欢迎光临小豌豆知识网!
当前位置:首页 > 电学技术 > 电通讯技术> 检测网络内的位置独创技术74897字

检测网络内的位置

2021-02-02 11:56:38

检测网络内的位置

  分案申请信息

  本发明专利申请是申请日为2016年8月4日、申请号为201680062704.9、发明名称为“检测网络内的位置”的发明专利申请案的分案申请。

  相关申请案的交叉参考

  本申请案要求2016年8月3日提交且当前未决的第15/227,717号美国实用专利申请案的优先权,所述申请案是2016年3月29日提交且当前未决的第15/084,002号实用专利申请案的接续案,且要求2015年11月9日提交且当前未决的第62/252,954号美国临时专利申请案及2015年9月16日提交且当前未决的第62/219,457号美国临时专利申请案的权益。所有上述文献的全部揭示内容以引用的方式并入本文中。

  技术领域

  本发明涉及物体检测领域,且更具体地涉及用于检测无线通信网络内生物质的存在的系统及方法。

  背景技术

  跟踪物体可使用多种技术来完成。例如,可将移动收发器附接到物体。此类系统的实例包含例如GPS的全球定位系统,所述全球定位系统使用轨道运行卫星以与地面收发器通信。然而,此类系统在室内通常较不有效,在室内信号可能会被阻挡,从而降低了准确性。因此,在室内通常会使用其它技术,例如信标,其计算漫游或未知收发器的位置。漫游收发器充当基准元件。

  这些系统有几个缺点,其中被跟踪的物体必须包含收发器。在某些应用中,要跟踪的物体将没有此类基准元件,或将主动停用任何此类元件,例如家中的入侵者。

  存在也可在不使用基准元件的情况下检测及跟踪物体的其它技术。例如,雷达是古老的物体检测系统,其使用RF波来确定物体的范围、角度或速度,所述物体包含飞机、轮船、航天器、导弹、机动车辆、天气形成及地形。雷达是通过发射电磁波进行操作,通常是使用电磁频谱的射频(“RF”)中的波进行操作,所述波会从其路径中的任何物体反射。通常与发射器是同一系统的部分的接收器接收及处理这些反射波以确定物体的性质。也可以类似方式使用类似于雷达的其它系统,其使用电磁频谱的其它部分,例如紫外线、可见光或来自激光器的近红外光。

  雷达技术不需要基准元件,但是具有其它缺点。例如,雷达射束易遭受信号噪声,或信号由内部电组件引起的随机变化,以及来自例如天然本底辐射的外部源的噪声及干扰。雷达还易遭受例如阻挡射束路径的介入物体的外部干扰源,且可能会受到特定大小、形状及定向的物体的欺骗。

  发明内容

  下文是本发明的概述,以便提供对本发明的一些方面的基本理解。此概述不旨在识别本发明的关键或决定性要素,也不旨在划定本发明的范围。此章节的唯一目的是以简化形式呈现本发明的一些概念作为稍后呈现的更详细描述的序言。

  由于所属领域中存在这些及其它问题,故本文中尤其描述了一种用于检测人的存在的方法,所述方法包括:提供安置在检测区域内的第一位置处的第一收发器;提供安置在所述检测区域内的第二位置处的第二收发器;提供以可通信方式耦合到所述第一收发器的计算机服务器;所述第一收发器经由无线通信网络从所述第二收发器接收第一组无线信号;所述计算机服务器从所述第一收发器接收第一组信号数据,所述第一组信号数据包括关于所述第一组无线信号的性质的数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而产生;所述计算机服务器为从所述第二收发器到所述第一收发器的通信而创建基线信号分布曲线,所述基线信号分布曲线是至少部分地基于所述接收的第一组信号数据中的所述无线信号性质,且表示当所述检测区域中不存在人时从所述第二收发器到所述第一收发器的无线发射的特性;所述第一收发器经由所述无线通信网络从所述第二收发器接收第二组无线信号;所述计算机服务器从所述第一收发器接收第二组信号数据,所述第二组信号数据包括关于所述第二组无线信号的性质的数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而产生;及所述计算机服务器确定所述检测区域内是否存在人,所述确定是至少部分地基于所述接收的第二组无线信号数据中的所述无线信号性质与所述基线信号分布曲线的比较。

  在所述方法的实施例中,所述第一组信号性质包括由所述第一收发器确定的无线网络信号协议性质。

  在所述方法的另一实施例中,所述无线网络信号协议性质是选自由以下各者组成的群组:接收信号强度、等待时间及误码率。

  在所述方法的另一实施例中,所述方法进一步包括:提供安置在所述检测区域内的第三位置处的第三收发器;所述第一收发器经由所述无线通信网络从所述第三收发器接收第三组无线信号;所述计算机服务器从所述第一收发器接收第三组信号数据,所述第三组信号数据包括关于所述第三组无线信号的性质的数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而产生;所述计算机服务器为从所述第三收发器到所述第一收发器的通信而创建第二基线信号分布曲线,所述第二基线信号分布曲线是至少部分地基于所述接收的第三组信号数据中的所述无线信号性质,且表示当所述检测区域中不存在人时从所述第三收发器到所述第一收发器的无线发射的特性;所述第一收发器经由所述无线通信网络从所述第三收发器接收第四组无线信号;所述计算机服务器从所述第一收发器接收第四组信号数据,所述第四组信号数据包括关于所述第四组无线信号的性质的数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而产生;及在所述确定步骤中,所述计算机服务器至少部分地基于所述接收的第四组无线信号数据中的所述无线信号性质与所述第二基线信号分布曲线的比较来确定所述检测区域内是否存在人。

  在所述方法的另一实施例中,所述确定步骤将统计方法应用于所述第二组无线信号数据以确定人的存在。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器连续地确定所述检测区域内存在或不存在人,所述确定是至少部分地基于所述基线信号分布曲线与信号数据的比较,所述信号数据包括关于在所述计算机服务器处从所述第一收发器连续地接收的所述第一组无线信号的所述性质的数据;及当所述连续接收的信号数据指示所述检测区域中不存在人时,所述计算机基于所述连续接收的信号数据来连续地更新所述基线信号分布曲线。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器确定所述检测区域内存在的人数,所述确定是至少部分地基于所述接收的第二组信号性质与所述基线信号分布曲线的比较。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器确定一或多个人在所述检测区域内的位置,所述确定是至少部分地基于所述接收的第二组信号性质与所述基线信号分布曲线的比较。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器以操作方式耦合到第二系统;及仅在所述计算机服务器检测到所述检测区域中存在人之后,所述计算机才操作所述第二系统。

  在所述方法的另一实施例中,所述检测网络及所述第二系统经配置以使用相同通信协议进行通信。

  在所述方法的另一实施例中,所述第二系统是电系统。

  在所述方法的另一实施例中,所述第二系统是照明系统。

  在所述方法的另一实施例中,所述第二系统是加热、通风及冷却(HVAC)系统。

  在所述方法的另一实施例中,所述第二系统是安全系统。

  在所述方法的另一实施例中,所述第二系统是工业自动化系统。

  在所述方法的另一实施例中,所述无线通信协议是选自由以下各者组成的群组:BluetoothTM、低功耗BluetoothTM、ANT、ANT+、WiFi、Zigbee及Z-Wave。

  在所述方法的另一实施例中,所述无线通信网络具有在850MHz到17.5GHz的范围内的载波频率,850MHz及17.5GHz包括在内。

  在所述方法的另一实施例中,基于机器学习来调整所述检测区域内是否存在人的所述确定,所述机器学习包括:确定具有基准元件的人在所述检测区域中的第一样本位置,所述第一样本位置是基于检测到所述基准元件而确定;确定所述人在所述检测区域中的第二样本位置,所述第二样本位置是至少部分地基于所述接收的第二组信号数据与未利用所述基准元件的所述基线信号分布曲线的比较而确定;比较所述第一样本位置与所述第二样本位置;及基于非基准元件位置调整所述确定步骤以改善所述系统的位置计算能力,所述调整是基于所述比较步骤。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器存储多个历史数据记录,所述历史数据记录指示人在一段时间内是否存在于所述检测区域中,所述历史数据记录中的每一者包括在所述检测区域中检测到的人数以及在所述检测区域中检测到所述人数的日期及时间的指示;及所述计算机服务器经由接口使所述历史数据记录可用于一或多个外部计算机系统。

