專利名稱：選擇分類器屬性類型的系統(tǒng)或方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及一種從可能可以由分類器進行處理的屬性池中選擇分類器中要使用的健壯屬性的系統(tǒng)或方法(統(tǒng)稱為“選擇系統(tǒng)”)。具體地說，本發(fā)明涉及一種根據(jù)統(tǒng)計分布來選擇屬性的選擇系統(tǒng)。
背景技術(shù)：
分類器是從由一個或多個傳感器收集的傳感器數(shù)據(jù)中產(chǎn)生類別的設(shè)備。類別的確定是基于與傳感器數(shù)據(jù)中屬性類型關(guān)聯(lián)的屬性值。例如，在桌子的數(shù)字圖象中，桌子的高度就是一種屬性類型。相應(yīng)地，與屬性類型關(guān)聯(lián)的數(shù)值就是屬性值。在“高度”屬性類型的情況下，屬性值可以是頂部到底部的象素個數(shù)，或是以如英寸、英尺、碼、米為單位的測量值。屬性值和屬性類型是分類器產(chǎn)生類別的手段，而每種類型的傳感器都可以捕捉可能很多種的屬性類型。
類別可以很多種不同格式產(chǎn)生，并用于很多種不同用途。例如，氣囊展開機制中的分類器可以用于識別乘客上體的位置，從而氣囊展開機制能夠跟蹤乘客的位置，這是一種在做氣囊展開決策時很有用的能力。另一種分類器實例與自動叉車傳感器相關(guān)，該傳感器系統(tǒng)能區(qū)分不同的可能障礙，如其它叉車、行人、貨物或其他形式的物體。
在分類器的許多不同實施方案和環(huán)境下，分類器要承受所謂“維數(shù)災(zāi)難”。由于不同屬性被加入到分類器的確定過程中，因此分類器的精度通常會降低，而不是提高。這與人類的通常行為方式形成了鮮明對比，因為當(dāng)可用信息越多時，人類越容易作出更好的決策。期望有一種選擇系統(tǒng)，能夠從可能屬性類型池中確定一個健壯屬性類型子集。優(yōu)選地，這可以通過使用真實的測試數(shù)據(jù)來實現(xiàn)。
期望將非健壯的特性過濾掉，從而提高而不是最小化分類器的精度。通過使用更少的屬性類型，可以在降低成本的同時提高性能?，F(xiàn)有技術(shù)中選擇屬性的方法依靠或者屬性與屬性的相關(guān)性測量值，或者如熵的測量值。如果可以使用在特性處理過程中的統(tǒng)計分布來消除冗余的屬性類型并選擇期望的屬性類型，這將是理想的。理想的是估計出不同的屬性值是否服從同一基礎(chǔ)分布，而不是僅計算出數(shù)據(jù)點對的協(xié)應(yīng)差。
這種特性選擇方法對于氣囊展開機制中的分類器是特別有利的。座椅區(qū)域內(nèi)的頻繁移動加上人類衣著與外觀的高差異性都需要更好的屬性選擇方法。

發(fā)明內(nèi)容
本發(fā)明是一種從可能可以由分類器進行處理的屬性池中選擇分類器中要使用的健壯屬性的系統(tǒng)或方法(統(tǒng)稱為“選擇系統(tǒng)”)。該選擇系統(tǒng)根據(jù)與那些屬性類型關(guān)聯(lián)的屬性值的統(tǒng)計分布識別屬性類型子集。
通過為各種可能屬性類型計算統(tǒng)計分布，該系統(tǒng)能夠有選擇地從可能屬性類型池中識別屬性類型子集。不在有選擇地確定的屬性類型子集中的屬性類型可以在這些數(shù)據(jù)被送至分類器之前過濾掉。
該系統(tǒng)可以使用測試數(shù)據(jù)子系統(tǒng)來存儲并訪問真實的傳感器數(shù)據(jù)，在該子系統(tǒng)中測試濾波器。這種測試數(shù)據(jù)對于識別基礎(chǔ)統(tǒng)計分布是必需的。分布分析子系統(tǒng)可以對測試數(shù)據(jù)執(zhí)行統(tǒng)計分析以識別基礎(chǔ)分布，并將每個屬性類型與該分布進行比較。屬性選擇子系統(tǒng)，其中所述屬性選擇子系統(tǒng)有選擇地從所述屬性類型子集中識別屬性類型子集。
通過以下對優(yōu)選實施方案的詳細描述并參考附圖，本發(fā)明的各個方面對本領(lǐng)域技術(shù)人員來說將變得很明顯。


圖1是說明過程實例的過程流程圖，該過程從捕獲傳感器數(shù)據(jù)開始，以分類器從所捕獲到的傳感器數(shù)據(jù)中得到計算結(jié)果結(jié)束；圖2示出了說明一種體系結(jié)構(gòu)實例的體系結(jié)構(gòu)圖，該體系結(jié)構(gòu)從傳感器捕獲到的“目標信息”的總“屬性空間”開始，以與屬性類型關(guān)聯(lián)的各個屬性值結(jié)束；圖3是說明屬性選擇系統(tǒng)的子系統(tǒng)層視圖的實例的方框圖；圖4是說明能夠在基于分布的選擇啟發(fā)式算法(heuristic)中執(zhí)行的一些處理步驟實例的流程圖；圖5是氣囊展開機制的汽車的局部環(huán)境視圖，氣囊展開機制使用具有有選擇地識別出的屬性類型的濾波器；圖6是氣囊展開過程流程的方框圖，該流程使用了過濾掉除嵌入的預(yù)定屬性類型列表上的那些屬性類型以外的全部屬性類型的濾波器；圖7是說明利用類別跟蹤乘客外形特征和運動特征的氣囊展開機制實例的過程流程圖。
具體實施例方式
本發(fā)明是一種從可能可以由分類器進行處理的屬性池中選擇分類器中要使用的健壯屬性的系統(tǒng)或方法(統(tǒng)稱為“選擇系統(tǒng)”)。該選擇系統(tǒng)根據(jù)與那些屬性類型關(guān)聯(lián)的屬性值的統(tǒng)計分布識別屬性類型子集。
I、要素的介紹及定義圖1是說明加入到傳感器處理系統(tǒng)(或簡單地稱為“傳感器系統(tǒng)”)20中的一些要素的過程流程圖。
A、目標目標22可以是任何單獨的人、動物、植物、物體、空間區(qū)域或是系統(tǒng)20所用傳感器24的對象或目標的感興趣的其它方面(統(tǒng)稱為“目標”22)，也可以是這些的組合。傳感器處理系統(tǒng)20的用途是準確地捕獲與目標22相關(guān)的有用信息。不同目標22的種類可以象不同傳感器處理系統(tǒng)20的種類那樣多。
