеть может использовать одно или более изображений в своем процессе классификации безотносительно к тому, был ли датчик 26, который захватывал одно или более изображений, прикреплен в точном расположении относительно его целевого объекта.

В выбранных вариантах осуществления, информация, характеризующая некоторые условия освещения, может пересылаться или сообщаться из системы 14 на борту транспортного средства 10 в некоторые аппаратные средства, расположенные вне транспортного средства 10. То есть, информация об освещении может пересылаться между транспортными средствами (V2V), транспортным средством и инфраструктурой (V2I), транспортным средством и всем остальным (V2X), или тому подобным, либо их комбинацией или подкомбинацией. Например, информация, сформированная или собранная системой 14 на борту одного транспортного средства 10a, может пересылаться на одно или более других транспортных средств 10b, которые находятся поблизости. Соответственно, информация, сформированная или собранная одним транспортным средством 10a, может использоваться (например, полностью перениматься или учитываться) системами 14 на борту одного или более других транспортных средств 10b.

В выбранных вариантах осуществления, информация об освещении может пересылаться 28 непосредственно из одного транспортного средства 10a на другое транспортное средство 10b (например, с помощью радиопередачи). В качестве альтернативы, информация об освещении может подаваться 30 системой 14 на борту транспортного средства 10a в систему 32 связи (например, систему 32 связи, содержащую стационарную телекоммуникационную инфраструктуру). Например, система 14 может подавать 30 информацию об освещении в сотовую телефонную сеть, отправляя один или более сигналов на находящуюся поблизости вышку 34a сотовой связи. В выбранных вариантах осуществления, информация, поставляемая 30 системой 14, может направляться через систему 32 и доставляться 36 в соответствующие системы 14 одного или более других транспортных средств 10b. В качестве альтернативы, информация, подаваемая 30 в систему 32 связи системой 14, может доставляться 38 в компьютерную систему 40, обрабатываться компьютерной системой 40, подаваться 42 компьютерной системой 40 обратно в систему 32 связи и доставляться 36 в соответствующие системы 14 одного или более других транспортных средств 10b.

Например, в выбранных вариантах осуществления, система 32 связи может включать в себя сотовую телефонную сеть, содержащую первую вышку 34a сотовой связи, расположенную рядом с первым транспортным средством 10a, вторую вышку 34b сотовой связи, расположенную рядом со вторым транспортным средством 10b, и сеть 44, соединяющую первую вышку 34a сотовой связи со второй вышкой 34b сотовой связи. Компьютерная система 40 также может присоединяться к сети 44. Соответственно, информация, подаваемая 30 в сотовую телефонную сеть системой 14, соответствующей первому транспортному средству 10a, может приниматься компьютерной системой 40, так чтобы она могла записываться и/или обрабатываться и распространяться на одно или более других транспортных средств 10b, или тому подобное, либо их комбинацию или подкомбинацию.

Со ссылкой на фиг. 3, система 14 в соответствии с настоящим изобретением, может формировать или собирать информацию, характеризующую событие или условие освещения, с использованием обработки сигналов, глубинного обучения или их комбинации. Система 14 может достигать этого любым пригодным образом. Например, система 14 может быть воплощена в виде аппаратных средств, программного обеспечения или некоторой их комбинации.

В выбранных вариантах осуществления, система 14 может включать в себя компьютерные аппаратные средства и компьютерное программное обеспечение. Компьютерные аппаратные средства системы 14 могут включать в себя один или более процессоров 46, память 48, один или более пользовательских интерфейсов 50, другие аппаратные средства 52, или тому подобное, либо их комбинацию или подкомбинацию. В некоторых вариантах осуществления все или некоторый поднабор этих компьютерных аппаратных средств могут быть аппаратными средствами. уже включенными в состав в виде части транспортного средства 10. То есть, все или некоторая часть компьютерных аппаратных средств могут быть многоцелевыми и выполнять задачи, которые уже связаны с эксплуатацией транспортного средства 10. В качестве альтернативы, система 14 в соответствии с настоящим изобретением может быть выделена исключительно под управление светопроницаемостью одного или более окон 12.

Память 48 системы 14 в соответствии с настоящим изобретением может быть присоединена пригодным для эксплуатации образом к одному или более процессорам 46 и хранить компьютерное программное обеспечение. Это может давать одному или более процессорам 46 возможность приводить в исполнение компьютерное программное обеспечение. Таким образом, система 14 может дополнять функциональные возможности или признаки транспортного средства 10 посредством добавления и/или модификации программного обеспечения, добавления дополнительных аппаратных средств в транспортное средство 10 или их комбинацией.

Пользовательский интерфейс 50 системы 14 может давать инженеру, техническому специалисту, водителю или тому подобному, возможность взаимодействовать с, эксплуатировать, индивидуально настраивать или управлять различными аспектами системы 14. Пользовательский интерфейс 50 может давать пользователю возможность вручную управлять (например, с определенным шагом повышать или снижать при касании кнопки) светопроницаемость одного или более окон 12, полностью затемнять все окна 12 при оставлении соответствующего транспортного средства 10 без присмотра, полностью затемнять все окна 12 в течение периода полностью автономного вождения, или тому подобное. В выбранных вариантах осуществления, пользовательский интерфейс 50 системы 14 может включать в себя одну или более кнопок, кнопочных панелей, клавиатур, сенсорных экранов, координатно-указательных устройств, или тому подобного, либо их комбинацию или подкомбинацию. В качестве альтернативы ил в дополнение к этому, пользовательский интерфейс 50 может содержать один или более портов связи (например, штекерных портов, портов беспроводной связи, и т.д.), через которые один или более внешних компьютеров или устройств могут поддерживать связь с системой 14 или одним или более ее компонентов. Например, пользовательский интерфейс 50 может включать в себя порт связи, через который беспроводное устройство ручной коррекции, связанное с полицейским, или тому подобное, может давать системе 14 команду доводить до максимума светопроницаемость одного или более (например, всех) окон 12 транспортного средства 10 во время остановки движения транспорта, досмотра транспортного средства, или тому подобного.

В выбранных вариантах осуществления, память 48 системы 14 может хранить (по меньшей мере временно) данные 54 с датчиков (например, один или более сегментов сигнала, выведенного одним или более датчиками 26, несомыми на борту транспортного средства 10), видеоданные 56 (например, один или более файлов 56 видеоданных), собранные или захваченные одним или более датчиками 26, несомыми на борту транспортного средства 10, один или более файлов 58 изображений, содержащих в себе, определяющих или соответствующих одному или более изображений, захваченных одним или более датчиками 26 или извлеченных из видеоданных, собранных или захваченных одним или более датчиками 26, или тому подобное, либо их комбинацию или подкомбинацию.

Дополнительно, память 48 может хранить один или более модулей программного обеспечения. Например, память 48 может хранить модуль 60 обработки сигналов, модуль 62 связи, модуль 64 извлечения изображений, модуль 66 нейронной сети, модуль 68 обратной связи, модуль 70 управления, другие данные или программное обеспечение 72, или тому подобное, либо их комбинацию или подкомбинацию. В качестве альтернативы, один или более из модуля 60 обработки сигналов, модуля 62 связи, модуля 64 извлечения изображений, модуля 66 нейронной сети, модуля 68 обратной связи и модуля 70 управления могут быть воплощены в качестве аппаратных средств или содержать аппаратные компоненты. Таким образом, несмотря на то, что фиг. 3 показывает модуль 60 обработки сигналов, модуль 62 связи, модуль 64 извлечения изображений, модуль 66 нейронной сети, модуль 68 обратной связи и модуль 70 управления в качестве являющихся исключительно программными модулями, которые хранятся в памяти 48, в действительности, один или более из этих модулей 60, 62, 64, 66, 68, 70 могут содержать аппаратные средства, программное обеспечение или их комбинацию.

Модуль 60 обработки сигналов может давать системе 14 возможность принимать и интерпретировать сигнал, выведенный одним или более датчиками 26. Например, сигнал, выведенный светочувствительным датчиком 26 (например, фотогальваническим компонентом 24 окна 12, фотодиодом, фототранзистором, камерой, действующей или используемой в качестве светочувствительного датчика, или тому подобным), может нуждаться в том, чтобы усиливаться, фильтроваться, дискретизироваться, преобразовываться, сравниваться с одним или более пороговыми значениями, или тому подобным, либо их комбинации или подкомбинации, для того чтобы извлекать из него полезную информацию или принимать решения на его основании. Соответственно, такая обработка сигналов может выполняться по мере надобности модулем 60 обработки сигналов.

