РЕАЛИЗУЕМЫЙ КОМПЬЮТЕРОМ СПОСОБ АНАЛИЗА СВЯЗАННЫХ С ЧЕЛОВЕКОМ ДАННЫХ ОБ АВАРИЙНОЙ СИТУАЦИИ Российский патент 2022 года по МПК G07C5/08 G06V10/62 

Настоящее изобретение относится к реализуемому компьютером способу анализа связанных с человеком данных об аварийной ситуации, одного или нескольких пользователей транспортного средства, а также к устройству для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или более пользователей транспортного средства.

В результате дорожно-транспортного происшествия водитель транспортного средства или другие пользователи транспортного средства могут получить различные травмы. В результате аварийной ситуации, в частности, наезда на препятствие, особенно подвержены травмам шейный отдела позвоночника (из-за внезапного и непредвиденного движения головы относительно фиксированного туловища), сама голова и грудная клетка, а также туловище и конечности. Различные встряхивающие движения головы относительно туловища при аварийной ситуации при удерживании ремнем безопасности происходят, например, в течение очень короткого времени в диапазоне сотен миллисекунд. Возникающие при этом травмы и/или медицинские симптомы обозначены как хлыстовая травма (также искажение шейного отдела позвоночника или синдром хлыстовой болезни) и могут распространяться по степени тяжести от перегруженных связок до переломов позвоночника или смертельных травм.

Однако, неблагоприятные углы столкновения также могут привести к отказу функций ремня безопасности, что приведет к неограниченной множественной травме, которая может быть доказана на снимках. Однако большинство возникающих травм не может быть отображено или только с затруднениями отображается в обычных предоставляющих снимки медицинских методиках, например, при рентгеновской диагностике, что, среди прочего, может затруднить медицинскую диагностику и предоставление доказательств для оплаты претензий по страховым полисам в связи с долгосрочным ущербом.

С другой стороны, при многих травмах важно обеспечить своевременное медицинское лечение, ориентированное на соответствующую травму, для как можно более хорошего излечения пациента и предотвращения или, по крайней мере, уменьшения возможных долгосрочных последствий.

Не опубликованная на дату подачи настоящей заявки патентная заявка EP18169880.4 описывает систему и способ для регистрации связанных с человеком данных об аварийной ситуации в транспортном средстве. При этом во время аварийной ситуации транспортного средства, например, автотранспортного средства, данные изображений пользователя или пользователей транспортного средства записываются и регистрируются высокоскоростной камерой. Затем данные изображений могут использоваться для анализа аварийной ситуации с медицинской точки зрения и, таким образом, позволяют сделать выводы о возможных травмах пользователей транспортного средства.

Задача настоящего изобретения состоит в предоставлении альтернативного или даже усовершенствования реализуемого компьютером способа анализа связанных с человеком данных об аварийной ситуации, и устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства.

Эта задача решается с помощью реализуемого компьютером способа анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в соответствии с пунктом 1 формулы изобретения, устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства по пункту 11 формулы изобретения и системы помощи в аварийных ситуациях по пункту 13 формулы изобретения. При этом устройства могут также усовершенствоваться на основе признаков способа, перечисленных ниже или в зависимых пунктах формулы изобретения, или наоборот, или признаки, перечисленные ниже или в зависимых пунктах формулы изобретения, также могут использоваться совместно для дальнейшего усовершенствования.

Реализуемый компьютером способ в соответствии с изобретением используется для анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в котором связанные с человеком данные об аварийной ситуации, включают по крайней мере данные изображений видеоряда пользователя транспортного средства во время аварии. Способ включает по меньшей мере один первый этап распознавания шаблона на основании данных изображений и по меньшей мере один второй этап сравнения распознанного шаблона с рядом ранее сохраненных шаблонов, предпочтительно множеством ранее сохраненных шаблонов.

Под "рядом" в контексте настоящего приложения следует понимать "один или несколько", в то время как термин "множество" означает несколько, т.е. более одного.

В данном случае под "шаблоном" или даже "шаблоном аварийной ситуации" понимаются характеристики, извлеченные из данных изображений, и характеризуют обстоятельства аварии в отношении пользователя транспортного средства. Такими характеристиками могут быть, в частности, кинематические данные.

