智能识别和警报方法和系统与流程
技术领域
本公开一般涉及用于在内容源中进行目标对象检测的智能过滤和智能警报。
背景技术
跟踪相机和监视相机时常发送图像数据，这些图像数据可能被解释为对某些对象检测的误报。这些误报可能是由无生命对象(如树枝或树叶)的运动引起的。不被研究或追踪的有生命的对象的移动也能够导致误报。常规的策略是向终端用户提供所有捕获的镜头。这时常导致问题，因为常规策略需要终端用户浏览多个潜在不相关的帧。
此外，为了仅提供可以由本公开解决的技术问题的一个示例，变得越来越重要的是监测鹿科种群并追踪传播的慢性疾病，包括但不限于慢性消耗性疾病(CWD)。美国大约50％的州都发现了CWD，必须努力抑制传播并根除受影响的动物。这时常导致问题，因为常规策略没有尽早解决受影响种群的识别问题，以防止疾病进一步传播。
最后，根据年龄、性别和物种监测动物种群的构成也变得越来越重要。能够按这些类别进行监测使相关方(诸如各州的自然资源部)能够正确追踪和监测各自州内相关物种的大种群的整体健康状况。
技术实现要素：
提供此简要概述以简化形式介绍一些概念，这些概念将在下面的“详细描述”中进一步描述。该简要概述并不旨在标识所要求保护的主题的关键特征或必要特征。本简要概述也不打算用于限制所要求保护的主题的范围。
本发明实施方式可以提供一种智能识别和警报的方法。该方法可以从从内容源接收内容流开始，该内容源包括以下中的至少一者：捕获设备和统一资源定位器。至少一个目标对象可以被指定用于在内容流内进行检测。与每个指定的目标对象相关联的目标对象配置文件可以从习得的目标对象配置文件的数据库中检索。习得的目标对象配置文件的数据库可以与已经被训练用于检测的目标对象相关联。因此，可以针对每个指定的目标对象分析与内容流相关联的至少一帧。该分析可以包括使用神经网络，例如，通过将在帧内的每个对象的各方面与至少一个习得的目标对象配置文件的各方面进行匹配，来在每帧内对每个目标对象进行检测。
可以规定用于传送目标对象检测数据的至少一个参数以将检测数据通知给相关方。至少一个参数可以包括但不限于例如：至少一个检测到的目标对象的至少一方面和内容源的至少一方面。进而，当满足至少一个参数时，可以传送目标对象检测数据。该传送可以包括，例如，但不限于将至少一帧连同与检测到的至少一个目标对象相关联的注释一起传输并且传输包括目标对象检测数据的通知。
仍然与本公开的实施方式一致，可以提供AI引擎。AI引擎可以包括但不限于例如内容模块、识别模块和分析模块。
内容模块可以被配置成从至少一个内容源接收内容流。
识别模块可以被配置成：
将所述内容流的各方面与来自习得的目标对象配置文件的数据库的至少一个习得的目标对象配置文件进行匹配，以在所述内容内对目标对象进行检测，以及在确定检测到的目标对象中的至少一个检测到的目标对象对应于至少一个习得的目标对象配置文件时：
基于至少一个习得的目标对象配置文件对至少一个检测到的目标对象进行分类，以及
用至少一个检测到的目标对象的至少一个方面更新至少一个习得的目标对象配置文件。
分析模块可以被配置成：
通过神经网络处理所述至少一个检测到的目标对象，以检测与至少一个检测到的目标对象相关联的习得的特征，其中，所述习得的特征由与至少一个检测到的目标对象相关联的至少一个习得的目标对象配置文件来规定，
基于所述处理确定以下各者：
至少一个检测到的目标对象的性别，
至少一个检测到的目标对象的年龄，
至少一个检测到的目标对象的健康状况，和
至少一个检测到的目标对象的分数(score)，以及
用检测到的习得的特征更新习得的目标对象配置文件。
在本公开的又进一步的实施方式中，可以提供包括至少一个捕获设备、至少一个终端用户设备和AI引擎的系统。
至少一个捕获设备可以被配置成：
向AI引擎注册，
捕获以下中的至少一者：
视觉数据，和
音频数据，
将所捕获的数据数字化，以及
将经数字化的数据作为至少一个内容流传输到AI引擎。
至少一个终端用户设备可以被配置成：
将至少一个捕获设备配置成与AI引擎在操作上进行通信，
限定至少一个区域，其中，至少一个终端用户设备被配置成限定所述至少一个区域包括：所述至少一个终端用户设备被配置成：
规定用于与所述至少一个区域相关联的至少一个内容源，以及
规定与所述至少一个内容源相关联的至少一个内容流，所规定的至少一个内容流将由所述AI引擎针对所述至少一个区域进行处理，
针对所述至少一个区域规定多个区域参数中的至少一个区域参数，其中，所述区域参数包括：
用于在所述至少一个区域内检测的多个可选择的目标对象指定(target object designation)，所述目标对象指定与由AI引擎训练的多个习得的目标对象配置文件相关联，
针对所述至少一个区域规定多个警报参数中的至少一个警报参数，其中，所述警报参数包括：
用于发出警报的触发器，
接收所述警报的接收者，
触发警报时要执行的动作，和
发出所述警报的限制条件，
从AI引擎接收所述警报，以及
显示与所述警报相关联的检测到的目标对象相关数据，其中，检测到的目标对象相关数据包括来自至所述少一个内容流的至少一帧。
系统的AI引擎可以包括内容模块、识别模块、分析模块和接口层。
内容模块可以被配置成从至少一个捕获设备接收内容流。
识别模块可以被配置成：
将所述内容流的各方面与在由AI引擎训练的多个习得的目标对象配置文件的数据库中的至少一个习得的目标对象配置文件进行匹配，以在所述内容中对目标对象进行检测，以及在确定所述检测到的目标对象中的至少一个检测到的目标对象对应于至少一个习得的目标对象配置文件时：
基于至少一个习得的目标对象配置文件对至少一个检测到的目标对象进行分类，以及
用至少一个检测到的目标对象的至少一个方面更新至少一个习得的目标对象配置文件；
分析模块被配置成：
通过神经网络处理至少一个检测到的目标对象，以检测与至少一个检测到的目标对象相关联的习得的特征，其中，所述习得的特征由与至少一个检测到的目标对象相关联的至少一个习得的目标对象配置文件来规定，
基于所述处理，确定至少一个检测到的目标对象的以下属性：
至少一个检测到的目标对象的性别，
至少一个检测到的目标对象的年龄，
至少一个检测到的目标对象的健康状况，和
至少一个检测到的目标对象的分数，
使用检测到的习得的特征更新习得的目标对象配置文件，以及
确定至少一个检测到的目标对象是否对应于与在所述终端用户设备处规定的所述区域相关联的所述目标对象指定中的至少一个目标对象指定，以及