Модуль 62 связи может давать данным, таким как один или более сегментов данных 54 с датчиков, из файлов 56 видеоданных, файлов 58 изображений, программных компонентов (например, одного или более модулей 60, 62, 64, 66, 68, 70 или обновлений к ним), информация, характеризующая событие освещения, классификации (например, классификационная информация, выведенная искусственной нейронной сетью системы 14), или тому подобному, либо их комбинациям или подкомбинациям, возможность пересылаться (например, пересылаться 28, 30, 36 с помощью радиоволн) в или из системы 14 в соответствии настоящим изобретением. Например, модуль 62 связи, формирующий часть системы 14, несомой на борту одного транспортного средства 10b, может давать такой системе 14 возможность принимать или использовать информацию, сформированную или собранную другим транспортным средством 10a. В качестве альтернативы или в дополнение к этому, модуль 62 связи может давать системе 14 возможность принимать обновление в свой модуль 66 нейронной сети. Соответственно, улучшения, разработанные вне транспортного средства 10, могут переноситься на борт по желанию или при необходимости.

Модуль 64 извлечения изображений может извлекать одно или более изображений из видеоданных, захваченных одним или более датчиками 26. Например, модуль 64 извлечения изображений может извлекать одно или более изображений (например, несколько изображений, захваченных за период в две секунды или менее) из файла 56 видеоданных, который хранится в памяти 48, видеоданных, которые выводятся датчиком 26, или тому подобное. В выбранных вариантах осуществления, модуль 64 извлечения изображений может сохранять одно или более изображений, которые извлечены им, в качестве файлов 58 изображений в памяти 48.

Модуль 66 нейронной сети, например, может включать в себя или поддерживать искусственную нейронную сеть, запрограммированную выполнять или применять глубинное обучение. Глубинное обучение, выполняемое или применяемое искусственной нейронной сетью, может использовать один или более алгоритмов для моделирования высокоуровневых абстракций в данных, соответствующих одному или более изображениям, других данных с датчиков и/или их комбинаций, которые собираются одним или более датчиками 26, присоединенными к системе 14 в соответствии с настоящим изобретением. В выбранных вариантах осуществления, это может достигаться посредством использования многочисленных слоев обработки, содержащих многочисленные нелинейные преобразования.

Например, искусственная нейронная сеть, соответствующая модулю 66 нейронной сети, может содержать вычислительные графы с прямой связью с входными узлами, скрытыми слоями и выходными узлами. Применительно к классификациям, которые включают в себя изображения, значения пикселей входного изображения, формирующего часть классификации, могут назначаться входным узлам, а затем подаваться через сеть, проходя некоторое количество нелинейных преобразований. В конце вычисления, выходной узел может давать значение, которое соответствует классу, логически выведенному нейронной сетью.

Для того чтобы искусственная нейронная сеть, соответствующая модулю 66 нейронной сети, была способна проводить различие между разными классами, она должна быть обучена на основании примеров. Соответственно, для создания искусственной нейронной сети, которая способна классифицировать множество разных характеристик занимающего место человека, поведений занимающего место человека, условий освещения, и т. д., большая совокупность примерных изображений и других данных с датчиков (например, от сотен до тысяч для каждого типа и/или уровня), имеющих известные (например, помеченные) характеристики, поведения, условия, и т. д., должен использоваться в качестве обучающих данных. Таким образом, с использованием обратного распространения, может обучаться искусственная нейронная сеть.

Как только обучена, искусственная нейронная сеть, соответствующая модулю 66 нейронной сети, может принимать одни или более входные сигналы (например, данные, выведенные из или соответствующие одному или более датчикам 26) и классифицировать такие входные сигналы в качестве имеющих конкретное числовое сходство (например, процентный «показатель») для каждого класса, применительно к которому обучалась искусственная нейронная сеть. Соответственно, если искусственная нейронная сеть была обучена на двадцати разных классах, то, применительно к одному или более входным сигналам, искусственная нейронная сеть может выдавать двадцать числовых показателей. Каждый такой показатель может быть указывающим сходство одного или более входных сигналов (или физической реальности, отраженной одним или более входными сигналами) с отличным классом.

В решающей или четкой классификации, один или более входных данных могут показывать сильное сходство с одним классом и слабое сходство со всеми другими классами. В нерешающей или нечеткой классификации, один или более входных сигналов могут показывать непреимущественное сходство с любым конкретным классом. Например, может быть «высокий» показатель для конкретного класса, но такой показатель может быть близким к другим показателям для других классов.

Соответственно, в выбранных вариантах осуществления, модуль 66 нейронной сети может применять одно или более сравнений с пороговым значением или испытаний, чтобы определять, является ли какая-нибудь конкретная классификация в достаточной мере решающей или четкой, с тем чтобы действовать согласно ей или полагаться на нее (например, является ли классификация в достаточной мере решающей или четкой, с тем чтобы изменять светопроницаемость одного или более окон 12. Например, модуль 66 нейронной сети может испытывать классификацию, чтобы узнавать, соответствует ли или удовлетворяет ли расхождение между верхним показателем и всеми другими показателями некоторому пороговому значению расхождения.

В некоторых вариантах осуществления, искусственная нейронная сеть, формирующая, поддерживаемая или включенная в модуль 66 нейронной сети, может функционировать на борту транспортного средства 10 в обучающем режиме или режиме реализации. В режиме обучения, искусственная нейронная сеть может обучаться на многочисленных изображениях или данных с датчиков, соответствующих известным классам. В режиме реализации, искусственная нейронная сеть может анализировать данные изображения, захваченные одним или более датчиками 26 (например, одиночное изображение, многочисленные изображения или многочисленные следующие друг за другом изображения, извлеченные из видеоданных, захваченных камерой), и/или данные с датчиков, сформированные посредством или соответствующие одному или более другим датчикам 26 (например, светочувствительных датчиков, термометров, или тому подобного), для того чтобы классифицировать соответствующую среду, окружающую транспортное средство, в качестве находящейся в одних или других условиях освещения в течение одного и того же периода времени (например, до тех пор, пока не классифицированы последующие изображение или данные с датчиков, или через период времени приблизительно 1 секунды, 3 секунд, 5 секунд, 10 секунд, или тому подобное).

Соответственно, искусственная нейронная сеть, соответствующая модулю 66 нейронной сети может обучаться во время функционирования в или на аппаратных средствах системы 14, несомой на борту в качестве стандартного или дополнительного оборудования серийного транспортного средства 10. В качестве альтернативы, искусственная нейронная сеть, соответствующая модулю 66 нейронной сети, может обучаться во время функционирования в или на аппаратных средствах вспомогательной системы 14 (например, внешней системе 14 в вычислительной лаборатории, вспомогательной системе 14, несомой на борту испытательного транспортного средства 10 специально в целях обучения, или тому подобном), а затем, «клонироваться» или иным образом копироваться на или импортироваться в пределах серийной системы 14, формирующей часть серийного транспортного средства 10.

В некоторых вариантах осуществления, модуль 66 нейронной сети может быть, включать в себя или поддерживать единую искусственную нейронную сеть общего применения. Такая искусственная нейронная сеть общего применения может принимать все имеющиеся в распоряжении или требуемые входные сигналы (например, все данные из комплекта датчиков 26, присоединенных к системе 14) и выводить все показатели сходства для всех разных классов. Однако, в других вариантах осуществления, модуль 66 нейронной сети может содержать, включать в себя или поддерживать многочисленные специфичные по виду деятельности искусственные нейронные сети или одну или более искусственных нейронных сетей, которые обрабатывают меньшее количество, чем все имеющиеся в распоряжении, входные сигналы.

Например, в некоторых вариантах осуществления, первая, специфичная по изображению искусственная нейронная сеть может классифицировать данные изображения, соответствующие одному или более датчиков 26, тем временем, одна или более других систем или способов обработки могут применяться к данным или сигналу с одного или более других датчиков 26. Таким образом, работа по анализу и классификации, выполняемая модулем 66 нейронной сети, может быть разделена между одной или более многочисленных искусственных нейронных сетей, другими системами обработки или анализа (например, модули 60 обработки сигналов) или их комбинациями.