При этом видеоряд предпочтительно включает в себя достаточное количество изображений, т.е. достаточное количество данных изображений, чтобы иметь возможность обнаружить из него закономерность, как описано ниже. Для этого видеоряд может, например, предоставляться с помощью высокоскоростной камеры, в которой высокоскоростная камера предназначена для записи большого количества кадров в секунду (fps), например, не менее 700 кадров в секунду или не менее 1000 кадров в секунду. При этом видеоряд предпочтительно включает в себя достаточно длительное время записи для записи всей последовательности движения одного или нескольких пользователей транспортного средства во время аварийной ситуации, и, при необходимости, короткий промежуток времени до и/или во время аварийной ситуации. Например, видеоряд может соответствовать времени записи 10 или 15 секунд.

Результатом сравнения, проводимого на втором этапе, может быть, например, то, что распознанный шаблон соответствует ранее сохраненному шаблону, причем ранее сохраненный ранее шаблон может быть в частности основан на данных изображений, записанных в предыдущих аварийных ситуациях. В этом случае, то есть при совпадении шаблона, может быть предоставлена дополнительная информация, которая была определена по предыдущей аварийной ситуации. Поэтому, например, можно использовать эмпирические значения, такие как, например, травмы, полученные в результате предыдущих аварийных ситуаций. Поскольку обнаружение шаблона и сравнение шаблона происходят автоматически, могут быть достигнуты лучшие результаты, чем в случае осуществляемого человеком анализа дела, например, если первый помощник и/или лечащий врач анализирует предоставленную визуальную последовательность только визуально или без компьютерной поддержки.

Зарегистрированный шаблон может, например, также использоваться для улучшения доказательств для выплат по страховым полисам, например, в связи с долгосрочным ущербом.

Совпадение ранее сохраненного и регистрируемого шаблона в данном случае не должно обладать стопроцентной корреляцией. В этом случае это может быть только частичное совпадение, например, в рамках ранее установленного доверительного интервала, например, 95% или 90%. Кроме того, единица сравнения может, например, быть сформирована для распознавания шаблона, который, соответственно, частично соответствует двум ранее сохраненным шаблонам, и для предоставления любых данных или информационных сообщений, соответствующих этим двум ранее сохраненным шаблонам.

Предпочтительно, распознанный и/или ранее сохраненный шаблон включает в себя последовательность движения пользователя транспортного средства во время аварийной ситуации, в частности временную последовательность процессов ускорения головы и/или шеи и/или грудной клетки и/или туловища и/или конечностей пользователей транспортного средства и/или временную последовательность перемещения головы и/или шеи и/или туловища и/или грудной клетки.

Такая последовательность движения предоставляется временной последовательностью отдельных изображений видеоряда, в которой отдельные изображения оцениваются и объединяются в соответствующую последовательность движения. Эта последовательность движения может, например, относиться к отдельным или нескольким частям тела пользователя транспортного средства (например, голове, шее, грудной клетке, туловищу и/или конечностям) или также к относительным движениям отдельных или нескольких частей тела друг к другу. Таким образом, отдельные изображения могут, например, оцениваться с точки зрения соответствующего положения соответствующей части тела.

Под ускорением или даже процессом ускорения, в контексте настоящего изложения понимаются как положительные, т.е. увеличивающие скорость, так и отрицательные, т.е. замедляющие скорость, ускорения или процессы ускорения.

Поскольку травмы, полученные в результате аварийной ситуации, по существу вызваны одной или более такими последовательностями движения, такой шаблон, который основан или содержит последовательности движения, может быть хорошим показателем для возникающих травм. Таким образом, автоматическая оценка данных изображений, т.е. распознавание шаблона на основе данных изображений, может, например, позволить получить оценку возможных повреждений еще до начала первоначального расследования или в координации с ним же. В результате, например, первоначальное лечение может быть адаптировано максимально хорошо к травме или травмам и/или риск пропустить какие-либо травмы может быть уменьшен и/или травмы или даже различные части тела могут рассматриваться, лечиться или наблюдаться в течение времени в зависимости от тяжести травм (ожидаемых). Поэтому, например, как правило, можно обеспечить лучший медицинский (первоначальный) уход за лицом, попавшим в аварийную ситуацию.