确定与至少一个检测到的对象相关联的属性是否对应于用于发出警报的触发器。
接口层可以被配置成：
将检测到的目标对象数据传送到至少一个终端用户设备，其中，检测到的目标对象相关数据包括以下中的至少一者：
至少一帧连同与检测到的至少一个目标对象相关联的注释，以及
向所述至少一个终端用户设备推送通知。
前面的简要概述和下面的详细描述都提供示例并且仅是说明性的。因此，前述简要概述和以下详细描述不应被认为是限制性的。此外，除了本文阐述的那些特征或变化之外，还可以提供特征或变化。例如，实施方式可以针对在详细描述中描述的各种特征组合和子组合。
附图说明
并入本公开内容并构成本公开内容的一部分的附图说明了本公开内容的各种实施方式。这些附图包含申请人所拥有的各种商标和版权的表示。此外，附图可能包含第三方拥有的其他标记，并且仅用于说明目的。此处所表示的各种商标和版权的所有权利(属于其各自所有者的除外)均在申请人名下并且是申请人的财产。申请人保持并保留其在此包含的商标和版权的所有权利，并授予仅在与所授予专利的复制有关且没有任何其他目的情况下复制该材料的许可。
此外，附图可以包含可以解释本公开的某些实施方式的文本或标题。包括该文本是为了本公开中详述的某些实施方式的解释性的、非限制性的、说明性的目的。在附图中：
图1说明了符合本公开的一些实施方式的操作环境的框图；
图2说明了符合本公开的一些实施方式的操作环境的框图；
图3说明了符合本公开的一些实施方式的AI引擎的框图；
图4是符合本公开的一些实施方式的一种AI训练方法的流程图；
图5是符合本公开的一些实施方式的另一种AI训练方法的流程图；
图6是符合本公开的一些实施方式的用于将内容源与区域相关联的方法的流程图；
图7是符合本公开的一些实施方式的用于用区域限定参数的方法的流程图；
图8是符合本公开的一些实施方式的用于执行对象识别的一种方法的流程图；
图9是符合本公开的一些实施方式的用于执行对象识别的另一种方法的流程图；
图10是符合本公开的一些实施方式的用于更新训练数据的方法的流程图；
图11说明了符合本公开的一些实施方式的一区域的框图；
图12说明了符合本公开的一些实施方式的多个区域的框图；
图13说明了符合本公开的一些实施方式的一种用户界面的屏幕截图；
图14说明了符合本公开的一些实施方式的另一种用户界面的屏幕截图；
图15说明了符合本公开的一些实施方式的又一种用户界面的屏幕截图；
图16说明了符合本公开的一些实施方式的又一种用户界面的屏幕截图；
图17说明了符合本公开的一些实施方式的图像数据；
图18说明了符合本公开的一些实施方式的附加图像数据；
图19说明了符合本公开的一些实施方式的更多图像数据；
图020说明了符合本公开的一些实施方式的还有更多图像数据；
图21说明了符合本公开的一些实施方式的甚至更多图像数据；和
图22是包括用于执行本文公开的各种方法的计算设备的系统的框图。
具体实施方式
首先，相关领域的普通技术人员将容易理解，本公开具有广泛的用途和应用。应当理解，任何实施方式可以仅包含本公开的以下一个或更多个方面，并且还可以仅包含以下一个或更多个特征。此外，被讨论和标识为“优选”的任何实施方式都被认为是预期用于执行本公开的实施方式的最佳模式的一部分。为了额外的说明性目的，还可以讨论其他实施方式，以提供完整的和能够实现的公开。而且，许多实施方式，诸如改编、变型、修改和等效布置，将被本文描述的实施方式隐含地公开，并且落入本公开的范围内。
因此，尽管本文中相对于一个或更多个实施方式详细地描述了实施方式，但是应当理解，该公开是本公开的说明性和示例性的。本文中一个或更多个实施方式的详细公开内容既无意也不应解释为限制在此发出的专利的任何权利要求中提供的专利保护范围，该范围将由权利要求及其等效物限定。并非旨在通过将在本文中发现的未明确出现在权利要求本身中的限制读入任何权利要求来限定专利保护的范围。
因此，例如，本文描述的各种过程或方法的步骤的任何(一个或更多个)序列和/或时间顺序是说明性的而非限制性的。因此，应当理解，尽管各种过程或方法的步骤可以以序列或时间顺序被示出和描述，但是在没有其他指示的情况下，任何此类过程或方法的步骤不限于以任何特定序列或顺序执行。实际上，此类过程或方法中的步骤通常可以以各种不同的序列和顺序来执行，而仍然落入本发明的范围内。因此，意图是专利保护的范围将由所发布的(一个或更多个)权利要求而不是在此阐述的描述来限定。
另外，重要的是要注意，本文中使用的每个术语是指普通技术人员将基于本文中这种术语的上下文使用来理解这种术语的含义。在一定程度上，本文所用术语的含义——正如普通技术人员基于这种术语的上下文使用所理解的——在任何方面都不同于这种术语的任何特定词典限定，其目的是以普通技术人员理解的术语的含义为准。
关于35 U.S.C.§112，的适用性，除非在此类权利要求要素中实际使用了明确的短语“用于……的装置”或“用于……的步骤”，否则不得根据本法定条文解读任何权利要求要素，因此本法定条文意在适用于对此类权利要求要素的解释。
此外，重要的是要注意，如本文所使用的，“一个”和“一”通常表示“至少一个”，但是不排除多个，除非上下文使用另有规定。当在本文中用于结合项目列表时，“或”表示“项目中的至少一个”，但不排除该列表中的多个项目。最后，当在本文中用于结合项目列表时，“和”表示“列表中的所有项目。
以下详细描述参考所附附图。在附图和以下描述中，尽可能使用相同的附图标记指代相同或相似的元件。尽管可以描述本公开的许多实施方式，但是修改、改编和其他实施方式是可能的。例如，可以对附图中示出的元件进行替换、添加或修改，并且可以通过对所公开的方法进行替换、重新排序或添加阶段来修改本文所述的方法。因此，以下详细描述不限制本公开。相反，本公开的适当范围由所附权利要求书限定。本公开包含标题。应当理解，这些标题被用作参考，并且不应被解释为对标题下公开的主题的限制。
本公开包括许多方面和特征。此外，尽管许多方面和特征涉及动物检测和追踪的上下文并在其中描述，但是本公开的实施方式不限于仅在此上下文中使用。相反，可以根据本文描述的各种方法和系统在数据流内识别对象的任何上下文都可以被认为在本公开的范围和精神内。
I.平台概述
提供此概述以简化形式介绍一些概念，这些概念将在下文中进一步描述。该概述并不旨在标识所要求保护的主题的关键特征或必要特征。本概述也不旨用于限制所要求保护的主题的范围。