Одна или более искусственных нейронных сетей в соответствии с настоящим изобретением могут быть обучены распознавать (например, вырабатывать показатели сходства для) некоторого предопределенного набора классов. Количество классов в каждом наборе может меняться между вариантами осуществления. В некоторых вариантах осуществления, количество классов может быть относительно небольшим. Например, набор классов может состоять из не более двух классов (например, первого класса, соответствующего слишком большому количеству света, пропускаемого через конкретное окно 12 или группу окон 12, и второго класса, соответствующего слишком малому количеству света, пропускаемого через конкретное окно 12 или группу окон 12).

В других вариантах осуществления, количество классов в наборе может быть значительно большим. Например, первый поднабор классов в пределах конкретного набора может соответствовать водителю, носящему солнцезащитные очки (например, по меньшей мере один класс соответствует водителю, носящему солнцезащитные очки, и по меньшей мере один класс соответствует водителю, не носящему солнцезащитные очки); Второй поднабор классов в пределах набора может соответствовать щурящемуся водителю (например, по меньшей мере один класс соответствует щурящемуся водителю, и по меньшей мере один класс соответствует не щурящемуся водителю); третий поднабор классов в пределах набора может соответствовать водителю, использующему руку, чтобы заслонять его или ее глаза (например, по меньшей мере один класс соответствует водителю, использующему руку, чтобы заслонять его или ее глаза, и по меньшей мере один класс соответствует водителю, не использующему руку, чтобы заслонять его или ее глаза); четвертый поднабор классов в пределах набора может соответствовать диапазонам пигментации кожи (например, по меньшей мере два класса содержат пигментацию кожи ниже первого уровня и пигментацию кожи выше второго уровня, который является равным или большим, чем первый уровень); пятый поднабор классов в пределах набора может соответствовать диапазонам значения цвета одежды занимающего место человека (например, по меньшей мере два класса значения цвета содержат значение ниже первого уровня и значение выше второго уровня, который равен или больше первого уровня); шестой поднабор классов в пределах конкретного набора может соответствовать видимому возрасту занимающего место человека (например, по меньшей мере один класс соответствует ребенку, являющемуся занимающим место человеком в транспортном средстве 10, и по меньшей мере один класс соответствует ребенку, не являющемуся занимающим место человеком в транспортном средстве 10); седьмой поднабор классов в пределах набора может соответствовать диапазону падающих лучистых энергии или потока (например, по меньшей мере два класса содержат падающий лучистый поток 16 ниже первого уровня и падающий лучистый поток 16 выше второго уровня, который является равным или большим, чем первый уровень); восьмой поднабор классов в пределах набора может соответствовать диапазону пропускаемых лучистых энергии или потока (например, по меньшей мере два класса содержат пропускаемый лучистый поток 18 ниже первого уровня и падающий лучистый поток 18 выше второго уровня, который является равным или большим, чем первый уровень); или тому подобному, либо любой их комбинации или подкомбинации.

В выбранных вариантах осуществления, разные искусственные нейронные сети могут применяться для разных поднаборов классов. Например, первая искусственная нейронная сеть может осуществлять классификации в отношении первого поднабора, вторая искусственная нейронная сеть может осуществлять классификации в отношении второго поднабора, и т. д.

В качестве альтернативы, единая искусственная нейронная сеть может производить все классификации в отношении конкретного набора классов. В таких вариантах осуществления, различные перестановки различных элементов различных поднаборов могут определять классы, для которых формируются показатели. То есть, поднаборы в пределах конкретного набора могут перекрываться в по меньшей мере некоторой степени. Например, если первый поднабор классов в пределах конкретного набора соответствует водителю, носящему солнцезащитные очки, а второй поднабор классов в пределах набора соответствует водителю, использующему руку, чтобы заслонять его или ее глаза, может быть по меньшей мере четыре класса, оцениваемых искусственной нейронной сетью. Четыре класса могут включать в себя: (1) не носящий солнцезащитные очки и не заслоняющий глаза; (2) носящий солнцезащитные очки и не заслоняющий глаза; (3) не носящий солнцезащитные очки и заслоняющий глаза; и (4) носящий солнцезащитные очки и заслоняющий глаза.

Различные классификации, произведенные одной или более искусственными нейронными сетями в соответствии с настоящим изобретением, могут быть построены, чтобы идентифицировать ситуации, где изменение светопроницаемости одного или более окон 12 может быть полезным или желательным. Например, в заданных условиях освещения, водителю, носящему солнцезащитные очки может быть необходима или желательна большая светопроницаемость через одно или более окон 12, чем водителю, не носящему солнцезащитные очки. Соответственно, когда искусственная нейронная сеть классифицирует водителя в качестве носящего солнцезащитные очки, система 14 может быть менее агрессивной в своем тонировании одного или более окон 12.

Другие классификации могут иметь иные логические обоснования. Например, когда водитель щурится, это может быть указанием, что меньшая светопроницаемость необходима или желательна. Когда водитель использует руку, чтобы заслонять его или ее глаза, это может быть указанием, что нужна или желательна меньшая светопроницаемость. Когда занимающий место человек в транспортном средстве 10 имеет более светлую пигментацию кожи, это может быть указанием, что он или она может быть в большей степени чувствительным к ультрафиолетовому излучению, и что необходима или желательна меньшая светопроницаемость. Когда занимающий место человек в транспортном средстве 10 носит более темную одежду, какая одежда имеет тенденцию скорее поглощать, нежели отражать лучистую энергию, это может быть указанием, что меньшая светопроницаемость необходима или желательна. Когда занимающий место человек является ребенком, это может быть указанием, что он или она может быть в большей степени чувствительным к ультрафиолетовому излучению, и что необходима или желательна меньшая светопроницаемость. Когда большая падающая лучистая энергия или поток достигает окна 12, это может быть указанием, что необходима или желательна меньшая светопроницаемость. Когда большая пропущенная лучистая энергия или поток проходит сквозь окна 12, это может быть указанием, что необходима или желательна меньшая светопроницаемость. Таким образом, система 14 может использовать одну или более классификаций, произведенных одной или более искусственных нейронных сетей, для определения надлежащей регулировки для светопроницаемости одного или более окон 12 в конкретной ситуации или в конкретный момент времени.

В выбранных вариантах осуществления, модуль 68 обратной связи может быть включен в систему 14, чтобы поддерживать или делать возможным обучение искусственной нейронной сети, соответствующей модулю 66 нейронной сети, на борту. Модуль 68 обратной связи может выдавать информацию в модуль 66 нейронной сети, которая указывает, какой класс или условие соответствует каким данным с датчиков. Таким образом, модуль 68 обратной связи может давать системе 14 возможность формировать обучающие данные, на которых следует обучать (или улучшать обучение) соответствующей искусственной нейронной сети.

То есть, для того чтобы обучать искусственную нейронную сеть, обучающие данные известного класса могут анализироваться искусственной нейронной сетью. Может быть достаточно, чтобы система 14 имела данные с датчиков, собранные одним или более бортовыми датчиками 26. Системе 14 также может быть необходимо знать, какие из таких данных с датчиков соответствуют одному классу, а какие соответствуют другому. Эта дополнительная информация может собираться и выдаваться модулем 68 обратной связи.

Например, модуль 68 обратной связи может отмечать, когда человек-водитель развертывает солнцезащитный козырек, закрывает часть с затеняющую часть полупрозрачного люка в крыше, дает команду транспортному средству 10 затемнять глубину тона одного или более окон 12, или тому подобное. Соответственно, может быть «известно», что данные с датчиков, собранные или захваченные в или близко ко времени, когда выполнялось какое-нибудь действие, должны соответствовать «слишком ярким» условиям. Подобным образом, модуль 68 обратной связи может отмечать, когда человек-водитель убирает солнцезащитный козырек, открывает часть с затеняющую часть полупрозрачного люка в крыше, дает команду транспортному средству 10 осветлить глубину тона одного или более окон 12, или тому подобное. Соответственно, может быть «известно», что данные с датчиков, собранные или захваченные в или близко ко времени, когда выполнялось какое-нибудь действие, должны соответствовать «не слишком ярким» условиям.

