基于个人所穿着的服装预测汽车行驶目的地的系统和方法.pdf

《基于个人所穿着的服装预测汽车行驶目的地的系统和方法.pdf》由会员分享，可在线阅读，更多相关《基于个人所穿着的服装预测汽车行驶目的地的系统和方法.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010079925.5 (22)申请日 2020.02.04 (30)优先权数据 16/267,088 2019.02.04 US (71)申请人 福特全球技术公司 地址 美国密歇根州迪尔伯恩市 (72)发明人 斯科特梅伯里 (74)专利代理机构 北京连和连知识产权代理有 限公司 11278 代理人 刘小峰 (51)Int.Cl. G06K 9/00(2006.01) G06F 16/9537(2019.01) (54)发明名称 基于个人所穿着的服装预测汽车行驶目的 地的系。

2、统和方法 (57)摘要 本公开提供了 “基于个人所穿着的服装预测 汽车行驶目的地的系统和方法” 。 在本公开中描 述的示例性实施例总体上涉及用于至少部分地 基于识别由作为汽车的乘员或以进入车辆的意 图正朝向汽车移动的个人所穿着的服装的类别 来预测所述汽车的行驶目的地的系统和方法。 服 装可以是各种类别中的一者， 诸如商务服装类 别、 商务休闲服装类别、 休闲服装类别或社交服 装类别。 可以基于其他因素(诸如由汽车的同乘 乘员所穿着的服装和与乘员和/或同乘乘员相关 联的历史数据)来另外预测行驶目的地。 所述历 史数据可以包括乘员前往特定目的地时的时间 记录以及所述乘员在前往所述目的地时所穿着 的。

3、服装。 权利要求书2页 说明书12页 附图4页 CN 111523371 A 2020.08.11 CN 111523371 A 1.一种方法， 其包括： 通过成像系统捕获第一个人的至少一个图像； 通过至少第一计算机系统处理所述第一个人的所述至少一个图像以识别所述第一个 人所穿着的第一服装； 通过至少所述第一计算机系统确定所述第一服装属于一组类别中的第一类别； 以及 通过至少所述第一计算机系统并且至少部分地基于确定所述第一服装属于所述第一 类别来预测汽车的行驶目的地， 所述汽车可操作以将所述第一个人运输到所述行驶目的 地。 2.如权利要求1所述的方法， 其中： 所述第一个人是所述汽车的驾驶员，。

4、 所述成像系统位于所述汽车中， 并且 所述第一类别基于商务服装、 商务休闲服装、 休闲服装或社交服装中的一者的一个或 多个属性而进行分类。 3.如权利要求1所述的方法， 其中所述第一个人是所述汽车的驾驶员， 其中所述第一类 别基于商务服装的一个或多个属性进行分类， 并且其中所述一组类别还包括基于商务休闲 服装的一个或多个属性进行分类的第二类别、 基于休闲服装的一个或多个属性进行分类的 第三类别以及基于社交服装的一个或多个属性进行分类的第四类别。 4.如权利要求1所述的方法， 其中通过至少所述第一计算机系统至少进一步部分地基 于所述汽车的先前行驶目的地的历史来预测所述汽车的所述行驶目的地。 5.。

5、如权利要求4所述的方法， 其中所述汽车的先前行驶目的地的所述历史存储在全球 定位系统(GPS)装置、 所述第一计算机系统中的一个或多个存储器装置、 第二计算机系统中 的一个或多个存储器装置或云存储区中的一个或多个存储器装置中的至少一者中。 6.如权利要求1所述的方法， 其还包括： 通过所述成像系统捕获第二个人的至少一个图像； 通过至少所述第一计算机系统处理所述第二个人的所述至少一个图像以识别所述第 二个人所穿着的第二服装； 通过至少所述第一计算机系统确定所述第二服装属于所述一组类别中的所述第一类 别； 以及 通过至少所述第一计算机系统至少部分地基于确定所述第一服装和所述第二服装中 的每一者属于。

6、所述第一类别来预测所述汽车的所述行驶目的地。 7.如权利要求6所述的方法， 其中所述成像系统和所述第一计算机系统中的每一者位 于所述汽车中， 并且其中所述第二个人是所述汽车中的乘客。 8.一种方法， 其包括： 至少部分地基于第一服装的一个或多个属性来表征所述第一服装； 通过成像系统捕获第一个人的至少一个图像； 通过至少第一计算机系统处理所述至少一个图像以确定所述第一个人穿着所述第一 服装； 以及 通过至少所述第一计算机系统并且至少部分地基于确定所述第一个人穿着所述第一 服装来预测汽车的行驶目的地， 所述汽车可操作以将所述第一个人运输到所述行驶目的 权利要求书 1/2 页 2 CN 111523。