在傳感器系統(tǒng)20的一種實施方案(“氣囊展開機制” 實施方案或簡單地稱為“氣囊”實施方案)中，傳感器系統(tǒng)20的輸出被氣囊展開機制所使用。在氣囊實施方案中，目標22通常是機動車輛座椅上的乘客。通過準確地捕獲乘客的關(guān)鍵屬性，氣囊展開機制可以作出恰當(dāng)?shù)恼归_決定。不必要的展開或不恰當(dāng)?shù)恼归_故障可以通過氣囊展開機制訪問準確的乘客類別來避免。
在傳感器系統(tǒng)20的其它實施方案中，目標22可以是人(各種安全設(shè)備實施方案)、機動車輛外部的人和物體(各種外部機動車輛傳感器實施方案)、特定區(qū)域的空氣或水(各種環(huán)境檢測實施方案)或一些其它類型的目標22。
B、傳感器傳感器24可以是用于捕捉與目標22或目標22周圍區(qū)域相關(guān)的信息的任何類型的設(shè)備。不同類型傳感器24的種類可以象不同類型物理現(xiàn)象和人類感覺的種類一樣多。
一些傳感器24是光學(xué)傳感器，用來捕獲不同波長光線，如紅外線、紫外線、x-射線、伽馬射線、肉眼可見光(“可見光”)的光學(xué)圖象及其它光學(xué)圖象。在很多實施方案中，傳感器24可以是攝像機。在一種優(yōu)選的安全氣囊實施方案中，傳感器24是攝像機。
其它類型的傳感器24差眼于不同類型的信息，如聲音(“噪聲傳感器”)、氣味(“氣味傳感器”)、觸覺(“觸覺傳感器”)或味覺(“味覺傳感器”)。傳感器還可以將很多種不同物理現(xiàn)象，如重量(“重量傳感器”)、電壓(“電壓傳感器”)、電流(“電流傳感器”)及其它物理現(xiàn)象(統(tǒng)稱為“現(xiàn)象傳感器”)的屬性作為目標。
C、目標信息目標信息26的集合可以是與目標22相關(guān)并由傳感器24捕獲的任何格式的任何信息。對于利用光學(xué)傳感器24的實施方案，目標信息26是目標圖象。這種圖象通常包括各象素。對于非光學(xué)傳感器24，目標信息26是一些其它形式的表示，這種表示通?？梢赞D(zhuǎn)換成可視或數(shù)學(xué)格式。例如，但關(guān)于地震檢測或火山活動預(yù)測的物理傳感器24還是可以產(chǎn)生可視格式的輸出，雖然該傳感器24不是光學(xué)傳感器24。
在許多氣囊展開實施方案中，目標信息26將以乘客可見光圖象的形式出現(xiàn)，其中圖象以象素為單位。但是，目標信息26的格式甚至比傳感器24的類型還要多，因為一種類型的傳感器24可以用來捕獲多于一種格式的目標信息26。傳感器系統(tǒng)20特定實施方案所期望的目標信息26的類型將決定傳感器系統(tǒng)20中所使用的傳感器24的類型。
D、濾波器濾波器28可能是任何能夠從目標信息26提取屬性向量30的裝置。在一種優(yōu)選實施方案中，濾波器28只能是可編程邏輯的形式。這種邏輯可以是硬件、軟件、或硬件與軟件的某種組合的形式。在其它實施方案中，傳感器信息26受物理濾波器28的控制，從而限制通過并到達分類器32的信息類型和數(shù)量。
濾波器28是一種機制，利用該機制只有預(yù)定類型和數(shù)量的信息能夠通過并到達分類器32。其它的屬性類型被該濾波器阻止了。濾波器28使用過濾啟發(fā)式算法來消除目標信息26中的非健壯或非期望屬性。傳感器系統(tǒng)20可以包括很多種不同的過濾啟發(fā)式算法。不管可能采用哪種啟發(fā)式算法，都只有一個目標信息26的子集可以通過并到達分類器32。在系統(tǒng)20的很多實施方案中，目標信息26的子集存儲在屬性向量30中，該向量可以傳到一個或多個分類器32。
有很多種屬性選擇啟發(fā)式算法可以用于選擇包含在屬性向量30中的目標信息26?？梢詫μ囟▽傩赃M行測試，從而每種包含在濾波器28中要傳到分類器32的屬性都是健壯的、有用的和期望的。下面會更加詳細地描述該屬性選擇過程。
E、屬性向量屬性向量30可以是任何能夠?qū)碜詾V波器28的目標信息26的子集傳送到分類器32的數(shù)據(jù)結(jié)構(gòu)或信息格式。屬性可以是目標信息26的任何特征或特性。只有與目標信息26的子集相關(guān)的屬性才包括在屬性向量30中。屬性向量30中不同屬性的個數(shù)隨實施方案變化很大。與下面要討論的屬性選擇啟發(fā)式算法一致，只有有用和期望的屬性才應(yīng)當(dāng)被選擇用于屬性向量30。
屬性向量30中的每個屬性都可以包括兩部分屬性類型和屬性值?！皩挾取笔菍傩灶愋偷囊粋€實例?！?5(象素)”是屬性值的一個實例。屬性向量30上的每個位置都表示一種特定的預(yù)定義屬性類型。那個位置上的每個數(shù)值就是屬性值。
F、分類器分類器32是接收屬性向量30作為輸入并產(chǎn)生一個或多個類別34作為輸出的任何設(shè)備。分類器32的邏輯可以是以軟件、硬件或硬件與軟件的某種組合的形式嵌入的。在許多實施方案中，濾波器28和分類器32在同一個設(shè)備中。
在傳感器系統(tǒng)20的有些實施方案中，不同的分類器32將專門用于目標22的不同方面。例如，在氣囊展開實施方案中，一個分類器32可能著眼于乘客的頭部，而另一個分類器32可能著眼于乘客的運動是否與安全帶的使用一致。
G、類別類別34是由分類器32作出的任何確定。類別34可以是數(shù)值的形式或目標22分類的形式。例如，在氣囊實施方案中，類別34可以是不需要任何定量測量的乘客分類。乘客可以劃分為成人、兒童、后向嬰兒座椅等。氣囊實施方案中的其它類別34可以包括定量屬性，如頭部最高位置或最接近氣囊展開機制的上體位置。
H、屬性空間圖2是說明屬性空間40的最高層到與該空間中的類42關(guān)聯(lián)的屬性類型44關(guān)聯(lián)的屬性值46的體系結(jié)構(gòu)的圖。
屬性空間40只是所有可能屬性類型44的一種圖形化表示，其中屬性類型44可以從由傳感器24捕獲的目標信息26的格式中獲得。根據(jù)與目標22、傳感器24及目標信息26相關(guān)的差異，屬性空間40隨傳感器系統(tǒng)20的實施方案不同變化很大。
