**对比文件名称**：US10690369B2_Description_20251229_2137
**目标专利名称**：交通工具进入检测
**本次调用模型名称**：DeepSeek-R1
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：一种用于事件状态检测的方法<br>**直接公开** | [0068] “The current application is directed to intelligent controllers that determine the presence and/or absence of one or more types of entities within associated perception regions within their environment and then make ... control-schedule adjustments...”<br>[0125] “The current application discloses, in addition to methods and implementations for presence-and/or-absence detection and corresponding control adjustments...” | 对比文件明确公开了一种用于检测实体（例如人）在环境中的存在或不存在（即一种事件状态）并据此调整控制的方法。该方法由智能控制器执行。因此，技术特征A“一种用于事件状态检测的方法”被对比文件直接公开。 |
| **技术特征B**：在计算设备处接收多个传感器信号<br>**直接公开** | [0068] “The intelligent controllers employ feedback information to continuously adjust the electronically stored parameters and rules in order to minimize the number of incorrect inferences with respect to the presence or absence of the one or more entities...”<br>[0095] “Various types of sensors useful for making determinations with regard to the presence or absence of human beings in an environment include proximity detectors ... PIR motion detectors ... microphones ... thermopiles ... carbon dioxide sensors ... etc.”<br>[0250] “The intelligent controller includes a continuous or intermittent presence/no-presence probability-calculating subsystem ... The presence-probability scalar or map is compiled by the intelligent controller based on many different potential types of information. The various types of information may include direct sensor output 2504 as well as recorded output from sensors 2506...” | 对比文件多次描述智能控制器从多个传感器（如接近探测器、PIR运动探测器、麦克风等）接收信号输出，用于计算存在概率。这对应于在计算设备（智能控制器）处接收多个传感器信号。因此，技术特征B被直接公开。 |
| **技术特征C**：在所述计算设备处基于所述多个传感器信号使用人工神经网络针对多个时间区间中的每个时间区间确定子事件状态的概率<br>**未公开** | [0125] “An intelligent thermostat generally controls a conditioned enclosure ... An intelligent thermostat may incorporate presence and/or absence detection and absence-related schedule adjustments...”<br>[0250] “The presence-probability scalar or map is compiled by the intelligent controller based on many different potential types of information... may include direct sensor output ... tables, expressions, or other data that relate sensor output values to presence/no-presence probabilities ...” | 对比文件确实公开了基于多个传感器信号计算存在概率（例如，人在环境中的存在概率）。然而，对比文件并未明确公开使用“人工神经网络”来确定概率。其计算概率的方式可能涉及查表、表达式或基于规则的调整（见[0127]及[0270]-[0274]），但未提及人工神经网络。此外，对比文件计算的“存在概率”是针对“人在场/不在场”这一状态，而非目标专利中“步行、停止、开门”等具体的“子事件状态”。因此，技术特征C既未被直接公开，也未被隐含公开。 |
| **技术特征D**：以及在所述计算设备处基于所述子事件状态的概率经由状态序列模型来检测事件状态<br>**未公开** | [0179] “An intelligent controller may use determinations of various characteristics ... to intelligently control one or more systems to provide desired characteristics ... within the control domain...”<br>[0180] “In one model, the intelligent controller primarily operates with respect to two different states: (1) a presence state ... and (2) a no-presence state...”<br>[0182] “FIGS. 18A-B provide a state-transition diagram for an intelligent controller...” | 对比文件公开了智能控制器基于计算出的存在概率，在“在场”和“不在场”等状态之间进行转换（一种状态模型）。然而，首先，如对特征C的论述，对比文件未公开“子事件状态的概率”。其次，对比文件的状态转换（如图18A-B）是基于当前概率与阈值的比较，是一种简单的状态机，并非目标专利中用于检测特定事件（如进入交通工具）的“状态序列模型”（如HMM、SMM，用于分析子事件序列）。因此，技术特征D未被公开。 |
