用于载具的访问验证系统和方法以及载具与流程

本公开涉及一种用于载具的访问验证系统、一种用于载具的访问验证方法以及一种载具。

背景技术：

1、除用于打开载具的典型的车钥匙外，已知可以被用于打开载具的各种其他的便携物体，例如钥匙卡、钥匙扣、标签(如airtags、礼仪吊牌(etiquette hang tags))和/或移动电话。此外，已知使用敏感的数据(如指纹和/或面部辨识和/或语音辨识)来识别个体是否被授权以有权访问，特别是对于移动设备(诸如智能电话、平板电脑、笔记本电脑等)的访问，以及还有对于载具的访问。

技术实现思路

1、因此，可能需要提供一种改进的用于载具的访问验证方法和/或访问验证系统，其允许识别被登记的或被授权以有权访问载具的人，特别是在不需要物理物体和/或敏感的生物测定数据以用于识别和验证的情况下工作。

2、通过本公开的主题至少部分地解决或缓解了本公开的目的，其中在下文中描述了进一步示例。

3、根据第一方面，提供了一种用于载具的访问验证系统。该访问验证系统包括监测单元、验证单元和处理单元。该监测单元被配置为检测在载具的预定的周边内的运动，并且包括至少一个传感器和传感器数据处理单元。该至少一个传感器被配置为非视觉地检测在载具的预定的周边内的运动，并且该传感器数据处理单元被配置为确定所检测的运动是否对应于人的至少一个运动特征，特别是动态的运动特征，并且更特别是生物测定的运动特征。该验证单元被配置为当通过监测单元检测的运动是人的运动特征、并且当检测的运动等于或大于预定的运动阈值时被激活。此外，该验证单元被配置为通过将由监测单元检测的人的至少一个运动特征与至少一个已登记的人的至少一个预先登记的运动特征进行比较来确定该人是否对应于(特别是预定的)已登记的人。该处理单元被配置为当人被验证或被识别为已登记的人时向该人提供对载具的访问。

4、该系统允许通过运动特征，特别是通过步态或步态特征，来识别在载具的预定的周边内的人，特别是靠近载具的人，而不需要基于图像的数据和/或物理物体，如钥匙卡、标签、移动电话等。因此，该系统不需要敏感的生物测定数据，而当这些数据落入不当之人手中，很容易被滥用。步态，也就是行走的方式，是个体化的，即每个人都具有特定的、独特的步态，其特征难以被他人复制。因此，步态对应于一个类型的生物测定数据，其允许识别人，而不需要基于图像的或其他敏感的生物测定数据，如面部辨识、虹膜图像、指纹等。

5、该系统可以使用机器学习来学习和/或识别运动特征，特别是与人的步态相关的运动特征，诸如行走速度(例如连续的两步之间的时间间隔)、行走节奏(例如偏态)和/或行走的方式(例如某些脚的部分(脚跟、脚趾等)接触地的持续时间和/或强度)。目前的研究表明，在系统被适当地训练的情况下，通过辨识步态来对人进行识别实现了高准确性，特别是准确性高达约98％。

6、监视单元所包括的至少一个传感器被配置为非视觉地检测运动，这种传感器也可以被称为基于非视觉的传感器或非视觉的传感器。该至少一个传感器可以是已在载具中可用的传感器。换句话说，该至少一个传感器可以是已经存在于载具中或在载具中被实施的传感器，例如作为adas组件。人的运动特征可以是(特别是)动态的运动特征，诸如几何的和/或空间的和/或时间的和/或谐波的和/或行为的特征或人独特的特性。此外，至少一个传感器可以被配置为检测源自环境的运动，该运动是由载具周围的植物和/或动物和/或光线变化和/或一天中的时间和/或天气变化等引起的运动。传感器数据处理单元可以被配置为基于来自至少一个传感器的数据来区分由至少一个传感器检测的运动特征是对应于人的运动特征，还是对应于源自环境的运动。然后，运动阈值可以定义在载具的预定的周边内检测的人何时足够接近载具的阈值，来以更高的准确性来检测运动特征，从而能够确定靠近的人是对应于已登记的人，还是虚假信号。

