專利名稱：使用車載車輛系統(tǒng)設(shè)置的車輛駕駛員識別和定制的設(shè)備和方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及車載車輛系統(tǒng)的自動控制，并且具體地涉及用于使用車載系統(tǒng) 設(shè)置來辨識車輛授權(quán)駕駛員并然后根據(jù)授權(quán)駕駛員的建模簡檔(profile)來控制車載車 輛系統(tǒng)的設(shè)備和方法。
背景技術(shù)：
現(xiàn)代車輛設(shè)計試圖實現(xiàn)各種車載車輛系統(tǒng)與車輛操作者或駕駛員之間的無縫交 互。通常，車輛系統(tǒng)與駕駛員之間的交互能夠分成三個水平或級別通達(access)、適應(yīng) (accommodation)和動態(tài)控制。關(guān)于通達，車輛系統(tǒng)能夠配置成使得僅僅某些授權(quán)駕駛員能 夠操作車輛。關(guān)于適應(yīng)，車輛內(nèi)部和/或外部系統(tǒng)能夠結(jié)合駕駛員的已知偏好來調(diào)節(jié)。關(guān) 于動態(tài)控制，車輛的動態(tài)特性能夠?qū)τ诋斍榜{駛員的已知偏好被獨特地設(shè)計。
具體地，通達能夠借助于僅在駕駛員具有便攜式裝置(如鑰匙扣(key fob)、射頻 辨識(RFID)裝置或標簽等)時才準予潛在駕駛員通達車輛來控制。然而，具有便攜式裝 置可能允許一些未授權(quán)駕駛員通達車輛。為了增強總體車輛安全性，普遍的趨勢是采用駕 駛員辨識方法來進一步驗證潛在駕駛員關(guān)于車輛的權(quán)限。 一些示例性現(xiàn)有技術(shù)駕駛員辨 識方法和安全措施包括辨識駕駛員的獨特生物特性，例如，駕駛員的指紋、指靜脈(finger vein)、虹膜圖案、視網(wǎng)膜圖案、手印、聲音識別、面部識別、語音識別等。 一旦以這種方式確 定地辨識，駕駛員就被認為是經(jīng)授權(quán)的，并且車輛能夠由該駕駛員通達。然而，生物傳感器 和處理算法會向車輛增加相當大的成本和復(fù)雜性。 關(guān)于適應(yīng)和動態(tài)控制，一些車輛允許車輛的每個操作者或駕駛員在個人用戶簡檔 內(nèi)記錄他或她的優(yōu)選車輛系統(tǒng)設(shè)置、駕駛偏好、和/或駕駛風(fēng)格，每個駕駛員在進入車輛時 從所存儲的用戶簡檔中選擇。 一旦選擇了期望簡檔，電子控制單元或控制器就獲取各個車 輛系統(tǒng)的相應(yīng)設(shè)置信息并相應(yīng)地調(diào)節(jié)相關(guān)聯(lián)的控制設(shè)置。如同上文所述的通達方法一樣， 預(yù)置簡檔可能需要對簡檔的肯定選擇，簡檔是靜態(tài)值。然而，雖然如上所述在通達、適應(yīng)和 動態(tài)控制的水平或級別中有許多技術(shù)進步，但是現(xiàn)有車輛系統(tǒng)和控制方法仍然是次優(yōu)的， 尤其是在它們涉及針對給定駕駛員在各種駕駛條件下對車輛系統(tǒng)設(shè)置的自動和無縫定制 時。

發(fā)明內(nèi)容
因此，一種方法和設(shè)備提供了基于駕駛員的當前車輛設(shè)置的自適應(yīng)駕駛員識別和 使用駕駛員身份對車載車輛系統(tǒng)的自動控制。即，所述方法和設(shè)備能夠?qū)⒛承└叨让枋鲂?的或敏感性的車輛設(shè)置連同分立的車輛設(shè)置一起進行統(tǒng)計建模，以生成對于該特定駕駛 員而言獨特的歷史車輛系統(tǒng)設(shè)置簡檔，為了簡單起見，該簡檔在下文稱為歷史駕駛員簡檔 (HDP)。 更具體地，授權(quán)駕駛員的優(yōu)選車輛系統(tǒng)設(shè)置的自適應(yīng)車內(nèi)"學(xué)習(xí)"通過以下方式來提供在一定時間內(nèi)和一定范圍的駕駛條件下連續(xù)監(jiān)視駕駛員的車輛系統(tǒng)設(shè)置并然后如下文所描述的那樣對敏感性車輛設(shè)置進行統(tǒng)計建模以生成該特定駕駛員的HDP。連同建模的
