[发明专利]基于异常检测的注意力下降检测

权利要求书

1.一种计算机实现的方法，包括：

准备用于生成指示注意力下降的估计的分数的异常检测模型的基础，所述异常检测模型具有影响所述分数的参数；

准备训练数据集，每个训练数据包括与个体所执行的活动相关的传感器数据序列；

使用所述训练数据集来优化所述异常检测模型的参数，使得与较短的累积活动相比，较长的累积活动的分数高；以及

输出所述异常检测模型的参数，具有所述参数的所述异常检测模型用于检测目标个体的注意力下降。

2.如权利要求1所述的方法，其中，具有所述参数的所述异常检测模型被配置为计算输入数据的分数，所述输入数据包括与所述目标个体所执行的活动相关的传感器数据。

3.如权利要求1所述的方法，其中，通过使用活动数据的集合训练所述异常检测模型来准备所述异常检测模型，所述异常检测模型包括用于计算多个传感器变量的暂时分数的基础部分，以及用于使用所述参数作为权重对所述多个传感器变量的暂时分数进行加权以将所述分数生成为所述多个传感器变量的暂时分数的加权和的加权部分。

4.如权利要求3所述的方法，其中，所述个体所执行的活动是作为驾驶员的所述个体所执行的驾驶，并且由所述异常检测模型检测到的所述目标个体的注意力下降与所述目标个体对机动车辆的驾驶相关。

5.如权利要求4所述的方法，其中，通过驾驶时间或驾驶距离来测量累积活动。

6.如权利要求1所述的方法，其中，通过在针对较长的累积活动的点计算出的第一分数低于针对较短的累积活动的点计算出的第二分数时给出惩罚来优化所述异常检测模型的参数。

7.如权利要求1所述的方法，其中，通过随机采样针对从所述训练数据集中选择的一个训练数据中的不同定时生成的一对分数来优化所述异常检测模型的参数。

8.如权利要求1所述的方法，其中，通过基于数据选择条件选择一个或多个活动数据来准备所述训练数据集，所述数据选择条件用于提取包括所述注意力下降时的活动的片段。

9.如权利要求1所述的方法，其中，所述训练数据中的每个训练数据包括向量序列，每个向量包括从包括以下值的组中选择的多个值：x、y和z轴的加速度，侧倾、俯仰和偏航轴的角速度，车辆速度，车辆航向角，转向角，纬度，经度，高度，方位角，加速踏板的踩下量和踩下速度，节流阀的位置，制动踏板的踩下量和踩下速度，以及从这些值获得的经处理的值。

10.如权利要求1所述的方法，其中，所述异常检测模型具有使用稀疏结构学习的基于接近度的异常检测模型的架构。

11.一种计算机实现的方法，包括：

准备用于生成指示注意力下降的估计的分数的异常检测模型，所述异常检测模型具有影响所述分数的参数，所述参数已经使用训练数据集进行了优化，使得与较短的累积活动相比，较长的累积活动的分数高；

接收包括与目标个体所执行的活动相关的传感器数据的输入数据；

使用具有所述参数的所述异常检测模型来计算所述输入数据的分数；以及

输出基于所述分数的结果。

12.如权利要求11所述的方法，其中，响应于满足与所述分数相关的检测条件，所述结果指示针对所述输入数据的注意力下降的出现。

13.如权利要求12所述的方法，其中，所述检测条件包括关于所述分数的阈值，所述阈值是基于交叉验证而设置的。

14.如权利要求11所述的方法，其中，所述异常检测模型包括：基础部分，用于计算多个传感器变量的暂时分数，使用活动数据的集合进行训练；以及加权部分，用于使用所述参数作为权重对所述多个传感器变量的暂时分数进行加权，以将所述分数生成为所述多个传感器变量的暂时分数的加权和。