7、根据一个示例，至少一个已登记的人的预先登记的运动特征可以被存储在相应的用户简档中，其中相应的用户简档是对于每个已登记的人而被创建的。此外，相应的用户简档可以被存储在存储单元中。

8、用户简档可以允许在包(bundle)中存储关于相应的已登记的人的各种信息。例如，对于一个已登记的人，可以有多于一个的预先登记的运动特征，所有这些运动特征都被存储在相应的已登记的该人的相应的用户简档中。存储单元可以是加密的存储单元。

9、根据一个示例，处理单元可以被配置为根据被分配给被验证的人的用户简档的访问等级，通过解锁载具和/或通过对载具功能和/或设置进行设置来向被验证为至少一个已登记的人的人提供对载具的访问(诸如对辅助系统、最大速度、使用娱乐系统等的访问)。

10、被分配给所识别的人的用户简档的访问等级可以管理或控制对不同的载具功能和/或设置(如对辅助系统、导航、最大速度、使用娱乐系统和其他设置的访问，以及例如对行李舱等的访问)的访问。因此，访问等级可以允许载具所有者对于每个已登记的人单独地配置对载具的访问。例如，通过设置最大速度，载具所有者可以防止年轻的驾驶者驾驶过快。载具可以是飞行器(例如飞机)、陆地载具(例如轿车、卡车等)、海上载具(例如船)和/或航天载具(例如火箭)。

11、根据一个示例，该系统可以进一步包括登记单元，其被配置为学习要被登记的人的至少一个运动特征，并且其可以被配置为通过将先前学习的运动特征作为预先登记的运动特征存储在用户简档中来登记该人。

12、因此，该系统可以允许多于一个人访问载具。此外，有可能的是，用户简档被存储在分布式的(特别是加密的)存储单元中，使得被存储在用户简档中的数据可由多于一个的载具来访问。

13、根据一个示例，除其他工具和/或数学方法外，登记单元可以使用机器学习来登记要被登记的人的至少一个运动特征。除机器学习外，登记单元可以使用附加的和/或替代的推论性的统计数据。其他工具和/或数学方法可以包括描述性的统计数据。

14、通过使用机器学习，登记单元可以识别要被登记的人的独特的运动特征。因此，当登记单元通过执行机器学习和/或其他数学的计算，随后创建与要由系统登记的个体相关的独特签名来精确定位步态中的特征时，可以需要人重复几次相同的动作(尤其是行走)，这导致该人独特的步态模式。因此，还可能的是，该人可能以基本相同的方式执行若干次相同的动作，和/或有可能的是，该人可以需要以稍微不同的方式执行不同的动作和/或基本相同的动作。例如，有可能的是，该人需要以正常的速度行走，并且附加地以更快的速度和/或更慢的速度、穿着相同的鞋和/或不同的鞋等行走，以提高系统的识别准确性。

15、根据一个示例，所述验证单元可以使用机器学习来确定在载具的预定的周边内检测的人是否对应于已登记的人。

16、在系统的学习和/或训练过程期间，以及在由验证单元执行的验证过程期间，系统处于正常运行模式，而在由监视单元执行的监视过程期间，系统处于类似空闲的运行模式，该模式与正常运行模式相比，需要减少(低)的能量消耗。

17、在黑暗条件下，即在环境光减弱的和/或有雾的天气下，至少一个非视觉的传感器，并且特别是通常被用于监视载具的周围的运动的所有传感器，可能不能够捕获足够的数据以用于准确的检测。在这种情况下，系统可以发起传感器支持请求，通过该请求可以附加地激活补充的传感器持续预定的(特别是短的)时间间隔，来提供附加的传感器数据，以用于准确的检测。这种限时的传感器支持(或传感器融合)可以使低能量运行模式中断仅持续预定的时间间隔。

18、根据一个示例，存储单元是在载具中提供的本地(特别是加密的)存储单元，或者是在云和/或通过边缘通信访问的资源中提供的分布式(特别是加密的)存储单元。

19、如上所述，分布式存储单元可由多于一个的载具来访问。本地存储单元可以允许有权访问被存储在用户简档中的数据，而不需要互联网连接。本地和远程地被存储的数据可以是被加密的和/或区块链保护的。

