**对比文件名称**：US2016297324A1_Description_20251229_2142
**目标专利名称**：交通工具进入检测
**本次调用模型名称**：DeepSeek最新版
以下是根据您的要求创建的特征比对表格，严格按照目标专利权利要求中已给出的技术特征划分进行比对。
### 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>**判断结果：直接公开** | [0066] The process of FIG. 6 may include detecting a wake up event (block 610). ... The number of door slam events may be determined based on the obtained accelerometer data (block 630) and the number of people in the vehicle may be determined based on the number of door slam events (block 640). | 对比文件公开了一种“确定车辆内人数”的方法，该方法包括检测唤醒事件、获取传感器数据、基于数据确定事件（如关门事件）数量，并据此推断人数。虽然目标专利的“事件状态”具体指“用户进入交通工具”，而对比文件的“事件状态”指“车内人数”，但二者在方法类别上均属于“基于传感器信号检测特定状态或事件”的方法。因此，对比文件直接公开了“一种用于事件状态检测的方法”这一上位概念。 |
| **技术特征B：在计算设备处接收多个传感器信号**<br>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from an accelerometer and/or other sensors (e.g., a weight sensor, a proximity sensor, a weight sensor, a camera, a barometer, a biometric sensor, a sound sensor, a light sensor, and/or another type of sensor) associated with vehicle... | 对比文件明确描述了远程信息处理设备（一种计算设备）从与车辆相关的加速度计和/或其他多种传感器（如重量传感器、接近传感器、声音传感器等）获取传感器数据。这直接对应于在计算设备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>**判断结果：未公开** | [0014] The obtained information may be inputted into a classifier that is trained to classify the combined data into classes representing different numbers of people in the vehicle. The classifier may include a neural network classifier...<br>[0053] Classifier 470 may classify the input data from accelerometer data input 510, audio data input 520, vehicle sensors data input 530, and user devices data input 540 based on classifier model data, stored in classifier DB 475 and generated based on a set of training data, to generate number of people in vehicle output 550. | 对比文件公开了使用分类器（包括神经网络分类器）对来自多个传感器的组合数据进行分类，以输出代表车内人数的类别。然而，该分类器的输出是直接的“人数”类别，而非目标专利中针对多个连续“时间区间”输出的“子事件状态的概率”。目标专利的“子事件状态”（如步行、开门、坐下等）是构成最终“进入事件”的中间状态，其输出是概率值。对比文件的分类过程是针对一个“时间段”（如唤醒事件前后）的整体数据进行一次性分类，以得到最终结果（人数），并未公开针对多个连续时间区间逐个输出子事件概率的步骤。二者在技术手段和作用上存在本质区别。 |
| **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>**判断结果：未公开** | 无对应内容。 | 如特征C所述，对比文件未公开“子事件状态的概率”这一中间结果。因此，自然也谈不上基于这些概率并通过“状态序列模型”（如隐马尔可夫模型）来检测最终事件状态。对比文件是通过分类器直接从传感器特征映射到最终结果（人数）。 |
| **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>**判断结果：未公开** | 无对应内容。 | 由于对比文件未公开特征C（确定子事件状态的概率），因此也不可能公开基于这些概率来检测子事件状态序列的这一特定检测方式。 |
| **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>**判断结果：隐含公开** | [0011] Implementations described herein relate to determining the number of people in a vehicle. ... The wake up event may include detecting an unlocking of the vehicle, detecting an opening, or closing, of a door or trunk of the vehicle... indicating that the user is getting ready, or preparing, to use the vehicle.<br>[0066] The number of door slam events may be determined ... and the number of people in the vehicle may be determined based on the number of door slam events (block 640). | 对比文件的核心目的是确定“车内人数”。为了实现这一目的，其方法必然隐含着对“用户进入交通工具”这一事件的检测前提。因为只有在检测到用户进入（通过唤醒事件如开门、关门等表征）并完成进入过程后，才能去统计车内人数。虽然对比文件没有明确写出“检测用户进入交通工具”这句话，但根据其整体技术方案的描述和目的，本领域技术人员可以直接且毫无疑义地确定，其方法必然包含了对“用户进入交通工具”这一事件状态的检测。 |
| **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>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from an accelerometer and/or other sensors (e.g., ... a sound sensor...)<br>[0073] Accelerometer data may be obtained (block 730). ... Audio data may be obtained (block 740). | 对比文件明确列举了从加速度计（一种运动传感器）和声音传感器（用于获取音频信号）获取数据。在具体流程图中，也明确分步骤获取加速度计数据和音频数据。这直接公开了传感器信号包括音频信号和至少一个运动传感器信号（加速度计信号）。 |
| **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>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from an accelerometer...<br>[0034] Accelerometer 260 may be configured to measure acceleration of device 200. | 对比文件多次明确提及并使用“加速度计（accelerometer）”来获取运动传感器信号。因此，直接公开了“至少一个运动传感器信号包括加速度计传感器信号”这一具体选项。 |
| **技术特征I：所述多个传感器信号包括运动传感器信号。**<br>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from an accelerometer... | 同特征H，对比文件明确公开了从加速度计（运动传感器）获取信号。因此直接公开了传感器信号包括运动传感器信号。 |
| **技术特征J：所述多个传感器信号包括音频信号。**<br>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from ... other sensors (e.g., ... a sound sensor...)<br>[0073] ... Audio data may be obtained (block 740). | 同特征G，对比文件明确提及声音传感器和获取音频数据。因此直接公开了传感器信号包括音频信号。 |