7、371 A 2 地。 9.如权利要求8所述的方法， 其中： 所述第一个人是所述汽车的驾驶员， 所述成像系统位于所述汽车中， 并且 所述第一服装的所述一个或多个属性指示商务服装、 商务休闲服装、 休闲服装或社交 服装中的一者。 10.如权利要求9所述的方法， 其中： 所述商务服装的所述一个或多个属性包括西装、 领带或夹克中的至少一者， 所述商务休闲服装的所述一个或多个属性包括长袖衫、 长袍或具有褶皱的裤子中的至 少一者， 所述休闲服装的所述一个或多个属性包括短袖衫或T恤中的至少一者， 并且 所述社交服装的所述一个或多个属性包括具有彩色图案的至少一件衣物。 11.如权利要求9所述的方法， 其中通过。

8、至少所述第一计算机系统至少进一步部分地基 于所述汽车的先前行驶目的地的历史、 所述第一个人在所述汽车中的行驶的两个或更多个 先前时间相关参数或在至少所述第一计算机系统中执行的学习算法中的至少一者来预测 所述汽车的所述行驶目的地。 12.如权利要求11所述的方法， 其中所述汽车的先前行驶目的地的所述历史存储在全 球定位系统(GPS)装置、 所述第一计算机系统中的一个或多个存储器装置、 第二计算机系统 中的一个或多个存储器装置或云存储区中的一个或多个存储器装置中的至少一者中。 13.如权利要求8所述的方法， 其还包括： 通过所述成像系统捕获作为所述汽车的乘员的第二个人的至少一个图像； 通过至少所述。

9、第一计算机系统处理所述至少一个图像以确定所述第二个人穿着所述 第一服装； 以及 通过至少所述第一计算机系统进一步至少部分地基于确定所述第二个人穿着所述第 一服装来预测所述汽车的所述行驶目的地。 14.如权利要求13所述的方法， 其中所述汽车是自主车辆。 15.一种系统， 其包括： 成像系统， 其被配置为捕获第一个人的至少一个图像； 和 第一计算机系统， 其包括： 至少一个存储器， 其存储计算机可执行指令； 和 至少一个处理器， 其被配置为访问所述至少一个存储器并执行所述计算机可执行指令 以至少： 处理所述第一个人的所述至少一个图像以识别所述第一个人所穿着的第一服装； 确定所述第一服装属于一组类。

10、别中的第一类别； 以及 至少部分地基于确定所述第一服装属于所述第一类别来预测汽车的行驶目的地， 其中 所述汽车被配置为向所述第一个人提供运输。 权利要求书 2/2 页 3 CN 111523371 A 3 基于个人所穿着的服装预测汽车行驶目的地的系统和方法 技术领域 0001 本公开总体上涉及汽车行驶， 并且更具体地涉及在汽车中提供的用于在使用汽车 时辅助个人的自动化特征。 背景技术 0002 汽车制造商不断努力在其汽车中提供使其产品对买家更具吸引力的各种特征。 这 些特征通常旨在为驾驶员和乘客提供舒适性、 便利性和满意度。 例如， 一些汽车具有启用 的系统， 所述系统允许驾驶员使用语音命令执。

11、行各种动作， 诸如免提电话呼叫、 使 用语音命令控制收音机或配置导航系统。 作为另一个示例， 一些汽车具有计算机系统， 所述 计算机系统监视驾驶员(诸如例如未成年儿童)的驾驶特性， 并根据被编程到计算机系统中 的一些规则来控制汽车的速度。 在又一个示例中， 一些汽车包括传感器， 所述传感器监视驾 驶员醉酒或嗜睡的迹象。 在检测到这种状况时， 耦合到传感器的计算机系统可以操作蜂鸣 器以警告驾驶员， 或者可以迫使汽车停止运转。 0003 期望不仅在当前由人类驾驶员操作的汽车中而且在已经成为近来各种开发努力 的焦点的自主汽车中提供此类舒适性、 便利性和满意度特征。 发明内容 0004 在本公开中描述。

12、的示例性实施例总体上涉及用于至少部分地基于识别由作为汽 车的乘员或以进入车辆的意图正朝向汽车移动的个人所穿着的服装的类别来预测所述汽 车的行驶目的地的系统和方法。 服装可以是各种类别中的一者， 诸如商务服装类别、 商务休 闲服装类别、 休闲服装类别或社交服装类别。 可以基于其他因素(诸如由汽车的同乘乘员 (co-occupant)所穿着的服装和与乘员和/或同乘乘员相关联的历史数据)来另外预测行驶 目的地。 所述历史数据可以包括乘员前往特定目的地时的时间记录以及所述乘员在前往所 述目的地时所穿着的服装。 附图说明 0005 下文参考附图陈述详细描述。 相同的附图标记的使用可指示类似或相同项目。 。