Предпочтительно, чтобы ранее сохраненные шаблоны были соответственно соотнесены с медицинскими диагностическими данными, и способ далее включает в себя третий этап вывода медицинских диагностических данных, которые соотнесены с распознанным шаблоном. Кроме того, предпочтительно, медицинские диагностические данные включают по крайней мере медицинский диагноз и/или информацию о медицинских долгосрочных последствиях и/или медицинские диагностические данные, составляющие показатель, определяющий степень возможной тяжести травмы пользователя транспортного средства. Например, с помощью таких медицинских диагностических данных можно простым образом обнаружить и/или оценить возможные травмы пользователя транспортного средства, в особенности заранее, т.е. до первоначального обследования. Например, значение показателя, определяющего значение тяжести травмы, может быть предоставлено для различных областей тела и/или частей тела, а своевременная последовательность лечения травм попавшего в аварийную ситуацию может быть установлена с использованием соответствующих значений показателя. С помощью способа диагностические данные могут быть предоставлены быстро и своевременно. Это может иметь особенно важное значение для опасных для жизни травм. Кроме того, медицинские диагностические данные могут использоваться, например, в качестве поддержки обычных методов медицинской диагностики, в частности предоставляющих снимки методов диагностики, таких, как, например, рентгеновская диагностика, например, для облегчения медицинской диагностики и/или ее улучшения.

Кроме того, предпочтительно, чтобы связанные с человеком данные об аварийной ситуации включали физические эксплуатационные данные транспортного средства, т.е. его скорость и/или ускорение непосредственно до и/или во время аварийной ситуации. Таким образом, можно, например, использовать это в дополнение к данным изображений для распознавания шаблона.

Предпочтительно, чтобы способ в соответствии с изобретением осуществляется с помощью алгоритма для реализации машинного обучения, в котором алгоритм далее предпочтительно подходит для распознавания заранее с помощью предоставленного набора связанных с человеком данных об аварийной ситуации, ряда шаблонов из данных изображений, которые хранятся в качестве ранее сохраненных шаблонов.

Под машинным обучением, в данном случае, в целом, понимается генерация знаний (в данном случае извлечение определенных шаблонов из связанных с человеком данных об аварийных ситуациях, в частности данных изображений, и, возможно, в связи с медицинскими диагностическими данными) из опыта (т.е. ранее имевших место аварийных ситуаций). В принципе, алгоритм предназначен для изучения примеров, т.е. ранее имевших место аварийных ситуаций, извлечения соответствующих шаблонов, а затем оценки неизвестных связанных с человеком данных об аварийных ситуациях, в частности данных изображений.

Для изучения шаблонов, которые затем хранятся в качестве ранее сохраненных шаблонов, алгоритму предоставляется, предпочтительно заранее, набор связанных с человеком данных об аварийных ситуациях (т.е. множество связанных с человеком данных об аварийных ситуациях), в частности данных изображений, от предыдущих аварийных ситуаций, в особенности в связи с соответствующими медицинскими диагностическими данными. После этого этапа обучения алгоритм способен по меньшей мере частично осуществлять описанный выше способ, в частности, распознавать шаблон из предоставленных связанных с человеком данных об аварийных ситуациях, и соотносить их, например, с определенной травмой и/или категорией травм. Например, различные травмы могут быть сгруппированы в категории травм.

При таком алгоритме осуществления машинного обучения можно, например, осуществлять описанный выше способ хотя бы частично автоматически. При этом может быть представлено, в частности, большое количество данных (ранее предоставленных связанных с человеком данных об аварийных ситуациях, связанных с предыдущими аварийными ситуациями), на основе которых определяются ранее предоставленные шаблоны. Кроме того, например, при возникающей аварийной ситуации соответствующий шаблон определяется быстро и простым образом.

Предпочтительно, чтобы ранее сохраненные шаблоны хранились в базе данных об аварийных ситуациях. При этом, с одной стороны, возможно, например, обеспечить доступ к ранее сохраненным шаблонам. С другой стороны, такая база данных позволяет, например, обновление и/или расширение, например, путем хранения дополнительных и/или вновь зарегистрированных шаблонов и/или путем добавления дополнительных медицинских диагностических данных. В частности, упомянутый выше алгоритм осуществления машинного обучения может быть разработан для сохранения недавно распознанного шаблона в базе данных.