本公开的实施方式提供用于智能对象检测和警报过滤的方法、系统和设备(在此统称为“平台”)。平台可包括AI引擎。AI引擎可以被配置成处理从一个或更多个内容源(例如，相机)接收的内容(例如，视频流)。例如，AI引擎可以被配置成连接到远程相机、在线订阅源(online feeds)、社交网络、内容发布网站和其他用户内容指定。用户可以规定一个或更多个内容源以指定为受监测区域。
每个受监测区域可以与目标对象相关联以在由内容源提供的内容内进行检测以及可选地进行追踪。目标对象可以包括，例如但不限于：鹿(deer)(雄鹿(buck)、母鹿(doe)、患病的)、猪、鱼、火鸡、山猫、人类和其他动物。目标对象还可以包括无生命的对象，例如但不限于交通工具(ATV、邮车等)、无人机、飞机和设备。然而，如下文将详述的，本公开的范围不限于任何特定的有生命的或无生命的对象。此外，每个区域可以包括警报参数，所述警报参数限定平台在检测目标对象时要执行的一个或更多个动作。
进而，AI引擎可以监测与区域相关联的内容内的目标对象的指示。因此，AI引擎可以处理内容以对目标对象进行检测。目标对象的检测可以通过多种媒介触发对一个或更多个相关方的警报或通知。以此方式，可以向相关各方提供关于在内容源和/或区域内何时何地检测到所规定的目标对象的实时信息。
此外，本公开的实施方式可以提供智能过滤。智能过滤可以允许平台用户只看到包含目标对象的内容，从而防止内容过载和易用。通过这种方式，用户将不需要扫描落叶、雪花、松鼠的无尽图片，否则会触发错误检测。
此外，该平台可以提供活动报告、统计信息和其他分析，这些使用户能够追踪选定的目标对象并基于区域指定来确定这些动物在何时何地活动。正如下面将详述的，该平台的一些实现可以促进患病动物的检测、追踪和评估。
本公开的实施方式可以包括方法、系统和计算机可读介质，包括但不限于以下中的至少一者：
A.内容模块；
B.识别模块；
C.分析模块；
D.接口层；和
E.数据存储层。
下面提供了有关每个模块的详细信息。尽管公开了具有特定的功能的模块，但是应当理解，功能可以在模块之间共享，其中一些功能在模块之间拆分，而其他功能被模块复制。此外，模块的名字不应被解释为对模块功能的限制。此外，可以独立地考虑每个模块内公开的每个阶段，而无需考虑相同模块或不同模块内的其他阶段的上下文。每个阶段可能包含本说明书其他部分中限定的语言。为一个模块公开的每个阶段可以与另一模块的操作阶段混合。在本公开中，每个阶段可以单独要求保护和/或可与其他模块的其他阶段互换。
下面描述了可以由上述模块中的至少一个执行的多种方法中的一种方法的示例。可以在参考每个模块公开的操作的各个步骤使用各种硬件和软件组件。例如，虽然方法可以被描述为由单个计算设备执行，但是应当理解，在一些实施方式中，不同的操作可以由与计算设备在操作上通信的不同联网元件执行。例如，一个或更多个计算设备900可以用于执行关于方法所公开的一些或所有阶段。类似地，在方法的一些或所有阶段的执行中可以采用捕获设备025。因此，捕获设备025可以至少包括在计算设备900中发现的那些架构组件。
此外，虽然以下示例方法的步骤是以特定顺序公开的，但是应当理解，公开该顺序仅用于说明目的。各阶段可以组合、分离、重新排序，并且可能存在各种中间阶段。因此，应当理解，在各个实施方式中，各个步骤可以以不同于以下要求保护的布置的布置来执行。此外，可以在不改变或阻止本文公开的所描绘的方法和系统的基本范围的情况下添加或移除各个阶段。
符合本公开的实施方式，方法可以由上述模块中的至少一个模块来执行。该方法可以体现为，例如但不限于，可执行机器代码，其在被执行时而执行该方法。
该方法可以包括以下阶段或子阶段，没有特定顺序：对目标对象进行分类以在数据流内进行检测；数据流中要检测的目标对象的规范；规定用于指示数据流中检测到目标对象的警报参数；以及记录从在数据流中的目标对象的检测中导出的其他属性，包括但不限于时间、日期、年龄、性别和其他属性。
在一些实施方式中，该方法还可以包括创建、维护和更新目标对象配置文件(target object profile)的阶段或子阶段。目标对象配置文件可以包括用于在数据流中对目标对象进行检测的多个方面的规范(例如，对象外观、行为、一天中的时间以及其他等)。可以在平台操作期间的AI训练阶段创建和更新对象配置文件。
在各种实施方式中，对象配置文件可以是通用的，或者换言之，对于平台的一个以上用户可用，这些用户可以彼此无关并且彼此独立。例如，可以时第一用户能够直接或间接地执行以下动作：致使AI引擎100接收用于某些目标对象的分类的训练数据。可以基于初始训练来创建目标对象的配置文件。然后可以使目标对象配置文件对第二用户可用。第二用户可以基于为第一用户训练的对象配置文件来选择用于检测的目标对象。
此外，在一些实施方式中，第二用户然后可以直接或间接地执行以下动作：重新训练或以其他方式更新目标对象配置文件。以这种方式，可以使一个以上的平台用户(无论是非独立的还是独立的)能够使用相同的对象配置文件并在整个平台的对象检测训练中共享更新。
在又一些实施方式中，目标对象配置文件可以包括推荐的或默认的警报参数集(例如，AI置信度或警报阈值设置)。因此，目标对象配置文件可以包括为目标对象建议的各种警报参数和AI模型。以此方式，可以向选择目标对象的用户提供针对该对象定制的最优警报参数集。这些警报参数可以在与目标对象配置文件相关联的训练或再训练期期间由平台确定。
符合本公开的实施方式，该方法可以包括以下阶段或子阶段，没有特定的顺序：从数据流接收多媒体内容；处理多媒体内容以在内容内对对象进行检测；以及确定检测到的对象是否与目标对象匹配。
多媒体内容可以包括，例如但不限于，传感器数据，例如图像和/或音频数据。进而，可以使AI引擎能够通过处理传感器数据来对对象进行检测。该处理可以基于例如但不限于检测到的对象与目标对象配置文件的比较。在一些实施方式中，额外的训练可以在分析期间发生并且导致目标对象配置文件的更新。
仍然符合与本公开的实施方式，该方法可以包括以下阶段或子阶段，没有特定的顺序：规定至少一个检测区域；将至少一个内容捕获设备与一区域相关联；限定该区域的警报参数；以及在由AI引擎检测到目标对象时触发该区域的警报。
前面的概述和下面的详细描述都提供示例并且仅是说明性的。因此，前述简要概述和以下详细描述不应被认为是限制性的。此外，除了本文阐述的那些特征或变化之外，还可以提供特征或变化。例如，实施方式可以针对在详细描述中描述的各种特征组合和子组合。