13、各 种实施例可以利用除了附图中所示的那些之外的元件和/或部件， 并且一些元件和/或部件 可能不存在于各种实施例中。 附图中的元件和/或部件不一定是按比例绘制的。 贯穿本公 开， 根据上下文， 单数和复数术语可以互换使用。 0006 图1示出了根据本公开的示例性实施例的系统， 所述系统包括与预测汽车的行驶 目的地相关联的一些示例性部件。 0007 图2示出了具有根据本公开的行驶目的地预测系统的汽车内部的示例性视图。 0008 图3示出了根据本公开的示例性实施例的用于预测汽车的行驶目的地的方法的第 一示例性流程图。 0009 图4示出了根据本公开的示例性实施例的用于预测汽车的行驶目的地的方法的第 。

14、说明书 1/12 页 4 CN 111523371 A 4 二示例性流程图。 0010 图5示出了根据本公开的示例性实施例的用于预测汽车的行驶目的地的方法的第 三示例性流程图。 具体实施方式 0011 在下文将参考附图更完整地描述本公开， 在附图中示出本公开的示例性实施例。 然而， 本公开可以许多不同形式体现并且不应被解释为限于本文陈述的示例性实施例。 对 于相关领域的技术人员将显而易见的是， 在不脱离本公开的精神和范围的情况下， 可对各 种实施例作出形式和细节方面的各种改变。 因此， 本公开的广度和范围不应受任何上述示 例性实施例的限制， 而是应仅根据以下权利要求和其等效物限定。 下文描述是。

15、出于说明目 的而提出的， 并且不意图详尽或被限于所公开的精确形式。 应当理解， 可选实施方式可以所 需的任何组合使用以形成本公开的附加混合实施方式。 例如， 关于特定装置或部件描述的 任何功能性都可由另一装置或部件执行。 此外， 尽管已经描述特定装置特性， 但本公开的实 施例可与众多其他装置特性相关。 此外， 尽管已经用结构特征和/或方法动作特定的语言来 描述实施例， 但应理解， 本公开不必限于所描述的特定特征或动作。 相反， 将特定特征和动 作作为实施实施例的说明性形式来公开。 0012 某些词语和术语在本文中仅是为了方便起见， 并且此类词语和术语应当被解释为 指代所属领域普通技术人员通常以。

16、各种形式和等效物理解的各种目的和动作。 例如， 词语 “汽车” 可以与词语 “车辆” 互换使用。 短语 “自主车辆” 可以可选地被理解为指代 “机器人车 辆” 、“自驾车辆” 和其他此类短语。 如本文中所使用的短语 “乘车服务” 是指各种类型的运输 服务， 诸如出租车服务、 豪华轿车服务、 班车服务、 拼车服务以及共乘服务， 诸如UberTM和 LyftTM。 此外， 应当理解， 如本文中所使用的词语 “示例” 意图在本质上是非排他性和非限制 性的。 更具体地， 如本文中所使用的词语 “示例性” 指示若干示例中的一者， 并且应当理解， 没有对所描述的特定示例进行过多的强调或侧重。 0013 就。

17、总体概述而言， 在本公开中描述的某些实施例涉及用于至少部分地基于识别由 作为汽车的乘员或以进入车辆的意图正朝向汽车移动的个人所穿着的服装的类别来预测 汽车的行驶目的地的系统和方法。 服装可以是各种类别中的一者， 诸如商务服装类别、 商务 休闲服装类别、 休闲服装类别或社交服装类别。 可以基于其他因素(诸如由汽车的同乘乘员 所穿着的服装和与乘员和/或同乘乘员相关联的历史数据)来另外预测行驶目的地。 所述历 史数据可以包括乘员之前前往特定目的地时的时间记录以及所述乘员在前往所述目的地 时所穿着的服装。 0014 图1示出了根据本公开的示例性实施例的行驶目的地预测系统100， 所述行驶目的 地预测系。

18、统包括可以与预测汽车的行驶目的地相关联的一些示例性部件。 示例性部件可以 全部或以分布式布置结合在自主车辆120、 驾驶员操作的车辆105、 服务器计算机系统145 和/或云存储区150中。 当以分布式布置提供部件时， 自主车辆120、 驾驶员操作的车辆105、 服务器计算机系统145和/或云存储区150可以通过经由网络160通信而彼此交互。 网络160 可以包括各种网络中的任一者或组合， 诸如局域网(LAN)、 广域网(WAN)、 电话网络、 蜂窝网 络、 电缆网络、 无线网络和/或专用/公共网络(诸如因特网)。 在一些情况下， 网络160可以支 持诸如蓝牙、 蜂窝、 近场通信(NFC)、 。