Модуль 70 управления может быть запрограммирован запрашивать, инициировать или реализовывать одно или более действий или функций на основании обработки, выполняемой модулем 60 обработки сигналов, классификаций, определенных модулем 66 нейронной сети, или некоторой их комбинации. Например, когда модуль 70 управления определяет по данным, выведенным модулем 60 обработки сигналов, что лучистая энергия, падающая на заднее окно 12 находится в пределах конкретного диапазона, модуль 70 управления может устанавливать глубину тона заднего окна в значение, совместимое с (например, назначенное ранее на) таким конкретным диапазоном. Подобным образом, когда модуль 70 управления определяет по предыдущим показателям сходства, выведенным модулем 66 нейронной сети, что водитель носит солнцезащитные очки, модуль управления может запрашивать, инициировать или реализовывать изменения светопроницаемости одного или более окон 12, которые менее агрессивны (например, приводят к меньшей тонировке), чем когда показатели сходства указывают, что водитель не носит солнцезащитные очки.

В выбранных вариантах осуществления, модуль 70 управления может управлять напряжением, подаваемым на компоненты 22 светопроницаемости одного или более окон 12. Посредством управления напряжением, модуль 70 управления может управлять светопроницаемостью компонентов 22 светопроницаемости, а потому, устанавливать глубину тона таких окон 12. В некоторых вариантах осуществления, модуль 70 управления может по отдельности управлять многочисленными окнами 12 (например, всеми окнами) транспортного средства 10. Соответственно, модуль 70 управления может прикладывать разное напряжение к каждому из многочисленных окон 12, для того чтобы получать разную светопроницаемость или глубину тона для каждого.

В качестве альтернативы, модуль 70 управления может по отдельности управлять некоторыми группами или классами окон 12. Например, ветровое стекло может быть первым классом окна 12, полупрозрачный люк в крыше может быть вторым классом окна 12, а заднее окно и все боковые окна могут быть третьим классом окна 12. Соответственно, светопроницаемость ветрового стекла может управляться независимо от всех других окон 12, светопроницаемость полупрозрачного люка в крыше может управляться независимо от всех других окон 12, а заднее окно и боковые окна могут управляться совместно.

В других вариантах осуществления, могут назначаться другие группы или классы. Например, в выбранных вариантах осуществления, ветровое стекло может быть первым классом окна 12, полупрозрачный люк в крыше может быть вторым классом окна 12, а заднее окно может быть третьим классом окна 12, все окна на водительской стороне транспортного средства 10 могут быть четвертым классом окна 12, а все окна на пассажирской стороне транспортного средства 10 могут быть пятым классом окна 12. Соответственно, светопроницаемость ветрового стекла может управляться независимо от всех других окон 12, светопроницаемость полупрозрачного люка в крыше может управляться независимо от всех других окон 12, светопроницаемость заднего окна может управляться независимо от всех других окон 12, светопроницаемость всех окон на водительской стороне транспортного средства 10 может управляться совместно, и светопроницаемость всех окон на пассажирской стороне транспортного средства 10 может управляться совместно.

Со ссылкой на фиг. 4, в выбранных вариантах осуществления, применение 74 одного или более алгоритмов классификации искусственной нейронной сети к изображению или другим данным с датчиков может начинаться получением 76 входных данных. Такие входные данные могут включать в себя одно или более классифицированных изображений и, если желательно, другие неклассифицированные данные с датчиков, которые относятся к (например, в все были собраны в или близко к) к тому же самому периоду времени. После этого, входные данные могут подаваться в искусственную нейронную сеть, которая формирует 78 показатели сходства (например, процентные соотношения достоверности) для каждого класса соответствующего набора.

Например, если искусственная нейронная сеть обучалась проводить различие между двумя классами, то искусственная нейронная сеть может формировать 78 два показателя сходства. Более точно, искусственная нейронная сеть может выводить первое процентное отношение, указывающее достоверность, что входные данные соответствуют первому классу, и второе процентное отношение, указывающее достоверность, что входные данные соответствуют второму классу.

После этого, определение может производиться 80 в отношении того, были ли удовлетворены одно или более применяемых пороговых значений. То есть, в зависимости от величины различных показателей сходства (например, от того, находится ли процентное отношение для одного класса выше конкретного порогового значения, находятся ли процентные отношения для всех других классов ниже конкретного порогового значения, или того и другого), разности между различными показателями сходства (например, того, находится ли разность или расхождение между процентным отношением для одного класса и процентным отношением для всех других классов выше конкретного порогового значения), или тому подобного, либо их комбинации, соответствующие входные данные могут классифицироваться в качестве одного или другого класса или состояния.

Например, в простейшем случае, пороговое значение может быть установлено на «50%». Соответственно, в ситуации с двумя классами (например, носящим солнцезащитные очки или не носящим солнцезащитные очки), если один класс соответствует более высокому показателю, чем другой, пороговое значение может быть удовлетворено. В качестве альтернативы, пороговое значение может быть установлено несколько выше, чем 50% (например, где-нибудь в диапазоне от приблизительно 50% до приблизительно 85%). В таких вариантах осуществления или ситуациях, общее определение 80 в отношении того, являются ли входные данные указывающими один класс, может не решаться посредством того, какой класс имеет наивысший показатель сходства. Скорее, подобно более высокому бремени доказывания в судебном производстве, пороговое значение может гарантировать, что классификация не оказывает предпочтение безусловно, но ясно и решительно оказывает предпочтение одному классу над всеми другими. Соответственно, одно или более пороговых значений могут быть установлены, чтобы снижать количество ложно-положительных результатов в отношении одного или более классов.

Если определение 80 указывает, что первые класс или условия «отсутствия указания избыточной или недостаточной светопроницаемости» не присутствует, модуль 66 нейронной сети или его искусственная нейронная сеть может объявлять, что светопроницаемость не является ни избыточной, ни недостаточной, и система 14 может выполнять 82 одно или более действий, совместимых с такими условиями. Такое действие может включать в себя оставление светопроницаемости или глубины тона одного или более окон 12 такой, как она есть. Система 14 также может входить в режим ожидания и ожидать некоторый период времени (например, 1 секунду, 10 секунд, 30 секунд, 1 минуту, 5 минут, 10 минут, или тому подобное) перед получением 76 новых входных данных и новым началом последовательности операций классификации.

Наоборот, если определение 80 указывает, что присутствуют некоторые другие класс или условие освещения в пределах конкретного набора, модуль 66 нейронной сети или его искусственная нейронная сеть могут объявлять, что присутствуют конкретное условие освещения, и система 14 может предпринимать 84 одно или более действий, совместимых с такими условиями. Такое действие может включать в себя повышение или снижение светопроницаемости или глубины тона одного или более окон 12. Система 14 также может входить в режим ожидания и ожидать некоторый период времени (например, 1 секунду, 10 секунд, 30 секунд, 1 минуту, 5 минут, 10 минут, или тому подобное) перед получением 76 новых входных данных и новым началом последовательности операций классификации. Соответственно, система 14 в соответствии с настоящим изобретением может, в то время как соответствующее транспортное средство 10 работает, непрерывно или периодически обрабатывать данные с одного или более датчиков 26, чтобы определять текущие условия освещения.

В выбранных вариантах осуществления, после того, как одно или более действий предприняты 82, 84 системой 14, процесс 74 может заканчиваться или возвращаться к началу цикла и начинаться снова. В качестве альтернативы, процесс 74 может продолжаться, для того чтобы использовать обратную связь от человека для улучшения системы 14. Например, в некоторых вариантах осуществления, система 14 может, в некоторый момент в пределах процесса 74 в соответствии с настоящим изобретением, принимать 86 обратную связь от человека (например, человека-водителя). Эта обратная связь может указывать, какие класс или условия соответствуют и каким входным данным. Соответственно, обратная связь и соответствующие входные данные могут становиться обучающими данными, используемыми для обновления 88 и/или повторного обучения искусственной нейронной сети. В качестве альтернативы или в дополнение к этому, такая обратная связь может использоваться для обновления 88, настройки 88 или тонкой регулировки 88 процессе 74. Например, если, после автоматической настройки светопроницаемости одного или более окон 12 на конкретный уровень, занимающий место человек вручную повышает или понижает такую светопроницаемость, система 14 может замечать изменение и учитывать предпочтения занимающего место человека в будущем.