II.平台配置
图1说明了可能的操作环境，通过该环境可以提供符合本公开的实施方式的平台001。作为非限制性示例，平台001可以被部分地或全部地托管在例如但不限于云计算服务上。在一些实施方式中，平台001可以被托管在一个计算设备900或多个计算设备900上。平台001的各种组件进而可以经由一个或更多个计算设备900与AI引擎100一起操作。
例如，终端用户005或管理用户005可以通过接口层015访问平台001。软件应用可以体现为，例如但不限于：网站、网络应用、桌面应用和与计算设备900兼容的移动应用。软件应用的一个可能实施方式可以由AI Concepts,LLC提供的HuntProTM产品和服务套件提供。如下文将参考图22详述的，计算设备900可用于托管或执行软件应用以提供用于操作平台001的接口。接口层015可以被提供给例如但不限于终端用户、管理用户。接口层015可以被提供在捕获设备、移动设备、网络应用或另一计算设备900上。软件应用可以使用户能够通过例如计算设备900与AI引擎100有接口。
仍然符合本公开的实施方式，多个内容捕获设备025可以与AI引擎100在操作上通信并且进而与一个或更多个用户005有接口。进而，用户设备上的软件应用可以在操作上与内容捕获设备025有接口并控制内容捕获设备025。在一些实施方式中，用户设备可以建立与内容捕获设备025在操作上通信的直接信道。以此方式，软件应用可以与操作AI引擎100的计算设备900、捕获设备和用户设备在操作上连接。
相应地，本公开的实施方式提供了软件和硬件平台，该软件和硬件平台包括一组分布式计算元件，包括但不限于以下各者。
1.捕获设备025
本公开的实施方式可以提供内容捕获设备025，以用于捕获数据并将数据传输到AI引擎100进行处理。捕获设备可以包括多种设备，诸如但不限于被配置成捕获和传输光学、音频和遥测数据的传感设备。
捕获设备025可以包括但不限于：
监视设备，诸如但不限于：
运动传感器，和
网络摄像头；
专业设备，诸如但不限于：
摄像机，和
无人机；
手持设备，诸如但不限于：
摄录像机(camcorder)，和
手机；
可穿戴设备，诸如但不限于：
头盔式相机，以及
眼镜式相机；和
远程设备，诸如但不限于：蜂窝跟踪相机，诸如但不限于传统的蜂窝相机和Commander 4G LTE蜂窝相机；和
蜂窝运动传感器
内容捕获设备025可以包括参考计算设备900公开的一个或更多个组件。以此方式，捕获设备025可能能够执行各种处理操作。
在一些实施方式中，内容捕获设备025可以包括从中接收内容的中间设备。例如，来自捕获设备025的内容可以由计算设备900或具有与捕获设备025通信的通信模块的云服务来接收。这样，捕获设备025可以限于短距离无线或局域网，而中间设备可以与AI引擎100通信。在其他实施方式中，可以启用位于捕获设备025本地的通信模块以直接与AI引擎100通信。
捕获设备可以由平台001的用户005、众包的或公开可用的内容订阅源来操作。仍然符合本公开的实施方式，可以从内容源接收内容。内容源可以包括，例如，但不限于，内容发布者，诸如Facebook，或其他内容发布平台。用户005可以提供例如用于发布内容的统一资源定位器(URL)。内容可能或可能不由用户拥有或操作。根据本公开的实施方式，平台001然后进而可以被配置成访问与URL相关联的内容并提取内容分析所需的必要数据。
2.数据存储020
符合本公开的实施方式，平台001可以存储例如但不限于用户配置文件、区域指定和对象配置文件。AI引擎100可以经由数据存储020访问所有这些存储的元素以及其他元素。
用户数据可能包括，例如但不限于用户名、电子邮件登录凭证、设备ID以及其他个人身份和非个人身份数据。在一些实施方式中，用户数据可以与目标对象分类相关联。通过这种方式，每个用户005可以拥有针对用户005规范来训练的一组目标对象。在另外的实施方式中，对象配置文件可以由数据存储020存储并且可供所有平台用户005访问。
区域指定可以包括但不限于各种区域和区域参数，诸如但不限于设备ID、设备坐标、地理围栏、警报参数和区域内要监测的目标对象。在一些实施方式中，区域指定可以由数据存储020存储并且可供所有平台用户005访问。
3.接口层015
本公开的实施方式可以为平台001的终端用户005和管理用户005提供接口层015。接口层015可以被配置成允许用户005与平台交互并且允许用户005发起和执行某些动作、配置、监测和接收警报。因此，与平台001的任何和所有用户交互都可以采用接口层015的实施方式。
接口层015可以在多个实施方式中提供用户界面(UI)并且可以在任何设备上实现，诸如，例如但不限于：
捕获设备；
流媒体设备；
移动设备；和
任何其他计算设备900。
UI可以由组件/模块组成，这些组件/模块使用户005能够例如配置、使用和管理捕获设备以在平台001内操作。此外，UI可以使用户能够配置平台001的多个方面，诸如但不限于区域指定、警报设置和根据本公开的实施方式可操作的各种其他参数。
接口层015可以使终端用户能够控制平台001的各个方面。接口层015可以直接与用户005有接口，如将在本公开的部分(III)中详述的。接口层015可以向用户005提供多种功能，例如但不限于访问来自捕获设备的馈送、上传能力、内容源规范、区域指定、目标对象规范、警报参数、训练功能以及各种其他设置和特征。
接口层015可以提供警报，也可以称为通知。根据上述警报参数，警报可以提供给单个用户^06或多个用户005。接口层015和警报可以向(一个或更多个)用户005提供对实况内容流405的访问。在一些实施方式中，内容流405可以由AI引擎100实时处理。AI引擎100还可以提供叠加在内容流405上的注释。注释可以包括但不限于检测到的目标对象上的标记、检测到的目标对象的名字、检测的置信度水平、当前日期/时间/温度、区域名称、与当前捕获设备025相关联的名字以及任何其他习得的特征(如图17至图21所示)。
在另一方面，接口层015可以使管理用户005能够控制平台001的各种参数。接口层015可以直接与管理用户005(类似于终端用户)有接口，以提供对平台001的控制，如将在本公开的部分(III)中详述的。平台001的控制可以包括但不限于维护、安全、升级、用户管理、数据管理和各种其他系统配置和特征。接口层015可以图形界面、命令行界面或任何其他UI的方式来体现，以允许用户005与平台001交互。