19、Wi-Fi、 Wi-Fi直连、 机器对机器通信和/或人对机器通信 说明书 2/12 页 5 CN 111523371 A 5 的通信技术。 0015 可以作为行驶目的地预测系统100的一部分的第一示例性部件是安装在自主车辆 120中的计算机系统130。 在一种示例性实施方式中， 自主车辆120是共乘服务(诸如UberTM或 LyftTM)、 出租车服务、 豪华轿车服务或班车服务的一部分。 在另一种示例性实施方式中， 自 主车辆120可以由个人140拥有和操作。 0016 计算机系统130可以包括若干部件， 诸如处理器131和存储器132。 作为非暂时性计 算机可读介质的一个示例的存储器132可。

20、以用于存储操作系统(OS)139和各种其他代码模 块， 诸如导航系统133、 通信模块134和目的地预测模块136。 存储器132还可以用于存储数据 和信息， 诸如历史数据137和补充数据138。 各种代码模块可以被配置为与在自主车辆120中 提供的各种类型的硬件配合地执行各种操作。 例如， 导航系统133可以包括一个或多个代码 模块， 所述一个或多个代码模块与自主车辆120的各种硬件部件配合以辅助自主车辆120在 自主车辆120沿着道路行驶时可能遇到的车辆、 行人和物体周围导航。 此类硬件部件的几个 示例可以包括自主车辆120的导航辅助设备121、 自主车辆120的转向机构、 自主车辆120。

21、的 点火开关、 自主车辆120的加速器、 自主车辆120的制动机构、 自主车辆120的门锁机构， 以及 全球定位系统(GPS)装置。 0017 可以安装在自主车辆120的车顶上的导航辅助设备121可以包括各种元件， 诸如应 答器、 传感器和成像装置。 可以作为导航辅助设备121的一部分的几个示例性传感器是运动 检测器、 距离传感器、 接近传感器和音频传感器。 可以作为导航辅助设备121的一部分的几 个示例性成像装置包括被配置为捕获数字图像的数码相机或被配置为捕获视频片段的摄 影机。 0018 通信模块134可以由自主车辆120与导航辅助设备121中的应答器配合使用， 以与 各种实体进行通信， 。

22、所述各种实体诸如服务器计算机系统145、 云存储区150、 乘车服务的乘 车服务操作员(未示出)和/或乘车服务操作员的计算机系统。 当自主车辆120的计算机系统 130与服务器计算机系统145、 云存储区150和/或乘车服务操作员的计算机系统进行通信 时， 可以通过机器对机器形式执行通信。 计算机系统130与乘车服务操作员之间的通信可以 经由机器对人通信(例如， 使用合成语音)和/或人对机器通信(语音控制的应用程序)来执 行。 0019 目的地预测模块136可以包括与自主车辆120中的硬件(诸如安装在自主车辆120 的车顶上的导航辅助设备121和/或安装在自主车辆120内部的成像系统124)配。

23、合的一个或 多个软件模块。 在示例性实施例中， 目的地预测模块136接收由导航辅助设备121的成像装 置(相机、 摄影机等)和/或由成像系统122捕获的一个或多个图像。 在一种示例性实施方式 中， 成像系统122可以安装在自主车辆120附近的固定装置123上。 固定装置123可以是例如 停放自主车辆120的车库中的支柱、 停车场中的杆或建筑物的墙壁。 在另一种示例性实施方 式中， 成像系统122可以是智能家居系统的一部分并且可以位于个人140的住宅内部。 例如， 成像系统122可以安装在住宅内部的门道或墙壁上， 或者可以内置在作为智能家居系统的 一部分的机顶盒中。 成像系统122也可以是位于自。

24、主车辆120外部的启用因特网的装置的一 部分， 并且可以包括无线通信设备， 所述无线通信设备将所捕获的图像发送到安装在自主 车辆120的车顶上的导航辅助设备121， 图像可以从所述导航辅助设备传送到计算机系统 130以供处理来预测行驶目的地。 说明书 3/12 页 6 CN 111523371 A 6 0020 在另一个示例性实施例中， 计算机系统130接收并处理由安装在自主车辆120内部 的成像系统124捕获的一个或多个图像。 成像系统124可以包括一个或多个相机， 诸如捕获 自主车辆120内部的数字图像的数码相机和/或捕获自主车辆120内部的视频片段的摄影 机。 成像系统124可以安装在自。