設(shè)置一起，HDP也能夠包括分立的車輛設(shè)置，如相對恒定的設(shè)置、開/關(guān)設(shè)置等。授權(quán)的駕駛員然后使用當前選擇的VSS(即，駕駛員在進入車輛時選定或選擇的那些設(shè)置)來肯定地識別，其中使用當前選擇的VSS和對其的任何修改來更新HDP。在一定時間內(nèi)，例如在由同一授權(quán)駕駛員在不同駕駛條件下獲得的多個未來行程期間，關(guān)于VSS的附加信息能夠與該駕駛員的HDP相關(guān)，以進一步優(yōu)化HDP的準確性。 一旦辨識出駕駛員，就能夠采取各種自主或自動控制動作，例如使用該駕駛員的HDP來自動地調(diào)節(jié)或定制某些其它車輛系統(tǒng)設(shè)置。
具體地，一種車輛包括多個車輛系統(tǒng)，每個具有駕駛員可選擇或者駕駛員可調(diào)節(jié)的一組車輛系統(tǒng)設(shè)置(VSS);和控制系統(tǒng)，所述控制系統(tǒng)可操作來使用VSS確定車輛的多個授權(quán)駕駛員中的一個的身份。所述控制系統(tǒng)自動地執(zhí)行車輛控制動作，例如在行程期間或在多個行程內(nèi)使用駕駛員的身份來自動更新一個或多個VSS。所述控制系統(tǒng)能夠在一定時間內(nèi)為每個授權(quán)駕駛員統(tǒng)計地建模一組VSS的預(yù)定最敏感因素(most sensitive)。該組VSS的預(yù)定最敏感因素包括但不限于座椅位置、鏡位置、踏板位置、方向盤位置、懸架設(shè)置、氣候控制設(shè)置等。HDP還能夠通過在HDP內(nèi)包括一組分立的VSS而被進一步優(yōu)化，例如收音機或其它娛樂系統(tǒng)設(shè)置、座椅加熱器開/關(guān)狀態(tài)、天窗開啟/關(guān)閉狀態(tài)等，以及在合適時這種VSS的均值和方差，如下文所述。 所述控制系統(tǒng)具有駕駛員識別算法，所述駕駛員識別算法包括特征提取子過程、特征選擇子過程和特征分類子過程中的每一個。在一個示例性實施例中，所述特征提取子過程是線性判別分析(LDA)子過程，并且特征分類過程是高斯混合模型(G匪)子過程，不過在本發(fā)明的范圍內(nèi)也可以使用能夠通過將一組VSS與該駕駛員的建模HDP進行比較來唯一地辨識駕駛員的其它子過程。 —種用于自動控制車輛系統(tǒng)的方法包括收集該組駕駛員可選擇的VSS ;通過統(tǒng)計建模算法來處理VSS的預(yù)定敏感性設(shè)置以確定車輛駕駛員的身份；和執(zhí)行與該身份相對應(yīng)的車輛控制動作。收集該組VSS能夠檢測一個或多個車輛系統(tǒng)的駕駛員可選擇的或駕駛員可調(diào)節(jié)的VSS，術(shù)語"可選擇的"指的是諸如無線電臺之類的分立設(shè)置，而"可調(diào)節(jié)的"指的是諸如鏡位置之類的可變設(shè)置。VSS能夠包括例如鏡、座椅、踏板、方向盤、收音機、HVAC系統(tǒng)等，其中在統(tǒng)計模型中使用一組預(yù)定的更敏感設(shè)置。處理該組VSS包括將該組VSS合并以形成共同描述VSS的原始特征矢量；使用特征提取子過程變換所述原始特征矢量從而生成新特征矢量；和通過特征選擇子過程來處理新特征矢量從而生成最終特征矢量。最終特征矢量能夠通過分類子過程來處理從而確定駕駛員的身份。 本發(fā)明的上述特征和益處、以及其它特征和益處根據(jù)用于實現(xiàn)本發(fā)明的最佳模式的以下向下描述結(jié)合附圖以及所附權(quán)利要求書而變得顯而易見。


圖1是根據(jù)本發(fā)明的具有自動駕駛員識別和設(shè)置控制系統(tǒng)或DRSC系統(tǒng)的車輛的示意圖； 圖2是可用于圖1的車輛的DRSC系統(tǒng)的示意圖；禾口 圖3是描述用于圖2的DRSC的算法或方法的示意性邏輯流程圖。
具體實施例方式
