非显而易见法律服务网

技术特征描述及公开性判断	对比文件原文引用 (段落标号/位置)	公开性论述
技术特征A：一种用于事件状态检测的方法<br>公开性判断：《直接公开》	[0009] “...one object of the present invention is to provide a driver assistance apparatus, which is capable of judging, based on the movement of at least one other vehicle in the vicinity of a vehicle, whether the other vehicle is a dangerous vehicle, and a control method for the same.”<br>[0013] “...a driver assistance apparatus including a sensing unit... and a processor configured to judge whether the first other vehicle is a dangerous vehicle...”<br>[0080] “...the processor 570 may judge whether the other vehicle is a dangerous vehicle...”	对比文件公开了一种驾驶辅助装置及其控制方法，其核心在于基于车辆附近其他车辆的运动来判断该其他车辆是否为“危险车辆”，这本质上是一种对“危险驾驶事件状态”进行检测的方法。这与目标专利权利要求1所要求保护的“用于事件状态检测的方法”属于相同类型的方法主题。
技术特征B：在计算设备处接收多个传感器信号<br>公开性判断：《直接公开》	[0013] “...a driver assistance apparatus including a sensing unit configured to acquire information regarding an object outside a vehicle...”<br>[0068] “...the sensing unit 160 may acquire sensing signals with regard to, for example, vehicle collision information, vehicle traveling direction information...”<br>[0072] “...the sensing unit 160 may include at least one camera 161 to capture an image of the outside of the vehicle 1...”<br>[0166] “...the microphones 123a, 123b, 123c and 123d may receive a sound 1620 discharged from the other vehicle 1602...”	对比文件明确公开了驾驶辅助装置包含传感单元，用于获取车辆外部物体的信息（[0013]）。该传感单元包括多种传感器，例如用于捕获外部图像的摄像头（[0072]）、用于接收声音的麦克风（[0166]），以及其他传感器（[0068]）。处理器（如570）从这些传感器接收信号。这直接公开了在计算设备（处理器）处接收来自多个传感器的信号。
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>公开性判断：《未公开》	无对应原文。	对比文件虽然使用了传感器信号（如摄像头图像、雷达数据）来判断其他车辆是否为危险车辆，但其判断逻辑是基于将获取的车辆运动模式（如变道次数、突然减速次数）与预设的参考模式（包含临界值）进行比较（例如[0216], [0217], [0233], [0234]）。整个过程并未涉及使用“人工神经网络”来计算任何“子事件状态的概率”。目标专利中“使用人工神经网络确定子事件状态的概率”是解决其特定技术问题（如低功耗、无需网络连接的交通工具进入检测）的核心手段，而对比文件解决的是判断危险车辆的问题，采用的技术手段（规则比较）不同，所起的作用也不同。因此，该特征既未被直接公开，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>公开性判断：《未公开》	无对应原文。	如上所述，对比文件未公开“子事件状态的概率”。进而，基于该概率“经由状态序列模型（如HMM）来检测事件状态”的特征也必然未被公开。对比文件检测“危险车辆”事件是基于单次或连续几次的规则匹配判断，而非基于概率序列的序列模型推断。
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>公开性判断：《未公开》	无对应原文。	该特征依赖于技术特征C和D。由于对比文件未公开基于概率确定子事件状态，也未公开基于概率序列检测事件状态，因此“检测子事件状态的序列”这一特征也未被公开。
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>公开性判断：《未公开》	无对应原文。	对比文件所检测的事件状态是“其他车辆是否为危险车辆”，这与“检测用户进入交通工具”是完全不同的技术问题和技术场景。对比文件全文未提及任何关于用户进入交通工具的检测。
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>公开性判断：《直接公开》	[0068] “...the sensing unit 160 may include... a gyro sensor...”<br>[0166] “...the microphones 123a, 123b, 123c and 123d may receive a sound 1620 discharged from the other vehicle 1602...”	对比文件明确公开了传感单元包括陀螺仪传感器（gyro sensor）（[0068]），这是一种运动传感器。同时，也公开了多个麦克风接收来自其他车辆的声音信号（[0166]），即音频信号。因此，该技术特征被直接公开。
技术特征H：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>公开性判断：《直接公开》	[0068] “...the sensing unit 160 may include a collision sensor, a steering sensor, a speed sensor, gradient sensor, a weight sensor, a heading sensor, a yaw sensor, a gyro sensor...”	对比文件在[0068]中列举了传感单元可包括的传感器，其中明确列出了“gyro sensor”（陀螺仪传感器）。这直接公开了运动传感器信号包括陀螺仪传感器信号。
技术特征I：所述多个传感器信号包括运动传感器信号。<br>公开性判断：《直接公开》	[0068] “...the sensing unit 160 may include... a gyro sensor...”	如上所述，对比文件公开了传感单元包含陀螺仪传感器（运动传感器），因此“多个传感器信号包括运动传感器信号”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>公开性判断：《直接公开》	[0166] “...the microphones 123a, 123b, 123c and 123d may receive a sound 1620 discharged from the other vehicle 1602...”	对比文件公开了麦克风接收声音信号，即音频信号。因此该特征被直接公开。
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>公开性判断：《未公开》	无对应原文。	对比文件的处理器（570）执行图像预处理、视差计算、对象检测、验证和跟踪（[0173]-[0190]），其中对象验证可能使用如SVM、AdaBoost等方法（[0186]），但全文未提及使用“卷积神经网络（CNN）”或“深度神经网络（DNN）”来确定状态概率或进行融合。该特征未被公开。