  本文中还尤其描述了一种用于检测人的存在的方法,所述方法包括:提供安置在检测区域内的第一位置处的第一收发器;提供安置在所述检测区域内的第二位置处的第二收发器;提供以可通信方式耦合到所述第一收发器的计算机服务器;提供以操作方式耦合到所述计算机服务器的第一外部系统;提供以操作方式耦合到所述计算机服务器的第二外部系统;所述计算机服务器从所述第一收发器接收一组基线信号数据,所述组基线信号数据包括关于当所述检测区域中不存在人时由所述第一收发器从所述第二收发器接收的第一组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在通信网络上的普通操作的部分而由所述第一收发器产生;所述计算机服务器在所述检测区域中不存在人时为从所述第二收发器到所述第一收发器的通信而创建基线信号分布曲线,所述基线信号分布曲线是至少部分地基于所述性质数据,表示当所述检测区域中不存在人时从所述第二收发器到所述第一收发器的无线发射的特性;所述计算机服务器从所述第一收发器接收第一组样本基线信号数据,所述第一组样本基线信号数据包括关于当所述检测区域中存在人时由所述第一收发器从所述第二收发器接收的第二组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而由所述第一收发器产生;所述计算机服务器在所述检测区域中存在人时为从所述第二收发器到所述第一收发器的通信而创建第一样本基线信号分布曲线,所述第一样本基线信号分布曲线是至少部分地基于所述第一组样本基线信号数据中的所述性质数据,表示当所述检测区域中存在人时从所述第二收发器到所述第一收发器的无线发射的特性;所述计算机服务器从所述第一收发器接收第二组样本基线信号数据,所述第二组样本基线信号数据包括关于当所述检测区域中存在人时由所述第一收发器从所述第二收发器接收的第三组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而由所述第一收发器产生;所述计算机服务器在所述检测区域中存在人时为从所述第二收发器到所述第一收发器的通信而创建第二样本基线信号分布曲线,所述第二样本基线信号分布曲线是至少部分地基于所述第二组样本基线信号数据中的所述性质数据,表示当所述检测区域中存在人时从所述第二收发器到所述第一收发器的无线发射的特性;所述计算机服务器从所述第一收发器接收第三组样本基线信号数据,所述第三组样本基线信号数据包括关于当所述检测区域中存在人时由所述第一收发器从所述第二收发器接收的第四组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而由所述第一收发器产生;所述计算机服务器基于所述计算机服务器确定所述第三组样本基线信号数据中的所述性质数据对应于所述第一样本基线信号分布曲线来确定操作所述第一外部系统;所述计算机服务器基于所述计算机服务器确定所述第三组样本基线信号数据中的所述性质数据不对应于所述第二样本基线信号分布曲线来确定不操作所述第二外部系统。

  在所述方法的实施例中,基于机器学习来调整操作所述第一外部系统的所述确定及不操作所述第二外部系统的所述确定,所述机器学习包括:确定具有基准元件的人在所述检测区域中的第一样本位置,所述第一样本位置是基于检测到所述基准元件而确定;确定所述人在所述检测区域中的第二样本位置,所述第二样本位置是至少部分地基于所述接收的第二组信号数据与未利用所述基准元件的所述基线信号分布曲线的比较而确定;比较所述第一样本位置与所述第二样本位置;及基于非基准元件位置调整所述确定步骤以改善所述系统的位置计算能力,所述调整是基于所述比较步骤。

  在所述方法的另一实施例中,关于所述无线信号的所述性质数据包括关于选自由以下各者组成的群组的信号性质的数据:接收信号强度、等待时间及误码率。

  在所述方法的另一实施例中,所述计算机服务器通过将统计方法应用于所述第一组样本基线信号数据来创建所述第一样本基线信号分布曲线,且所述计算机服务器通过将统计方法应用于所述第二组样本基线信号数据来创建所述第二样本基线信号分布曲线。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器从所述第一收发器接收额外组基线信号数据组,所述额外组基线信号数据包括关于由所述第一收发器从所述第二收发器接收的第二组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而由所述第一收发器产生,且当所述连续接收组基线信号数据指示所述检测区域中不存在人时,所述计算机服务器基于所述连续接收额外组基线信号数据来更新所述基线信号分布曲线。

  技术方案20的方法进一步包括:所述计算机服务器从所述第一收发器接收一组信号数据,所述组信号数据包括关于当所述检测区域中存在一或多个人时由所述第一收发器从所述第二收发器接收的第二组无线信号的信号性质的性质数据,所述性质数据是作为所述第一收发器在所述通信网络上的普通操作的部分而由所述第一收发器产生;所述计算机服务器至少部分地基于所述组信号数据与所述基线信号分布曲线的比较来确定所述检测区域中存在的人数。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器确定所述检测区域中存在的所述一或多个人中的每一者的位置,所述确定是至少部分地基于所述组信号数据与所述基线信号分布曲线的比较。

  在所述方法的另一实施例中,当所述检测区域中存在人时,所述计算机服务器确定人存在于所述检测区域中且即使所述第三组样本基线信号数据中的所述性质数据对应于所述第二样本基线信号分布曲线也操作所述第一外部系统。

  在所述方法的另一实施例中,当所述检测区域中存在人时,所述计算机服务器确定人存在于所述检测区域中且只有在所述第三组样本基线信号数据中的所述性质数据对应于所述第二样本基线信号分布曲线时才操作所述第二外部系统。

  在所述方法的另一实施例中,所述无线通信网络具有在850MHz到17.5GHz的范围内的载波频率,850MHz及17.5GHz包括在内。

  在所述方法的另一实施例中,所述方法进一步包括:所述计算机服务器存储多个历史数据记录,所述历史数据记录指示人在一段时间内是否存在于所述检测区域中,所述历史数据记录中的每一者包括在所述检测区域中检测到的人数以及在所述检测区域中检测到所述人数的日期及时间的指示;及所述计算机服务器经由接口使所述历史数据记录可用于一或多个外部计算机系统。

  附图说明

  图1是根据本发明的系统的实施例的示意图。

  图2是根据本发明的方法的实施例的流程图。

  具体实施方式

  以下详细描述及揭示内容是作为实例而非限制予以说明。此描述将清楚地使得所述领域技术人员能够制作及使用所揭示的系统及方法,且描述了所揭示的系统及方法的若干实施例、适应、变化、替代及使用。由于在不脱离本发明的范围的情况下可在上述构造中做出各种变化,故希望包含在所述描述中或附图中所示的所有内容应被解释为说明性的而不是限制性的意义。

  一般来说,本文中尤其描述了用于检测在没有基准元件的网络中人体的存在的系统及方法。一般来说,本文中所描述的系统及方法使用由于通信网络(通常是网状网络)中存在生物质而引起的RF通信的信号吸收以及信号正向及反射反向散射。

  遍及本发明,术语“计算机”描述通常实施由数字计算技术提供的功能性、特别是与微处理器相关联的计算功能性的硬件。术语“计算机”不旨在限于任何特定类型的计算装置,而是旨在包括所有计算装置,包含但不限于:处理装置、微处理器、个人计算机、台式计算机、膝上型计算机、工作站、终端、服务器、客户端、便携式计算机、手持式计算机、智能手机、平板计算机、移动装置、服务器场、硬件器具、小型计算机、大型计算机、视频游戏机、手持式视频游戏产品,及可穿戴计算装置,包含但不限于眼镜、手套、吊坠及夹子装置。