參考附圖，其中在幾個附圖中，相同的附圖標記指代相同或類似的部件，且以圖1開始，車輛10包括內(nèi)部14和一組車輪15。包括操作者或駕駛員座椅24D的座椅24安裝在內(nèi)部14中且被配置成輸送多個乘客(未示出)。駕駛員座椅24D具體地定位成面向儀表板16和方向盤20或其它合適的轉(zhuǎn)向輸入裝置。 車輛10包括各種系統(tǒng)或裝置，其每一個都能被車輛10的授權(quán)駕駛員12至少部分調(diào)節(jié)或重新定位，以便提供對于該特定駕駛員獨特設(shè)計的駕駛體驗。例如，車輛10能夠包括可調(diào)節(jié)側(cè)視鏡26S、后視鏡26R、輸入面板或人車界面(HVI)50、控制踏板17、方向盤20等。對于車輛10的動態(tài)控制，踏板17能夠包括節(jié)氣門或加速踏板和制動踏板，且在車輛10配置有手動變速器時可任選地包括離合器踏板。雖然為了簡單起見在圖1中未示出，但是本領(lǐng)域技術(shù)人員將認識到上述每個車輛系統(tǒng)能夠配置有致動器和位置傳感器，且能夠使用專用局部控制模塊或LCM32(見圖2)來進行局部控制。 HVI 50本身能夠適合于容納或包括各種控制開關(guān)、旋鈕、按鈕、觸摸屏界面、聲音識別界面或允許為各種車輛系統(tǒng)中的每一個手動選擇優(yōu)選設(shè)置的其他適當配置的輸入裝置。除了上文列舉的車輛系統(tǒng)之外，附加的示例性車輛系統(tǒng)能夠包括但不限于加熱、通風(fēng)和空氣調(diào)節(jié)(HVAC)控制器；無線電臺和/或音量控制器；壓密盤(CD)/數(shù)字視頻盤(DVD)/MP3控制器；內(nèi)部/外部照明控制器；四輪/兩輪驅(qū)動模式設(shè)置控制器等。為了簡單起見，HVI50在圖1中被示出為儀表板16的整體部分，然而，各個控制器也能夠根據(jù)需要位于內(nèi)部14的任何地方，以利于在駕駛員12坐在駕駛員座椅24D中時由駕駛員12通達。
車輛10還包括自動駕駛員識別和控制系統(tǒng)(DRCS) 30，所述自動駕駛員識別和控制系統(tǒng)適合于基于下文參考圖2和3所描述的一組車輛系統(tǒng)設(shè)置或VSS來辨識或識別車輛10的授權(quán)駕駛員12，并且之后在一定時間內(nèi)和在各種駕駛條件下自動且連續(xù)地建模駕駛員的優(yōu)選VSS。在一個實施例中，生成和傳送遠程信號12的遠程裝置13(如，鑰匙扣和/或RFID標簽)、生物傳感器36 (見圖2)、和/或其它外部或內(nèi)部裝置能夠作為可選裝置而被包括，以驗證或確認駕駛員12的身份，如下文所述。 參考圖2，圖1的DRCS 30被更詳細地示出，并且包括具有接收器或天線44的收發(fā)器(T)42、 HVI 50、車身控制模塊(BCM)34、和駕駛員識別和控制設(shè)置(DRCS)控制器53，所述駕駛員識別和控制設(shè)置(DRCS)控制器53具有辨識設(shè)置模塊(IDSM)54和決策融合模塊(DFM)56，如下文所述，為了簡單起見，DRCS控制器53在下文稱為控制器53。收發(fā)器42能夠感測或檢測來自于圖1的遠程輸入裝置13的遠程信號22并傳送或路由遠程信號22到控制器53。 BCM 34與單獨LCM 32通信，LCM 32均控制車輛10的相關(guān)聯(lián)系統(tǒng)，如上文參考圖1所描述的那樣。例如，LCM 32能夠與鏡26( S卩，圖1的鏡26R、26S或其它可控的鏡)、駕駛員座椅24D、踏板17、方向盤20等中的每一個相關(guān)聯(lián)。類似地，圖1的HVI 50能夠用于控制其它車載系統(tǒng)的設(shè)置，如收音機29R、HVAC系統(tǒng)29E、車輛照明系統(tǒng)等，如本領(lǐng)域技術(shù)人員將理解的那樣。 在BCM 34從每個LCM 32收集一組局部信號35之后，BCM 34生成一組總的車輛系統(tǒng)設(shè)置或VSS信息52。 VSS信息52被中繼或傳送到控制器53的基于設(shè)置的駕駛員辨識模塊(IDSM) 54。除了 VSS信息52之外，控制器53也接收來自于圖1的遠程裝置13的遠程信號22(如果有的話)和來自于HVI 50的駕駛員選擇的輸入信號48。如果圖1的車輛10如此配備，則控制器53也能夠接收由一個或多個生物傳感器(SBI。) 36檢測、測量或感測的駕駛員生物信號37，其中生物信號37通過基于生物的駕駛員辨識模塊(BIDM)38來處理。
