[发明专利]交通工具进入检测

说明书

本公开的某些方面一般涉及用于事件状态检测的装置和技术。一种示例方法一般包括：在计算设备处接收多个传感器信号；在该计算设备处基于该多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率；以及在该计算设备处基于子事件状态的概率经由状态序列模型来检测事件状态。

引言

相关申请的交叉引用

本申请要求于2018年10月8日提交的PCT申请No.PCT/CN2018/109262的优先权，该申请被转让给本申请受让人并且藉此通过援引如同在下文全面阐述那样且出于所有适用目的被明确纳入于此。

公开领域

本公开的某些方面一般涉及用于事件状态检测的装置和技术。

背景技术

可包括一群互连的人工神经元(例如，神经元模型)的人工神经网络是一种计算设备或者表示由计算设备执行的方法。这些神经网络可被用于各种应用和/或设备，诸如网际协议(IP)相机、物联网(IoT)设备、自主交通工具、和/或服务机器人。

卷积神经网络是一种前馈人工神经网络。卷积神经网络可包括神经元集合，其中每一个神经元具有感受野并且共同地拼出一输入空间。卷积神经网络(CNN)具有众多应用。具体而言，CNN已经在模式识别和分类领域中被广泛使用。

在分层神经网络架构中，第一层神经元的输出成为第二层神经元的输入，第二层神经元的输出成为第三层神经元的输入，依此类推。卷积神经网络可被训练以识别特征阶层。卷积神经网络架构中的计算可分布在处理节点群体上，其可被配置在一个或多个计算链中。这些多层架构可每次训练一层并可使用后向传播来微调。

简要概述

本公开的系统、方法和设备各自具有若干方面，其中并非仅靠任何单一方面来负责其期望属性。在不限定如所附权利要求所表述的本公开的范围的情况下，现在将简要地讨论一些特征。在考虑本讨论后，并且尤其是在阅读题为“详细描述”的章节之后，将理解本公开的特征是如何提供包括无线网络中的接入点与站之间的改进通信在内的优点的。

本公开的某些方面一般涉及用于事件状态检测的装置和技术。一种示例方法一般包括：在计算设备处接收多个传感器信号；在该计算设备处基于该多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率；以及在该计算设备处基于子事件状态的概率经由状态序列模型来检测事件状态。

某些方面涉及一种用于事件状态检测的装置。该装置一般包括多个传感器并包括处理系统，该处理系统被配置成：从该多个传感器接收多个传感器信号；基于该多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率；以及基于子事件状态的概率经由状态序列模型来检测事件状态。

某些方面涉及一种用于事件状态检测的装备。该装备一般包括：用于接收多个传感器信号的装置；用于基于该多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率的装置；以及用于基于子事件状态的概率经由状态序列模型来检测事件状态的装置。

某些方面涉及一种其上存储有指令的计算机可读介质，这些指令使计算设备：接收多个传感器信号；基于该多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率；以及基于子事件状态的概率经由状态序列模型来检测事件状态。

为了达成前述及相关目的，这一个或多个方面包括在下文充分描述并在权利要求中特别指出的特征。以下描述和附图详细阐述了这一个或多个方面的某些解说性特征。然而，这些特征仅仅是指示了可采用各个方面的原理的各种方式中的若干种，并且本描述旨在涵盖所有此类方面及其等效方案。

附图简述