Устройство в соответствии с изобретением используется для компьютерного анализа связанных с человеком данных об аварийной ситуации одного или нескольких пользователей транспортного средства, в котором связанные с человеком данные об аварийной ситуации, включают по крайней мере данные изображений видеоряда пользователя транспортного средства во время аварийной ситуации. Устройство включает в себя блок распознавания для распознавания шаблона с использованием данных изображений и блок сравнения для сравнения распознанного шаблона с рядом ранее сохраненных шаблонов. Предпочтительно, что устройство далее включает в себя блок вывода для вывода медицинских диагностических данных, соотнесенных с распознанным шаблоном. При этом, например, можно добиться эффектов, описанных выше, по отношению к реализуемому компьютером способу, также и для устройства.

Система помощи в аварийных ситуациях в соответствии с изобретением включает в себя устройство, описанное выше для реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, и высокоскоростную камеру для сбора данных изображений видеоряда пользователей транспортного средства во время аварийной ситуации, и память данных, предпочтительно кольцевой буфер, для хранения данных изображений, записанных высокоскоростной камерой. Предпочтительно, чтобы система помощи в аварийной ситуации также включает в себя функциональный блок регистрации эксплуатационных данных для регистрации физических эксплуатационных данных транспортного средства. Поэтому можно, например, быстрее предоставить информацию о возможной травме пользователя транспортного средства.

Дальнейшие признаки и цели изобретения вытекает из описания иллюстративных примеров с использованием прилагаемых изображений чертежа.

Фиг. 1 представляет собой схематический вид транспортного средства с системой сбора связанных с человеком данных об аварийной ситуации, которая подключена к устройству для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации,

Фиг. 2 представляет собой схематический вид устройства для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, на иллюстративном примере настоящего изобретения и

Фиг. 3 схематично показывает способ анализа связанных с человеком данных об аварийной ситуации, в соответствии с настоящим изобретением.

Фиг. 1 показывает транспортное средство 1 с пользователем 3 транспортного средства и схематично-показанной, интегрированной в транспортное средство 3 системой 2 для захвата связанных с человеком данных об аварийной ситуации, соединенной, через соединение передачи данных, с устройством 20 в соответствии с изобретением для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации. Транспортное средство 1, показанное в примере Фиг. 1, является автотранспортным средством, но оно может, например, быть спроектировано как транспортное средство общего назначения.

Интегрированная в транспортное средство система 2 для захвата связанных с человеком данных об аварийной ситуации, включает в себя по крайней мере одну камеру, выполненную как высокоскоростная камера 4, для захвата данных изображений, память данных, не показанную более подробно, выполненную как кольцевой буфер, и блок передачи, не показанный более подробно, для передачи данных, хранящихся в кольцевом буфере на устройство 20. При необходимости, система 2 также включает в себя функциональный блок регистрации эксплуатационных данных (не показан) для регистрации физических эксплуатационных данных транспортного средства 1.

Высокоскоростная камера 4 системы 2 выполнена и расположена в транспортном средстве 1 таким образом, что она подходит для захвата области внутреннего пространства транспортного средства, в котором находится пользователь 3 транспортного средства, т.е. для записи видеоряда в виде изображений пользователя транспортного средства 3. При этом высокоскоростная камера 4 не должна захватывать все тело пользователя транспортного средства 3, а достаточно захватить верхнюю часть тела, в частности голову 5, шею и верхнюю часть корпуса и/или область плеча. Предпочтительно, камера также захватывает дистальные области тела.

Высокоскоростная камера 4 демонстрирует высокую скорость записи, например, не менее 700 fps, предпочтительно не менее 1000 fps. Изображения видеоряда записываются высокоскоростной камерой 4 в виде цифровых данных изображений.

Высокоскоростная камера 4 соединена посредством соединения передачи данных, например, кабелем данных, с кольцевым буфером. Кольцевой буфер подходит для хранения данных изображений 20, записанных высокоскоростной камерой 4 в цифровом виде. Альтернативно, кольцевой буфер также может быть внутренней памятью высокоскоростной камеры 4.