控制器53基于在進入車輛10時所選擇的一組新的車輛設(shè)置使用如下所述的統(tǒng)計建模來識別圖1的駕駛員12的身份?；谑褂眠h程輸入裝置13(如RFID標簽)和使用駕駛員12的獨特生物特征的駕駛員識別技術(shù)是本領(lǐng)域已知的，因而不在此詳細描述。然而，在使用這種可選裝置時，它們能夠有助于驗證或確認經(jīng)由如下文參考圖3所述的本發(fā)明的方法或算法100所確定的駕駛員12的身份。這種裝置可在DRCS 30的初始訓(xùn)練中特別有用，并且特別是將一組預(yù)定的相對敏感的VSS與特定駕駛員12的身份的關(guān)聯(lián)。
控制器53能夠被配置為通用數(shù)字計算機，其通常包括微處理器或中央處理單元、只讀存儲器(ROM)、隨機存取存儲器(RAM)、電子可編程只讀存儲器(EPROM)、高速時鐘、模數(shù)(A/D)和數(shù)模(D/A)電路、輸入/輸出電路和裝置(I/O)以及合適的信號調(diào)節(jié)和緩沖電路。駐留在控制器53中或能被控制器53訪問的每組算法(例如，圖3的算法100)被存儲在ROM中且被執(zhí)行以提供每個駐留控制器的各個功能。 在本發(fā)明的范圍內(nèi)，如果以虛線示出的可選BI匿38被包括在DRCS 30內(nèi)，這種裝置(一個或多個)能夠使用生物傳感器36(也以虛線示出)以收集駕駛員12的一組獨特生物特性，例如，駕駛員的指紋、指靜脈、虹膜圖案、視網(wǎng)膜圖案、手印、聲音識別、面部識別、語音識別等，且將該信息作為生物信號37中繼?？蛇xBI匿38還能夠優(yōu)化DRCS 30的性能，如上文所述。不管是否使用BIDM 38， DRCS 30都首先使用該組總的VSS信息(即，局部信號35)執(zhí)行基于車輛設(shè)置的駕駛員識別功能，并且然后在DFM 56內(nèi)執(zhí)行決策融合功能，所述DFM 56最終以特定的方式變換或者處理初始駕駛員識別結(jié)果，現(xiàn)在將參考圖3—起對其進行更詳細地闡述。 參考圖3，本發(fā)明的基于駕駛員選擇的車輛設(shè)置(即，局部設(shè)置35)的駕駛員識別功能或算法100通常能夠被表示為模式識別問題。給定N個駕駛員，每個駕駛員具有相應(yīng)的歷史設(shè)置和新設(shè)置，算法100應(yīng)當確定新設(shè)置是屬于已知的或者先前確認的駕駛員還是屬
于新駕駛員。換句話說，算法ioo例示的駕駛員識別問題能夠通過設(shè)計分類器來解決，所述
分類器將新設(shè)置分成N+2類中的一類，N類表示N個駕駛員，(N+l)類表示新駕駛員，(N+2)類表示分類器不能準確地決策的情況?？商鎿Q地，"不能決策"類作為一類能夠被去除，并且"新"設(shè)置能夠被分配給N個駕駛員之一或者新駕駛員。 圖3表示用于基于駕駛員的車輛設(shè)置(由箭頭52的VSS信息表示)識別授權(quán)駕駛員的模式識別過程或算法100的邏輯流。在步驟或邏輯塊102，測量或收集由圖1的駕駛員12選擇的VSS信息52，且生成一組原始特征(OFG)。從步驟或邏輯塊102輸出的箭頭70的原始特征可能不能單獨提供用于模式識別的最有效的特征組。因而，從步驟或邏輯塊102輸出的原始特征(箭頭70)在步驟或邏輯塊104用作特征提取(FE)的一組輸入。FE技術(shù)基于原始特征(箭頭70)的變換或組合產(chǎn)生一組經(jīng)變換的新特征(箭頭72)，且該組經(jīng)變換的特征(箭頭72)被輸出到步驟或邏輯塊106。 在步驟或邏輯塊106，確定一組最終特征(箭頭74)，其中邏輯塊106選擇原始特征(箭頭70)的最佳子集，以進一步縮減最終特征(箭頭74)的維數(shù)。最終特征(箭頭74)然后在步驟或邏輯塊108被輸入到分類器(CL)。分類器(CL)相應(yīng)地使用下文所述的統(tǒng)計建模來確定駕駛員(例如，圖1的駕駛員12)的身份。 仍參考圖3，在步驟或邏輯塊102提供的原始特征生成(OFG)采用描述VSS信息(箭頭52)的各種設(shè)置，且將該信息組合成原始特征矢量，即原始特征(箭頭70)。例如，VSS信息(箭頭52)的設(shè)置可以包括座椅前/后位置、高度和/或后角、和/或駕駛員座椅24D的座墊角；方向盤20的方向盤伸縮設(shè)置、傾斜角等；鏡26R、26S中的任何或全部的位置；踏板17的位置；收音機29R的無線電臺、音量和聲音設(shè)置；HVAC系統(tǒng)29E的HVAC設(shè)置等。這些原始特征(箭頭70)能夠作為矢量存儲，在下文稱為原始特征矢量Oi。