I、類在廣泛范圍的屬性空間40和具體的屬性類型44之間是類42這一層。類42是根據(jù)傳感器系統(tǒng)20的目的定義的。例如，在傳感器系統(tǒng)20的氣囊展開應(yīng)用實施方案中，氣囊展開機制可能想要區(qū)分乘客的不同類42，如成人、青少年、兒童、后向嬰兒座椅(RFIS)、前向嬰兒座椅(FFIS)、增高椅、空座椅、雜物及不確定乘客。類42是與各種屬性類型44及屬性值46的范圍關(guān)聯(lián)的。在一種優(yōu)選實施方案中，將屬性類型44按組劃分到類42中優(yōu)選地是基于從與屬性類型44關(guān)聯(lián)的屬性值46得到的共享基礎(chǔ)統(tǒng)計分布。下面會更加詳細地討論該基礎(chǔ)統(tǒng)計分布。類42事實上基于幾乎任何其它共享特征的共性。例如，屬性類型44的一類42可以關(guān)于距離測量值，如高度、寬度、深度或距離。類42可以關(guān)于二維測量值，如面積。另一類42還可以關(guān)于三維測量值，如體積。傳感器系統(tǒng)20可以包括許多不同類型的類42。在使用傳感器測量值可視表示的實施方案中，屬性類型44的類42可以關(guān)于色彩、亮度、輝度或一些其它分類。不同類42的可能個數(shù)可以象用于描述物理世界中現(xiàn)象的屬性類型44分類的個數(shù)一樣無限多。
如圖2中所公開的，每種屬性類型44不一定只屬于一類42。而在有些實施方案中，類42可以只包括一種屬性類型44。如圖2中所公開的，類可以彼此重疊，一種屬性類型44可以屬于多于一類42。類42是由傳感器系統(tǒng)20的設(shè)計者定義的。
J、屬性類型和屬性值屬性向量30中的每個項都關(guān)于目標信息26的一個特定方面或特性。屬性類型44只是該特征或特性的類型。相應(yīng)地，屬性值46只是一個特定目標信息組中該特定屬性類型44的定量值。例如，目標信息26中一個特定物體的高度(一種屬性類型44)可以是200象素高(一種屬性值46)。不同的屬性類型44和屬性值46在系統(tǒng)20的不同實施方案中變化很大。
一些屬性類型44可以關(guān)于目標信息26圖象表示中兩個或多個點之間的距離測量值。這種屬性類型44可以包括高度、寬度或其它距離測量值(統(tǒng)稱為“距離屬性”)。在安全氣囊實施方案中，距離屬性可以包括乘客的高度或乘客的寬度。
一些屬性類型44可以關(guān)于目標信息26圖象表示中的相對水平位置、相對垂直位置或一些其它基于位置的屬性(統(tǒng)稱為“位置屬性”)。在氣囊實施方案中，位置屬性可以包括這些特性，如乘客的最高位置、乘客的最低位置、乘客的最右位置、乘客的最左位置、乘客的最右上位置等。
屬性類型44不一定要限制為目標信息26中的直接測量值。屬性類型44可以通過各種組合和/或數(shù)學(xué)運算來產(chǎn)生。例如，每個“on”象素(都表示某種類型物體的每個象素)的x和y坐標可以相乘，而所有“on”象素的平均乘積將構(gòu)成一種屬性。x坐標平方值和y坐標平方值的平均乘積也是一種可能的屬性類型44。
具有預(yù)定屬性類型44的傳感器系統(tǒng)20的一個好處是它特別地預(yù)計到傳感器系統(tǒng)20的設(shè)計者會創(chuàng)建新的和有用的屬性類型44。從而，從已知特征得到新特征的能力對于本發(fā)明的實踐是很有好處的。在一些實施方案中，新的特征可以從現(xiàn)有特征中得到。
II、子系統(tǒng)視3說明了一種屬性選擇系統(tǒng)(“選擇系統(tǒng)”)50的子系統(tǒng)層視圖實例。
A、測試數(shù)據(jù)子系統(tǒng)測試數(shù)據(jù)子系統(tǒng)52可以用于捕獲、存儲和訪問測試數(shù)據(jù)的樣本。在選擇系統(tǒng)50的一種優(yōu)選實施方案中，對特定用途屬性類型44的估計是利用測試數(shù)據(jù)進行的。例如，在氣囊展開實施方案中，坐在機動車輛座椅上的人的真實圖象應(yīng)當(dāng)用于估計屬性類型44，并有選擇地識別關(guān)于乘客類別和跟蹤的健壯屬性類型44的子集。包含具有各種屬性類型44和屬性值46的目標信息26的是測試數(shù)據(jù)庫。因此，測試數(shù)據(jù)子系統(tǒng)52包括可能的屬性類型44，從該屬性類型44選擇一個健壯屬性類型44的子集。
在測試數(shù)據(jù)子系統(tǒng)52的一些實施方案中，測試數(shù)據(jù)子系統(tǒng)52包括一個用于將屬性值46轉(zhuǎn)換成標準化定標值的標準化模塊。在測試數(shù)據(jù)子系統(tǒng)52的其它實施方案中，可以調(diào)用一個冗余啟發(fā)式算法來除去冗余的測試數(shù)據(jù)組。在另外的實施方案中，該冗余啟發(fā)式算法是k最近鄰樣本(k-nearestneighbor)啟發(fā)式算法，該算法將在下面更加詳細地描述。
B、分布分析子系統(tǒng)分布分析子系統(tǒng)54負責(zé)確定兩種屬性類型是否來自一個共同的類42。該分布分析子系統(tǒng)54從各屬性值46中為與那些屬性值46關(guān)聯(lián)的各屬性類型44產(chǎn)生各種分布統(tǒng)計量。在選擇系統(tǒng)50的許多實施方案中，分布分析子系統(tǒng)54從屬性值46中產(chǎn)生標準化值，并在產(chǎn)生分布統(tǒng)計量時使用該標準化值。下面會更加詳細地描述該標準化過程。一組標準化值的一個實例是一組最小值為0、最大值為1的定標值。
在一些實施方案中，分布統(tǒng)計量是通過調(diào)用Mann-Whitney啟發(fā)式算法來產(chǎn)生的。但是，如果期望，這種實施方案還可以包括多于兩個類42。
C、屬性選擇子系統(tǒng)屬性選擇子系統(tǒng)56負責(zé)有選擇地從測試數(shù)據(jù)中的屬性類型44池中識別一個屬性類型44的子集。有很多種不同的選擇啟發(fā)式算法可以被屬性選擇子系統(tǒng)56所使用。