Кольцевой буфер представляет собой цифровую память с заданным размером или емкостью хранилища, в которой данные, в данном случае, включая данные изображений, захваченные высокоскоростной камерой, могут постоянно храниться. Если максимальный размер кольцевого буфера достигнут и кольцевой буфер полон, то соответствующий старейший сохраненный элемент перезаписывается, так что данные сохраняются в так называемом цикле. Таким образом, графическое представление памяти представляет собой форму кольца. Кольцовой буфер может, например, быть реализован посредством подходящего программного обеспечения, с помощью которого соответственно контролируется хранение и чтение данных в цифровой памяти. Предпочтительно, размер кольцевого буфера или его емкость достаточны для хранения изображений, записанных высокоскоростной камерой в течение интервала времени в несколько секунд, например 10 с или 20 с, и любых физические эксплуатационных данных транспортного средства, которые будут сохранены, прежде чем они будут перезаписаны снова.

Необязательный блок регистрации эксплуатационных данных предпочтительно также связан посредством соединения передачи данных, например, кабелем данных, с кольцевым буфером, для сохранения физических эксплуатационных данных транспортного средства 1, регистрируемых функциональным блоком регистрации данных, в кольцевом буфере. Например, функциональный блок регистрации данных может быть выполнен как датчик скорости и/или датчик положения, например, как GPS и/или как акселерометр для регистрации мгновенной скорости или положения или ускорения транспортного средства 1 в качестве эксплуатационных данных.

Кроме того, кольцевой буфер соединен посредством соединения для передачи данных, например, кабелем данных, с блоком передачи системы 2. Блок передачи подходит для передачи данный изображений, сохраненных в кольцевом буфере, и дополнительно эксплуатационных данных в виде данных 10 об аварийной ситуации с помощью способа беспроводной передачи на устройство 20, предпочтительно в зашифрованном виде. Для этого блок передачи имеет не показанный интерфейс данных.

Система 2 может включать в себя другие более подробно не описанные компоненты, такие, как, например, блок управления для управления отдельными компонентами системы 2, датчик для выявления аварийной ситуации, устройство освещения для освещения внутреннего пространства транспортного средства, аналитический блок для анализа данных и/или другой накопитель данных.

Когда система 2 работает, высокоскоростная камера 4 непрерывно снимает пользователя 3 транспортного средства при движении транспортного средства 1, т.е. она записывает данные изображений пользователя 3 транспортного средства, и передает их в кольцевой буфер. При необходимости, в то же время функциональный блок регистрации эксплуатационных данных, предпочтительно непрерывно, регистрируются эксплуатационные данные транспортного средства 1, а также передает в кольцевой буфер. До тех пор, пока не происходит аварийная ситуация, данные, хранящиеся в кольцевом буфере, соответственно, перезаписываются новыми данными снова в зависимости от определенного времени записи, которое зависит, среди прочего, от емкости записи кольцевого буфера.

При аварийной ситуации это непрерывное хранение данных прерывается, так что данные, присутствующие в кольцевом буфере, больше не перезаписываются. Таким образом, после окончания записи данных, в кольцевом буфере присутствуют данные изображений и дополнительно физические эксплуатационные данные за период времени, в который произошла аварийная ситуация. Затем они передаются блоком передачи в качестве связанных с человеком данных 10 об аварийной ситуации на устройство 20 анализа связанных с человеком данных об аварийной ситуации. Альтернативно, связанные с человеком данные об аварийной ситуации, могут также передаваться в другое внешнее расположение, например, в спасательный центр управления спасением и/или в медицинское учреждение и/или в память данных, не принадлежащую транспортному средству, например, к внешнему серверу или облаку и предоставляться этим внешним расположением для использования в устройстве 20. Таким образом, передача связанных с человеком данных 10 об аварийной ситуации происходит по беспроводной сети, например по радио, особенно по мобильному связи или через Интернет, и может, например, происходить вместе с экстренным вызовом в электронном виде (известным как eCall). Предпочтительно, чтобы связанные с человеком данные 10 об аварийной ситуации передавались в зашифрованном виде, например, с помощью OpenPGP, причем связанные с человеком данные 10 об аварийной ситуации шифруются блоком передачи с помощью общедоступного ключа, генерируемого устройством 20 или во внешнем расположении и снова зашифровываются соответствующим общим (частным) ключом устройства 20 или даже во внешнем расположении.