在步驟或邏輯塊104，即特征提取(FE)步驟或邏輯塊，算法100對從步驟或邏輯塊102輸出的原始特征矢量0i (箭頭70)執(zhí)行變換函數(shù)，從而生成作為經(jīng)變換特征或新特征(箭頭72)的新特征矢量qi二f(Oi)。在本發(fā)明的范圍內(nèi)能夠使用各種特征提取技術(shù)或方法，例如，主成分分析(PCA)、線性判別分析(LDA)、核PCA、廣義判別分析(GDA)等。出于示例目的，LDA能夠被用于展示線性變換qi = UT0i，其中0i是n。X 1矢量，U是n。Xriq矩陣，而qi是n,Xl(riq《n。)矢量，其中每行表示新特征的值。矩陣U在設(shè)計階段被離線確定，這將在下文稍后描述。 在步驟或邏輯塊106，即特征選擇(FS)步驟或邏輯塊，經(jīng)變換特征或新特征(箭頭72)被進一步處理，以選擇新特征的最佳子集，即最終特征(箭頭74)。在本發(fā)明的范圍內(nèi)能夠使用各種特征選擇技術(shù)，例如，窮舉搜索、分支限界搜索、順序前/后選擇、和順序浮動前/后搜索能夠被用于本發(fā)明范圍內(nèi)。產(chǎn)生最好或最佳性能的子集被選擇作為用于最終駕駛員分類的最終特征(箭頭74)。 例如，所得到的描述最終特征(箭頭74)的子集可以包括與特征矢量qi的{1112"*ln} (1《11《12《…《ln《nq)行相對應(yīng)的n個特征。矩陣U能夠被寫成或者描述為U二 [Ul iviv]，其中每個矢量以n。Xl矢量開始。算法100僅選擇與最好或最佳子集相對應(yīng)的那些矢量，因而W二 [Ull u12-uln]， n。Xn矩陣。將特征提取和特征選擇組合，與原始特征矢量Oi相對應(yīng)的最終特征(箭頭74)能夠?qū)С鰹閄i = WT0i。在本發(fā)明的范圍內(nèi)，由于所提取的特征的維數(shù)(即，nq)相對小，因而在一個實施例中使用窮舉搜索以評估所提取特征的每個可能組合的分類性能，這將在下文被詳細地闡述。 在步驟或邏輯塊108，即分類(CL)步驟或邏輯塊，最終特征(箭頭74)被分類或與建模的HDP群體進行比較，以確定圖1的駕駛員12的身份，由駕駛員ID箭頭55表示。在典型模式識別問題中的類的數(shù)量通常是已知的并且固定的，但是對于本發(fā)明要解決的車內(nèi)駕駛員識別問題，類的數(shù)量(即，駕駛員的數(shù)量N)通常是未知的且不固定的。例如，由各個
家庭成員共有的圖1的車輛io通常具有多個駕駛員，且駕駛員的數(shù)量可能與家庭的合格駕
駛員的數(shù)量有關(guān)。 此外，典型的模式識別問題通常具有用于分類器設(shè)計的訓(xùn)練模式，且一旦完成設(shè)計過程，分類器本身就被固定。對于車內(nèi)駕駛員識別，分類器包括"學(xué)習(xí)"能力，以提供利用新模式(即，新的車輛設(shè)置或VSS信息組(箭頭52))來自我更新的能力。即，圖3的分類器(CL)應(yīng)當具有遞歸過程以將任何新模式包含到其訓(xùn)練模式中，以便準確地更新其參數(shù)。因而，在分類器(CL)中使用的類的數(shù)量和參數(shù)這二者都是應(yīng)當是自適應(yīng)的。這在圖3中由表示這種包含的反饋回路或線78來表示。 本發(fā)明借助于采用基于高斯混合模型的設(shè)計來解決車內(nèi)駕駛員識別問題的獨特需要。本文使用的術(shù)語"混合模型"指的是獨立變量是總值的一部分的模型。這種混合模 型能夠適合于其中觀測值屬于多個不同源或類別之一但是在觀測值所屬于的源或類別不 能被測量時的情形。在這種混合形式中，每個源通過分量概率密度函數(shù)來描述，且其混合權(quán) 重是觀測值來自于該分量的概率。 