在一類實施方案(“閾值實施方案”)中，來自分布分析子系統(tǒng)的各分布統(tǒng)計量可以同一個分布閾值進行比較。將低于預(yù)定分布閾值的分布統(tǒng)計量從考慮范圍中除去。
在另一類實施方案(“前N項選擇實施方案”)中，選擇系統(tǒng)50的用戶定義可通過的屬性類型44的預(yù)定個數(shù)。在一些實施方案中，屬性選擇子系統(tǒng)56可以使用專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、人工智能及其它智能技術(shù)(統(tǒng)稱為“智能”)來計算屬性類型44的期望個數(shù)。可以對各分布統(tǒng)計量進行排隊，只有前N項(其中N可以是用戶定義的任意數(shù))被選擇。在一些“前N項選擇實施方案”排隊中，排隊是按類42實現(xiàn)的。在這種實施方案中，每一類42的前N個屬性類型44被選擇。
在另一類實施方案(“合并統(tǒng)計量實施方案”)中，合并的類統(tǒng)計量是利用分布統(tǒng)計量產(chǎn)生的，不同的類被賦予不同的“權(quán)”。從而可以通過對與屬性類型44關(guān)聯(lián)的合并類統(tǒng)計量進行排隊來對屬性類型44進行排隊。
在識別期望屬性類型44的適當(dāng)子集后，屬性選擇子系統(tǒng)56可以在濾波器28中嵌入適當(dāng)?shù)膶傩灶愋?4列表。
III、屬性選擇啟發(fā)式算法圖4是說明一種屬性選擇啟發(fā)式算法實例的流程圖。不同的實施方案可以包括更少步驟、更多步驟或不同的步驟。
A、接收可能屬性組在60，選擇系統(tǒng)50接收可能屬性類型44組，送入測試數(shù)據(jù)子系統(tǒng)52。為了進行測試和估計，沒有屬性類型44需要排除在屬性向量30之外。大量的測試目標信息26增強了選擇系統(tǒng)50檢測統(tǒng)計分布的能力增強了。
B、標準化屬性值屬性值46在62被標準化。
進入屬性向量30的屬性值46可以被轉(zhuǎn)換為成定標值。將屬性值46轉(zhuǎn)換為成定標值的過程稱為標準化啟發(fā)式算法。
在一種優(yōu)選實施方案中，標準化值的范圍是在屬性類型44的選擇和測試開始之前預(yù)定的。所使用的不同范圍可以很廣。在一種優(yōu)選實施方案中，對于一個測試樣本中的所有屬性類型44應(yīng)使用相同的標準化值范圍。選擇系統(tǒng)50是高度靈活的，可以加入很多不同的預(yù)定范圍。
在一種“最小-最大”標準化啟發(fā)式算法中，屬性值46被轉(zhuǎn)換為最小為0、最大為1的定標值(一種特定類型的標準化值)。這是在從樣本中的所有屬性類型44中減去最小屬性值46之后完成的。然后可用最大屬性值46去除所有的屬性類型44。
在一種“零平均值”標準化啟發(fā)式算法中，標準化值的平均值設(shè)置為0，方差為1。選擇系統(tǒng)50還可以使用很多其它類型的標準化啟發(fā)式算法。
將屬性值46標準化為標準化值的目的是減小屬性值44可變動態(tài)范圍對分類器32的影響。如果屬性值46沒有以某種形式標準化，則具有很大動態(tài)范圍的單個屬性值46會弱化并覆蓋其它屬性類型44和屬性值46。
標準化屬性值46的重要性在目標22是運動著的人的選擇系統(tǒng)50實施方案中尤為重要。在這種實施方案中，許多最佳屬性類型44可以圖象幾何矩的形式或其它數(shù)學(xué)矩的形式來估計。在模式識別、物體識別、三維物體位姿估計、機器人傳感、圖象編碼和重建等領(lǐng)域，幾何矩是重要的。但是，這種矩可以隨矩的階單調(diào)增長，從而能夠人為賦予較高階矩增加的重要性。等式1是幾何矩的一種數(shù)學(xué)實例，其中Mpq是幾何矩。
等式1Mpq=Σy=1mΣx=1nxpyqI(x,y)]]>在一種優(yōu)選實施方案中，目標信息26或者是以二維格式捕獲的，或者被轉(zhuǎn)換成二維格式。例如，攝像機捕獲以許多具有各種輝度值的象素形式存在的目標信息26。等式1可以用于這種實施方案。在等式1中舉例來說，I(x，y)是象素(x，y)處的亮度值，而p，q＝0、1、2、...、N。如果對所有x、y都有I(x，y)＝1且以上等式能夠正確地定標，則M00給出了感興趣的2D圖象圖形的面積(以象素為單位)，而(M10，M01)給出了圖形重心的坐標。因此，“幾何矩”的概念可以用來識別人或其它目標22的重心。不幸的是，基本函數(shù)(xp，yq)盡管完整，但卻包含冗余(例如，不是正交的)。因此，期望使用濾波器28。
定標值由選擇系統(tǒng)50存儲，如下面討論的那樣以后要參考這些值。在一種優(yōu)選實施方案中，是定標值而不是屬性值46用于隨后的選擇系統(tǒng)50的過程。因此，在下面的討論中，說到相關(guān)屬性類型44或其它基于屬性類型44的數(shù)學(xué)運算實際上是利用特定屬性類型44的定標值執(zhí)行的。
在可選實施方案中，可以使用定標值和屬性值46某種類型的加權(quán)組合。此外，選擇系統(tǒng)50不需要為隨后選擇系統(tǒng)50的過程調(diào)用標準化啟發(fā)式算法。
C、除去選定的相關(guān)屬性相關(guān)屬性類型44可以在64被有選擇地除去。在一種優(yōu)選實施方案中，相關(guān)是對與同屬性類型44關(guān)聯(lián)的屬性值46關(guān)聯(lián)的定標值計算的。因此，在下面的討論中，對屬性類型44的估計就是對與屬性類型44關(guān)聯(lián)的定標值的估計。
目標圖象26中的許多屬性類型44都有相對較高的互相關(guān)。如果兩個屬性類型44高度相關(guān)，則意味著信息中存在相對大量的相似性或冗余。
這會欺騙分類器32陷入一種錯誤的置信度(例如，沒有任何真正附加信息的高置信度系數(shù))，而不是對于特定類別34進行計算的置信度。