4.AI引擎100
本公开的实施方式可以提供AI引擎100，其被配置成例如但不限于接收内容、对内容执行识别方法并提供分析，如图2所公开的。在一些实施方式中，AI引擎100可以接收或输出数据到第三方系统。然而，在一些实施方式中，AI引擎100可以被配置成提供接口层015和数据存储层020，用于实现到AI引擎100的输入数据流，以及从AI引擎100向第三方系统和用户设备提供的输出。现在参考图2，本公开的实施方式在软件和/或硬件平台内提供包括一组模块的AI引擎100。在符合本公开的一些实施方式中，模块可以是分布式的。这些模块包括但不限于：
A.内容模块055；
B.识别模块065；和
C.分析模块075；
在一些实施方式中，本公开可以提供用于进一步促进软件和/或硬件平台的附加模块组。附加模块组可以包括但不限于：
D.接口层015；和
E.数据存储层020。
前述模块和与其相关联的功能和操作可以由计算设备900或多个计算设备900操作。在一些实施方式中，每个模块可以由单独的、联网的计算设备900执行；而在其他实施方式中，某些模块可以由相同的计算设备900或云环境执行。尽管本公开是参考集中式计算设备900或云计算服务来编写的，但是应当理解，可以采用任何合适的计算设备900来提供本文公开的各种实施方式。
下面提供了有关每个模块的详细信息。尽管公开了具有特定的功能的模块，但是应当理解，功能可以在模块之间共享，其中一些功能在模块之间拆分，而其他功能由模块复制。此外，模块的名字不应被解释为对模块功能的限制。此外，可以独立地考虑每个模块内公开的每个阶段，而无需考虑相同模块或不同模块内的其他阶段的上下文。每个阶段可以包含本说明书其他部分中限定的语言。为一个模块公开的每个阶段可以与另一模块的操作阶段混合。在本公开中，每个阶段可以单独要求保护和/或可与其他模块的其他阶段互换。
相应地，本公开的实施方式提供了软件和/或硬件平台，该软件和/或硬件平台包括一组计算元件，包括但不限于以下各者。
A.内容模块055
内容模块055可以负责将内容输入到AI引擎100。该内容可以用于例如执行对象检测和追踪，或用于对象检测和追踪目的的训练。输入内容可以是各种形式，包括但不限于从捕获设备025直接或间接接收的流数据。在一些实施方式中，捕获设备025可以被配置成直接通过有线或无线连接或者通过如上所述的中间设备来提供作为实况馈送(live feed)的内容。在其他实施方式中，内容可以是静态的或预先记录的。
在各种实施方式中，可以使捕获设备025能够仅在内容检测的活动状态时将内容传输到AI引擎100。例如，如果捕获设备025未检测到正被捕获的内容的任何变化，则AI引擎100可能不需要接收和/或处理相同的内容。然而，当检测到内容的变化时(例如，在捕获设备的帧内检测到运动)，则可以将内容进行传输。本领域普通技术人员通过本公开的各种实施方式将理解，内容的传输可以在每个捕获设备025上被控制并且由平台001的用户005调整。
仍然符合本公开的实施方式，内容模块055可以直接向AI引擎100提供上传的内容。如将参考接口层015所描述的，平台001可以使用户005能够将内容上传到AI引擎100。内容可以以各种形式(例如，视频、图像和传感器数据)实施并上传，用于但不限于以下目的：训练AI引擎100或由AI引擎100对目标对象进行检测和追踪。
在另外的实施方式中，内容模块055可以从内容源接收内容。内容源可以是例如但不限于数据存储020(例如，本地数据存储020或第三方数据存储020)或来自第三方平台的内容流405。例如，如前所述，平台001可以使用户005能够用URL来规定内容源。进而，内容模块055可以被配置成访问URL并检索要由AI引擎100处理的内容。在一些实施方式中，URL可以指向包含一个或更多个内容流405的网页或另一源。仍然符合本公开，内容模块055可以被配置成解析来自对于要由AI引擎100处理的一个或更多个内容流405而言的输入和源的数据。
B.识别模块065
识别模块065可以负责在内容模块055提供的内容内识别和/或追踪目标对象。识别模块065可以包括从中访问目标对象数据的数据存储020。目标对象数据可用于与内容中检测到的对象进行比较以确定内容内的对象是否与目标对象匹配。
在一些实施方式中，数据存储层020可以存储检测参数和目标对象的必要数据。因此，识别模块065可以被配置成从内容模块055检索或接收内容并且基于内容与从数据存储层020检索的对象数据的比较来执行识别。
此外，在一些实施方式中，数据存储层020可以由例如但不限于目标对象限定的外部系统提供。以此方式，AI引擎100对从外部系统接收的内容执行处理，以便基于由相同或另一系统提供的参数来识别对象。
AI引擎100可以被配置成在由识别模块065识别目标对象时触发某些事件(例如，警报)。所述事件可以由用户005所规定的设置来限定。在一些实施方式中，数据存储层020可以存储由用户005配置的各种事件参数。如下文将详述的，事件参数可以与不同的目标对象分类和/或不同的区域和/或不同的事件相关联。一个此类例子是当检测到的对象与区域3中存在的雄性驼鹿匹配超过5分钟时触发通知。
图3说明了用于执行对象识别的AI引擎100架构的一个示例。在各种实施方式中，该架构可以包括但不限于输入阶段085、识别、追踪和学习阶段090以及输出阶段095。因此，AI引擎100可以在输入阶段期间从内容模块055接收或检索数据。然后可以根据与内容相关联的目标对象分类来处理内容085。目标对象分类可以基于例如但不限于与内容相关联的区域。将内容与区域相关联，以及限定区域内要追踪的目标对象，将参考图6和图7、图11、图12和图13进行详细说明。
在接收内容085时，AI引擎100可以进行到识别阶段090。在这个阶段，AI引擎100可以使用给定的内容并且通过例如用于检测与目标对象相关联的习得的特征092的神经网络094来处理该内容。以此方式，AI引擎可以例如将内容与目标对象相关联的习得的特征092进行比较以确定是否在内容内检测到目标对象。应当注意，虽然(一个或更多个)输入可以被提供到AI引擎100，但是可以在内部训练和处理与目标对象相关联的神经网络094和习得的特征092。在另一实施方式中，可以由AI引擎100从由单独系统提供的单独数据存储层020检索习得的特征。