  如本文中所使用,“计算机”一定是由配备了特定作用中的计算机的典型硬件及配件的单个计算装置提供的功能性的抽象概念。例如而非限制,参考膝上型计算机的术语“计算机”将被所属领域一般技术人员理解为包含由基于指针的输入装置(例如鼠标或跟踪板)提供的功能性,而参考企业级服务器使用的术语“计算机”将被所属领域一般技术人员理解为包含由例如RAID驱动器及双电源的冗余系统提供的功能性。

  所属领域一般技术人员还将充分认识到,单个计算机的功能性可分布在多个单独的机器上。此分布可能是有用的,这是因为特定机器执行特定任务;或是平衡的,这是因为每个机器能够执行任何其它机器的大部分或所有功能且在某个时间点基于其可用资源指派任务。因此,如本文中所使用的术语“计算机”可指单个的、独立式、自含式装置或一起工作或独立地工作的多个机器,包含但不限于:网络服务器场、“云”计算系统、软件即服务或其它分布式或协作式计算机网络。

  所述领域一般技术人员还明白的是,在某些情况下,常规上不被认为是“计算机”的一些装置仍然展现出“计算机”的特性。当此类装置执行如本文中所描述的“计算机”的功能时,术语“计算机”在所述程度上包含此类装置。此类型的装置包含但不限于:网络硬件、打印服务器、文件服务器、NAS及SAN、负载平衡器,及就常规“计算机”而言能够与本文中所描述的系统及方法交互的任何其它硬件。

  遍及本发明,术语“软件”是指代码对象、程序逻辑、命令结构、数据结构及定义、源代码、可执行及/或二进制文件、机器代码、目标代码、编译库、实施方案、算法、库,或能够由计算机处理器执行或能够被转换成能够由计算机处理器(所述计算机处理器包含但不限于虚拟处理器)或通过使用运行时间环境、虚拟机及/或解译器执行的形式的任何指令或指令集合。所述领域一般技术人员认识到,软件可以被布线或嵌入到硬件中,包含但不限于嵌入到微芯片上,且仍被认为是本发明的意义内的“软件”。为了本发明的目的,软件包含但不限于:存储或可存储在RAM、ROM、快闪存储器BIOS、CMOS、母板及子板电路、硬件控制器、USB控制器或主机、外围装置及控制器,视频卡、音频控制器、网卡、及其它无线通信装置、虚拟存储器、存储装置及关联控制器、固件及装置驱动器中的指令。此处所描述的系统及方法被预期使用计算机及通常存储在计算机或机器可读存储媒体或存储器中的计算机软件。

  遍及本发明,本文中用于描述或参考媒体保持软件(包含但不限于例如“媒体”、“存储媒体”及“存储器”的术语)的术语可包含或排除例如信号及载波的暂时媒体。

  遍及本发明,术语“网络”通常是指计算机通过其彼此通信的语音、数据或其它电信网络。术语“服务器”通常是指通过网络提供服务的计算机,且“客户端”通常是指通过网络存取或使用由服务器提供的服务的计算机。所属领域一般技术人员将明白,取决于环境,术语“服务器”及“客户端”可指硬件、软件及/或硬件与软件的组合。所属领域一般技术人员将进一步明白,术语“服务器”及“客户端”可指网络通信或网络连接的端点,包含但不一定限于网络套接字连接。所属领域一般技术人员将进一步明白,“服务器”可包括传递服务或服务集合的多个软件及/或硬件服务器。所属领域一般技术人员将进一步明白,术语“主机”可以名词形式指网络通信或网络的端点(例如,“远程主机”),或可以动词形式指通过网络提供服务(“托管网站”)的服务器或通过网络提供服务的接入点。

  遍及本发明,术语“实时”是指软件在给定事件开始或完成或给定的模块、软件或系统做出响应的操作期限内操作,且通常提出响应或执行时间在普通用户的看法且考虑技术背景下实际上通常与参考事件处于同时期。所属领域一般技术人员应理解,“实时”并不按照字面意味着系统进程输入及/或瞬时响应,而是系统进程及/或响应足够快,使得处理或响应时间在普通人对程序的操作环境中的实时传递的感觉之内。所属领域一般技术人员应理解,当操作环境是图形用户界面时,“实时”通常暗示不超过实际时间的一秒的响应时间,其中毫秒或微秒是优选的。然而,所属领域一般技术人员还应理解,在其它操作环境下,“实时”操作的系统可展现出长于一秒的延迟,特别是涉及网络操作的情况。

  遍及本发明,术语“发射器”是指具有用于产生并发射携带消息、信号、数据或其它信息的电磁波的硬件、电路及/或软件的设备或一组设备。发射器还可包括如下元件部分:接收含有此类消息、信号、数据或其它信息的电信号,且将它们转换为此类电磁波。术语“接收器”是指具有用于接收此类发射的电磁波且将它们转换为其中可提取消息、信号、数据或其它信息的信号(通常为电信号)的硬件、电路及/或软件的设备或一组设备。术语“收发器”通常是指包括发射器及接收器两者的装置或系统,例如但不一定限于双向无线电或无线网络路由器或接入点。为了本发明的目的,除非另有指示,否则所有三个术语应被理解为可互换的;例如,术语“发射器”应被理解为暗示存在接收器,且术语“接收器”应被理解为暗示存在发射器。

  遍及本发明,术语“检测网络”是指在本发明的系统及方法中使用的无线网络以检测插置在所述网络的通信区域内生物质的存在。检测网络可使用通用网络协议及标准,且可但不一定是专用网络。即,虽然可为了建立根据本发明的无线检测网络的特定目的而部署网络中的节点,但是它们不一定且通常不一定是专用节点。为了其它目的而建立的普通无线网络可用于实施本文中所描述的系统及方法。在优选实施例中,检测网络使用多个低功耗节点。每一节点均充当具有用于通过网络进行通信的适当发射器及接收器的计算机。无论何时发射消息,计算机中的每一者均在网络内提供唯一标识符,使得接收计算机能够辨别消息的来源。此类消息来源信息通常对本发明的运作至关重要,如在本具体实施方式中所描述。接收计算机接着分析传入信号性质,包含但不限于信号强度、误码率及消息延迟。检测网络可为网状网络,这意味着其中每一节点中继来自网络的数据的网络拓扑。

  遍及本发明,术语“节点”是指网络通信的起点或端点,通常是具有无线收发器且作为检测网络的部分的装置。节点通常是独立的、自含式网络装置,例如无线路由器、无线接入点、短程信标等等。如本文中所描述,节点可为经配置用于检测网络的通用装置或专用装置。作为实例而非限制,节点可为具有现成无线联网装置的无线发射能力的装置,增加了用于实施本文中所描述的系统及方法的专用硬件、电路、元件部分或编程;即,用于检测信号性质的显著变化,包含但不限于信号强度、误码率及消息延迟。在检测网络内,每一节点可充当信号到网络的发射器以及可充当使其它节点推送信息的接收器。在优选实施例中,节点利用低功耗Bluetooth(BLE)作为无线网络系统。

  遍及本发明中,术语“连续”是指随着时间的推移不断发生事情,而不管此类事件是数学连续的还是不连续的。“连续函数”的通常所接受的数学定义描述了没有空洞或跳跃的函数,通常由双边极限来描述。本文中所描述的技术是基于对电信系统的干扰,在所述电信系统中,收发器以离散时间间隔进行发射,且接收到的原始数据离散地(即,以离散时间间隔)采集的。所得数据自身可为离散的,这是因为它在特定观察窗口(即,时间间隔)期间捕捉系统的特性。从物理或数学意义上说,这种机制在时间上本质上是一组离散数据点,这暗示不连续函数。然而,在所述技术的背景下,所属领域一般技术人员将会理解,展现出这种类型的行为是“连续的”的系统,假设此类测量是随着时间的推移而采集的。