25、主车辆120内部的各个位置处， 诸如在自主车辆120的前挡风 玻璃的内表面上、 在自主车辆120中的后视镜上， 或在自主车辆120的车架的柱上， 以便捕获 自主车辆120中的座椅区域的数字图像。 在一些实施方式中， 单个数码相机或摄影机可能证 明不足以捕获自主车辆120中整个座椅区域的数字图像。 因此， 可以将多个相机安装在自主 车辆120内部的各个位置， 以便从多个角度捕获座椅区域的数字图像。 0021 由安装在自主车辆120内部的成像系统124、 安装在固定装置123上的成像系统122 和/或作为导航辅助设备121的一部分的成像装置捕获的图像(或多个图像)包括个人140所 穿着的服装的至少。

26、一部分。 个人140可以是以进入自主车辆120的意图正朝向自主车辆120 移动的男性或女性。 0022 由各种成像系统中的一者捕获的单个图像或由两个或更多个成像系统捕获的多 个图像可以由计算机系统130中的目的地预测模块136进行处理， 以识别个人140所穿着的 服装的类别。 个人140所穿着的服装的类别可以是一组类别中的一者， 每个类别都基于各种 属性进行分类。 例如， 这组类别可以包括基于商务服装的一个或多个属性进行分类的第一 类别、 基于商务休闲服装的一个或多个属性进行分类的第二类别、 基于休闲服装的一个或 多个属性进行分类的第三类别以及基于社交服装的一个或多个属性进行分类的第四类别。 。

27、0023 例如， 商务服装的各种属性可以包括诸如在某些日子(例如， 在预期正式会议的日 子)个人140在乘坐自主车辆120上班时所穿着的西装、 领带和/或夹克的物品。 商务休闲服 装的各种属性可以包括诸如个人140在某些其他日子(例如， 在个人140可能不与顾客会面 的日子)上班时可能所穿着的长袖衫、 长袍或具有褶皱的裤子的物品。 休闲服装的各种属性 可以包括诸如个人140在某些日子(例如， 星期五)上班、 会见与工作无关的朋友或熟人或前 往工作场所以外的地方(例如， 健身房或商店)时可能所穿着的短袖衫或T恤的物品。 社交服 装的各种属性可以包括诸如个人140在例如参加聚会时可能所穿着的具有彩。

28、色图案的衣服 的物品。 0024 在一些实施方式中， 可以使用少于或多于四种类别， 并且可以使用其他标准来表 征这些类别中的一者或多者。 在一些其他实施方式中， 可以使用历史数据137来表征各种类 别。 历史数据137可以包括从由成像系统122、 成像系统124和/或导航辅助设备121中的成像 系统捕获的图像推导的数据。 0025 历史数据137的一些示例可以与个人140在某些日子或时间期间所穿着的服装的 各种属性有关。 例如， 个人140可以是医生、 警察、 消防员、 护士或保安人员。 这些人在工作日 上班时可能穿着具有特定设计、 特定颜色和/或特定徽标的服装。 另一方面， 这个人可能在 周。

29、末穿着休闲服装。 历史数据137还可以包括诸如个人140进入自主车辆120的时间(例如， 上午6点)的信息。 此类时间将暗示个人140正在出发去上班， 并且还将暗示此时自主车辆 120的行驶目的地是个人140的工作场所。 作为另一个示例， 个人140进入自主车辆120的时 间(例如， 下午5点)将暗示个人140正从工作场所回家。 此类时间相关参数也可以由计算机 系统130使用以预测行驶目的地。 0026 历史数据137还可以包括从自主车辆120中的GPS装置获得的位置数据。 例如， 可以 说明书 4/12 页 7 CN 111523371 A 7 通过各种方式来使用位置数据， 诸如以证实计算机。

30、系统130确定在下午5点的行驶目的地是 个人140的住所。 可以通过确认当时由GPS装置获得的GPS坐标对应于办公楼或工厂来执行 证实。 0027 目的地预测模块136可以使用存储在存储器132中的历史数据137和/或补充数据 138来预测自主车辆120的行驶目的地。 补充数据138可以包括例如服装信息、 类别信息、 目 的地信息和/或可以由目的地预测模块136提交的误差校正。 在一个示例性实施例中， 计算 机系统130可以在学习模式下操作， 所述学习模式可以包括填充和/或更新补充数据138和/ 或历史数据137， 以及自动校正由目的地预测模块136产生的误差。 可以通过使用各种技术 (诸如通。

31、过使用学习算法、 人工智能和机器学习)来执行学习模式。 在另一个示例性实施例 中， 人类操作员可以填充、 编辑和/或更新补充数据138和/或历史数据137。 0028 驾驶员操作的车辆105可以包括行驶目的地预测系统100的各种部件， 诸如成像系 统107和成像系统108。 位于驾驶员操作的车辆105中的计算机系统110可以包括在功能上类 似于自主车辆120的计算机系统130中的部件的至少一些部件， 诸如处理器111和存储器 112。 作为非暂时性计算机可读介质的另一个示例的存储器112可以用于存储操作系统(OS) 118和各种其他代码模块， 诸如通信模块113和目的地预测模块114。 存储器。