具體地，G匪是一種特定類型的混合模型，其中所有分量概率密度函數(shù)是高斯函 數(shù)。 一旦分量模型的數(shù)量和每個分量模型的相應(yīng)參數(shù)已知，就能夠辨識特定觀測值所屬于 的源或類別，即，由分量分布表示的類。由于車輛可能具有多于一個駕駛員且每個單獨駕駛 員的車輛設(shè)置近似具有聯(lián)合高斯分布，所以G匪適合于表示圖1所示的車輛10的VSS信息 (箭頭52)的密度分布。 因而，在本發(fā)明的范圍內(nèi)，G匪能夠用于估計描述各種車輛設(shè)置的VSS信息(箭頭 52)的密度分布并且基于他/她的設(shè)置來辨識當前駕駛員?；贕匪的駕駛員識別在駕駛 員(例如，圖1的駕駛員12)進入車輛10并啟動車輛10時開始。如果是全新的車輛，并且 尚沒有人作為授權(quán)用戶駕駛過它，即N = O，那么基于當前原始特征0l(箭頭70)的最終特 征xj箭頭74)被存儲，并且G匪通過設(shè)置N二 l和P(x) = g(x， i^，E》來初始化，其中 P i = A且E工=E 。，E 。是標稱個體內(nèi)方差，即在設(shè)計階段期間能夠確定的標定值。
另一方面，如果N > 0，那么DRCS 30檢測在駕駛員12進入車輛10之后一定時間 段內(nèi)是否有設(shè)置調(diào)節(jié)。如果駕駛員12調(diào)節(jié)車輛設(shè)置，那么算法100能夠暫?；蛘叩却?，直 到調(diào)節(jié)已經(jīng)完成，例如，直到車輛設(shè)置已經(jīng)改變T秒。算法然后能夠使用新設(shè)置測量值0i或 原始特征(箭頭70)來進行特征提取(FE)和特征選擇(FS)，以生成新特征設(shè)置矢量Xi = W、作為新特征(箭頭72)。算法100然后通過基于具有參數(shù)p,\ P ,、和E ,1的當前 GMM將駕駛員12分類到(N+2)類中來確定駕駛員12的身份，其中卿DW《') 如果對于任何1《k《N， P (c I Xi) > Pth，其中Pth是預(yù)定閾值，則駕駛員已經(jīng)被辨 識為現(xiàn)有駕駛員(駕駛員k)。算法100將新特征矢量Xi (箭頭72)添加到數(shù)據(jù)樣本集中， 并相應(yīng)地更新G匪模型。G匪模型的更新能夠以各種方式執(zhí)行。例如，能夠假設(shè)均等混合概 率p。 = 1/N，且僅在出現(xiàn)新駕駛員時更新混合概率。對于每個駕駛員j，算法IOO存儲最近 Nj(例如Nj《10)特征組Xj。當新特征矢量Xi(箭頭72)屬于駕駛員k時，只有與駕駛員 k相關(guān)聯(lián)的參數(shù)需要被更新。 將新特征矢量(箭頭72)與駕駛員k的現(xiàn)有特征矢量組合得到之—A,x,),
y。i被更新為叉』勺均值，E 。i是》e的方差。在更新之后，在必要時去除之中的最老特征 組足，從而限制X。中的特征矢量的數(shù)量。與其它駕駛員相關(guān)聯(lián)的參數(shù)保持相同對于 j # c(l《j《N)而言，^X'，并且S;.。 如果P(clxi)《Pth，則圖1的駕駛員12被認為是新駕駛員。算法100增加類的 數(shù)量N = N+l，且增加新的高斯分量分布N( y N°， E N°)，其中A〖=& ，并且E N°是在設(shè)計階段 確定的標稱個體內(nèi)方差。如果駕駛員12不調(diào)節(jié)車輛設(shè)置或駕駛員選擇的輸入信號(箭頭 48)，則算法100自動地獲取先前識別結(jié)果并將駕駛員辨識為最后駕駛車輛的駕駛員。作為 選擇，算法100可以更新混合概率，以反映當前駕駛員又一次使用車輛10。