20、根据一个示例，分布式存储单元，特别是云，可以被配置为进一步容纳传感器数据处理单元和/或验证单元和/或处理单元。换句话说，除监视单元的至少一个非视觉的传感器外，系统所包括的组件的至少一部分(或全部)可以被存储在分布式存储单元中并在其中被执行。因此，可以说分布式存储单元可以不仅能够存储数据，还能够处理数据和/或执行过程。因此，分布式存储单元也可以被称为存储和处理单元。因此，通过在分布式存储单元中提供传感器数据处理单元和/或验证单元和/或处理单元，分布式存储单元(这意味着分布式存储和处理单元)可以允许执行通过那些单元执行的过程以用于多于一个的载具，这允许对于多于一个的载具的访问。因此，由于监视单元的至少一个非视觉的传感器对应于已经存在的传感器，所以在车中并不需要附加的组件来实施访问验证系统。因此，在这种配置中，该系统可以被改装到载具上。

21、根据一个示例，至少一个传感器可以是基于超声波的传感器和/或基于电磁的传感器，特别是基于wifi的传感器和/或基于红外的传感器和/或基于非可见光光谱激光的传感器。此外，可以提供多于一个的非视觉的传感器。多个非视觉的传感器可以作为传感器融合或传感器的阵列而被提供。

22、那些传感器可以允许电磁地和/或声学地以高准确性来辨识运动特征。此外，运动特征的辨识可以是基于时间的。

23、根据一个示例，至少一个运动特征是步态模式的至少一部分，诸如行走速度，例如两步之间的时间间隔、和/或步强度、和/或行走节奏、和/或行走的方式。特别地，行走节奏和/或行走的方式可以通过自相关、和/或两步的互相关、和/或周期性、季节性、短期累积数据的直方图偏态和/或多峰性、频率内容、小波内容、和/或步强度等而被识别。附加地或可选地，可以在用于登记和/或识别人的个体步态模式的算法中包括进一步的机械特征，例如脚趾接触地的次数、脚跟接触地的持续时间、在迈步期间脚掌或脚跟的优先顺序等。因此，步态模式可以允许实现用于识别人的高准确性。

24、根据一个示例，所述系统可以进一步包括至少一个基于视觉的传感器(例如，相机)，其被配置为视觉地捕捉至少一个运动特征，特别是在没有面部图像的情况下。特别地，基于视觉的传感器可以是基于可见光光谱的传感器。替代地，基于视觉的传感器可以是结合了可见光光谱和红外光谱的传感器，从而允许在白天和/或夜晚或其他暗光条件下(例如导致环境光减弱的和/或有雾的天气事件)视觉传感器的使用。

25、根据一个示例，通过基于视觉的传感器视觉地捕获的运动特征可以基于剪影图像，例如基于姿势的剪影图像。

26、至少一个基于视觉的传感器可以允许提高基于至少一个运动特征识别人的准确性。在黑暗条件下、导致环境光减弱的或有雾的天气事件，可以通过载具控制单元由系统触发附加的帮助，以便其他传感器也可以短时间被激活，从而通过传感器融合提供数据以用于准确的检测。

27、根据第二方面，提供了一种载具，包括根据第一方面的访问验证系统。

28、载具可由通过至少一个运动特征识别的至少一个已登记的并因此被授权的人来访问。因此，不再需要钥匙卡、标签、移动电话等以访问载具。

29、根据第三方面，提供了一种访问验证方法。该访问验证方法包括以下：

30、由监视系统检测在载具的预定的周边内的运动；

31、由监视系统确定检测的运动是否对应于人的至少一个运动特征，特别是动态的运动特征，更特别是生物测定的运动特征，

32、当由监视单元检测的运动，特别是由至少一个传感器(“非视觉的传感器”)检测的运动是人的运动特征、并且当所检测的运动等于或大于预定的运动阈值时，激活验证单元，

33、由验证单元，通过将由监测系统检测的人的至少一个运动特征与至少一个已登记的人的至少一个预先登记的运动特征进行比较来确定在载具的预定的周边内检测的人是否对应于预定的登记的人；