  RF信号的可测量的能量密度签名受环境吸收体及反射体的影响。例如人的许多生物质主要是水且充当显著的能量吸收体。例如服装、珠宝、内部器官等等的人的其它属性全部会进一步影响可测量的RF能量密度。这在RF通信装置(例如Zigbee及Z-Wave收发器)在相对短距离(例如,小于50米)内发射的情况下尤为如此。穿过网络物理空间的人将会造成信号吸收及中断。由于大小、密度及质量组成的相对一致性,人体可引起特性信号吸收、散射及可测量的反射。信号行为及/或特性的变化在本文中通常被称为“伪影”。此类现象在RF频谱的工业、科学及医学(ISM)频带中特别有用,但是在这些频带之外通常可观察到。

  在包括空间上分离的发射器及接收器的RF通信系统中,由接收器从给定发射器接收的信号由来自到达接收器的原始发射消息的能量组成。发射路径中的物体将会影响到达接收器的最终信号的特性。

  通信系统通常经设计以处理此类问题,且仍然忠实地再现来自发射器的消息。因为人通常存在,所以只要RF通信受到影响,就如同大量的水一样,检测网络中的人存在与不存在之间的一种此类可观察到的差异是人的信号吸收。通常,离发射器或接收器越近,吸收就可能越显著。

  一般来说,设想到,人将以可预测方式在检测网络中产生伪影,其可通过检测算法以编程方式检测或识别。另外,伪影可跨网络互相关以确定引起伪影的物体的估计位置。这种估计的准确性可能会随着所选择/构造的算法且随着个别系统中使用的设备而变化。

  对于所选择/构造的每一给定算法,系统可建立此类检测作为检测区域中没有人存在的基线信号分布曲线与检测区域中存在人的样本基线信号数据的组合。可比较新传入样本基线信号数据与已知样本基线信号数据及基线信号分布曲线两者,以确定空间中人的存在或不存在。

  短程低功率通信网络通常使用2.4GHz频率频带中的信号进行操作,这在人已经被观察到吸收的能量频率范围内是值得注意的。如所指示,物理地插置在检测网络中的人体吸收及/或反射在节点之间及当中发射的至少一些信号。然而,其它影响也可能发生,例如正向及反向散射。利用检测网络中没有人存在时的数据集合来建立基线且针对通常由一或多个人的物理存在(无论人是否正在移动)而展现的统计显著差异来检查所述数据的未来要素以获得统计显著的差异,检测网络确定网络内存在还是不存在人。

  取决于通信网络自身、所使用的硬件及人,那些变化可以不同方式注册在网络中且产生不同结果;然而,此类变化是可检测的。这与雷达技术的不同之处在于,物体的检测不一定依赖或仅取决于信号反射,但是通常反而取决于相反原理-信号吸收-其经由在不同物理位置中的发射器与接收器之间的信号特性的可测量的变化来检测。

  通过分析网络内的节点之间的信号特性的变化,可计算干扰物及-例如,人体-相对于网络的位置。因为仅仅存在人体就足够了,所以此系统不一定包含基准元件,且其不需要依赖于运动或移动。因为不需要基准元件,所以本文中所描述的系统及方法可提供匿名位置数据报告服务,从而允许收集关于交通、旅行路线及占用的数据,而不需要额外组件或装置来与被跟踪的人体相关联。一般来说,本文中所描述的系统及方法实时操作。

  图1是根据本发明的系统及方法的示意图。在图1的所描绘实施例(101)中,包括多个节点(107)的检测网络(103)安置在例如房间、走廊、过道或门道的物理空间(102)内。在图1的所描绘实施例中,使用室内空间(102),但是本文中所描述的系统及方法也可在外部环境中操作。在所描绘实施例中,节点(107A)以可通信方式耦合(111)到电信网络(115),例如内联网、互联网或因特网。服务器计算机(109)也可以可通信方式耦合(113)到电信网络(115)且由此与所连接的节点(107A)以可通信方式耦合(113)。所描绘的服务器(109)包括用于实施本文中所描述的系统且实行本文中所描述的方法步骤的编程指令。然而,在实施例中,由服务器执行的功能可由具有适当软件/编程指令的一或多个节点(107)执行,或被适当修改。

  在图1的所描绘实施例中,每一节点(107)与检测网络(103)中的至少一个其它节点(107)以可通信方式连接,且可以可通信方式连接到检测网络(103)中的其它节点(107)中的两者或多于两者或全部。例如,在典型的无线网络部署策略中,多个无线接入点放置在整个物理空间(102)中,通常用于确保高质量信号在任何地方均是可用的。这些节点(107)共同形成检测网络(103)且可向彼此发射数据,或可仅发射到路由器或一组路由器。在图1的所描绘实施例中,节点(107A)是无线路由器,且其它节点(107B)、(107C)及(107D)是无线接入点。然而,这仅仅是一种可能的配置。另外,任何给定节点(107)未必是特定类型的无线装置。任何数量的节点(107)可包括路由器、接入点、信标或其它类型的无线收发器。另外,在实施例中可存在任何数量的节点(107),但是最少两个节点是优选的。空间(102)中的更多节点(107)会增加所收集的数据量(如本文中其它处所描述),因此改善了人通常插置在至少两个节点(107)之间的机会,从而改善了位置分辨率。

  在普通的操作过程中,节点(107)频繁地发送及接收无线发射。例如,当无线路由器(107A)接收到数据分组时,无线路由器(107A)通常广播含有所述分组的无线发射。这意味着路由器(107A)的广播半径内的任何接收器均可接收到信号,无论是否适用于它们。同样,当接入点接收到本地数据时,此类数据同样被广播,且可被其它接入点及路由器检测到。即使网络上没有主动发射用户数据,也会频繁地发射其它数据。这些其它发射可包含状态数据、服务扫描,及网络堆栈的低级层的功能的数据交换。

  因此,典型检测网络(103)中的每一节点(107)在一致的基础上接收发射,且在繁忙网络中,这有效地可为连续的基础。检测网络(103)因此可用于计算物理地插置在网络(103)的发射范围内的生物质(104)或(105)的存在及/或位置。因为人体的存在会影响在网络(103)内的节点(107)之间或当中发射的信号的特性,因此可通过监测此类特性的变化来检测此类存在。当正在发射及接收的数据分组中的数据仍在被发射及接收时,也可执行此检测;即,检测对于两个或多于两个节点之间或当中的普通数据交换是易发生的,不管检测如何,所述数据交换均会继续进行。具体地说,无线网络可操作以在节点之间传递数据,同时使用结合所述数据的数据分组已经受发射路径中物体的存在影响的方式的特性来检测及定位所述物体。

  在图1的所描绘实施例中,至少一个节点(107)针对信号特性的统计显著变化来监测其自身(107)与至少一个其它节点(107)之间的通信签名,即使在其等待、接收及/或在其自身与其它节点(107)之间发射通信也会如此。物理空间(102)的特定几何形状(包含物理环境中的固定装置的存在及位置)通常不会影响系统,这是因为监测是针对指示或证明人特性的信号特性的统计显著变化。即,信号特性的变化可归因于检测网络(103)所覆盖的物理环境或通信空间中的吸收体或反射体(比如人体)的变化。如本文中别处所描述,可使用关于信号的统计分析方法(例如使用感测算法)来检测所述检测网络(103)内人的存在。再者,这不会要求人与基准元件相关联或在运动中。代替地,检测网络(103)检测到网络通信的特性已经变化,这是因为新物体(通常是人物体)已经被引入在通信空间中,且所述物体的存在已经引起了在节点(107)之间传送的数据分组的特性变化。

  为了检测变化,通常形成与最近发射的信号进行比较的通信基线。通常在使用检测网络(103)作为检测器之前建立节点(107)之间的信号特性的此基线。这可通过在典型或正常情况下(即,在检测网络(103)传送数据分组的情况下)操作检测网络(103)来完成,其中在检测网络(103)的物理广播空间中没有插置显著的生物质。在此类操作期间的时间量内,节点(107)之间及/或当中的信号特性被监测并收集及存储在数据库中。在实施例中,服务器(109)将接收及存储此类数据,但是在实施例中,一或多个节点(107)可包括经配置以接收及/或存储此类数据的硬件系统。