32、112还可以存储 历史数据116和补充数据117。 存储器112中的通信模块113和目的地预测模块114可以与自 主车辆120的存储器132中的通信模块134和目的地预测模块136类似或者是其修改版本。 存 储器112中的历史数据116也可以类似于自主车辆120的存储器132中的历史数据137。 然而， 包括在自主车辆120的计算机系统130中的导航系统133可以在安装在驾驶员操作的车辆 105中的计算机系统110中省略， 因为驾驶员106在驾驶员操作的车辆105中执行导航功能。 0029 代码模块可以被配置为与驾驶员操作的车辆105中所提供的用于执行各种操作的 各种类型的硬件配合。 在第一示。

33、例性实施方式中， 目的地预测模块114可以通过与成像系统 107、 成像系统108、 安装在固定装置上的成像系统(类似于成像系统122)和/或位于驾驶员 操作的车辆105外部(例如在住宅或办公室内部)的启用因特网的装置中的一者或多者配合 来执行本文所述的各种行驶目的地预测操作。 目的地预测模块114的操作可以在没有驾驶 员106干预的情况下执行。 在可选实施方式中， 驾驶员106可以执行一些功能， 诸如手动操作 成像系统107以发起成像系统107的图像捕获和/或将输入提交到存储在存储器112中的补 充数据117中。 0030 补充数据117可以包括例如服装信息、 类别信息、 目的地信息和/或由。

34、目的地预测 模块114提交的误差校正。 在一个示例性实施例中， 计算机系统110可以被配置为在学习模 式下操作， 所述学习模式可以包括填充和/或更新补充数据117和/或历史数据116， 以及自 动校正由目的地预测模块114产生的误差。 可以通过使用各种技术(诸如人工智能和机器学 习)来执行学习模式。 在另一个示例性实施例中， 人类操作员可以填充、 编辑和/或更新补充 数据117和/或历史数据116。 0031 服务器计算机系统145可以包括具有行驶目的地预测系统100的一些部件(诸如处 理器146和存储器147)的一个或多个计算机。 作为非暂时性计算机可读介质的另一个示例 的存储器147可以用。

35、于存储操作系统(OS)153和各种其他代码模块， 诸如通信模块148和目 的地预测模块149。 存储器147还可以存储历史数据151和补充数据152。 存储器147中的通信 模块148和目的地预测模块149可以与自主车辆120的存储器132中的通信模块134和目的地 说明书 5/12 页 8 CN 111523371 A 8 预测模块136类似或者是其修改版本。 存储器147中的历史数据151和补充数据152也可以与 驾驶员操作的车辆105的存储器112中的历史数据116和补充数据117类似或者是其修改版 本。 服务器计算机系统145中可以省略自主车辆120的计算机系统130中所包括的导航系统。

36、 133。 0032 在一些示例性实施方式中， 服务器计算机系统145的通信模块148可以与驾驶员操 作的车辆105的通信模块113和/或自主车辆120的通信模块134进行通信以允许服务器计算 机系统145执行一些或全部行驶目的地预测操作。 由服务器计算机系统145执行的此类操作 可以进行以支持分别由驾驶员操作的车辆105或自主车辆120执行的操作或分别代表驾驶 员操作的车辆105或自主车辆120。 0033 云存储区150可以包括一个或多个存储器装置， 所述存储器装置存储与行驶目的 地预测系统100相关联的各种类型的数据， 诸如例如历史数据116、 历史数据151、 历史数据 137、 补充。

37、数据117、 补充数据152和/或补充数据138的副本。 驾驶员操作的车辆105的计算机 系统110和/或自主车辆120的计算机系统130可以访问云存储区150以获得所存储的数据。 在一些实施方式中， 诸如驾驶员操作的车辆105的存储器112和/或自主车辆120的存储器 132的存储器装置的内容可以全部或部分地存储在云存储区150中。 在一些其他实施方式 中， 驾驶员操作的车辆105的存储器112和/或自主车辆120的存储器132中可以复制或省略 存储在云存储区150中的数据。 0034 诸如图1中所示的存储器112、 存储器132和存储器147的存储器装置可以包括易失 性存储器元件(例如， 。