В выбранных процессах в соответствии с настоящим изобретением, данные изображения могут обрабатываться с использованием искусственной нейронной сети, тем временем, другие данные с датчиков могут обрабатываться с использованием других технологий обработки сигналов. Например, одно или более изображений (например, одно или более изображений, захваченных камерой 26a переднего обзора, камерой 26b заднего обзора и/или камерой 26c точки обзора) могут получаться 76 и обрабатываться искусственной нейронной сетью, тем временем, данные со светочувствительных датчиков (например, данные, характеризующие свет, падающий на одно или более окон 12, данные, характеризующие свет, проходящий сквозь одно или более окон 12, или тому подобное, либо их комбинация) могут получаться 76 и обрабатываться фильтрацией, дискретизацией, сравнениями с пороговым значением, или тому подобным, либо их комбинацией или подкомбинацией.

В некоторых вариантах осуществления, как только получены 76, одно или более изображений могут анализироваться с использованием изощренных технологий машинного зрения, включающих в себя рекуррентные нейронные сети, для моделирования и предсказания уровня видимости водителю. Например, на основании одного или более полученных 76 изображений с камеры 26d точки обзора, система 14 может предсказывать, пожелал ли бы водитель повысить или понизить светопроницаемость конкретного окна 12 (например, ветрового стекла).

В выбранных вариантах осуществления, система 14 может получать 76 и использовать последовательность изображений для классификации условий освещения. Это может включать в себя применение технологий адаптивного порогового значения, которые вполне успешно действуют с парами изображений. Соответственно, полученные 76 изображения могут сниматься с разными параметрами камеры (например, глубиной резкости, установками экспозиции, и т. д.) и подаваться в искусственную нейронную сеть, которая может формировать 78 показатель сходства, соответствующий каждому классу из множества классов. Некоторое время спустя после этого, одно или более пороговых значений могут сравниваться с показателями сходства, чтобы определять 80 надлежащие условия освещения (например, определять, уместно ли изменять светопроницаемость или глубину тона одного или более окон 12).

Со ссылкой на фиг. 5, в выбранных процессах в соответствии с настоящим изобретением, система 14 может действовать с использованием технологий обработки сигналов и не применять никаких технологий и алгоритмов глубинного обучения. Например, в проиллюстрированном процессе 90, одно или более изображений и/или других световых данных могут получаться 76 и анализироваться 92 (например, усиливаться, фильтроваться, дискретизироваться, преобразовываться, сравниваться с одним или более пороговых значений, или тому подобное, либо их комбинация или подкомбинация) некоторым требуемым образом.

В некоторый момент, одно или более пороговых значений могут сравниваться с входными данными, чтобы определять 80 надлежащие условия освещения (например, определять 80, уместно ли объявлять конкретные условия освещения). Соответственно, если определение 80, соответствующее входным данным, указывает конкретные условия освещения, система 14 может предпринимать действие 82, 84, совместимое с такими условиями (например, оставлять светопроницаемость или глубину тона одного или более окон 12 там, где они есть, повышать светопроницаемость одного или более окон 12, понижать светопроницаемость одного или более окон 12, или тому подобное).

В выбранных вариантах осуществления, после того, как одно или более действий предприняты 82, 84 системой 14, процесс 90 может заканчиваться или возвращаться к началу цикла и начинаться снова. В качестве альтернативы, последовательность 90 операций может продолжаться, для того чтобы использовать обратную связь от человека для улучшения системы 14. Например, в некоторых вариантах осуществления, система 14 может, в некоторый момент в пределах процесса 90 в соответствии с настоящим изобретением, принимать 86 обратную связь от человека (например, человека-водителя). Такая обратная связь может использоваться для обновления 94, настройки 94 или тонкой регулировки 94 одного или более пороговых значений, используемых в процесса 90. Например, если, после автоматической настройки светопроницаемости одного или более окон 12 на конкретный уровень, занимающий место человек вручную повышает или понижает такую светопроницаемость, система 14 может замечать изменение и учитывать предпочтения занимающего место человека в будущем.

В процессах 74, 90 в соответствии с настоящим изобретением, вес, приданный некоторым данным с датчиков или классификациям некоторых данных с датчиков, может не быть равным весу, приданному другим данным с датчиков или классификациям, основанным на других данных с датчиков. Например, классификация, указывающая, что водитель заслоняет его или ее глаза своей рукой, может быть веским доказательством, что светопроницаемость для конкретного окна 12 (например, ветрового стекла) слишком высока. Соответственно, в выбранных вариантах осуществления или ситуациях, когда система 14 определяет, что водитель заслоняет его или ее глаза своей рукой, такое определение может наделяться большим весом, чем световые данные, характеризующие общий уровень освещения в кабине транспортного средства 10. В выбранных вариантах осуществления такие дифференциальные взвешивания могут быть «встроены» в обучение искусственной нейронной сети. В других вариантах осуществления, такие дифференциальные взвешивания могут программироваться вручную на основании опыта или предположений.

Со ссылкой на фиг. 6, в некоторых вариантах осуществления, изменения светопроницаемости одного или более окон 12 могут не быть мгновенными. Дополнительно, сбор и обработка данных с одного или более датчиков 12 могут не быть мгновенными. Соответственно, может быть нежелательная задержка между изменением освещения в окружающей среде транспортного средства 10 и завершением изменения светопроницаемости, которое принимает меры в ответ на изменение освещения. Таким образом, системы 14 в соответствии с настоящим изобретением могут быть выполнены с возможностью минимизировать такую задержку. В качестве альтернативы или в дополнение к этому, в выбранных вариантах осуществления, одна или более систем 14 могут использовать или применять прошлый опыт для заблаговременной подготовки к некоторым условиям или событиям освещения.

Например, транспортное средство 10 может испытывать конкретные условия или события освещения (например, резкий переход на вершине холма из полной тени на прямую видимость солнца через ветровое стекло), тем временем, двигаясь в конкретном направлении, по конкретной дороге, в конкретном месте и в конкретное время суток. Соответственно, система 14 в транспортном средстве 10 может использовать свой опыт с такими условиями или событием освещения для подготовки, если транспортное позже обнаружит себя движущимся в конкретном направлении, по конкретной дороге, возле конкретного места и близко к конкретному времени суток. В качестве альтернативы или в дополнение к этому, система 14 одного транспортного средства 10a может делиться своим опытом (например, через систему 32 связи, компьютерную систему, прямой обмен 32 данными, или тому подобное) с одним или более других транспортных средств 10b, так чтобы они также могли быть подготовлены.

В некоторых вариантах осуществления, способ 96 подготовки к одному или более условиям или событиям освещения может начинаться, когда условия или ситуация освещения испытываются 98 первым транспортным средством 10a и его соответствующей системой 14. После этого или одновременно с этим, система 14 может захватывать 100 данные, характеризующие условия или событие освещения. Захваченные 100 данные могут включать в себя некоторые выходные данные с датчиков, направление движения, местоположение по GPS, время суток, или тому подобное, либо их комбинацию или подкомбинацию.

На основании захваченных 100 данных, могут идентифицироваться 102 некоторые подготовительные действия, чтобы безопасно претерпевать или проходить через условия или событие освещения. Например, если событие было резким переходом на вершине холма из полной тени на прямую видимость солнца через ветровое стекло, идентифицированные 102 подготовительные действия могут быть нужны для снижения светопроницаемости ветрового стекла перед (например, непосредственно перед) достижением вершины холма при переваливании вершины холма в том же самом направлении в или близко (например, в пределах часа или двух) к тому же самому времени суток. Подготовительные действия, идентифицированные 102 таким образом, могут сохраняться 104 (например, в памяти 48 одной или более систем 14, в памяти компьютерной системы 40, или тому подобном, либо их комбинации), с тем чтобы быть имеющимися в распоряжении для использования в будущем.