  例如,在节点(107)含有专用硬件及编程以供根据本发明而使用的情况下,此类节点(107)可存储其自身的信号特性数据。此类信号特性数据可为与由特定节点(107)从一或多个其它节点(107)接收的信号的接收能量特性有关的数据。基线数据为每一节点(107)建立签名特性分布曲线,其本质上是定义由节点(107)在普通操作情况下接收的信号的典型及/或一般特性的数据集合,在所述普通操作情况下,没有显著的生物质插置在检测网络(103)中。节点(107)可针对供其接收数据的每一其它节点(107)具有一种此类分布曲线。

  在实施例中,在已经检测及收集基线签名之后,检测网络(103)通常将继续以相同或类似方式操作,但是现在能够检测生物质的存在。这是通过通常实时检测及收集额外信号特性来完成,这是因为检测网络(103)以发射及接收数据分组的正常模式操作。这些新产生的实时信号特性分布曲线通常也是检测网络(103)中的两个特定节点(107)之间的信号的特性,且因此可与相同的两个特定节点(107)的对应基线信号特性分布曲线进行比较。这两个分布曲线之间的某些特性的统计显著差异可能会被解译为由于存在例如人的显著的生物质而引起。

  比较操作可由给定节点(107)中的适当硬件执行,或实时信号特性分布曲线可被发射到服务器(109)以供处理及比较。在另外实施例中,这两者均被完成使得实时数据的副本也被存储且可经由服务器存取,从而有效地提供信号特性分布曲线的历史。

  这是因为:如本文中所描述,插置在网络内的生物质通常将导致至少两个节点之间的至少一些信号特性在发射数据分组时变化,所述数据分组截获生物质及/或通常与生物质交互。变化的程度及本质通常将与所插置的特定生物质的本质(例如,大小、形状及组成)及其在网络(103)中的位置有关。例如,在家蝇飞过检测网络(103)的情况下,信号变化量可能非常小以至于与信号特性的自然波动不可区分。然而,例如人的较大物质可能会导致信号特性发生更实质性及统计显著的变化。

  此类变化可能不一定表现在检测网络(103)的所有信号特性分布曲线中。例如,在物质插置于检测网络(103)的边缘处的情况下,最靠近所述边缘的节点(107)很可能经历统计显著信号特性变化,而检测网络(103)的相对侧上的节点(其到彼此的信号不会通过或围绕生物质)很可能经历很少或根本没有统计显著变化。因此,如果节点(107)的物理位置也是已知的,那么系统不仅可确定生物质存在于检测网络(103)中,而且可通过确定哪些节点(107)正在经历变化并计算那些变化的幅度来计算对生物质所处的位置的估计。

  这可在图1的所描绘实施例中看出。在图1中,为了简单起见,假设在某个时间仅存在一个人-A(104)或B(105),那么A(104)对节点(107C)及(107A)之间的信号特性的影响通常将大于对节点(107A)及(107C)之间的信号特性的影响。另外,A(104)通常对节点(107B)及(107D)之间的信号特性也具有小的双向影响。与此对比,B(105)将对节点(107A)及(107C)之间的信号特性以及对节点(107B)及(107D)之间的信号特性具有双向影响。

  虽然所有节点可彼此通信,但是对A(104)及/或B(105)通常不与节点之间的通信路径一致的通信的影响更加可忽略不计。例如,因为人(104)或(105)均不在节点(107A)及(107B)之间的发射路径中,所以人(104)或(105)均不可能严重影响那些节点之间的发射。然而,A(104)可能会影响节点(107C)及(107D)之间的发射。

  应注意,检测网络(103)的通信区域内存在或不存在生物质将不一定会导致数据通信的任何变化。预期到,检测网络(103)将利用其标准现有协议、手段及方法(包含所有形式的重传及错误检查)来确保正在发射的数据分组中的数据被正确地接收、处理及起作用。实际上,除了检测网络的标准数据通信之外,还执行检测网络(103)的检测过程。

  由此应明白的是,由检测网络(103)中的节点(107)传送的数据分组中的数据通常将不会直接用于检测所述检测网络(103)的通信区域内的生物质。代替地,数据将仅仅是出于任何原因而经由检测网络(103)传送的数据,且通常将与生物质的检测无关。另外,虽然本发明通常以数据分组的形式预期分组化通信,但是在替代实施例中,数据可以非分组化形式连续传送。

  在实施例中,为了允许检测网络(103)检测特定生物质的存在或不存在,所述系统包含训练方面或步骤。此方面可包括在建立基线之后在网络中的一或多个位置处有意地将一或多个人插置于网络中,且收集及存储一或多个额外组基线数据。此第二基线可用于比较目的以改善检测插置在网络中的生物质的大小、形状及/或其它特性方面的准确性,及/或用于改善位置确定的准确性。此类训练可使用有监督或无监督学习,及/或可利用机器学习领域的技术人员已知的技术。

  在实施例中,检测网络(103)可使用包括受控消息传递结构及/或格式的专用协议,所述协议可从一个节点(107)控制到另一节点(107),使得更简单且更容易地确定消息来源于哪一个节点(107),且允许控制多个方面,例如所发送信号的组成、发射信号强度及信号持续时间。此类控制进一步促进处理中的某些改善,且促进接收器识别及使用特定于网络(103)的检测方面的某些信号质量及/或特性,这可能不同于共享同一网络(103)的一般网络方面。通过控制在物质所处的相对侧上发送及接收的消息,没有必要发送信号作为扫描,也不需要扫掠空间中的区域,这是因为此类功能需要比节点(107)之间的典型广播或定向发射所需的设备昂贵得多的设备。消息一般以如下方式构造:为检测算法最佳地产生可用数据,所述检测算法将经构造以与它们在其内使用的通信网络一起发挥最佳功能。通常,此类构造仍然避免了对网络发送的信号进行波形级分析的需要。

  在所描绘实施例中,每一节点(107)通常能够确定由此类节点(107)接收的分组的来源节点(107)。正如通信网络的技术人员所知,此类消息来源信息通常被编码在消息自身内。作为实例而非限制,这可通过检查嵌入在联网堆栈中的已建立协议中的数据或通过检查由发送节点(107)发射用于实施本文中所描述的系统及方法的特定目的的数据来完成。通常,每一节点(107)具有适当的硬件及处理能力来分析所接收的消息。虽然许多不同拓扑及消息传递协议将允许本文中所描述的功能性,但是通常网状联网拓扑及通信方法将产生可用结果。

  图2描绘根据本发明的方法的实施例(201),且应结合图1的系统来理解。在所描绘实施例中,所述方法以包括根据本发明的多个通信节点(107)的检测网络(103)的建立(203)而开始。正如建立通信系统领域的技术人员所知,此类网络(103)的建立存在许多不同方法,且许多不同网络(103)拓扑可能证明在此框架内是可行的。

  接下来,可产生(205)存储器中的数字地图,其指示检测网络(103)的物理节点(107)几何形状。本文中所描述的检测算法通常使用关于节点(107)在物理环境(102)中被部署的位置的信息。关于节点(107)的此类物理位置的数据可手动供应给物理网络环境(102)的准确图解,及/或软件可用于自动产生一或多个节点(107)在检测网络(103)内的关系位置地图,从而促进将节点(107)更容易地放置到此类环境地图或图解中。

  替代地,节点(107)可使用关系(与绝对相反)距离以供检测而放置在空白或空地图或图解上。在此类无量纲系统中,仍然可从与系统(101)中的人检测有关的算法产生消息,且可包含额外手动处理,例如关于与人在网络(103)内的存在及/或移动有关的哪些消息被发送的用户输入。