為了除去相關(guān)屬性類型44，首先必須為樣本中所有屬性類型44計算每對屬性類型44之間的相關(guān)系數(shù)。系統(tǒng)20可以包括很多種不同的相關(guān)啟發(fā)式算法。在一種優(yōu)選實施方案中，相關(guān)啟發(fā)式算法是等式2中公開的數(shù)學(xué)運算。
等式2相關(guān)系數(shù)(A，B)＝Cov(A，B)/sqrt[Var(A)*Var(B)]Cov(A，B)是屬性類型A與屬性類型B的協(xié)方差。Var(A)是屬性類型A在可能屬性類型44的樣本中的所有屬性類型44中的屬性類型A的方差。
相關(guān)系數(shù)可以與一個相關(guān)閾值進行比較。如果一個特定屬性類型44的相關(guān)系數(shù)超過該相關(guān)性閾值，則該特定屬性類型44可以從樣本中除去。在有些實施方案中，相關(guān)閾值是一個預(yù)定閾值。在其它實施方案中，相關(guān)性閾值是在計算出相關(guān)系數(shù)以后，根據(jù)“通過”測試的屬性類型44的預(yù)定個數(shù)確定的。例如，相關(guān)閾值可以利用各相關(guān)系數(shù)的統(tǒng)計數(shù)據(jù)設(shè)置，從而只有前N％的屬性類型44留在屬性類型44的樣本中。不在前N％中的屬性類型44可以除去，不需要進行隨后的測試。在另一些實施方案中，相關(guān)閾值是在計算出各相關(guān)系數(shù)以后確定的，該計算不基于任何預(yù)定的數(shù)值。
D、執(zhí)行分布分析分布分析啟發(fā)式算法可在66執(zhí)行。分布分析啟發(fā)式算法可以僅使用統(tǒng)計方法來確定特定屬性類型44是否與其它屬性類型44具有相同的統(tǒng)計分布。
在一種優(yōu)選實施方案中，分布分析啟發(fā)式算法是同時對兩種屬性類型44執(zhí)行的(例如，“基于對的分布分析啟發(fā)式算法”)。在基于對的分布分析啟發(fā)式算法的一種優(yōu)選實施方案中，對每種屬性類型44都執(zhí)行Mann-Whitney測試(例如，“Mann-Whitney啟發(fā)式算法”)。其它類型的數(shù)學(xué)和計算過程也可以用作分布分析啟發(fā)式算法。
分布分析啟發(fā)式算法的目的是推斷各屬性類型44是服從相同的分布還是服從不同的分布。在一種基于對的分布分析中，每一對中的任意兩個屬性類型44或者屬于相同的分布，或者屬于兩個完全不同的分布，在該分布分析中，每個屬性類型44是作為與其它屬性類型44的一對中的一部分來估計的。
隨后每種屬性類型44都可以被處理。對于每種屬性類型44，測試數(shù)據(jù)中與類i(例如，分布i)和類j(例如，分布j)對應(yīng)的所有定標值都被提取出來并放在一個向量中。然后對定標值進行分類，并記錄每個定標值的分級。然后，就可以為每個類計算分級的總數(shù)。根據(jù)等式3和等式4，就可以計算統(tǒng)計量(“虛統(tǒng)計量”)的一個虛假設(shè)組(“虛統(tǒng)計量啟發(fā)式算法”)。
等式3null_hyp_mean＝num_class*(num_class+num_else+1)/2等式4null_hyp_sigma＝sqrt{num_class*num_else*(num_class+num_else+1)}/12變量“null_hyp_mean”表示虛假設(shè)組的平均值。變量“num_class”指屬于一個特定類的標準化值，而“num_else”是屬于一個不同類42的定標值或歸一化值的個數(shù)。
然后通過使用統(tǒng)計量啟發(fā)式算法，就可以產(chǎn)生估計統(tǒng)計量，如等式5中的計算結(jié)果。
等式5統(tǒng)計量＝(rank_sum_class-null_hyp_mean-0.5)/null_hyp_sigma在上面的等式中，“rank_sum_class”指分級的和，這個變量對每個類計算。在計算出統(tǒng)計量以后，為了完成分布分析啟發(fā)式算法，還可執(zhí)行一些不同的過程。
1、閾值啟發(fā)式算法完成分布分析啟發(fā)式算法的一種可選子過程是閾值啟發(fā)式算法。在閾值啟發(fā)式算法中，將統(tǒng)計量與一個統(tǒng)計量閾值進行比較。這個閾值可以是在執(zhí)行閾值啟發(fā)式算法之前預(yù)定義的，或者利用任意數(shù)量的不同條件在產(chǎn)生所有屬性類型的統(tǒng)計量以后再計算的。如果各個類是平均可分或大致平均可分的，則統(tǒng)計量閾值可以直接根據(jù)結(jié)果的置信度進行選擇。例如，根據(jù)現(xiàn)有技術(shù)已知的統(tǒng)計文獻資料，置信度為0.001意味著閾值是3.291。
統(tǒng)計量超過統(tǒng)計量閾值的屬性類型44被保留下來，而那些統(tǒng)計量低于統(tǒng)計量閾值的屬性類型44被除去了。使用閾值啟發(fā)式算法會導(dǎo)致任意個數(shù)的屬性類型44。
2、前N項啟發(fā)式算法不象可能產(chǎn)生不可預(yù)測數(shù)目的留下的屬性類型44的閾值啟發(fā)式算法，前N項啟發(fā)式算法為每一類42找出前N項最可分的屬性類型44。N可以是1到保留屬性類型44個數(shù)之間的任意數(shù)。不在前N項中的屬性類型44被除去。如果一個類42遠不及其它類42可分，則這是一種特別好的方法，如對于在基于視覺的乘客應(yīng)用中識別小個子成人與大個子兒童之間的不同的情形。如上面所討論的，可以用于傳感器系統(tǒng)20中的類42的個數(shù)和類型應(yīng)當(dāng)取決于傳感器系統(tǒng)20的目的和期望的功能。在一種期望阻止展開氣囊的氣囊實施方案中，類42的個數(shù)和類型應(yīng)當(dāng)足夠可以使得在期望使用時展開氣囊，而在不期望使用時避免展開氣囊。用于計算屬性類型44最終個數(shù)的前N項啟發(fā)式算法可以包括等式6的數(shù)學(xué)運算。