Соответственно, в более позднее время, в то время как первое транспортное средство 10a (или второе транспортное средство 10b, которое связано с первым транспортным средством 10a через систему 32 связи, компьютерную систему 40, прямую связь 28, или тому подобное) приближается 106 в направлении, месте, времени, и т. д., к условиям или событию освещения, система 14 (например, модуль 70 управления системы 14) первого транспортного средства 10a (или второго транспортного средства 10b) может реализовывать 108 одно или более из подготовительных действий, которые были идентифицированы 102 и сохранены 104. Таким образом, некоторые неблагоприятные воздействия, связанные с условиями или событием освещения, могут быть сглажены, в то время как условия или событие освещения испытываются 110 снова.

В выбранных вариантах осуществления, данные, характеризующие этот вторичный или дополнительный опыт с условиями или событием освещения, также могут захватываться 112. Соответственно, вторичный или дополнительный опыт также может использоваться для идентификации 102 или дальнейшего улучшения подготовительных действий, чтобы безопасно претерпевать или проходить через условия или событие освещения. Таким образом, со временем и с опытом, одно или более транспортных средств 10a, 10b могут формировать базу данных подготовительных действий, которые могут выполняться в различных местах и в различные моменты времени.

Со ссылкой на фиг. 7, в выбранных вариантах осуществления, одна или более систем 14 могут использовать или применять заранее подготовленное компьютеризованное знание дорожной обстановки и/или среды вождения, которое имеется в распоряжении благодаря данным GPS, данным электронного горизонта, данным карт (например, дорожным картам, картам высокого разрешения, которые включают в себя признаки, подобные зданиям, которые могут отражать свет или иным образом оказывать влияние на условия освещения, или тому подобное, либо их комбинации), беспроводные метеоданные, или тому подобному, либо их комбинации или подкомбинации, для заблаговременной подготовки к определенным условиям или событиям освещения. Соответственно, в некоторых вариантах осуществления, альтернативный способ 114 подготовки к одному или более условиям или событиям освещения может начинаться, когда транспортное средство 10 приближается 116 в направлении, месте, времени, и т. д., к местности или среде, вероятной для создания предсказуемых условий или события освещения.

Во время такого приближения, система 14 транспортного средства 10 может использовать компьютеризованное знание дорожной обстановки и/или среды вождения для идентификации подготовительных действий, которые могут быть полезны, чтобы безопасно претерпевать или проходить через ожидаемые или предсказанные условия или событие освещения. Эти подготовительные действия затем могут быть реализованы 120. Таким образом, некоторые неблагоприятные воздействия, связанные с условием или событием освещения, могут быть сглажены, в то время как испытываются 122 условие или событие освещения. Эта последовательность операций может повторяться, в то время как транспортное средство 10 приближается 116 к другим условиям или событиям освещения.

Например, с использованием 118 компьютеризованного знания дорожной среды вождения (например, направления движения, времени суток, солнечных закономерностей, облачного покрова, и т. д.), или тому подобного, система 14 (например, модуль 70 управления системы 14) может предсказывать, что приближающаяся вершина холма вызовет резкий переход с полной тени на прямую видимость солнца через ветровое стекло. Соответственно, система 14 (например, модуль 70 управления) может идентифицировать надлежащий момент времени для снижения светопроницаемости ветрового стекла. Таким образом, светопроницаемость ветрового стекла может снижаться перед (например, непосредственно перед) достижением вершины холма.

В выбранных вариантах осуществления, могут захватываться 124 данные, характеризующие этот опыт с условиями или событием освещения. Соответственно, этот опыт также может использоваться для идентификации или дальнейшего улучшения подготовительных действий, чтобы безопасно претерпевать или проходить через эти или другие аналогичные условия или события освещения. Таким образом, со временем и с опытом, одно или более транспортных средств 10a, 10b могут формировать базу данных подготовительных действий, которые могут выполняться в различных местах и в различные моменты времени.

Блок-схемы последовательности операций способов на фигурах 4-7 иллюстрируют архитектуру, функциональные возможности, и работу возможных реализаций систем, способов и компьютерных программных продуктов согласно различным вариантам осуществления в соответствии с настоящим изобретением. В этом отношении, каждый этап на блок-схемах последовательностей операций способа может представлять собой модуль, сегмент, порцию кода, которые содержат одну или более исполняемых команд для реализации заданной логической функции(ий). Также будет отмечено, что каждая вершина блок-схемы по иллюстрациям блок-схемы последовательности операций способа и комбинации вершин блок-схем в иллюстрациях блок-схемы последовательности операций способа могут быть реализованы основанными на аппаратных средствах специального назначения системами, которые выполняют заданные функции или действия, или комбинациями аппаратных средств специального назначения и машинных команд.

Также должно быть отмечено, что, в некоторых альтернативных реализациях, функции, отмеченные на этапах, могут совершаться вне очередности, указанной на фигурах. В некоторых вариантах осуществления, два этапа, показанные подряд, фактически, могут выполняться по существу параллельно, или этапы иногда могут выполняться в обратном порядке, в зависимости от вовлеченных функциональных возможностей. В качестве альтернативы, некоторые этапы или функции могут быть опущены, если не нужны.

В вышеприведенном изобретении была сделана ссылка на прилагаемые чертежи, которые формируют его часть, и на которых, в качестве иллюстрации, показаны конкретные реализации, в которых изобретение может быть осуществлено на практике. Понятно, что могут использоваться другие реализации, и структурные изменения могут быть произведены, не выходя из объема настоящего изобретения. Ссылки в описании изобретения на «один из вариантов осуществления», «вариант осуществления», «примерный вариант осуществления», «выбранный вариант осуществления», «некоторые варианты осуществления», и т. д., указывают, что описанный вариант осуществления или варианты осуществления могут включать в себя конкретные признак, конструкцию или характеристику, но каждый вариант осуществления не обязательно может включать в себя конкретные признак, конструкцию или характеристику. Более того, такие фразы не обязательно являются указывающими ссылкой на один и тот же вариант осуществления. Кроме того, когда конкретный признак, конструкция или характеристика описаны в связи с вариантом осуществления, предполагается, что он находится в пределах познаний специалиста в данной области техники для осуществления такого признака, конструкции или характеристики в связи с другими вариантами осуществления, описанными или не описанными в прямой форме.

Реализации систем, устройств и способов, раскрытых в материалах настоящей заявки, могут содержать или использовать компьютер специального назначения или общего применения, включающий в себя компьютерные аппаратные средства, например, такие как один или более процессоров и системная память, как обсуждено в материалах настоящей заявки. Реализации в пределах объема настоящего изобретения также могут включать в себя физические и другие машинно-читаемые носители для переноса или хранения машинно-исполняемых команд и/или структур данных. Такие машиночитаемые носители могут быть любыми имеющимися в распоряжении носителями, к которым может осуществляться доступ компьютерной системой общего применения или специального назначения. Машинно-читаемые носители, которые хранят машинно-исполняемые команды, являются компьютерными запоминающими носителями (устройствами). Машинно-читаемые носители, которые переносят машинно-исполняемые команды, являются средой передачи данных. Таким образом, в качестве примера, а не ограничения, реализации изобретения могут содержать по меньшей мере две отчетливо разных разновидности машинно-читаемых носителей: компьютерные запоминающие носители (устройства) и среду передачи данных.

Компьютерные запоминающие носители (устройства) включают в себя ОЗУ (оперативное запоминающее устройство, RAM), ПЗУ (постоянное запоминающее устройство, ROM), ЭСППЗУ (электрически стираемое программируемое ПЗУ, EEPROM), CD-ROM (ПЗУ на компакт-диске), твердотельные накопители («SSD») (например, на основе ОЗУ), флэш-память, память на фазовых переходах («PCM»), другие типы памяти, другое оптическое дисковое запоминающее устройство, магнитное дисковое запоминающее устройство или другие магнитные устройства хранения данных, либо любой другой носитель, который может использоваться для хранения требуемого средства управляющей программы в форме машинно-исполняемых команд или структур данных, и к которым может осуществляться доступ компьютером общего применения или специального назначения.

Реализация устройств, систем и способов, раскрытых в материалах настоящей заявки, может поддерживать связь через компьютерную сеть. «Сеть» определена в качестве одного или более каналов передачи данных, которые делают возможной транспортировку электронных данных между компьютерными системами и/или модулями, и/или другими электронными устройствами. Когда информация переносится или поставляется через сеть или другое соединение связи (проводное, беспроводное, либо комбинацию проводного или беспроводного) в компьютер, компьютер, по сути, рассматривает соединение в качестве среды передачи данных. Среда передачи данных может включать в себя сеть и/или каналы передачи данных, которые могут использоваться для переноса требуемого средства управляющей программы в форме машинно-читаемых команд или структур данных, и к которым может осуществляться доступ компьютером общего применения или специального назначения. Комбинации приведенного выше также должны быть включены в объем машинно-читаемых носителей.