  在具有自动节点(107)位置检测的实施例中,节点(107)位置由一或多个节点(107)及/或计算机服务器(109)以算法方式及/或以编程方式基于例如但不一定限于以下各者的因素来检测:检测网络(103)建立及配置,包含例如节点(107)的特定硬件组件的物理位置及每一节点(107)相对于一个或多个其它节点(107)的位置;信号强度指示符;及发射延迟。在所描绘实施例中,此步骤(205)进一步包括将所产生的地图重叠在检测网络(103)所占用的物理空间(102)或环境的数字地图(在本文中被称为“环境地图”)上,例如建筑物的平面布置图。此步骤(205)可进一步且任选地包括缩放元件以将所产生的地图的标度与环境地图对齐,以及包括用户可操纵及/或可修改的输入元件用于进行调整以微调所产生的地图,使得它更接近地符合实际节点(107)部署几何形状,如所属领域一般技术人员将理解。在替代实施例中,每一节点(107)可被手动放置在环境地图上的所述节点的适当位置中而不使用相对位置算法。

  以任一方式,此步骤(205)建立检测网络(103)中的节点(107)的物理位置,这将促进确定可归因于检测网络(103)内人的存在而引起的插置的生物质的位置。通过将节点(107)放置在地图上(通过手动或自动手段),节点(107)可基于基线信号如何影响各个节点(107)之间的通信来跟踪网络(103)中人的存在。鉴于数据处理算法已知的发射组信息,系统(101)接着利用收集的关于到达接收器的信号的信息。数据处理算法最终确定人是否存在于网络(103)内及/或人在网络(103)内所处的位置。

  接下来,以某种格式构造及交换(207)消息,且根据协议,消息被确定为适合于检测网络(103)内生物质的存在。这可使用所属领域已知的通用网络协议(例如OSI网络模型中的协议)或替换或补充此类通用协议的专用协议来完成。

  通常,优选的是,此步骤进一步包括控制及/或修改(207)在检测网络(103)内传递的消息,以用于检测人的存在且促进简化的统计分析的特定目的。通过控制(207)消息交换,系统(101)可调整通过检测网络(103)发送的公共内容,同时还促进调整参数,包含但不一定限于:发射时间间隔;发射功率;消息长度及/或内容;及预期消息接收者。再者,所述系统不一定依赖于波形级分析,从而允许在无线通信标准的范围内操作。

  控制(207)此类参数会促进统计及/或分析的形成,其可至少部分地基于预定义或预期消息内容或特性。此类内容及/或特性可包含但不限于发射时间戳及/或发射功率级。通过控制及修改(207)这些方面,可克服硬件限制,包含在根据本发明的检测网络(103)中使用时引起非所需结果的硬件特征,例如但不一定限于自动增益控制(AGC)电路,其可集成到节点(107)中的某个接收器硬件中。

  接下来,在所描绘实施例(201)中,清除(209)空间(102)中的显著生物质-特别是人(205)。接着,每一节点(107)局部地形成(211)信号强度的统计基线。再者,通过在步骤(205)中将节点(107)放置在地图上,而无论是否通过手动及/或自动手段,节点(107)可基于基线信号如何影响节点(107)之间的通信来跟踪网络(103)中人的存在。

  接下来,生物质进入(213)检测网络(103),从而引起信号吸收及其它失真,其表现为节点(107)之间的信号特性的变化。检测(215)及分析(217)这些变化以确定所述变化是否指示人的存在或检测网络(103)经配置以检测的生物质的另一类型。此类检测进一步至少位于节点之间的区域,例如网络上的三个节点之间的内部区域内,但是可能具有较大的准确性,这取决于当时正在使用的算法及硬件。

  通常,这是使用由一或多个节点(107)或由服务器计算机(109)执行的检测算法来完成。节点(107)及/或服务器(109)使用软件来使用一或多种检测算法估计检测到的生物质在检测网络(103)中的位置。此类算法通常比较基线分布曲线与新检测到的信号,且还可使用或基于各种数据及其它方面,例如但不限于:检测网络(103)建立及配置,包含例如节点(107)的特定硬件组件的物理位置及每一节点(107)相对于一个或多个其它节点(107)的位置;信号强度指示符;及发射延迟。

  一般来说,如本文中别处所描述,这些算法包含比较新收集的信号特性分布曲线(215)与基线信号特性分布曲线(211)以识别变化且基于所述变化的本质来确定所述变化是否指示人的存在。此确定可至少部分地使用通过如本文中别处所描述的机器学习而形成的训练数据来完成。

  在实施例中,检测算法可进一步包括使用在检测网络(103)中的一或多对节点(107)之间观察到的信号特性变化,其在时间及相对效应上相关。这些因素促进识别发生此类信号变化的检测网络(103)中的物理位置,从而允许估计引起此类信号特性变化的人的物理位置,这又可用于估计其中插置生物质的检测网络(103)环境中的物理位置。此类物理位置可根据坐标系被提供为简单的x、y、z坐标,或可被视觉上指示,例如在地图上。

  在检测网络(103)中存在多个人的情况下,更难以将各个个体的影响彼此分离出来,且随着添加更多节点(107),准确性通常会改善。在实施例中,例如高级过滤及预测路径算法的技术可用于单独确定网络(103)内个体的位置。虽然人在网络(103)中的移动对于适当操作的系统及方法来说不是必需的,但是可使用移动或缺少移动来例如通过预测单个个体的路径改善检测准确性。这可帮助识别个体从检测网络(103)统计地“消失”但是系统具有足够的数据来估计个体仍然存在于网络(103)中的情况。

  例如,在已经预测到个体的移动路径且所述移动路径终止于另一检测到的个体旁边的情况下,系统(101)可确定这两个个体对于信号特性分布曲线变化来说太靠近在一起而无法单独识别它们,但是因为个体的移动路径没有被确定为已经将所述个体从网络(103)的检测范围中取出,所以所述算法确定所述个体存在紧靠另一检测到的人但不移动。因此,当两个接近的静止人中的一者移动时,所述算法可再次单独识别每一者,且基于观察到的信号特性分布曲线变化来恢复预测路径。

  以此方式,根据本发明的系统及方法可跟踪网络(103)内的一或多个个体,而不管是否移动且不管任何此类人是否与基准元件相关联。识别特定个体可进一步使用其它路径预测及感测算法来完成,所述算法是例如但不一定限于在机器人行业中用于人跟随技术的算法,以便估计哪个人是特定个体。应注意,个体可对各种信号特性赋予特定且独特的影响,从而允许识别特定个体,且进一步允许将一个特定个体与其它个体区分开来。此类影响可用于进一步确定特定个体在检测网络内的位置。

  检测算法通常经构造以利用通信信号的特性,考虑例如但不一定限于信号的频率及信号的发射功率级的因素。在实施例中,所述算法使用数据驱动方法来检测人的存在以确定人的存在对通信网络内的RF环境中的信号特性的影响,且接着识别稍后观察到所述影响的时间。

  例如,在实施例中,随着人体的存在而变化的信号特性是注册在节点(107)之间的信号强度。这在BLE网络内尤其如此,且与随时间变化的信号强度有关的统计可指示网络内人的存在。检测算法可使用这些伪影来提供关于引起伪影的物体的物理位置的信息。即,通过组合关于跨网络(103)捕捉的伪影的各种统计,所述系统确定伪影在物理空间(102)中所处的位置,且因此确定人在网络(103)中的位置。

  在最简单的使用情况下,所述算法可简单地识别信号特性变化,所述信号特性变化与由人的存在引起的已知变化(例如,来自训练的变化)类似,且只要检测到相对于基线的此类变化,就会简单地触发检测事件(219)。这可能表现为平均值、标准偏差、偏斜度或信号强度方差的调整,这取决于所使用的系统(101)。当检测到的信号特性分布曲线恢复到类似于基线的分布曲线时,可推断物理环境(102)已经恢复到关于是否存在人的空状态。