38、随机存取存储器(RAM， 诸如DRAM、 SRAM、 SDRAM等)和非易失性存储器 元件(例如， ROM、 硬盘驱动器、 磁带、 CD ROM等)中的任何一个存储器元件或组合。 此外， 存储 器装置可以结合电子、 磁性、 光学和/或其他类型的存储介质。 在本文档的上下文中，“非暂 时性计算机可读介质” 可以是例如但不限于电子、 磁性、 光学、 电磁、 红外或半导体系统、 设 备或装置。 计算机可读介质的更具体示例(非详尽性列表)将包括以下项： 便携式计算机磁 盘(磁性)、 随机存取存储器(RAM)(电子)、 只读存储器(ROM)(电子)、 可擦除可编程只读存储 器(EPROM、 EEPROM。

39、或快闪存储器)(电子)和便携式光盘只读存储器(CD ROM)(光学)。 应当注 意， 计算机可读介质甚至可以是纸张或在上面打印程序的其他合适的介质， 因为所述程序 可以例如经由纸张或其他介质的光学扫描以电子方式捕获， 然后编译、 解译或者如果需要 以合适的方式处理， 然后存储在计算机存储器中。 0035 图2示出了根据本公开的汽车(诸如具有行驶目的地预测系统100的自主车辆120 (或驾驶员操作的车辆105)的内部的示例性视图。 在该示例性实施例中， 成像装置215安装 在自主车辆120的后视镜216上或可以类似地安装在驾驶员操作的车辆105中。 成像装置215 可以用于捕获个人140坐在自主。

40、车辆120(或驾驶员操作的车辆105)内部时的一个或多个图 像。 一个或多个图像可以至少包括个人140所穿着的服装(例如， 衬衫)的顶部。 服装的这部 分可以由计算机系统130处理以识别服装的类别并基于所述识别来预测行驶目的地。 0036 在一些实施例中， 可以通过捕获坐在自主车辆120内部的第二个人210的图像来执 行对计算机系统130做出的行驶目的地预测的证实。 第一个人(个人140)可以是驾驶员操作 的车辆105的驾驶员， 并且第二个人210可以是驾驶员操作的车辆105中的乘客。 当例如个人 140和第二个人210穿着属于同一类别的服装时， 通过识别第二个人210所穿着的服装而推 导的信。

41、息可以证实行驶目的地。 当自主车辆120用作供两个乘员(例如， 他们都是穿着商务 说明书 6/12 页 9 CN 111523371 A 9 服装的同事)去上班或供两个人(例如， 穿着休闲服装的夫妻)参与聚会的拼车服务时， 可能 会发生这种情况的一些示例。 0037 图3示出了根据本公开的示例性实施例的用于预测汽车(诸如驾驶员操作的车辆 105或自主车辆120)的行驶目的地的方法的第一示例性流程图300。 流程图300(以及下文描 述的流程图400)示出了可以在硬件、 软件或其组合中实施的操作序列。 在软件的背景下， 所 述操作表示存储在一种或多种非暂时性计算机可读介质(诸如存储器112、 存。

42、储器147和存 储器132)上的计算机可执行指令， 所述计算机可执行指令在分别由一个或多个处理器(诸 如处理器111、 处理器146和处理器131)执行时执行所列举的操作。 一般来说， 计算机可执行 指令包括执行特定功能或实施特定抽象数据类型的例程、 程序、 对象、 部件、 数据结构等。 描 述操作的次序不意图被解释为限制的， 并且任何数目的所述操作可以不同次序执行、 省略、 以任何次序组合和/或并行执行。 可以通过使用诸如自主车辆120中的计算机系统130的存 储器132中的目的地预测模块136、 驾驶员操作的车辆105中的计算机系统110的存储器112 中的目的地预测模块114或服务器计算。

43、机系统145的存储器147中的目的地预测模块149的 应用程序来执行在流程图300中描述的一些或全部操作。 0038 在框305处， 使用成像系统来捕获个人的至少一个图像。 例如， 导航辅助设备121可 以用于捕获朝向自主车辆120行走的个人140的图像， 和/或成像系统124可以用于捕获个人 140坐在自主车辆120中时的图像。 在驾驶员操作的车辆105的情况下， 成像系统108可以用 于捕获朝向驾驶员操作的车辆105行走的个人140的图像， 和/或成像系统107可以用于捕获 个人140坐在驾驶员操作的车辆105中时的图像。 0039 在框310处， 计算机系统处理个人的一个或多个图像以识别。

44、个人所穿着的服装。 例 如， 自主车辆120中的计算机系统130的处理器131可以处理个人140的图像以识别个人140 所穿着的服装。 0040 在框315处， 计算机系统确定服装属于一组类别中的某个类别。 例如， 自主车辆120 中的计算机系统130的目的地预测模块136可以确定个人140穿着商务服装。 可以通过处理 由导航辅助设备121(和/或成像系统124)提供的一个或多个图像和/或通过使用历史数据 137和补充数据138中的一者或两者来执行所述确定。 在驾驶员操作的车辆105的情况下， 可 以通过处理由成像系统108(和/或成像系统107)提供的一个或多个图像和/或通过使用历 史数据1。