Кроме того, устройство 20 для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации может быть реализовано в мобильном устройстве (не показано на фигурах), которое направляет первого помощника и, например, может быть подключено к блоку передачи соединением передачи данных, например, кабелем данных. Мобильное устройство вместе с интегрированной в транспортное средство системой 2 является примером системы помощи в аварийной ситуации. Она используется для своевременного распознавания возможных травм пользователей транспортного средства.

Устройство 20, показанное схематично на Фиг. 2, для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации, включает в себя по меньшей мере один блок 21 распознавания, блок 22 сравнения и блок 23 вывода. Работа устройства 20 для осуществления реализуемого компьютером анализа связанных с человеком данных об аварийной ситуации описана далее со ссылкой на Фиг. 3.

На первом этапе S1 (см. Фиг. 3) реализуемого компьютером способа в соответствии с изобретением для анализа связанных с человеком данных об аварийной ситуации, блок 21 распознавания на основе связанных с человеком данных 10 изображений распознает шаблон M(x). При необходимости, блок распознавания для распознавания шаблона M(x) может использовать, в дополнение к данным изображений, физические эксплуатационные данные транспортного средства 1.

Шаблон M обычно описывает одну или несколько последовательностей движения пользователя 3 транспортного средства при аварийной ситуации. Например, шаблон может включать ускорение или временную последовательность ускорения по меньшей мере одной части тела пользователя 3 транспортного средства. Альтернативно или дополнительно шаблон может включать в себя временную последовательность относительного и/или абсолютного отклонения по меньшей мере одной части тела пользователя 3 транспортного средства. Такой частью тела может быть, например, голова 5 и/или шея и/или грудная клетка и/или туловище и/или конечность, например, рука пользователя 3 транспортного средства. В частности, при этом можно рассматривать относительное перемещение и/или ускорение различных частей тела по отношению друг к другу, таких, как, например, относительное смещение головы 5 по отношению к области плеча или верхней части тела пользователя 3 транспортного средства. При необходимости, шаблон может также включать физические эксплуатационные данные, например, ускорение и/или скорость транспортного средства непосредственно перед и/или во время аварийной ситуации.

Затем блок 22 сравнения сравнивает, на втором этапе S2 шаблон M(x), распознанный блоком распознавания с рядом ранее сохраненных шаблонов от M(1) до M(n). Ранее сохраненные шаблоны могут, например, храниться в базе данных, причем базой данных может быть внутренняя память устройства 20, или блок 22 сравнения получает доступ к внешней базе данных устройства (также обозначенной как база данных об аварийных ситуациях). Результатом сравнения может быть, в данном случае, что распознанный шаблон M(x) соответствует одному из ранее сохраненных шаблонов от M(1) до M (n), или что распознанный шаблон M(x) не соответствует ни одному из ранее сохраненных шаблонов.

Например, база данных может состоять из ряда n шаблонов от M(1) до M(n), где n является натуральным числом, большим или равным 1 (n ≥ 1). Предпочтительно, если база данных состоит из нескольких шаблонов от M(1) до M(n), т.е. имеет более одного шаблона, поэтому n > 1. В качестве шаблонов от M(1) до M(n) предпочтительно подразумеваются различные шаблоны.

Предпочтительно сохранять в базе данных дополнительные медицинские диагностические данные от D(1) до D(p) (или даже наборы медицинских диагностических данных), где p также является натуральным числом, большим или равным 1 (p ≥ 1). Предпочтительно, чтобы число р соответствовало медицинским диагностическим данным от D(1) до D(p) числа n шаблонов, ранее сохраненных в базе данных (т.е. p=n), где каждому из n шаблонов от M(1) до M(n) точно ставится в соответствие один набор медицинских диагностических данных от D(1) до D(p).

Набор медицинских диагностических данных D(i) (1 ≤ i ≤ p) включает в себя по крайней мере один медицинский диагноз и/или часть информации о медицинских долгосрочных последствиях. Медицинские диагностические данные, т.е. медицинский диагноз и/или информация о медицинских долгосрочных последствиях в данном случае относятся к информации, полученной в результате предыдущей аварийной ситуации в частности конкретного другого пользователя транспортного средства, для которой был распознан шаблон M(i), и которому поставлен в соответствие набор медицинских диагностических данных D(i).