  与用于此类确定的需要运动来起作用的其它技术(通常是无源红外(PIR)传感器)相比,本文中所描述的系统及方法能够检测空间(102)内静止人的存在,而不管是否在运动中,且更确切地说,检测人何时不再存在于空间(102)中。对于例如安全及占用感测的应用,此系统将更难以欺骗。可能蒙骗PIR及其它类似的基于运动的技术的一些欺骗实例包含:在人进入空间时将纸放在他们面前,非常缓慢地移动,或在进入后在区域中保持大体上不动。另一益处是,所述系统不一定需要超出普通网络通信中使用的硬件的额外硬件。这是因为可经由外部组件或对现有硬件的修改(例如通过将适当的软件实施为附接到现成通信模块的片上系统(SOC))来提供额外软件及处理能力。如果需要额外处理能力,那么可添加额外处理节点以分析在节点(107)之间传播的信号,或可将工作负载发射到专用服务器机器(109)并由其处理。

  确定人的存在及/或位置可能与被分析的信号类型的细节以及控制在网络(103)上的节点(107)之间发送的信号以最佳地实现那些检测有关。通过经由网络(103)发送受控通信脉冲(其中原始信号是已知的且可调制发射功率),由于节点(107)之间有额外的人,故有可能形成与信号吸收、反射、反向散射等等相关的示范性数据。因为通常假设基线系统可在没有人存在的情况下被配置,且此类基线在外观上与人存在时的外观统计上不同,所以可进一步假设信号特性变化将是由于网络中存在人。通过允许定时器的输入且通常配置系统以在空间(102)为空时改进基线清晰度,系统可周期性地重新校准其自身以实现改善的准确性。一般来说,正如定位技术领域的技术人员将会知道的那样,跟踪算法结合用于检测网络(103)内的人的检测算法而利用与统计方法结合的最佳可用三角测量计算。

  本发明不需要与检测到的人相关联的基准元件,也不需要人携带能够与网络通信的任何装置;然而,如果此类元件被部署在系统内,那么此类技术将会利用此类元件。添加此类元件可减轻系统的计算负担,且允许提高准确性。本文中所描述的系统及方法并不排除此类额外功能性,且可通过它来增强。使用推理机来增强检测会增加感测硬件从误报情况或其它边缘情况恢复的能力,由此使系统更加稳健。

  在实施例中,实施本文中所描述的系统及方法的检测网络(103)可进一步包括用于基于检测到的人的存在及/或位置来采取动作(219)的元件。这可例如通过以下方式来完成:使用计算机通过网络发送控制信号以首先确定网络上人的存在及/或位置,且接着基于网络上人的存在及/或位置来确定要采取的动作并通过所述网络发送消息来采取所述动作。因为通信网络及执行检测的网络可为同一网络,所以本文中所描述的发明扩展了通信网络的传统功能性以包含人检测及/或位置感测而不需要额外感测硬件。

  网络上的计算机元件必要地执行额外计算且可制作通信信号。这可减轻计算机的计算负担;然而,网络仍然可独立于作为检测网络的网络而用作命令及控制网络。

  所述系统作为整体可用于各种各样的应用,范围是从可能用于照明控制及/或安全的占用感测到对空间中的人数进行计数(如可能为热及/或交通地图所需要)到跟踪在空间中移动的个体的系统。所述技术可集成到网络节点自身中,或可为向处理元件(直接在网络上或在云中)发射信息的节点的组合,以执行计算来确定期望信息。最终的集成产品套件可针对应用进行定制,且可以各种不同方式而使用。

  不需要额外传感器,且通过计算来自传统RF通信堆栈的统计来有效地进行检测。此类系统防止从步行通过所述空间的人收集个人数据,这是因为所述系统仅知道近似人大小质量的水、器官、衣物等等已经通过,且不需要任何单独装置来充当基准元件。因而,所述技术表示显著地脱离用于跟踪在空间中移动的人的传统方法。

  本文中所描述的系统及方法的逻辑扩展包括在统计分析内动态处理功能网络消息,以便避免或减少系统的额外消息传递开销。还预期到,在实施例中,本文中所描述的系统及方法经扩展以包括至少部分地基于在网络内发射的功能消息而对网络及/或消息结构、配置及/或操作参数的动态调整。

  另外,因为跟踪是基于受到通常是人体质量影响的信号,所以系统不依赖于人四处移动来进行检测。由于不依赖移动,故克服了例如无源红外及超声波传感技术的传统存在感测技术的许多不足。

  利用节点之间的通信网络的信号来检测网络中人的存在(其中人不携带基准元件)会彻底脱离当前的非基准元件检测方法且利用通信网络来以全新方式执行存在感测。为了执行本文中所呈现的人存在检测的目的,检测技术与网络节点利用的组合作为发射器接收器组合构成了一种新型人存在检测系统,所述系统除了形成通信网络自身所需的设备之外不需要额外设备。

  为了普通通信的目的,本文中所描述的系统及方法可在通信网络中实施而不影响网络自身的操作。网络由于其主要功能而继续充当通信网络,但是在此情况下,一些通信用于计算网络中存在的人的位置。因为本文中所描述的系统及方法利用网络的基本操作,所以可以更高的准确性检测及定位网络内额外携带为网络已知的收发器装置的人。可包括例如具有无线收发器的移动计算装置(例如蜂窝电话、移动电话、智能手机、平板计算机、可穿戴计算机技术等等)的此类收发器装置可连接到网络且可由网络使用所属领域技术人员已知的传统三角测量方法来定位。当人携带此类收发器时,也可应用机器学习算法,这又可进一步改善性能。

  可比较已知收发器装置的位置计算与由本文中所描述的非收发器方面确定的人的位置。由于通信网络报告基准元件的位置以及人在网络内的位置两者,故可比较这两者的位置。因为情况通常是仅仅基于网络通信,基准元件的检测到的位置相比于人的估计位置具有更高的逼真度,所以可使用机器学习算法来调整人在网络内的位置的位置计算,以便改善系统对进入网络的下一个人的位置计算能力。

  使用机器学习算法,系统可基于来自收发器的已知位置改善位置预测算法的准确性。这可能允许验证先前的确定,且改进未来的确定。例如,如果发现先前的确定始终偏离达约相同的量,那么所述量可作为调整而应用于未来的确定。以此方式,系统可继续改善及训练其自身以更好地定位网络内的人。类似地,机器学习可继续改善检测及误报率。作为实例而非限制,可使用关于设施处的先前交通模式的数据来建立关于特定设施通常被占用或通常为空的时间或日期范围的默认、推定或期望。系统可使用此类数据来改善其性能。

  另外,所述系统能够基于与网络元件的物理交互而作出推断。此类物理交互可被认为是为了系统目的而在与网络元件交互时的基准元件。作为实例,如果作为网络部分的灯开关被致动,那么系统将知道在开关被致动时在所述位置存在人。因而,所述系统可将所述信息用作已知数据点,所述系统可将机器学习应用于所述已知数据点以在未来更好地预测人的存在。另外,此类事件可充当例如安全警告的其它目的的存在触发器。作为实例,假设系统处于安全模式,且有人已经找到了掩盖其存在的方式但仍然与开关交互,那么系统将能够确定有人存在且基于与开关的交互来发送警告。一般来说,与系统的交互将在物理上及逻辑上被定义,其中逻辑交互将包括基于时间、外部输入等等的典型使用模式。此类系统充当对RF存在感测的备份,且对系统提供额外机器学习功能。

  另外,系统可估计网络中的移动收发器是否实际上由人携带,例如估计人将装置留在网络中的哪个位置。因为系统可通过信号特性的变化而检测到作为生物质的人,所以系统可检测在人生物质不存在的同时网络中是否存在收发器。

  作为收集各种信号特性且能够通过各种算法运行它们的副作用,所述系统能够同时运行多个检测计算,以用同一系统实现不同性能准则。作为实例,同一通信网络可用于与照明及安全相关联的检测;然而,所收集的统计针对两种应用可以不同方式但同时进行处理。以此方式,照明应用仍然可提供更短的检测时间,但是可能具有更高的误报率,而安全应用可稍微延长检测时间,同时降低误报率。系统将处理的信号特性可能因应用而异,但全部是从通信网络捕捉的,且可同时以多种方式被处理。可将此类处理方法封装在多组不同样本基线信号数据中,以确定相对于基线信号分布曲线的检测。