等式6屬性類型的最終個數(shù)＝N*類的個數(shù)3、合并統(tǒng)計量可用于完成分布分析啟發(fā)式算法的一種過程是包括計算合并統(tǒng)計量的合并啟發(fā)式算法。合并啟發(fā)式算法的一種實例是等式7。
等式7comb_statistic＝所有類對組合的統(tǒng)計量絕對值的總和等式5中描述的統(tǒng)計量可以對屬性類型44樣本中的所有類對合并進行計算。那些統(tǒng)計量絕對值的總和可以加在一起來計算等式7的合并統(tǒng)計量(comb_statistic)。組合啟發(fā)式算法提供組合的可分性度量。如果期望總和取決于每一類的重要性或一些其它因數(shù)，則這種方法可以包括一個加權(quán)的總和。這種方法還提供固定個數(shù)的屬性類型44。等式7范圍以外的其它可選組合啟發(fā)式算法也可以包括到選擇系統(tǒng)50。
E、刪除冗余樣本當(dāng)收集訓(xùn)練樣本時，樣本空間中經(jīng)常會有相當(dāng)大的冗余，或者換句話說，多個樣本提供非常相似甚至完全相同的信息。當(dāng)訓(xùn)練樣本是在單一位置，如一個學(xué)生或任何其它人群的教室收集到的時候，尤其如此。當(dāng)為整個人群提取個體數(shù)據(jù)的樣本時，大小、服飾樣式及其它特征就非常有可能都是相似的。為在68刪除冗余樣本，由選擇系統(tǒng)50調(diào)用一個刪除冗余樣本啟發(fā)式算法。在一種優(yōu)選實施方案中，刪除冗余樣本啟發(fā)式算法是k最近鄰樣本啟發(fā)式算法。
對每個訓(xùn)練樣本的k最近鄰樣本啟發(fā)式算法類別可以對照其它訓(xùn)練樣本來執(zhí)行。如果分類器32要在分類器36的處理中使用k最近鄰樣本啟發(fā)式算法，則所使用的序數(shù)k應(yīng)當(dāng)至少是終端系統(tǒng)k值的2倍。因為人裝著的變化性非常大而且?guī)缀醪豢赡芎侠淼赜脜?shù)表示所有的可能性，因此，對于人類目標22，k最近鄰樣本啟發(fā)式算法是一種有效的方法。k最近鄰樣本啟發(fā)式算法對照剩余的所有以前還未被刪除的屬性類型44來測試每個樣本的類別。如果類別34正確且置信度為100％(即，每個k最近鄰樣本都屬于正確的類)，則該樣本被認為是冗余的，然后被丟棄。
F、格式化輸出在70，選定的屬性類型進入一個可以嵌入到傳感器系統(tǒng)20中或傳輸?shù)揭粋€可能適用于不同測試樣本的不同測試元件中的數(shù)據(jù)格式。選擇系統(tǒng)50是高度靈活的，可以包括很多不同的格式和協(xié)議。屬性向量30中的精確位置需要鏈接到特定的屬性類型44。
G、為屬性組調(diào)用額外的訓(xùn)練如果選擇系統(tǒng)50的用戶期望讓有選擇地確定的屬性類型子集接受額外的測試，則可以在72調(diào)用這些測試。
H、將屬性組嵌入到分類器在74，所選定的屬性類型44被嵌入到分類器32中，與分類器32對應(yīng)的濾波器28配置成除去所有不與有選擇地識別出的屬性類型44子集關(guān)聯(lián)的屬性值46。該過程在傳感器系統(tǒng)20嵌入選擇系統(tǒng)50的結(jié)果以后結(jié)束。
IV、氣囊實施方案A、局部環(huán)境視5是傳感器系統(tǒng)20的可能很多不同氣囊實施方案中周圍環(huán)境的局部視圖，表示為氣囊傳感器系統(tǒng)(“氣囊系統(tǒng)”)80。如果有乘客96，則乘客96可以坐在座椅98上。在有些實施方案中，攝像機或任何其它能夠快速捕獲圖象的傳感器(統(tǒng)稱為“照相機”86)可以放在車頂內(nèi)襯板82中，并在乘客96上方但比乘客96更接近前風(fēng)擋玻璃88。為了捕獲由于在座椅98上前后運動造成的乘客96上體角度的變化，照相機86可以以一個面向乘客96稍微向下的角度放置。照相機86還有很多可能的位置，這在本領(lǐng)域中是公知的。此外，氣囊系統(tǒng)80還可以使用很多種不同的照相機86，包括通常每秒捕捉大約40幀圖象的標準攝像機。氣囊系統(tǒng)80也可以使用更高及更低速度的照相機86。
在有些實施方案中，照相機86可以包含或包括工作在直流條件下的紅外線或其它光源，從而在黑暗背景中提供恒定的照明。氣囊系統(tǒng)80可以設(shè)計成用于黑暗的環(huán)境，如夜間、霧、大雨、濃云、日食及其它任何比一般白天條件暗的環(huán)境。氣囊系統(tǒng)80也可以用于更亮的環(huán)境。紅外線的使用能夠向乘客96隱瞞光源的使用?？蛇x實施方案可以利用以下一種或多種光源獨立于照相機的光源；發(fā)射除紅外線以外其它光線的光源；及只利用交流電周期性發(fā)射的光線。氣囊系統(tǒng)80可以包括很多種其它照明設(shè)備和照相機86配置。此外，根據(jù)照明條件，氣囊系統(tǒng)80可以采用不同的啟發(fā)式算法和閾值。因此，氣囊系統(tǒng)80可以應(yīng)用關(guān)于乘客96當(dāng)前環(huán)境的“智能”。
能夠?qū)崿F(xiàn)啟發(fā)式算法或運行計算機程序的計算機、計算機網(wǎng)絡(luò)或任何其它計算設(shè)備或配置(統(tǒng)稱為“計算機系統(tǒng)”84)安裝氣囊系統(tǒng)80的邏輯。計算機系統(tǒng)84可以是能夠執(zhí)行下述編程邏輯的任何類型的計算機或設(shè)備。計算機系統(tǒng)84幾乎可以位于機動車輛中或上的任何位置。優(yōu)選地，計算機系統(tǒng)84位于靠近照相機86的位置，以避免要通過很長的電線來發(fā)送照相機圖象。氣囊控制器90示為位于儀表板94中。但是，即使氣囊控制器90位于不同的環(huán)境，氣囊系統(tǒng)80仍然可以工作。相似地，盡管氣囊系統(tǒng)80可以使用其它位置，但氣囊展開機制92優(yōu)選地也位于乘客96和座椅98前面的儀表板94中。在有些實施方案中，氣囊控制器90與計算機系統(tǒng)84是同一個設(shè)備。氣囊系統(tǒng)80可以靈活地實現(xiàn)為包括在設(shè)計機動車輛和氣囊應(yīng)用機制92時加入更多變化。