符合本公开的实施方式，可以通过将参考图4和图5、图10和图17至图21详细描述的训练方法和程序将习得的特征092提供给AI引擎100。在一些实施方式中，所获取的训练数据和习得的特征092可以驻留在例如数据存储层020处。所述特征可以与AI引擎100针对其训练的各种目标对象类型相关，诸如但不限于动物、人类、交通工具和各种其他有生命和无生命的对象。
对于每个目标对象类型，可以训练AI引擎100以检测每个对象的不同物种、模型和特征。作为非限制性示例，动物目标对象类型的习得的特征092可以包括动物的体型、动物的姿态、动物的步行/奔跑/疾驰模式和动物的角。
在各种实施方式中，神经网络094可以用于习得的特征092的训练，以及习得的特征092的检测中的识别阶段090。如下文将详述的，AI引擎100经历的训练越多，可以检测到目标对象的机会就越高，并且检测的置信度水平越高。因此，使用AI引擎100的用户越多，AI引擎100具有用于训练的内容就越多，从而产生目标对象、类型和对应特征的更大的列表。此外，AI引擎100处理的内容越多，AI引擎100对自身进行的训练就越多，从而使检测更加准确且置信度水平更高。
因此，神经网络094可以在输入阶段085中接收或检索的内容内对目标对象进行检测。作为非限制性示例，识别阶段090可以执行基于AI的算法，用于分析内容内检测到的对象的行为模式、运动模式、视觉线索、对象曲率、地理位置以及可能对应于习得的特征092的各种其他参数。这样，可以在内容中识别目标对象。
在检测到目标对象之后，AI引擎100可以进行到输出阶段095。例如，输出可以是发送到接口层015的警报。在一些实施方式中，输出可以是例如发送到分析模块075以用于确定检测到的目标对象的进一步特性的输出。
C.分析模块075；
符合本公开的一些实施方式，一旦检测到的对象已经被分类为对应于目标对象，就可以执行额外的分析。例如，可以进一步分析与目标对象相关联的特征组合以确定检测到的目标对象的某些方面。这些方面可以包括例如但不限于动物的健康状况、动物的年龄、动物的性别，和动物的分数。
如下详述，目标对象的这些方面可以用于确定是否提供警报。例如，如果所指定的区域被配置成仅当目标对象(诸如鹿)具有某些分数(例如，基于动物的角)时才发出警报，则分析模块075可用于计算检测到的与鹿目标对象匹配且位于所指定的区域内的每个目标对象的分数。
仍然符合本公开，其他方面可以包括慢性消耗性疾病(CWD)的检测。随着CWD在野生鹿科种群中传播，平台001可以用作检测受感染种群的广泛远程监视系统。因此，AI引擎可以用健康的和感染CWD的动物的图像和视频镜头进行训练。以此方式，AI引擎100可以确定感染CWD的鹿的固有特征。进而，平台001可以被配置成监测来自多个内容源(例如，社交媒体、SD卡、跟踪相机和由内容模块055提供的其他输入数据)的大量内容。在检测时，平台001可以被配置成追踪受感染的动物并提醒合适的干预团队注意检测到这些受感染动物的区域。图14说明了用于提供CWD警报的用户界面的一个示例。平台001可以提供对受感染动物的追踪，甚至跨区域的追踪，以帮助干预团队找到动物。
此外，符合本发明的分析模块075可以检测其被训练用于检测的任何特征，其中所述特征可通过视觉分析、行为分析、听觉分析或任何其他方面的分析来识别，在所述方面的分析中提供了关于所述方面的数据。虽然本文提供的示例可能涉及动物，特别是鹿科动物，但应该理解平台001是目标对象不可知的。可以检测任何有生命的或无生命的对象，并且可以分析这种对象的任何方面，前提是平台001接收了针对对象/方面的训练数据。
D.接口层015
本公开的实施方式可以为平台001的终端用户005和管理用户005提供接口层015。接口层015可以被配置成允许用户005与该平台交互并允许用户005发起和执行某些动作，诸如但不限于配置、监测和接收警报。因此，与平台001的任何和所有用户交互都可以采用接口层015的实施方式。
接口层015可以在多个实施方式中提供用户界面(UI)并且可以在任何设备上实现，诸如，例如但不限于：
捕获设备；
流媒体设备；
移动设备；和
任何其他计算设备900。
UI可以包括组件/模块，这些组件/模块使用户005能够例如配置、使用和管理捕获设备025以在平台001内操作。此外，UI可以使用户能够配置平台001的多个方面，诸如但不限于区域指定、警报设置和根据本公开的实施方式可操作的各种其他参数。
接口层015可以使终端用户能够控制平台001的各个方面。接口层015可以直接与用户005有接口，如将在本公开的部分(III)中详述的。接口层015可以向用户005提供多种功能，例如但不限于访问来自捕获设备的馈送、上传能力、内容源规范、区域指定、目标对象规范、警报参数、训练功能、以及各种其他设置和特征。
接口层015可以提供警报，也可以称为通知。根据上述警报参数，警报可以被提供给单个用户^06或多个用户005。接口层015和警报可以向(一个或更多个)用户005提供对实况内容流405的访问。在一些实施方式中，内容流405可以由AI引擎100实时处理。AI引擎100还可以提供叠加在内容流405上的注释。注释可以包括但不限于检测到的目标对象上的标记、检测到的目标对象的名字、检测的置信度水平、当前日期/时间/温度、区域名称、与当前捕获设备025相关联的名字以及任何其他习得的特征(如图17至图21所示)。
在另一方面，接口层015可以使管理用户005能够控制平台001的各种参数。接口层015可以直接与管理用户005(类似于终端用户)有接口，以提供对平台001的控制，如将在本公开的部分(III)中详述的。平台001的控制可以包括但不限于维护、安全、升级、用户管理、数据管理和各种其他系统配置和特征。接口层015可以图形界面、命令行界面或任何其他UI的方式来体现，以允许用户005与平台001交互。
此外，接口层015可以包括应用编程接口(API)模块，用于输入和输出数据进出平台001以及各种平台001组件(例如，AI引擎100)之间的系统到系统(system-to-system)通信。通过采用API模块，平台001和/或其中的各种组件(例如，AI引擎100)可以被集成到外部系统中。例如，外部系统可以执行某些功能调用和方法以将数据发送到AI引擎100以及从AI引擎100接收数据。这样，参考AI引擎100公开的各种实施方式可以与其他系统一起模块化地使用。