Машинно-исполняемые команды, например, содержат команды и данные, которые, когда выполняются на процессоре, побуждают компьютер общего применения, компьютер специального назначения или устройство обработки специального назначения выполнять определенную функцию или группу функций. Машинно-исполняемые команды, например, могут быть двоичным кодом, командами промежуточного формата, такими как на языке ассемблера, или даже исходным кодом. Хотя предмет изобретения был описан на языке, специфичном структурным признакам и/или действиям обобщенных способов, должно быть понятно, что предмет изобретения, определенный в прилагаемой формуле изобретения, не обязательно ограничен описанными признаками или действиями, описанными выше. Скорее, описанные признаки и действия раскрыты в качестве примерных форм реализации формулы изобретения.

Специалисты в данной области техники будут принимать во внимание, что изобретение может быть осуществлено на практике в сетевых вычислительных средах с другими типами конфигураций компьютерных систем, включая встроенный в приборный щиток компьютер транспортного средства, персональные компьютеры, настольные компьютеры, дорожные компьютеры, процессоры сообщений, карманные устройства, многопроцессорные системы, основанную на микропроцессорах или программируемую бытовую электронику, сетевые ПК (персональные компьютеры), миникомпьютеры, универсальные компьютеры, мобильные телефоны, PDA (персональные цифровые секретари), планшеты, пейджеры, маршрутизаторы, коммутаторы, различные запоминающие устройства, и тому подобное. Изобретение также может быть осуществлено на практике в средах распределенной системы, где локальные и удаленные компьютерные системы, которые связаны (проводными каналами передачи данных, беспроводными каналами передачи данных или комбинацией проводных и беспроводных каналов передачи данных) через сеть, те и другие выполняют задания. В среде распределенной системы, программные модули могут быть расположены как в локальном, так и в удаленном запоминающих устройствах памяти.

Кроме того, где уместно, функции, описанные в материалах настоящей заявки, могут выполняться в одном или более из: аппаратных средств, программного обеспечения, встроенных программ, цифровых компонентов или аналоговых компонентов. Например, одна или более специализированных интегральных схем (ASIC) могут быть запрограммированы выполнять одну или более из систем и процедур, описанных в материалах настоящей заявки. Некоторые термины используются на всем протяжении описания и формулы изобретения для указания ссылкой на конкретные компоненты системы. Как будет принимать во внимание специалист в данной области техники, компоненты могут указываться ссылкой разными наименованиями. Данный документ не подразумевает, что следует проводить различие между компонентами, которые отличаются по наименованию, но не по функции.

Следует отметить, что варианты осуществления датчиков, обсужденные выше, могут содержать компьютерные аппаратные средства, программное обеспечение, встроенные программы или любую их комбинацию для выполнения по меньшей мере части своих функций. Например, датчик может включать в себя машинный код, выполненный с возможностью выполняться на одном или более процессоров, и может включать в себя аппаратные логические/электрические схемы, управляемые машинным кодом. Эти примерные устройства предусмотрены в материалах настоящей заявки в целях иллюстрации и не подразумеваются ограничивающими. Варианты осуществления настоящего изобретения могут быть реализованы в дополнительных типах устройств, как было бы известно специалистам в данной области(ях) техники.

По меньшей мере некоторые варианты осуществления изобретения были направлены на компьютерные программные продукты, содержащие такую логику (например, в форме программного обеспечения), хранимую на любом используемом компьютером носителе. Такое программное обеспечение, когда выполняется в одном или более устройств обработки данных, побуждает устройства действовать, как описано в материалах настоящей заявки.

Несмотря на то, что выше были описаны варианты осуществления настоящего изобретения, должно быть понятно, что они были представлены только в качестве примера, а не ограничения. Специалистам в данной области техники будет очевидно, что различные изменения по форме и содержанию могут быть произведены в нем, не выходя из сущности и объема изобретения. Так, широту и объем настоящего изобретения не следует ограничивать никакими из вышеописанных вариантов осуществления, но следует определять только в соответствии с нижеследующей формулой изобретения и ее эквивалентами. Вышеизложенное описание было представлено в целях иллюстрации и описания. Оно не подразумевается исчерпывающим или ограничивающим изобретение точной раскрытой формой. Многие модификации и варианты возможны в свете вышеприведенной доктрины. Кроме того, следует обратить внимание, что любые или все из вышеупомянутых альтернативных реализаций могут использоваться в любой комбинации, требуемой для формирования дополнительных смешанных реализаций изобретения.

1. Транспортное средство, содержащее:

камеру, выдающую данные изображения, соответствующие одному или более изображениям, снятым с занимающего место человека в транспортном средстве;

окно, имеющее переменную светопроницаемость;

датчик, распознающий поток излучения, переданный через окно, имеющее переменную светопроницаемость, к занимающему место человеку;

искусственную нейронную сеть, классифицирующую восприятие переданного потока излучения занимающим место человеком на основе одного или более изображений и переданного потока излучения, причем:

формируют показатель сходства для каждого из множества классов конфигурации занимающего место человека, с использованием данных изображения в качестве входных данных, при этом каждый из множества классов связан с соответствующим восприятием потока излучения занимающим место человеком; и

выбирают класс конфигурации занимающего место человека, связанный с занимающим место человеком, основываясь на показателе сходства для класса конфигурации занимающего место человека, отвечающем пороговой величине, причем выбранный класс включен во множество классов; и

по меньшей мере один контроллер, изменяющий светопроницаемость окна, основываясь на восприятии потока излучения занимающим место человеком, связанного с выбранным классом конфигурации занимающего место человека.

2. Транспортное средство по п. 1, в котором множество классов конфигурации занимающего место человека содержит носящего солнцезащитные очки и не носящего солнцезащитные очки.

3. Транспортное средство по п. 1, в котором множество классов конфигурации занимающего место человека содержит занимающего место человека, который является ребенком, и занимающего место человека, который не является ребенком.

4. Транспортное средство по п. 1, в котором множество классов конфигурации занимающего место человека содержит занимающего место человека, который заслоняет глаза рукой, и занимающего место человека, который не заслоняет глаза рукой.

5. Транспортное средство по п. 1, в котором множество классов конфигурации занимающего место человека содержит пигментацию кожи ниже первого уровня и пигментацию кожи выше второго уровня, который является равным или большим, чем первый уровень.

6. Транспортное средство по п. 1, в котором классификация восприятия переданного потока излучения занимающим место человеком содержит классификацию реакции занимающим место человеком переданного потока излучения.

7. Транспортное средство по п. 6, в котором изменение светопроницаемости окна на основе восприятия потока излучения занимающим место человеком, связанного с выбранным классом, содержит изменение светопроницаемости окна, чтобы принять меры в ответ на реакцию занимающего место человека на переданный поток излучения.

8. Транспортное средство по п. 1, в котором датчик содержит прозрачный фотогальванический слой, формирующий часть окна.

9. Транспортное средство по п. 8, в котором:

камера является камерой в кабине; и

по меньшей мере один светочувствительный датчик является наружной камерой, которая обращена вперед или назад относительно транспортного средства.

10. Транспортное средство по п. 1, в котором окно является ветровым стеклом транспортного средства.

11. Транспортное средство по п. 1, в котором:

окно содержит электрохроматический материал; и

по меньшей мере один контроллер управляет напряжением, приложенным к электрохроматическому материалу.

12. Транспортное средство по п. 1, в котором прием, посредством компьютерной системы, указания о потоке излучения, переданном через окно, имеющее переменную светопроницаемость, содержит прием, посредством компьютерной системы, указания о потоке излучения, переданном через окно, включающее в себя электрохроматический материал; и при этом изменение светопроницаемости окна содержит изменение напряжения, приложенного к электрохроматическому материалу.