| **技术特征E**：对所述事件状态的检测包括：基于对所述概率的确定来检测所述子事件状态的序列。<br>**未公开** | （引用同特征C、D） | 对比文件检测“在场”或“不在场”状态，是基于当前传感器信号计算出的存在概率，而非基于一系列“子事件状态”（如步行、开门等）的序列进行检测。因此，技术特征E未被公开。 |
| **技术特征F**：检测所述事件状态包括检测用户进入交通工具。<br>**未公开** | （全文搜索） | 对比文件涉及的是家庭或建筑环境中的存在检测，以调整HVAC等系统，从未提及“交通工具”或“进入交通工具”的检测。这是一个完全不同的应用场景和技术问题。因此，技术特征F未被公开。 |
| **技术特征G**：所述多个传感器信号包括音频信号和至少一个运动传感器信号。<br>**隐含公开** | [0095] “Various types of sensors ... include ... PIR motion detectors 1505, other types of motion detectors 1506, microphones or other types of acoustic detectors 1507...”<br>[0160] “The intelligent thermostat uses multi-sensor technology ... The intelligent thermostat also learns about the users ... using multi-sensor technology to detect user occupancy patterns...” | 对比文件明确列举了可用于存在检测的传感器类型，其中包括“麦克风或其他声学探测器”（即音频信号）和“PIR运动探测器、其他运动探测器”（即运动传感器信号）。对于本领域技术人员而言，在构建一个多传感器存在检测系统时，选择音频和运动传感器的组合是常规的、显而易见的技术手段，以从不同维度感知环境活动。因此，技术特征G被隐含公开。 |
| **技术特征H**：如权利要求3所述的方法，其中，所述至少一个运动传感器信号包括加速度计传感器信号、陀螺仪传感器信号、或磁力计传感器信号中的至少一者。<br>**未公开** | [0095] “... motion detectors 1506...” | 对比文件虽然提到了“运动探测器”，但具体列举的类型是PIR、超声波、微波、断层扫描等（见[0095]），这些都是环境感知型运动传感器。目标专利中列举的加速度计、陀螺仪、磁力计通常属于惯性测量单元(IMU)，用于测量设备自身的运动，常见于移动或可穿戴设备。对比文件未提及这些特定类型的运动传感器。因此，技术特征H未被公开。 |
| **技术特征I**：所述多个传感器信号包括运动传感器信号。<br>**直接公开** | [0095] “Various types of sensors ... include ... PIR motion detectors 1505, other types of motion detectors 1506...” | 对比文件明确将运动探测器（如PIR）列为用于存在检测的传感器类型之一。因此，技术特征I被直接公开。 |
| **技术特征J**：所述多个传感器信号包括音频信号。<br>**直接公开** | [0095] “Various types of sensors ... include ... microphones or other types of acoustic detectors 1507...” | 对比文件明确将麦克风或其他声学探测器（即音频信号传感器）列为用于存在检测的传感器类型之一。因此，技术特征J被直接公开。 |
| **技术特征K**：确定所述子事件状态的概率包括：经由卷积神经网络CNN来确定与所述多个传感器信号中的每个传感器信号相对应的状态概率；以及经由深度神经网络DNN来融合所述状态概率。<br>**未公开** | （全文搜索） | 对比文件完全没有提及“卷积神经网络(CNN)”、“深度神经网络(DNN)”或使用神经网络来融合传感器信号以确定状态概率。其概率计算基于查表、表达式和规则（见[0127], [0270]-[0274]）。因此，技术特征K未被公开。 |
| **技术特征L**：所述CNN包括三个神经网络层。<br>**未公开** | （同特征K） | 由于对比文件未公开使用CNN，自然也未公开CNN的具体层数。因此，技术特征L未被公开。 |
| **技术特征M**：所述DNN包括单个神经网络层。<br>**未公开** | （同特征K） | 由于对比文件未公开使用DNN，自然也未公开DNN的具体层数。因此，技术特征M未被公开。 |
| **技术特征N**：所述状态序列模型包括隐马尔科夫模型或隐半马尔科夫模型。<br>**未公开** | （引用同特征D） | 对比文件描述的状态转换是基于阈值比较的简单状态机（见图17A, 18A-B），并未提及或隐含使用隐马尔科夫模型(HMM)或隐半马尔科夫模型(HSMM)这类复杂的序列概率模型。因此，技术特征N未被公开。 |
| **技术特征O**：所述事件状态是基于所述子事件状态的序列和所述子事件状态中的每个子事件状态的历时来检测的。<br>**未公开** | （引用同特征D、E） | 对比文件检测“在场/不在场”是基于当前或近期传感器数据计算出的概率，不涉及分析一系列子事件的序列以及每个子事件的持续时间。因此，技术特征O未被公开。 |
| **技术特征P**：所述子事件状态的序列包括含15个子事件状态的序列。<br>**未公开** | （全文搜索） | 对比文件未定义任何与目标专利中“步行、停止、开门”等类似的子事件状态，更未提及包含15个子事件状态的序列。因此，技术特征P未被公开。 |