在客戶可以使用氣囊應(yīng)用機制之前，計算機系統(tǒng)84加載氣囊展開機制設(shè)計者所期望的優(yōu)選預(yù)定類42。計算機系統(tǒng)84加載在區(qū)分優(yōu)選預(yù)定類42時有用的優(yōu)選預(yù)定屬性類型44的列表。屬性類型44優(yōu)選地是利用圖4公開的過程選定的。真實的人或其它測試“乘客”或至少真實的人或其它測試“乘客”的圖象可以被分解成構(gòu)成可能屬性類型44池的各種屬性類型44的列表。這些屬性類型44可以從特征或?qū)傩灶愋?4池中選定，其中包括特征，如高度、亮度、質(zhì)量(根據(jù)體積計算)、到氣囊展開機制的距離、上體的位置、頭部的位置及其它可能的相關(guān)屬性類型44。這些屬性類型44可以對于特定的預(yù)定義類42來測試，有選擇地除去高度相關(guān)的屬性類型44和具有高度冗余統(tǒng)計分布的屬性類型44。圖4中的其它步驟及可選過程和啟發(fā)式算法也可以使用，從而只有期望和有用的屬性類型44被加載到計算機系統(tǒng)84中。
B、氣囊展開的高級過程流程圖6公開了說明用于氣囊系統(tǒng)80的傳感器系統(tǒng)20的一種實例的高級過程流程圖。包括乘客96和周圍座椅區(qū)域100的座椅區(qū)域100的環(huán)境圖象89可由照相機86捕獲。盡管在很多不同情形和實施方案下，只能捕獲到乘客96的一部分圖象，尤其是當(dāng)照相機86位于不能拍到乘客較低的肢端的位置時，但是圖中，座椅區(qū)域100包括整個乘客96。
環(huán)境圖象89可以被發(fā)送到濾波器28。濾波器28接收環(huán)境圖象89作為輸入并發(fā)送屬性向量30，該向量填充有根據(jù)上述選擇啟發(fā)式算法的屬性類型44。然后分析屬性向量30來確定適當(dāng)?shù)臍饽艺归_決策。該過程也在下面進行描述。例如，屬性向量30可以用來確定在展開時乘客96是否太靠近展開的安全氣囊92。屬性向量30中的屬性類型44和屬性值46可以被發(fā)送到氣囊控制器90，從而允許氣囊展開機制92以所獲得的關(guān)于乘客96的信息作出適當(dāng)?shù)恼归_決策。
C、詳細的過程流程圖7公開了從捕獲周圍圖象89的點發(fā)送適當(dāng)?shù)某丝蛿?shù)據(jù)到氣囊控制器的過程的更詳細的實例。只要乘客96在車上，該過程就不停地重復(fù)。在一種優(yōu)選實施方案中，老數(shù)據(jù)加入到當(dāng)前數(shù)據(jù)的分析中，從而有一個過程流程箭頭從圖底部的氣囊控制器90指回圖的頂部。
在環(huán)境圖象89(這是一類特殊的傳感器信息26)被照相機86捕捉到以后，可以由濾波器28對其進行過濾啟發(fā)式算法。上面已經(jīng)非常詳細地描述了屬性選擇和過濾的過程。
濾波器28允許外形跟蹤器和預(yù)測器102忽略照相機86捕獲到的很多屬性類型44。用于展開目的的關(guān)鍵屬性類型44通常關(guān)于乘客96的位置和運動特征。
跟蹤和預(yù)測子系統(tǒng)102可以用來跟蹤乘客96的特征，如位置、速度、加速度及其它特征。在有些實施方案中，跟蹤子系統(tǒng)102還可用來“前推”乘客的特征，產(chǎn)生對傳感器測量值之間過渡時期中的這些特征的預(yù)測。在一種優(yōu)選實施方案中，跟蹤和預(yù)測子系統(tǒng)102使用一個或多個卡爾曼濾波器將老的傳感器測量值與最近的傳感器測量值以概率加權(quán)的方式集成到一起。
跟蹤子系統(tǒng)102可以包括很多種著眼于不同乘客特征子集的不同子系統(tǒng)。例如，跟蹤子系統(tǒng)102可以包括用于跟蹤和預(yù)測“外形”特征的外形跟蹤和預(yù)測模塊106以及用于跟蹤和預(yù)測“運動”特征的運動跟蹤和預(yù)測模塊104。
然后，跟蹤子系統(tǒng)102可將信息發(fā)送到氣囊控制器90，以由氣囊展開機制92來實現(xiàn)適當(dāng)?shù)男袨?。在有些情況下，由于乘客當(dāng)前處于或即將處于臨界危險區(qū)域而阻止了展開。在有些實施方案中，氣囊展開可以配置成在對應(yīng)于氣囊需要從乘客96吸收的動能數(shù)量的各種強度下發(fā)生。跟蹤子系統(tǒng)102還可以用于確定是否發(fā)生了撞車，及此次撞車是否需要使氣囊展開。
V、可選實施方案根據(jù)專利法的規(guī)定，本發(fā)明的原理和工作模式已經(jīng)在優(yōu)選實施方案中進行了解釋和說明。但是應(yīng)當(dāng)理解，在不背離本發(fā)明精神和范圍的前提下，本發(fā)明還可以通過與所具體解釋和說明的不同的方式來實現(xiàn)。
權(quán)利要求
1.一種配置與分類器(32)一起使用的濾波器(28)的方法，包括利用分布統(tǒng)計量(66)有選擇地從多種屬性類型(44)中識別屬性類型子集；以及修改濾波器(28)，從而使分類器(32)只能訪問屬性類型(44)的子集。
2.根據(jù)權(quán)利要求1的方法，還包括利用Mann-Whitney啟發(fā)式算法產(chǎn)生分布統(tǒng)計量(66)。
3.根據(jù)權(quán)利要求1的方法，還包括從統(tǒng)計量的虛假設(shè)組中產(chǎn)生分布統(tǒng)計量(66)。
4.根據(jù)權(quán)利要求1的方法，還包括從多個分布類(42)產(chǎn)生分布統(tǒng)計量(66)。
5.根據(jù)權(quán)利要求1的方法，還包括將分布統(tǒng)計量(66)與預(yù)定的分布統(tǒng)計量閾值比較。
6.根據(jù)權(quán)利要求1的方法，還包括將分布統(tǒng)計量(66)排隊；及除去與低于預(yù)定隊列位置的排隊相關(guān)的屬性類型(44)。