根據(jù)本發(fā)明，頻繁駕駛員識別的過程經(jīng)由如上所述的低成本相對精確的設(shè)備和方 法來優(yōu)化。駕駛員(如圖1的駕駛員12)的身份能夠被用于實現(xiàn)車輛10的增強功能。例 如，駕駛員ID信息能夠與駕駛員簡檔管理系統(tǒng)結(jié)合使用，以提供自動設(shè)置調(diào)節(jié)和/或車輛 控制適配。取決于車輛10的每個授權(quán)駕駛員的特定駕駛風(fēng)格和技術(shù)，能夠?qū)崿F(xiàn)各種程度的 自主系統(tǒng)和/或駕駛控制。 本文提供的技術(shù)方案是相對非侵入式的，與各種生物掃描和基于用戶簡檔的選擇 不同，駕駛員12不需要采取駕駛員12在進入車輛10時通常采用的任何附加的肯定步驟。 即，某些預(yù)定VSS相對于其它VSS來說的描述性或敏感性不成比例(disproportionally)。 這些預(yù)定VSS能夠被用于在一定時間內(nèi)對駕駛員的HDP進行建模，HDP在需要時由更為分 立且變化較少的某些其它VSS來修改，例如開/關(guān)設(shè)置、開啟/關(guān)閉設(shè)置、分立位置設(shè)置等。
在一定時間內(nèi)，DRCS 30使得其本身適應(yīng)駕駛員12和各種車輛駕駛條件，從而利 于車輛系統(tǒng)設(shè)置的自動定制或調(diào)節(jié)。例如，一旦已經(jīng)使用車輛設(shè)置或VSS信息(箭頭55) 確定了駕駛員的身份，如上所述，即在將駕駛員的最近輸入VSS與各種HDP進行比較并選擇 該駕駛員的HDP之后，能夠根據(jù)該駕駛員HDP自動地且無縫地執(zhí)行某些控制動作，從而定制 總體駕駛體驗。示例性的控制動作能夠包括但不限于自動地調(diào)節(jié)或重新定位鏡26S、26R、 駕駛員座椅24D、踏板17、方向盤20等。類似地，圖2的收音機29R和/或HVAC 29E的設(shè) 置能夠基于駕駛員的身份而被自動地更新。駕駛員12因而不需要初始設(shè)定每個車輛設(shè)置。 一旦足夠數(shù)量的設(shè)置已經(jīng)被輸入以肯定地辨識駕駛員12，就能夠相應(yīng)地調(diào)節(jié)或修改其余的 系統(tǒng)設(shè)置。由駕駛員12做出的對一個或多個設(shè)置的任何改變有助于DRCS 30進行適配，從 而獲得對該駕駛員的更準確的簡檔，因而得到優(yōu)化的客戶響應(yīng)。 雖然已經(jīng)詳細描述了用于實現(xiàn)本發(fā)明的最佳模式，但是本發(fā)明所屬領(lǐng)域技術(shù)人員 將認識到由以下權(quán)利要求書限定的用于實施本發(fā)明的各種可替換設(shè)計和實施例。
權(quán)利要求
一種車輛，包括多個車輛系統(tǒng)，每個具有一組相應(yīng)的車輛系統(tǒng)設(shè)置(VSS)，所述組VSS是一組駕駛員可選擇的VSS和一組駕駛員可調(diào)節(jié)的VSS之一；和控制系統(tǒng)，所述控制系統(tǒng)可操作來對所述組VSS進行統(tǒng)計建模從而生成歷史駕駛員簡檔(HDP)，并處理所述HDP從而確定車輛駕駛員的身份；其中，所述控制系統(tǒng)可操作來使用所述身份來自動地控制所述多個車輛系統(tǒng)中的至少一個的設(shè)置。
2. 根據(jù)權(quán)利要求1所述的車輛，其中，所述控制系統(tǒng)適于在一定時間內(nèi)對所述駕駛員 的所述組VSS的第一預(yù)定子集進行統(tǒng)計建模，從而修改所述駕駛員的所述HDP。
3. 根據(jù)權(quán)利要求2所述的車輛，其中，所述控制系統(tǒng)適于記錄所述組駕駛員可選擇的 VSS的第二預(yù)定子集的方差和均值，從而修改所述駕駛員的所述HDP。
4. 根據(jù)權(quán)利要求2所述的車輛，其中，所述控制系統(tǒng)適于在所述駕駛員手動改變所述 組VSS中的一個時自動地更新所述駕駛員的所述HDP。
5. 根據(jù)權(quán)利要求1所述的車輛，還包括駕駛員辨識裝置，其中，所述控制系統(tǒng)可操作來 使用來自于所述駕駛員辨識裝置的信號來驗證所述一個駕駛員的所述身份。
6. 根據(jù)權(quán)利要求5所述的車輛，其中，所述駕駛員辨識裝置選自主要包括以下項目的 組射頻辨識(RFID)標簽、鑰匙扣、語音識別裝置和生物辨識裝置。
7. 根據(jù)權(quán)利要求1所述的車輛，其中，所述控制系統(tǒng)包括算法，所述算法具有特征提取 子過程、特征選擇子過程和特征分類子過程中的每一個。