При этом медицинские диагностические данные включают информацию о типе и/или тяжести травм пользователей транспортного средства. При этом устанавливаются не только травмы сразу после аварии, но и последствия, возникающие позднее, т.е. через дни, недели или даже месяцы после аварии (долгосрочные последствия).

В качестве альтернативы или дополнительно, набору медицинских диагностических данных D(i) может быть поставлена в соответствие тяжесть травм. Для этого травмы могут быть классифицированы, например, как незначительные, умеренные, серьезные, очень серьезные или опасные для жизни и соответствующее значение показателя (например, "небольшое" или "умеренное" или "серьезное" или "очень серьезное" или "опасное для жизни" или по шкале от 1 (небольшое) до 5 (опасные для жизни)) могут храниться в медицинских диагностических данных D(i).

В случае, если на этапе S2 сравнение распознанного шаблона M(x) с ранее сохраненными шаблонами от M(1) до M(n) приводит к обнаружению соответствия шаблона M(x) одному из ранее сохраненных шаблонов, т.е. M(x) = M(j) с 1 ≤ j ≤ n, блок 23 вывода (см. Фиг. 2) выводит на этапе S3 (см. Фиг. 3) диагностические данные D(j), соответствующие этому шаблону и/или сам шаблон M(j).

Для хранение ранее сохраненного шаблона и соответствующих медицинских диагностических данных в базе данных, например, можно действовать следующим образом: соответственно предоставляются пары связанных с человеком данных об аварийной ситуации и медицинских диагностических данных, соотнесенных с ними. Например, связанные с человеком данные об аварийной ситуации и медицинские диагностические данные могут быть определены в результате предыдущих аварийных ситуаций. С помощью подходящего алгоритма, из данных изображений, возможно, во взаимосвязи с физическими эксплуатационными данными транспортного средства и/или медицинскими диагностическими данными, распознается соответствующий шаблон. Предпочтительно, чтобы алгоритм основывался на способе машинного обучения, т.е. он подходит для распознавания соответствующих шаблонов из данных самостоятельно и только с использованием предоставленных данных.

Таким образом, каждый распознанный шаблон сохраняется как ранее сохраненный шаблон с соответствующими медицинскими диагностическими данными в базе данных или в другой памяти данных.

Для случае, если на этапе S2 сравнения распознанного шаблона M(x) с ранее сохраненными шаблонами от M(1) до M(n) выявляется, что распознанный шаблон M(x) не соответствует ни одному из ранее сохраненных шаблонов, блок вывода предпочтительно выполняется с возможностью вывода соответствующей части информации, например, в виде текста и/или визуального или звукового сигнала. В качестве альтернативы или дополнительно блок вывода может также самостоятельно выводить распознанный шаблон M(x).

Необязательно, распознанный шаблон M(x), который не соответствует ни одному из ранее сохраненных шаблонов M(1) - M (n), затем также задаваться, т.е. сохраняться в базе данных, и при наличии соответствующих диагностических данных, которые, например, включают первоначальный и/или последующий диагноз и/или информацию о долгосрочных последствиях, они могут быть впоследствии назначены вновь сохраненному шаблону M(x) и сохранены в базе данных во взаимосвязи с ним.

Настоящее техническое решение относится к области вычислительной техники. Технический результат заключается в повышении степени распознавания травм в результате дорожно-транспортного происшествия. Технический результат достигается за счёт анализа связанных с человеком данных (10) об аварийной ситуации одного или более пользователей (3) транспортного средства, при этом данные (10) об аварийной ситуации включают в себя по меньшей мере данные изображений видеоряда пользователя (3) транспортного средства во время аварийной ситуации. Способ включает по меньшей мере первый этап (S1) распознавания шаблона (M(x)) на основе данных изображений и по меньшей мере второй этап (S2) сравнения распознанного шаблона (M(x)) с рядом ранее сохраненных шаблонов (M(1)...M(n)), при этом ранее сохраненные шаблоны (M(1)…M(n)) соответственно соотнесены с медицинскими диагностическими данными (D(1)…D(p)), причем способ далее содержит третий этап (S3) вывода медицинских диагностических данных (D(j)), которые соотнесены с распознанным шаблоном (M(j)). 3 н. и 7 з.п. ф-лы, 3 ил.