7.根據(jù)權(quán)利要求1的方法，還包括產(chǎn)生合并類(42)統(tǒng)計量；將合并類統(tǒng)計量(42)排隊；及從屬性類型(44)的子集中除去與低于預(yù)定隊列位置的排隊關(guān)聯(lián)的屬性類型(44)。
8.根據(jù)權(quán)利要求1的方法，還包括通過執(zhí)行k最近鄰樣本啟發(fā)式算法來識別屬性類型(44)的冗余測試樣本；及從屬性類型(44)的子集中除去冗余測試樣本(68)中的屬性類型。
9.根據(jù)權(quán)利要求1的方法，還包括將與每種屬性類型(44)關(guān)聯(lián)的屬性值(46)轉(zhuǎn)換成定標值。
10.根據(jù)權(quán)利要求1的方法，還包括根據(jù)協(xié)方差啟發(fā)式算法產(chǎn)生協(xié)方差系數(shù)；比較該協(xié)方差系數(shù)與預(yù)定的協(xié)方差閾值；及從屬性類型(44)的子集中除去與超過預(yù)定協(xié)方差閾值的協(xié)方差系數(shù)關(guān)聯(lián)的屬性類型(44)。
11.根據(jù)權(quán)利要求1的方法，其中濾波器(28)和分類器(32)由氣囊展開機制(92)使用。
12.一種選擇包含在分類器(32)中的屬性類型(44)的系統(tǒng)，包括測試數(shù)據(jù)子系統(tǒng)(52)，包括包含多種屬性類型(44)的數(shù)據(jù)樣本；分布分析子系統(tǒng)(54)，包括多個分布統(tǒng)量(66)，其中所述分布分析子系統(tǒng)(54)從所述多種屬性類型(44)中產(chǎn)生所述多個分布統(tǒng)計量(66)；及屬性選擇子系統(tǒng)(56)，其中所述屬性選擇子系統(tǒng)(56)有選擇地從所述屬性類型(44)的子集中識別一個屬性類型(44)子集。
13.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述屬性選擇子系統(tǒng)(56)包括預(yù)定閾值，且其中所述屬性類型(44)的子集是通過比較所述分布統(tǒng)計量(66)與該預(yù)定閾值有選擇地識別的。
14.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述分布分析子系統(tǒng)(54)還包括多個合并類統(tǒng)計量，其中所述分布分析子系統(tǒng)(54)從所述分布統(tǒng)計量(66)產(chǎn)生所述合并類統(tǒng)計量，且其中所述屬性選擇子系統(tǒng)(56)通過對所述合并類統(tǒng)計量排隊來對屬性類型(44)進行排隊。
15.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述屬性選擇子系統(tǒng)(56)有選擇地識別預(yù)定個數(shù)的屬性類型(44)。
16.權(quán)利要求12的系統(tǒng)，其中所述測試數(shù)據(jù)子系統(tǒng)(52)還包括標準化模塊，所述標準化模塊包括多個定標值，其中所述標準化模塊產(chǎn)生所述多個定標值并使該多個定標值與所述多種屬性類型關(guān)聯(lián)。
17.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述數(shù)據(jù)樣本包括冗余數(shù)據(jù)子集，其中所述測試數(shù)據(jù)子系統(tǒng)包括冗余度啟發(fā)式算法，且其中所述測試數(shù)據(jù)子系統(tǒng)調(diào)用所述冗余啟發(fā)式算法來除去所述冗余數(shù)據(jù)(68)的子集。
18.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述分布統(tǒng)計量(66)是利用Mann-Whitney啟發(fā)式算法產(chǎn)生的。
19.根據(jù)權(quán)利要求12的系統(tǒng)，其中所述有選擇地識別出的屬性類型(44)的子集被嵌入(74)到氣囊展開機制中。
20.一種用于跟蹤乘客(96)的安全氣囊傳感器系統(tǒng)，包括乘客圖象(89)，包括多種屬性類型(44)和與所述多種屬性類型關(guān)聯(lián)的多個屬性值(46)，其中只有一個所述屬性類型(44)的子集最終被識別為統(tǒng)計上健壯的屬性類型；從乘客捕獲所述乘客圖象(89)的傳感器(96)；分類器(32)，包括類別(34)，其中所述分類器(32)從所述統(tǒng)計上健壯的屬性類型產(chǎn)生所述類別(34)；及濾波器(28)，包括預(yù)定的統(tǒng)計上健壯的屬性類型列表，其中所述濾波器只允許所述統(tǒng)計上健壯的屬性類型通過并到達所述分類器(32)。
全文摘要
一種用于在傳感器系統(tǒng)中為分類器(32)選擇屬性(44)的系統(tǒng)或方法(統(tǒng)稱為“選擇系統(tǒng)”)。該選擇系統(tǒng)利用與那些屬性類型關(guān)聯(lián)的屬性值(46)的統(tǒng)計分布(66)來選擇屬性類型(44)。不在有選擇地識別出的屬性類型(44)的子集中的屬性類型(44)可以在這些數(shù)據(jù)被送至分類器(32)之前過濾掉。該系統(tǒng)可以使用一個測試數(shù)據(jù)子系統(tǒng)(52)來存儲和訪問真實的傳感器數(shù)據(jù)(26)。一個分布分析子系統(tǒng)(54)可對測試數(shù)據(jù)執(zhí)行統(tǒng)計分析以識別基礎(chǔ)分布(66)，并比較單個屬性類型(44)與該分布(66)。一個屬性選擇子系統(tǒng)(56)，其中所述屬性選擇子系統(tǒng)(56)有選擇地從所述屬性類型(44)的子集中識別一個屬性類型(44)的子集。
文檔編號G06K9/62GK1525146SQ200410004259
公開日2004年9月1日 申請日期2004年2月16日 優(yōu)先權(quán)日2003年2月28日
發(fā)明者M·E·法默, M E 法默 申請人:伊頓公司