仍然符合本公开，在一些实施方式中，API可以允许可能另外需要人际交互的某些任务的自动化。API允许脚本/程序以自动化方式执行向用户005公开的任务。通过API通信的应用不仅可以通过自动化减少用户005的工作量，而且可以比人类更快地做出反应。
此外，API提供符合本公开的与平台001交互的不同方式。这可以使第三方能够开发他们自己的接口层015，诸如但不限于用于iPhone或树莓派(raspberry pi)的图形用户界面(GUI)。以类似的方式，API允许与不同的智能系统集成，例如但不限于智能家居系统和智能助手，诸如但不限于谷歌主页和Alexa。
该API可以提供多种符合本公开的实施方式，例如但不限于RESTful API接口和JSON。数据可以通过TCT/UDP直接通信来传递，通过SSH或VPN隧道传输，或通过任何其他网络拓扑。
API可以通过多种介质访问，例如但不限于光纤、直接终端连接以及其他有线和无线接口。
此外，访问API的节点可以是计算设备900的任何实施方式，例如但不限于移动设备、服务器、树莓派、嵌入式设备、完全可编程门阵列(FPGA)、云服务、笔记本电脑和服务器。执行API调用的指令可以是与计算设备900兼容的任何形式，例如但不限于脚本、web应用、编译的应用、宏和软件即服务(SaaS)云服务，以及机器代码。
E.数据存储层。
符合本公开的实施方式，平台001可以存储例如但不限于用户配置文件、区域指定，和目标对象配置文件。这些存储的元素以及其他元素可以全部由AI引擎100经由数据存储020访问。
用户数据可以包括，例如但不限于用户名、电子邮件、登录凭证、设备ID以及其他个人身份和非个人身份数据。在一些实施方式中，用户数据可以与目标对象分类相关联。通过这种方式，每个用户005可以拥有针对用户005规范来训练的一组目标对象。在另外的实施方式中，对象配置文件可以由数据存储020存储并且可供所有平台用户005访问。
区域指定可以包括但不限于各种区域和区域参数，诸如但不限于设备ID、设备坐标、地理围栏、警报参数和区域内要监测的目标对象。在一些实施方式中，区域指定可以由数据存储020存储并且可供所有平台用户005访问。
III.平台运营
本公开的实施方式提供了通过一组方法和计算机可读存储装置(storage)操作的硬件和软件平台001，所述计算机可读存储装置包括被配置为根据所述方法操作前述模块和计算元件的指令。下面描述了可以由上述模块中的至少一个模块执行的多种方法中的一种方法的示例。可以在参考每个模块公开的操作的各个阶段使用各种硬件组件。
例如，虽然方法可以被描述为由单个计算设备900执行，但是应当理解，在一些实施方式中，不同的操作可以由在操作上通信的不同联网计算设备900来执行。例如，云服务和/或多个计算设备900可以用于执行关于方法而公开的一些或所有阶段。类似地，在方法的一些或所有阶段的执行中可以采用捕获设备025。照此，捕获设备025可以包括包含有计算设备900的架构组件的至少一部分。
此外，即使以下示例方法的阶段是以特定顺序公开的，但是应当理解，公开该顺序仅用于说明目的。阶段可以组合、分离、重新排序，并且可以存在各种中间阶段。因此，应当理解，在各个实施方式中，各阶段可以以与以下要求保护的布置不同的布置来执行。此外，可以在不改变或阻止本文公开的所描绘的方法和系统的基本范围的情况下从中添加或移除各个步骤。
符合本公开的实施方式，一种方法可以由上述模块中的至少一个模块来执行。该方法可以体现为例如但不限于计算机指令，所述计算机指令当被执行时执行该方法。该方法可以包括以下阶段：
从内容源接收内容流，所述内容源包括以下中的至少一者：
捕获设备，和
统一资源定位器；
建立在内容流内要检测的至少一个目标对象，其中，建立要检测的至少一个目标对象包括：
从习得的目标对象配置文件的数据库检索至少一个目标对象配置文件，其中，所述至少一个习得的目标对象配置文件与要检测的至少一个目标对象相关联，并且其中，所述习得的目标对象配置文件的数据库与已经针对在内容流的至少一帧内进行检测而训练的目标对象相关联，以及
分析与内容流相关联的至少一帧，其中，分析所述至少一帧包括：
使用神经网络，通过将所述至少一帧的各方面与所述至少一个习得的目标对象配置文件的各方面进行匹配而在所述至少一帧内对所述至少一个目标对象进行检测；
建立至少一个参数用于传送目标对象检测相关数据，其中，所述至少一个参数指定以下各者：
至少一个检测到的目标对象的至少一个方面，以及
内容源的至少一方面；和
当满足至少一个参数时传送所述目标对象检测相关数据，其中，传送所述目标对象检测相关数据包括以下中的至少一者：
将所述至少一帧连同与检测到的至少一个目标对象相关联的注释一起传输；和
传输包括所述目标对象检测相关数据的通知。
仍然符合本公开的实施方式，可以提供AI引擎。AI引擎可以包括但不限于例如内容模块、识别模块和分析模块。
内容模块可以被配置成从至少一个内容源接收内容流。
识别模块可以被配置成：
将所述内容流的各方面与来自习得的目标对象配置文件的数据库的至少一个习得的目标对象配置文件进行匹配，以在所述内容中对目标对象进行检测，以及在确定检测到的目标对象中的至少一个检测到的目标对象对应于至少一个习得的目标对象配置文件时：
基于所述至少一个习得的目标对象配置文件对所述至少一个检测到的目标对象进行分类，以及
用至少一个检测到的目标对象的至少一个方面更新所述至少一个习得的目标对象配置文件。
分析模块可以被配置成：
通过神经网络处理所述至少一个检测到的目标对象，以检测与所述至少一个检测到的目标对象相关联的习得的特征，其中，所述习得的特征由与所述至少一个检测到的目标对象相关联的所述至少一个习得的目标对象配置文件来规定，
基于所述处理确定以下各者：
至少一个检测到的目标对象的性别，
至少一个检测到的目标对象的年龄，
至少一个检测到的目标对象的健康状况，和
至少一个检测到的目标对象的分数，以及
用检测到的习得的特征更新习得的目标对象配置文件。
在本公开的又一实施方式中，可以提供包括至少一个捕获设备、至少一个终端用户设备和AI引擎的系统。
至少一个捕获设备可以被配置成：
向AI引擎注册，
捕获以下中的至少一者：
视觉数据，和
音频数据，
将所捕获的数据数字化，以及
将经数字化的数据作为至少一个内容流传输到AI引擎。
至少一个终端用户设备可以被配置成：
将至少一个捕获设备配置成与AI引擎在操作上通信，