  在根据本发明的系统的实施例中,所述系统包括通信系统,所述通信系统能够根据关于网络上的两个或多于两个计算机之间的信号的信息来确定一或多个人的存在,其中每一计算机由以下各者组成:用于通信的收发器;及用于执行计算的计算元件,其中每一计算机向网络上的一或多个其它计算机发送信号,其中所述信号包含发送所述信号的计算机的唯一标识符;其中每一计算机处理为了确定一或多个人的存在而接收到的信号;且其中一或多个人不需要在他们身上具有能够与网络通信的任何装置。

  在此类系统的实施例中,所述算法使用统计方法来确定一或多个人的存在。在此类系统的另外实施例中,统计方法确定存在的人数。在此类系统的另一实施例中,系统能够确定一或多个人在网络上的物理位置。在此类系统的又一实施例中,系统能够跟踪一或多个人随时间变化的物理位置。在此类系统的另一实施例中,系统使用关于一或多个人的存在的信息来控制网络上的装置。在实施例中,网络是网状网络。

  在实施例中,计算机确定它们的相对物理位置且进一步确定一或多个人在网络上的相对物理位置。在另外实施例中,统计方法被应用于信号强度的度量以确定人的存在。在另外实施例中,发射的信号被控制以便更容易地检测人的存在。在另外实施例中,发射的信号的功率级被控制以便更容易地检测人的存在。在另外实施例中,所述系统用作占用感测系统。在另外实施例中,占用感测系统控制照明系统。在另外实施例中,用于控制照明系统的网络及用于占用感测的网络利用相同的通信技术及硬件。在另外实施例中,计算机所采用的通信技术是选自以下各者的列表:低功耗BluetoothTM、WiFi、Zigbee及Z-Wave。

  在另外实施例中,所述系统用作安全应用的感测系统。在另外实施例中,安全感测系统控制安全系统。在另外实施例中,用于控制安全系统的网络及用于安全感测的网络利用相同的通信技术及硬件。在另外实施例中,所述系统用作机器人系统的人检测器。在另外实施例中,机器人系统具有将机器人系统的各个元件相对于彼此动态地定位的计算机。在另外实施例中,用于控制机器人系统的网络及用作系统的人检测器的网络利用相同的通信技术及硬件。

  在另一实施例中,系统使用机器学习来改善其检测能力,其中身上具有基准元件的人通过以下方式训练系统:(1)使用已知定位技术来确定基准元件的位置;(2)使用上述系统来定位人;(3)比较通过本段的(1)的方法计算的位置与通过本段的(2)的方法计算的位置;(4)使用机器学习算法调整位置确定方法,以改善系统的位置计算能力。

  在另一实施例中,系统可基于人以某种方式与网络上的计算机中的一或多者交互来推断网络中那些人的存在。在另外实施例中,系统可使用推断的人的存在作为用于机器学习的输入以改善其检测能力。

  在根据本发明的系统的实施例中,所述系统包括通信系统,所述通信系统能够根据关于网络上的两个或多于两个计算机之间的信号的信息来确定一或多个人的存在,静止的和移动的,其中每一计算机由以下各者组成:用于通信的收发器;及用于执行计算的计算元件,其中每一计算机向网络上的一或多个其它计算机发送信号,其中所述信号包含发送所述信号的计算机的唯一标识符;其中每一计算机处理为了确定一或多个人的存在而接收到的信号;其中一或多个人不需要在他们身上具有能够与网络通信的任何装置。

  在实施例中,所述算法使用统计方法来确定一或多个人的存在。在另一实施例中,统计方法确定存在的人数。在另一实施例中,系统能够确定一或多个人在网络上的物理位置。在另一实施例中,系统能够跟踪一或多个人随时间变化的物理位置。在另一实施例中,系统使用关于一或多个人的存在的信息来控制网络上的装置。在另一实施例中,关于一或多个人的存在的信息可用于存在确定中未直接涉及的一或多个系统。在另一实施例中,系统具有根据一或多个预设准则执行自优化以实现给定性能的能力。

  在另一实施例中,通信协议或网络通常由标准委员会定义,包含但不限于例如低功耗Bluetooth、WiFi、Zigbee及Z-Wave的协议。在另一实施例中,统计方法被应用于接收信号强度的度量以确定人的存在。在另一实施例中,网络上的发射及接收装置可由系统选择及致动,以用于更容易地进行人检测的目的。在另一实施例中,发射的信号的功率级可被控制以便更容易地检测人的存在。在另一实施例中,所述系统用作照明系统的占用感测系统。在另一实施例中,占用感测系统控制照明系统。在另一实施例中,用于控制照明系统的网络及用于占用感测的网络利用相同的通信技术及硬件。

  在另一实施例中,所述系统用作安全应用的感测系统。在另一实施例中,安全感测系统控制安全系统。在另一实施例中,用于控制安全系统的网络及用于安全感测的网络利用相同的通信技术及硬件。在另一实施例中,所述系统用作加热、通风及冷却(HVAC)系统的占用传感器。在另一实施例中,占用感测系统控制HVAC系统。在另一实施例中,用于控制HVAC系统的网络及用于占用感测的网络利用相同的通信技术及硬件。

  在另一实施例中,系统使用机器学习来改善其检测能力,其中身上具有基准元件的人通过以下方式训练系统:(1)使用已知定位技术来确定基准元件的位置;(2)使用所述系统来定位人;(3)比较通过本段的(1)计算的位置与通过本段的(2)计算的位置;(4)使用机器学习算法调整位置确定方法,以改善系统的位置计算能力。

  在另一实施例中,系统可基于人以某种方式与网络上的计算机中的一者交互来推断网络中那些人的存在。在另一实施例中,系统可使用推断的人的存在作为用于机器学习的输入以改善其检测能力。

  本文中还描述了通信系统,所述通信系统能够根据关于网络上的两个或多于两个计算机之间的信号的信息来确定一或多个人的存在,静止的和移动的,其中每一计算机由以下各者组成:用于通信的收发器;及用于执行计算的计算元件,其中每一计算机向网络上的一或多个其它计算机发送信号,其中所述信号包含发送所述信号的计算机的唯一标识符;其中每一计算机将处理为了以两种或多于两种方式确定一或多个人的存在以实现同时用作两种或多于两种目的所需的不同性能准则而接收到的信号;其中一或多个人不需要在他们身上具有能够与网络通信的任何装置。

  在实施例中,所述算法使用两种或多于两种统计方法以根据两组或多于两组性能准则来确定一或多个人的存在。在另一实施例中,系统具有根据两个或多于两个预设准则执行自优化以实现一组两种或多于两种性能的能力。在另一实施例中,通信协议或网络通常由标准委员会定义,包含但不限于例如低功耗BluetoothTM、WiFi、Zigbee及Z-Wave的协议。在另一实施例中,两种或多于两种统计方法被应用于接收信号强度的度量以根据两组或多于两组性能准则来确定人的存在。在另一实施例中,系统使用机器学习来改善用于确定存在的两种或多于两种方法的检测能力,其中身上具有基准元件的人通过以下方式训练系统:(1)使用已知定位技术来确定基准元件的位置;(2)使用所述系统来定位人;(3)比较通过本段的(1)计算的位置与通过本段的(2)计算的位置;(4)使用机器学习算法调整位置确定方法,以改善系统的位置计算能力。

  虽然已经结合包含当前被认为是优选实施例的实施例的某些实施例的描述而揭示了本发明,但是详细描述旨在说明性的且不应被理解为限制本发明的范围。如所属领域一般技术人员将理解,本发明预期除了本文中详细描述的实施例之外的实施例。在不脱离本发明的精神及范围的情况下可对所描述实施例作出各种修改及变化。

《检测网络内的位置.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式(或pdf格式)