| **技术特征Q**：经由所述状态序列模型来确定所述事件状态已发生的置信水平，其中当所述置信水平超过阈值时所述事件状态被检测到。<br>**隐含公开** | [0180] “When the probability of human presence within the perception region rises above a first threshold value 1702, the intelligent controller transitions to a presence state 1704. When the probability of presence ... falls below a second threshold value 1706, the intelligent controller transitions to a no-presence state 1708.”<br>[0330] “... when the computed presence probability falls below a threshold value 3306, the intelligent controller infers that transition ... is warranted.” | 对比文件明确公开了基于计算出的存在概率与阈值的比较来触发状态转换。这实质上是通过概率值（可视为置信水平的一种形式）与阈值进行比较，来检测“在场”或“不在场”这一事件状态是否发生。虽然其模型不是目标专利所述的状态序列模型，但“基于概率/置信水平与阈值的比较来检测事件状态”这一上位概念已被公开。对于本领域技术人员而言，在检测事件状态时使用置信水平阈值是常规技术手段。因此，技术特征Q被隐含公开。 |
| **技术特征R**：从所述多个传感器信号中的每个传感器信号中提取特征，其中所述子事件状态的概率是基于所提取的特征来确定的。<br>**未公开** | [0095] “The intelligent controller may receive data inputs from various smart appliances within an environment that indicate the presence of human beings...”<br>[0250] “The presence-probability scalar or map is compiled by the intelligent controller based on many different potential types of information. The various types of information may include direct sensor output...” | 对比文件描述了使用传感器“输出”或“数据”来计算存在概率，但未明确描述从原始传感器信号中“提取特征”这一中间步骤。其处理可能更直接地使用传感器读数。更重要的是，如之前所述，对比文件未公开“子事件状态”的概率。因此，技术特征R未被公开。 |
| **技术特征S**：所述计算设备包括可穿戴设备或移动设备，并且其中，所述多个传感器信号是从所述可穿戴设备或移动设备的传感器接收的。<br>**未公开** | [0066] “FIG. 1 illustrates a smart-home environment.”<br>[0073] “An intelligent controller is generally implemented using one or more processors 502, electronic memory 504-507, and various types of microcontrollers 510-512...” | 对比文件描述的智能控制器（如智能恒温器）是安装在固定位置（如家中墙壁上）的设备，用于控制HVAC系统。其传感器（如PIR、麦克风）是控制器的一部分或安装在固定位置。对比文件未提及计算设备是“可穿戴设备或移动设备”，也未提及从这类设备的传感器接收信号。因此，技术特征S未被公开。 |
| **技术特征T**：对所述多个传感器信号进行时间同步，其中，对所述子事件状态的概率的确定基于经时间同步的传感器信号。<br>**未公开** | （全文搜索） | 对比文件未提及对来自不同传感器的信号进行“时间同步”。其概率计算可能基于不同时间采集的传感器数据，但同步处理并非其描述的必要部分。因此，技术特征T未被公开。 |
| **技术特征U**：对所述经时间同步的传感器信号中的每一者进行重采样以使得所述经时间同步的传感器信号具有相同的采样率，其中对所述子事件状态的概率的确定基于重采样的经时间同步的传感器信号。<br>**未公开** | （同特征T） | 由于对比文件未公开时间同步，自然也未公开后续的重采样步骤。因此，技术特征U未被公开。 |
| **技术特征V**：基于对所述事件状态的检测来执行动作。<br>**直接公开** | [0068] “... and then make, either alone or in distributed fashion together with other intelligent controllers and/or remote computers, control-schedule adjustments and may undertake additional activities and tasks depending on whether the one or more entities are present or absent within the environment...”<br>[0174] “As a result of the no-presence event, the intelligent controller adjusts the control schedule...” | 对比文件明确公开了基于对存在/不存在（一种事件状态）的检测来执行动作，例如调整控制计划（控制时间表）。因此，技术特征V被直接公开。 |
| **技术特征W**：执行所述动作包括以下至少一者：激活导航系统；为用户显示信息；或者向交通工具传送要执行一个或多个动作的指示。<br>**未公开** | （全文搜索） | 对比文件描述的执行动作仅限于调整HVAC控制计划、可能触发警报等与家庭环境控制相关的操作。其从未提及“激活导航系统”、“向交通工具传送指示”等与交通工具进入检测后续操作相关的动作。因此，技术特征W未被公开。 |
| **技术特征X**：所述多个传感器信号包括至少两种不同类型的传感器信号。<br>**直接公开** | [0095] “Various types of sensors useful for making determinations with regard to the presence or absence of human beings in an environment include proximity detectors 1504, passive infrared (“PIR”) motion detectors 1505, other types of motion detectors 1506, microphones or other types of acoustic detectors 1507...” | 对比文件明确列举了多种不同类型的传感器（如接近探测器、PIR运动探测器、麦克风等），并指出智能控制器可以使用这些传感器来确定存在状态。这直接公开了使用至少两种不同类型的传感器信号。因此，技术特征X被直接公开。 |
<<<A>>><<<B>>><<<I>>><<<J>>><<<V>>><<<X>>><<<g>>><<<q>>>