13. Способ управления светопроницаемостью окон транспортного средства, содержащий этапы, на которых:

принимают, посредством компьютерной системы, несомой на борту транспортного средства, данные изображения, захваченные камерой в кабине, ориентированной на занимающего место человека в транспортном средстве, при этом, данные изображения содержат по меньшей мере одно изображение, захваченное камерой в кабине в течение периода времени;

принимают, посредством компьютерной системы, указание о потоке излучения, переданном через окно транспортного средства на занимающего место человека, имеющее переменную светопроницаемость, в течение периода времени;

принимают, посредством искусственной нейронной сети, работающей на компьютерной системе, данные изображения и указание о переданном потоке излучения в качестве входного сигнала;

классифицируют, посредством искусственной нейронной сети, восприятие переданного потока излучения занимающим место человеком, при этом

формируют показатели сходства для каждого из множества классов конфигурации занимающего место человека, основываясь на входных классах, при этом каждый из множества классов связан с соответствующим восприятием потока излучения занимающим место человеком; и

выбирают класс конфигурации занимающего место человека, связанный с занимающим место человеком, основываясь на показателе сходства для класса конфигурации занимающего место человека, отвечающем пороговой величине, причем выбранный класс включен во множество классов; и

изменяют, посредством компьютерной системы, светопроницаемость окна, основываясь на восприятии потока излучения занимающим место человеком, связанного с выбранным классом конфигурации занимающего место человека.

14. Способ по п. 13, в котором классификация восприятия переданного потока излучения занимающим место человеком содержит классификацию реакции занимающим место человеком переданного потока излучения.

15. Способ по п. 14, в котором изменение светопроницаемости окна на основе восприятия потока излучения занимающим место человеком, связанного с выбранным классом, содержит изменение светопроницаемости окна, чтобы принять меры в ответ на реакцию занимающего место человека на переданный поток излучения.

16. Способ по п. 13, в котором множество классов конфигурации занимающего место человека содержит носящего солнцезащитные очки и не носящего солнцезащитные очки.

17. Способ по п. 13, в котором множество классов конфигурации занимающего место человека содержит занимающего место человека, который является ребенком, и занимающего место человека, который не является ребенком.

18. Способ по п. 13, в котором множество классов конфигурации занимающего место человека содержит занимающего место человека, который заслоняет глаза рукой, и занимающего место человека, который не заслоняет глаза рукой.

19. Способ по п. 13, в котором множество классов конфигурации занимающего место человека содержит пигментацию кожи ниже первого уровня и пигментацию кожи выше второго уровня, который является равным или большим, чем первый уровень.

20. Способ по п. 13, содержащий также передачу классификаций восприятия переданного потока излучения занимающим место человеком в аппаратные средства вне транспортного средства.



 

Похожие патенты:

Группа изобретений относится к области обучения нейронной сети посредством применения специализированных функций потерь. Техническим результатом является повышение качества и эффективности оптического распознавания символов.

Группа изобретений относится к области обучения нейронной сети посредством применения специализированных функций потерь. Техническим результатом является повышение качества и эффективности оптического распознавания символов.

Группа изобретений относится к области вычислительной техники и может быть использована в искусственных нейронных сетях. Техническим результатом является обеспечение назначения оценки релевантности для искусственных нейронных сетей.

Изобретение относится к области искусственного интеллекта, и в частности, к рекуррентным нейронным сетям (РНС). Техническим результатом является повышение степени сжатия.

Группа изобретений относится к области вычислительной техники и может быть использована для обнаружения текстовых полей в электронных документах с использованием нейронных сетей.

Изобретение относится к области вычислительной техники и может быть использовано для интерпретирования предложений на естественном языке, в том числе выполнения контекстно-тематического машинного перевода.

Группа изобретений относится к области обработки изображений. Техническим результатом является увеличение точности.

Изобретение относится к области распознавания объектов. Технический результат - повышение скорости и достоверности распознавания объектов камерой за счет обучения встроенной в камеру нейронной сети с помощью более мощной внешней нейронной сети.

Изобретение относится к обработке изображений. Технический результат заключается в обеспечении идентификации частей фрагментированного материала в пределах изображения.

Изобретение относится к области вычислительной техники и может быть использовано для интерпретации работы моделей искусственных нейронных сетей. Техническим результатом является повышение качества и точности интерпретации работы искусственной нейронной сети.

Изобретение относится к области медицины и представляет собой способ диагностики злокачественного плеврального выпота путем исследования кристаллической фации плевральной жидкости на предметном стекле, полученной методом клиновидной дегидратации, отличающийся тем, что фацию помещают под микроскоп, через который производят серию съемок ее полей зрения, полученные цифровые изображения запоминают в памяти ПК, который выбирает кадры для анализа, производит распознавание целевых фаций с помощью обучаемой нейронной сети путем анализа закрашенных и пустых пикселей, их расположения в фации и взаимного расположения, высчитывает процент вероятности наличия онкопатологии, и при распознавании более 80% диагностируют злокачественный плевральный выпот, при менее 80% вероятности наличия онкологической патологии злокачественный плеврит исключают.

Изобретение относится к вычислительной технике. Технический результат – повышение точности классификации объектов на радиолокационном изображении.

Изобретение относится к области вычислительной техники при использовании искусственных нейронных сетей. Технический результат заключается в повышении точности выявления факта потенциального мошенничества со стороны кассира.

Изобретение относится к обработке изображений. Технический результат – повышение точности идентификации лиц людей в системах видеонаблюдения, использующих множество камер.

Изобретение относится к системе и способам извлечения информации из текстов на естественном языке. Техническим результатом является повышение эффективности и качества извлечения информации из текстов на естественном языке.

Использование: для расшифровки дефектограмм и оцифрованных сигналов исследования твердых тел. Сущность изобретения заключается в том, что расшифровка осуществляется с помощью предобученной на размеченных данных об амплитудно-частотных и спектральных характеристиках нейронной сети и позволяет получить проверенный методом кросс-валидации машиночитаемый или человекочитаемый ответ о наличии или отсутствии исследуемых характеристик твердого тела или управляющие команды, связанные с наличием или отсутствием исследуемых характеристик.

Изобретение относится к области идентификации пользователя. Технические результаты заключаются в обеспечении непрерывной идентификации пользователя без запроса у пользователя данных для идентификации, сложности подделки биометрических данных пользователя, возможности встраивания в носимые устройства, отсутствия необходимости непосредственного контакта с кожей пользователя.
Изобретение относится к области видеонаблюдения, а именно к технологиям обнаружения объектов в последовательности изображений, полученных от стационарной видеокамеры.

Изобретение относится к биометрической идентификации и аутентификации человека. Технический результат заключается в обеспечении быстрого и надежного способа идентификации человека с использованием индивидуальных реакций на небольшой набор простых стимулов с помощью электроэнцефаллограмм (ЭЭГ).

Изобретение относится к средствам анализа текста. Технический результат заключается в уменьшении количества вычислительных ресурсов при распознание текста.

Изобретение относится к обработке изображений. Технический результат заключается в обеспечении точности сопоставления признаков изображения на основе дескрипторов.

Предложено транспортное средство, содержащее камеру, окно, светочувствительный датчик, контроллер, искусственную нейронную сеть. Камера выдает данные изображения, соответствующие одному или более изображениям, снятым с занимающего место человека в транспортном средстве. Датчик распознает поток излучения, переданный через окно, имеющее переменную светопроницаемость, к занимающему место человеку. Искусственная нейронная сеть классифицирует восприятие переданного потока излучения занимающим место человеком на основе изображений и переданного потока излучения. С помощью нейронной сети формируют показатель сходства для каждого из множества классов конфигурации занимающего место человека, с использованием данных изображения в качестве входных данных, при этом каждый из множества классов связан с соответствующим восприятием потока излучения занимающим место человеком. Выбирают класс конфигурации занимающего место человека, связанный с занимающим место человеком, основываясь на показателе сходства для класса конфигурации занимающего место человека, отвечающем пороговой величине, причем выбранный класс включен во множество классов. С помощью контроллера изменяют светопроницаемость окна, основываясь на восприятии потока излучения занимающим место человеком, связанного с выбранным классом конфигурации занимающего место человека. Предложен также способ управления светопроницаемостью окон транспортного средства. Достигается настройка светопроницаемости окон для удовлетворения насущных потребностей водителя или другого занимающего место человека в транспортном средстве. 2 н. и 18 з.п. ф-лы, 7 ил.

Наверх