8. 根據(jù)權(quán)利要求7所述的車輛，其中，所述特征提取子過程是線性判別分析(LDA)子過 程，并且其中所述特征分類過程是高斯混合模型(G匪)子過程。
9. 一種用于控制車輛的預(yù)定車載系統(tǒng)的方法，包括收集車輛的多個不同車載系統(tǒng)的一組車輛系統(tǒng)設(shè)置(VSS)，所述組VSS是一組駕駛員 可選擇的VSS和一組駕駛員可調(diào)節(jié)的VSS之一 ；通過統(tǒng)計建模算法來處理該組駕駛員可選擇的VSS，從而確定車輛駕駛員的身份；禾口 使用所述駕駛員的身份來自動地控制所述預(yù)定車載系統(tǒng)。
10. 根據(jù)權(quán)利要求9所述的方法，其中，收集該組VSS包括確定選自包括以下項目的組 的所述不同車載系統(tǒng)中的至少一對的VSS :鏡、座椅、踏板、方向盤、收音機和HVAC系統(tǒng)。
11. 根據(jù)權(quán)利要求io所述的方法，其中，通過統(tǒng)計建模算法來處理該組vss包括生成共同描述所述組VSS的原始特征矢量。
12. 根據(jù)權(quán)利要求ll所述的方法，其中，處理該組VSS包括使用特征提取子過程來變換 所述原始特征矢量從而生成新特征矢量。
13. 根據(jù)權(quán)利要求12所述的方法，其中，處理該組VSS包括通過特征選擇子過程來處理 所述新特征矢量從而生成最終特征矢量。
14. 根據(jù)權(quán)利要求13所述的方法，其中，處理該組VSS包括通過分類子過程來處理所述 最終特征矢量從而確定駕駛員的身份。
15. —種用于控制車輛的預(yù)定車載系統(tǒng)的方法，包括 收集一組駕駛員可選擇的車輛系統(tǒng)設(shè)置(VSS);使用高斯混合模型(G匪)通過統(tǒng)計建模算法來處理該組駕駛員可選擇的VSS，從而確定車輛駕駛員的身份；禾口使用所述身份來自動地調(diào)節(jié)所述預(yù)定車載系統(tǒng)的設(shè)置。
16. 根據(jù)權(quán)利要求15所述的方法，還包括在一定時間內(nèi)對多組駕駛員可選擇的VSS進 行統(tǒng)計建模從而產(chǎn)生歷史駕駛員簡檔(HDP)。
17. 根據(jù)權(quán)利要求15所述的方法，其中，處理該組駕駛員可選擇的VSS包括通過選自包 括以下項目的組的特征提取子過程來處理該組駕駛員可選擇的VSS :主成分分析(PCA)、線 性判別分析(LDA)、核PCA、和廣義判別分析(GDA)。
18. 根據(jù)權(quán)利要求15所述的方法，其中，處理該組駕駛員可選擇的VSS包括通過選自包 括以下項目的組的特征選擇子過程來處理該組駕駛員可選擇的VSS :窮舉搜索、分支限界 搜索、順序前/后選擇、和順序浮動前/后搜索。
全文摘要
本發(fā)明涉及使用車載車輛系統(tǒng)設(shè)置的車輛駕駛員識別和定制的設(shè)備和方法。一種車輛，包括車輛系統(tǒng)，每個具有駕駛員可選擇的車輛系統(tǒng)設(shè)置(VSS)；和控制系統(tǒng)，用于對VSS統(tǒng)計建模以確定駕駛員的身份?？刂葡到y(tǒng)使用或基于所述身份來自動地控制車輛系統(tǒng)中的至少一個的設(shè)置?？刂葡到y(tǒng)在一定時間內(nèi)對駕駛員的VSS進行統(tǒng)計建模以產(chǎn)生該駕駛員的歷史駕駛員簡檔(HDP)，并在所述駕駛員手動改變VSS中的任何一個時能自動地更新HDP?？蛇x駕駛員辨識裝置能驗證該身份?？刂栖囕v的預(yù)定車載系統(tǒng)的方法包括收集多個車載系統(tǒng)的一組VSS，通過統(tǒng)計建模算法來處理VSS以確定車輛駕駛員的身份，以及使用駕駛員的身份來自動地控制預(yù)定車載系統(tǒng)。
文檔編號B60W40/08GK101716932SQ20091017951
公開日2010年6月2日 申請日期2009年9月30日 優(yōu)先權(quán)日2008年10月8日
發(fā)明者J·黃, W·C·林, Y·-K·秦 申請人:通用汽車環(huán)球科技運作公司