| **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>**判断结果：未公开** | [0014] The classifier may include a neural network classifier...<br>[0053] Classifier 470 may include a neural network classifier... | 对比文件虽然提到了使用神经网络分类器，但并未具体公开该分类器的结构是“卷积神经网络(CNN)”，也未公开其处理流程是“先由CNN对每个传感器信号分别确定状态概率，再由DNN融合这些概率”。对比文件的分类器是作为一个整体接收所有传感器数据的组合输入，并直接输出最终分类结果（人数）。 |
| **技术特征L：所述CNN包括三个神经网络层。**<br>**判断结果：未公开** | 无对应内容。 | 对比文件未公开特征K中的CNN，更未公开其具体的层数。 |
| **技术特征M：所述DNN包括单个神经网络层。**<br>**判断结果：未公开** | 无对应内容。 | 对比文件未公开特征K中的DNN，更未公开其具体的层数。 |
| **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>**判断结果：未公开** | 无对应内容。 | 对比文件未公开使用“状态序列模型”来检测事件状态，因此也未公开该模型的具体类型为隐马尔科夫模型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>**判断结果：未公开** | 无对应内容。 | 对比文件未公开“子事件状态”及其“序列”和“历时”这些概念，其检测逻辑不依赖于这些信息。 |
| **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>**判断结果：未公开** | 无对应内容。 | 对比文件未公开任何具体的“子事件状态”，更未公开包含15个子事件状态的特定序列。 |
| **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>**判断结果：未公开** | 无对应内容。 | 对比文件未公开使用“状态序列模型”，也未公开通过计算“置信水平”并与阈值比较的方式来检测事件状态。其分类器直接输出分类结果（人数）。 |
| **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>**判断结果：隐含公开** | [0015] ...data may be obtained from the one or more sensors and processed. The obtained data may include raw sensor values and/or mathematically defined features extrapolated from the sensor readings. ... Examples of features extracted and used during learning as well as classification after learning may include a magnitude of the acceleration or other parameters, derivatives of one or more parameters, integrals of one or more parameters, and/or other mathematical derivations that operate on the received sensor information. | 对比文件明确公开了从传感器读数中提取数学定义的特征（如幅度、导数、积分等），并将这些提取的特征用于分类器的学习和分类过程。虽然对比文件提取特征的目的是用于直接分类人数，而目标专利是用于确定子事件状态概率，但“从传感器信号中提取特征”这一技术手段本身是相同的。本领域技术人员可以直接且毫无疑义地从对比文件中确定存在“特征提取”这一步骤。 |
| **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>**判断结果：直接公开** | [0011] ... a telematics device, such as an on-board diagnostics device, a vehicle computer device, or a mobile communication device (e.g., smartphone, smartwatch, ... etc.) associated with a user of the vehicle...<br>[0022] User device 130 may include a mobile communication device such as a mobile phone, a smart phone, a tablet computer, a laptop computer, a phablet computer device, a wearable computer device (e.g., a glasses smartphone device, a wristwatch smartphone device, etc.)... | 对比文件明确将移动通信设备（如智能手机、智能手表等可穿戴设备）列为可以执行所述方法的远程信息处理设备之一。并且，这些设备自身包含传感器（如加速度计、麦克风），可以接收传感器信号。因此，直接公开了计算设备包括可穿戴或移动设备，且信号从其自身传感器接收。 |
| **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>**判断结果：未公开** | [0012] ...and may analyze a time period before and after the wake up event... | 对比文件提到了分析唤醒事件前后的一段时间内的数据，这隐含了对不同传感器数据在时间上进行对齐（如同一个时间窗口）的需求。但是，对比文件没有明确描述“时间同步”这一具体处理步骤或技术手段。是否需要进行严格的时间同步，对于本领域技术人员而言并非能从对比文件中直接且毫无疑义地确定的内容。 |
| **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>**判断结果：未公开** | 无对应内容。 | 对比文件没有提及“重采样”这一步骤，也未提及需要使不同传感器信号具有相同的采样率。 |
| **技术特征V：基于对所述事件状态的检测来执行动作。**<br>**判断结果：直接公开** | [0017] The information identifying the number of people in the vehicle may be used for one or more purposes. ... sending an alert to a mobile communication device if the number of people in the vehicle exceeds a threshold. ... adjusting one or more vehicle settings... | 对比文件明确公开了在确定车内人数（即检测到事件状态）后，基于此信息执行多种动作，例如发送警报、调整车辆设置等。这直接公开了“基于检测来执行动作”。 |
| **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>**判断结果：未公开** | [0017] ...adjusting one or more vehicle settings, such as audio speakers, heating or air conditioning vents, seat belt alarms, a rear seat display device, and/or other types of vehicle settings.<br>[0077] ...vehicle computer device 115 may adjust one or more vehicle settings. For example, ... may increase the volume of the speakers... may adjust the heating and/or air condition vents... may activate rear seat belt alarms. | 对比文件公开的执行动作具体包括调整车辆设置（如音量、空调、安全带警报等）。但并未公开目标专利中列举的“激活导航系统”、“为用户显示信息”或“向交通工具传送要执行一个或多个动作的指示”这些特定动作。对比文件公开的动作与目标专利限定的动作不同。 |
| **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>**判断结果：直接公开** | [0012] ...the telematics device may obtain sensor data from an accelerometer and/or other sensors (e.g., a weight sensor, a proximity sensor, a weight sensor, a camera, a barometer, a biometric sensor, a sound sensor, a light sensor, and/or another type of sensor)... | 对比文件明确列举了从加速度计（运动传感器）和多种其他类型传感器（如声音、重量、接近传感器等）获取数据。这直接且明确地公开了传感器信号包括至少两种不同类型。 |
<<<A>>><<<B>>><<<f>>><<<G>>><<<H>>><<<I>>><<<J>>><<<r>>><<<S>>><<<V>>><<<X>>>