45、16和补充数据117中的一者或两者来执行所述确定。 0041 在框320处， 计算机系统例如基于确定个人140所穿着的服装的类别来预测汽车 (诸如自主车辆120或驾驶员操作的车辆105)的行驶目的地。 还可以基于其他因素(诸如汽 车的同乘乘员所穿着的服装、 行驶时间、 过去历史(历史数据)和/或补充数据)来预测行驶 目的地。 0042 图4示出了根据本公开的示例性实施例的用于预测汽车(诸如驾驶员操作的车辆 105或自主车辆120)的行驶目的地的方法的第二示例性流程图400。 在框405处， 基于第一服 装的一个或多个属性来表征第一服装。 例如， 第一服装可以基于诸如西装、 领带和/或夹克 的物。

46、品而被表征为商务服装。 可以通过多种方式(诸如通过处理个人的多个图像、 通过使用 历史数据和/或通过使用补充数据)来执行服装的表征。 作为另一个示例， 第一服装可以基 于诸如短袖衫或T恤的一件或多件衣物被表征为休闲服装。 作为又另一个示例， 第一服装可 以基于具有彩色图案的一件或多件衣物被表征为社交服装。 说明书 7/12 页 10 CN 111523371 A 10 0043 在框410处， 使用成像系统来捕获个人的至少一个图像。 例如， 导航辅助设备121可 以用于捕获朝向自主车辆120行走的个人140的图像， 和/或成像系统124可以用于捕获个人 140坐在自主车辆120中时的图像。 在。

47、驾驶员操作的车辆105的情况下， 成像系统108可以用 于捕获朝向驾驶员操作的车辆105行走的个人140的图像， 和/或成像系统107可以用于捕获 个人140坐在驾驶员操作的车辆105中时的图像。 0044 在框415处， 计算机系统处理个人的一个或多个图像以确定个人穿着第一服装。 例 如， 自主车辆120中的计算机系统130的处理器131可以处理个人140的图像以确定第一服装 是商务服装。 0045 在框420处， 计算机系统例如基于确定个人140穿着商务服装来预测汽车(诸如自 主车辆120或驾驶员操作的车辆105)的行驶目的地。 还可以基于其他因素(诸如汽车的同乘 乘员所穿着的服装、 行驶。

48、时间、 过去历史(历史数据)和/或补充数据)来预测行驶目的地。 0046 图5示出了根据本公开的示例性实施例的用于预测汽车(诸如驾驶员操作的车辆 105或自主车辆120)的行驶目的地的方法的第三示例性流程图500。 在框505处， 个人140进 入车辆， 诸如驾驶员操作的车辆105或自主车辆120。 在框510处， 诸如成像系统107或成像系 统124的成像系统捕获个人140的一个或多个图像。 在框515处， 可以使用面部识别来将所捕 获的一个或多个图像与个人140相关联和/或与诸如个人140的行驶目的地和服装偏好的参 数相关联。 在一些实施例中， 可以省略面部识别操作。 0047 在框520。

49、处， 汽车中的计算机系统(诸如驾驶员操作的车辆105中的计算机系统110 或自主车辆120中的计算机系统130)可以将一个或多个图像上传到云存储区150。 可以例如 通过使用自主车辆120的通信模块134和导航辅助设备121或者通过使用位于驾驶员操作的 车辆105中的通信模块113和应答器(未示出)来执行上传。 0048 在框525处， 服务器计算机系统145可以访问存储在云存储区150中的一个或多个 图像并处理一个或多个图像以表征个人140所穿着的服装和/或处理一个或多个图像以确 定个人140所穿着的服装的类别。 在框530处， 服务器计算机系统145可以编译个人140在穿 着这种类别的服装。

50、时所访问的目的地的列表。 在框535处， 可以将目的地的已编译列表和/ 或由行驶目的地预测系统100基于个人140所穿着的服装而预测的目的地推送到汽车中的 计算机系统。 0049 在框540处， 个人140可以从目的地列表和/或预测的目的地中选择目的地。 在框 545处， 可以将选择存储在汽车的存储器(存储器112或存储器132)中以便将所述选择与汽 车和/或个人140相关联。 在框550处， 个人140选择不从目的地列表和/或预测的目的地中选 择目的地。 在框555处， 个人140将汽车驾驶到与预测的目的地不同的可选目的地。 可选目的 地的GPS坐标可以被存储在存储器中(例如， 以补充数据的。