1. Реализуемый компьютером способ анализа связанных с человеком данных (10) об аварийной ситуации одного или более пользователей (3) транспортного средства, при этом

связанные с человеком данные (10) об аварийной ситуации включают в себя по меньшей мере данные изображений видеоряда пользователя (3) транспортного средства во время аварийной ситуации,

при этом способ содержит

один первый этап (S1) распознавания шаблона (M(x)) на основании данных изображений и

один второй этап (S2) сравнения распознанного шаблона (M(x)) с рядом ранее сохраненных шаблонов (M(1)…М(n)),

при этом распознанный шаблон включает в себя последовательность движения пользователя (3) транспортного средства при аварийной ситуации, отличающийся тем, что

распознанный и/или ранее сохраненный шаблон включает в себя временную последовательность процессов ускорения головы (5), и/или шеи, и/или грудной клетки, и/или туловища, и/или конечностей пользователя (3) транспортного средства и/или временную последовательность отклонений головы (5), и/или шеи, и/или туловища, и/или грудной клетки, и/или конечностей пользователя (3) транспортного средства,

при этом ранее сохраненные шаблоны (M(1)…M(n)) соответственно соотнесены с медицинскими диагностическими данными (D(1)…D(p)), причем способ далее содержит третий этап (S3) вывода медицинских диагностических данных (D(j)), которые соотнесены с распознанным шаблоном (M(j)).

2. Способ по п. 1, в котором медицинские диагностические данные (D(1)…D(p)) включают по крайней мере один медицинский диагноз и/или информацию о медицинских долгосрочных последствиях.

3. Способ по п. 1 или 2, в котором медицинские диагностические данные (D(1)...D(p)) содержат показатель, определяющий степень возможной тяжести травмы пользователя (3) транспортного средства.

4. Способ по любому из пп. 1-3, в котором связанные с человеком данные (10) об аварийной ситуации далее включают физические эксплуатационные данные транспортного средства непосредственно перед и/или при аварийной ситуации.

5. Способ по любому из пп. 1-4, который осуществляют с использованием алгоритма для реализации машинного обучения.

6. Способ по п. 5, в котором алгоритм выполнен для того, чтобы заранее с помощью набора связанных с человеком данных (10) об аварийной ситуации распознавать ряд шаблонов из данных изображений, которые были записаны ранее как ранее сохраненные шаблоны (M(1)…М(n)).

7. Способ по любому из пп. 1-6, в котором ранее сохраненные шаблоны (M(1)…M(n)) записаны в базе данных об аварийных ситуациях.

8. Устройство для осуществления реализуемого компьютером анализа связанных с человеком данных (10) об аварийной ситуации одного или более пользователей (3) транспортного средства, в котором связанные с человеком данные (10) включают по крайней мере данные изображений видеоряда пользователя (3) транспортного средства при аварийной ситуации, причем устройство (20) включает в себя:

блок (21) распознавания для распознавания шаблона (M(x)) на основании данных изображений,

блок (22) сравнения для сравнения распознанного шаблона (M(x)), содержащего последовательность движения пользователя (3) транспортного средства при аварийной ситуации, с рядом ранее сохраненных шаблонов (M(1)... М(n)),

отличающееся тем, что

распознанный и/или ранее сохраненный шаблон включает в себя временную последовательность процессов ускорения головы (5), и/или шеи, и/или грудной клетки, и/или туловища, и/или конечностей пользователя (3) транспортного средства и/или временную последовательность отклонений головы (5), и/или шеи, и/или туловища, и/или грудной клетки, и/или конечностей пользователя (3) транспортного средства,

при этом ранее сохраненные шаблоны (M(1)…M(n)) соответственно соотнесены с медицинскими диагностическими данными (D(1)…D(p)), причем устройство содержит блок (23) вывода для вывода медицинских диагностических данных (D(j)), которые соотнесены с распознанным шаблоном (M(j)).

9. Система помощи в аварийных ситуациях, включающая в себя устройство по п. 8 и высокоскоростную камеру для захвата данных изображений видеоряда пользователя (3) транспортного средства во время аварийной ситуации и накопитель данных, предпочтительно кольцевой буфер, для сохранения данных изображений, записанных высокоскоростной камерой.

10. Система по п. 9, дополнительно содержащая функциональный блок регистрации эксплуатационных данных для регистрации физических эксплуатационных данных транспортного средства (1).