技术特征L：所述CNN包括三个神经网络层。<br>公开性判断：《未公开》	无对应原文。	由于对比文件未公开CNN，因此CNN的具体层数结构自然也未被公开。
技术特征M：所述DNN包括单个神经网络层。<br>公开性判断：《未公开》	无对应原文。	由于对比文件未公开DNN，因此DNN的具体层数结构自然也未被公开。
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>公开性判断：《未公开》	无对应原文。	对比文件未公开使用状态序列模型来检测事件状态，更未具体公开隐马尔科夫模型（HMM）或隐半马尔科夫模型。
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>公开性判断：《未公开》	无对应原文。	该特征依赖于技术特征C、D、E等。对比文件判断危险车辆是基于特定时间段内运动模式的统计（如3秒内变道次数），这是一种基于统计阈值的判断，而非基于一系列具有历时属性的子事件状态序列的模型检测。
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>公开性判断：《未公开》	无对应原文。	对比文件未公开任何关于“子事件状态序列”的具体内容，更未提及包含15个子事件状态的序列。
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>公开性判断：《未公开》	无对应原文。	对比文件未公开使用状态序列模型，也未提及计算“置信水平”并与阈值比较来检测事件状态。其判断是基于运动模式参数与预设临界值的直接比较。
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>公开性判断：《未公开》	[0173]-[0190] 描述了图像预处理、视差计算、对象检测和验证等过程。	虽然对比文件从传感器信号（如图像）中执行了对象检测和验证，可以视为一种“特征提取和处理”过程，但其目的是识别和跟踪外部物体（如车辆、车道标记），并用于与预设规则比较以判断危险车辆。这与目标专利中“提取特征用于确定子事件状态的概率”在技术手段的运用目的和所起的作用上不同。目标专利的特征提取是为后续神经网络计算概率服务的，而对比文件的特征提取是为规则匹配服务的。因此，该特征在对比文件的技术方案中未被公开用于相同的作用。
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>公开性判断：《未公开》	[0003] “...The present invention relates to a driver assistance apparatus...”<br>[0048] “...The vehicle 1 may include a communication unit 110, an input unit 120, a memory 130, an output unit 140, a vehicle drive unit 150, a sensing unit 160, a controller 170...”	对比文件明确描述其发明是“驾驶辅助装置”（driver assistance apparatus），并集成在车辆（vehicle 1）中。其传感器（如摄像头、雷达、麦克风）是车辆的一部分（[0048], [0072]）。全文未提及该装置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。
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>公开性判断：《未公开》	无对应原文。	对比文件未提及对来自不同传感器的信号进行“时间同步”处理。其处理过程可能隐含按时间顺序处理数据，但未公开明确的“时间同步”步骤作为基于传感器信号进行判断的前提。
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>公开性判断：《未公开》	无对应原文。	该特征依赖于技术特征T（时间同步）和技术特征C（基于概率确定）。由于两者均未公开，且对比文件也未提及“重采样”以达到相同采样率的操作，因此该特征未被公开。
技术特征V：基于对所述事件状态的检测来执行动作。<br>公开性判断：《直接公开》	[0013] “...and to execute at least one predetermined operation upon judging that the first other vehicle is a dangerous vehicle.”<br>[0222] “...the processor 570 may output a warning signal...”<br>[0224] “...the processor 570 may reduce the speed of the vehicle...”<br>[0225] “...the processor 570 may transmit a message...”	对比文件明确公开，在判断其他车辆为危险车辆后，处理器会执行至少一个预定操作（[0013]），例如输出警告信号（[0222]）、控制车辆减速（[0224]）、通过车际通信发送信息（[0225]）等。这直接公开了基于事件状态（危险车辆）的检测来执行动作。
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>公开性判断：《隐含公开》	[0225] “...the processor 570 may transmit a message, indicating that the other vehicle is being driven abnormally, to other vehicles via inter-vehicular communication.”<br>[0340] “...the guide image 1930 may include a route guiding image 1940...”<br>[0340] “...the processor 570 may control at least one of the steering, speed reduction, and acceleration of the vehicle 1901 so as to follow the new path...”	1. “向交通工具传送要执行一个或多个动作的指示”：对比文件直接公开了通过车际通信向其他车辆发送消息（指示其他车辆异常行驶）（[0225]），这属于向其他交通工具传送指示。2. “为用户显示信息”：对比文件多次公开了在车辆内部显示屏上显示引导图像（guide image）以向驾驶员提供信息（例如[0340]的路线引导图像）。3. “激活导航系统”：对比文件公开了在检测到危险车辆后，处理器可以改变预设路线并控制车辆遵循新路径（[0340]）。为了实现路线改变和路径跟随，必然需要调用或激活车辆的导航系统功能。这对本领域技术人员而言是隐含的、必然的技术内容。因此，技术特征W被整体隐含公开。
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>公开性判断：《直接公开》	[0068] “...the sensing unit 160 may include... a gyro sensor...”<br>[0072] “...the sensing unit 160 may include at least one camera 161...”<br>[0166] “...the microphones 123a, 123b, 123c and 123d...”	对比文件明确公开了传感单元同时包含多种不同类型的传感器，例如运动传感器（陀螺仪，[0068]）、视觉传感器（摄像头，[0072]）和声音传感器（麦克风，[0166]）。这直接满足了“至少两种不同类型传感器信号”的特征。