34、当人被验证/识别为已登记的人时，由处理单元向该人提供对载具的访问。

35、该方法允许通过运动特征，特别是通过步态或步态特征来验证/识别在载具的预定的周边内的人，特别是靠近载具的人，而不需要基于图像的数据和/或物理物体，如钥匙卡、标签、移动电话等。因此，该方法不需要敏感的生物测定数据，而当这些数据落入不当之人手中，很容易被滥用。步态，也就是行走的方式，是个体化的，即每个人都具有特定的、独特的步态，就像签名一样，其难以被他人复制。因此，步态对应于一个类型的生物测定数据，其允许识别人，而不需要基于图像的或其他敏感的生物测定数据，如面部辨识、指纹等。

36、该方法可以使用机器学习来学习和/或识别运动特征，特别是与人的步态相关的运动特征，诸如行走速度(例如连续的两步之间的时间间隔)、行走节奏(例如检测的特征及其直方图中的偏态)和/或行走的方式(例如某些脚的部分(脚跟、脚趾等)接触地的持续时间和/或强度)。目前的研究表明，在系统被适当地训练的情况下，通过辨识步态来对人进行识别实现了高准确性，特别是准确性高达约98％。

37、该方法可以至少部分地是计算机实施的，并且可以在软件或在硬件或在软件和硬件中被实施。此外，该方法可以通过在提供数据处理功能的部件上运行的计算机程序指令来实行。数据处理部件可以是合适的计算部件，诸如电子控制模块等，其也可以是地理上地容纳在别处的分布式计算机系统。数据处理部件或计算机可以分别地包括处理器、存储器、数据接口等中的一个或多个。

38、根据一个示例，当由监视系统(特别是由至少一个非视觉的传感器)捕获的人的至少一个运动特征基本上对应于至少一个已登记的人的至少一个运动特征时，在载具的预定的周边内的人员可以被验证/识别为已登记的人。

39、因此，通过将捕获的运动特征与至少一个的(特别是多于一个的)已登记的人的至少一个运动特征进行比较，可以容易地识别在载具的预定的范围内检测的人。

40、根据一个示例，该方法可以进一步包括由登记单元学习要被登记的人的至少一个运动特征，并且通过将先前学习的运动特征存储在例如存储单元和/或用户档案中来登记人。

41、因此，通过提供登记单元，该方法在寿命期间是可适应性的。换句话说，该方法可以允许在以后添加人员作为已登记的人，而可以不需要在第一次使用之前就登记所有人。此外，系统可以考虑个体的衰老，例如，基于医学研究来设计普适的老年特质的基准，诸如较慢的运动、较慢的步伐等。在更意外的变化(例如受伤等)的情况下，系统(特别是登记单元)可以需要例如通过重新校准/重新编程来更新被分配给在用户简档中的人/个体的至少一个动态的运动特征。因此，使用该系统的个体可能需要再次行走以登记他/她/它的更新的运动特征。

42、根据一个示例，该方法可以进一步包括由视觉的传感器视觉地和/或声学地和/或电磁地捕捉运动特征，其中视觉地捕捉的运动特征是基于剪影图像，例如基于姿势的剪影图像。剪影图像可以使用可见光光谱快照而被创建，并且电光谱的其他部分可以被使用，例如通过使用wifi信号。最近的电磁的研究指向用于检测房屋中的个体的技术，因为人体对wifi信号的衰减不同于在自由空间中的波传播。

43、至少一个基于视觉的传感器可以允许提高用于基于至少一个运动特征识别人的准确性。

44、根据第四方面，提供了一种用于在根据第二方面的载具中的访问验证的计算机程序产品，当通过处理单元被执行时，其被适配为执行根据第三方面的方法。

45、应当注意的是，无论所涉及的方面如何，上述示例可以被相互组合。因此，该方法可以与结构的特征相结合，并且同样地，该系统可以与上述关于该方法的特征相结合。

46、参照下文所述实施例，本公开的这些和其他方面将变得易懂。