限定至少一个区域，其中，所述至少一个终端用户设备被配置成限定所述至少一个区域包括：所述至少一个终端用户设备被配置成：
规定用于与所述至少一个区域相关联的至少一个内容源，以及
规定与所述至少一个内容源相关联的至少一个内容流，所规定的至少一个内容流将由AI引擎针对所述至少一个区域进行处理，
针对所述至少一个区域规定多个区域参数中的至少一个区域参数，其中，所述区域参数包括：
在所述至少一个区域内用于检测的多个可选择的目标对象指定，所述目标对象指定与由AI引擎训练的多个习得的目标对象配置文件相关联，
针对所述至少一个区域规定多个警报参数中的至少一个警报参数，其中，所述警报参数包括：
用于发出警报的触发器，
接收所述警报的接收者，
触发警报时要执行的动作，和
发出所述警报的限制条件，
从所述AI引擎接收所述警报，以及
显示与所述警报相关联的检测到的目标对象相关数据，其中，检测到的目标对象相关数据包括来自至所述少一个内容流的至少一帧。
系统的AI引擎可以包括内容模块、识别模块、分析模块和接口层。
内容模块可以被配置成从至少一个捕获设备接收内容流。
识别模块可以被配置成：
将所述内容流的各方面与在由AI引擎训练的多个习得的目标对象配置文件的数据库中的至少一个习得的目标对象配置文件进行匹配，以在所述内容中对目标对象进行检测，以及在确定检测到的目标对象中的至少一个检测到的目标对象对应于至少一个习得的目标对象配置文件时：
基于所述至少一个习得的目标对象配置文件对所述至少一个检测到的目标对象进行分类，以及
用至少一个检测到的目标对象的至少一个方面更新至少一个习得的目标对象配置文件；
分析模块被配置成：
通过神经网络处理所述至少一个检测到的目标对象，以检测与所述至少一个检测到的目标对象相关联的习得的特征，其中，所述习得的特征由与所述至少一个检测到的目标对象相关联的所述至少一个习得的目标对象配置文件来规定，
基于所述处理，确定至少一个检测到的目标对象的以下属性：
至少一个检测到的目标对象的性别，
至少一个检测到的目标对象的年龄，
至少一个检测到的目标对象的健康状况，和
至少一个检测到的目标对象的分数，
用检测到的习得的特征更新习得的目标对象配置文件，以及
确定所述至少一个检测到的目标对象是否对应于与在所述终端用户设备处规定的区域相关联的所述目标对象指定中的至少一个目标对象指定，以及
确定与所述至少一个检测到的对象相关联的属性是否对应于用于发出警报的触发器。
接口层可以被配置成：
将检测到的目标对象数据传送到至少一个终端用户设备，其中，检测到的目标对象相关数据包括以下中的至少一者：
至少一帧连同与检测到的至少一个目标对象相关联的注释，以及
向所述至少一个终端用户设备推送通知。
A.AI训练
AI引擎100可以根据但不限于图4和图5中所示的方法进行训练。AI引擎100可以被训练以识别各种目标对象并为各种目标对象建立习得的特征092。AI引擎100可能需要训练方法来确定在由内容模块055提供的内容内检测到的对象中评估对象的哪些方面。因此，每个经训练的目标对象模型可以体现为数据层020中的目标对象配置文件。在一些实施方式中，经训练的模型然后可以在平台范围内用于所有用户，作为通用目标对象模型。
训练使AI引擎100能够在众多功能中正确分类(一个或更多个)输入(例如，从内容模块055接收的内容)。此外，可能需要训练方法来确定哪些输出对用户005有用，以及何时提供它们。训练可以由(一个或更多个)用户发起，也可以由系统本身自动触发。尽管本公开的实施方式涉及视觉内容，但类似的方法和系统可以用于训练其他内容类型，诸如但不限于超声/音频内容、红外线(IR)内容、紫外线(UV)内容和包括磁性读数(magnetic readings)的内容。
1)接收训练内容105
在第一阶段，训练方法可以通过接收用于训练目的的内容开始。可以在训练输入阶段085期间从内容模块055接收内容。在符合本公开的一些实施方式中，识别状态090可以触发训练方法并将该训练方法内容提供到输入阶段085中。
a.所接收的训练内容可以接收自捕获设备025，诸如但不限于：
i.监视设备；
ii.专业设备；
iii.手持设备；
iv.可穿戴设备
远程设备，诸如但不限于：
a.蜂窝跟踪相机，诸如但不限于：
i.传统的蜂窝相机和
ii.Commander 4G LTE蜂窝相机，以及
b.蜂窝运动传感器
vi.中介平台，诸如但不限于
1.计算设备900，和
2.云计算设备。
可以将训练内容选择为与AI引擎100在识别阶段090期间可能发现的内容相同或相似。例如，如果用户005选择训练AI引擎100以对鹿进行检测，则训练内容将包括鹿的图片。相应地，可以针对期望实现的特定的训练用户005来策划训练内容。在一些实施方式中，AI引擎100可以对内容进行过滤以去除任何不需要的对象或伪影，或者以其他方式提高质量，无论是静止的还是运动的，以便更好地检测由用户005选择的用于训练的目标对象。
b.训练内容可能包含不同条件下的图像，诸如但不限于：
i.变化的质量
由于设备和条件变化，AI引擎100可能会遇到各种质量的内容，诸如，例如但不限于：
1.高分辨率(图17)；
2.低分辨率(图18)；
3.大型对象(图17)；
4.小型对象(图020)；
5.色彩对象(图17)；和
6.单色/红外(图18至图21)。
ii.变化的环境背景
AI引擎100可能遇到必须考虑的不同天气条件，诸如但不限于：
1.有雾(图19)；
2.下雨；
3.下雪；
4.日(图17)；
5.夜(图19至图21)；
6.室内；和
7.室外(图17至图21)。
iii.变化的布局
训练图像可以包括帧内目标对象的定位和布局的变化。以此方式，AI引擎100可以学习如何识别环境内不同位置和布局的对象，诸如但不限于：
1.小背景对象(图020)；
2.重叠对象(图21)；
3.大前景对象(图17)；
4.多个对象(图020)；
5.单个对象(图17至图18)；
6.部分地失帧(图18)；
7.多普勒效应。
iv.变化的参数
训练图像可以描绘具有变化的参数的目标对象。以此方式，AI引擎^112可以学习与目标对象相关联的不同参数，诸如，例如但不限于：
1.年龄；
2.性别；
3.大小；
4.分数；
5.疾病
6.类型；
7.颜色；
8.标志(logo)；和
9.行为。
2)分类训练内容110
一旦接收到训练图像，就可以训练AI引擎100以理解将在其中训练用于目标对象检测的内容。因此，在一些实施方式中，可以提供由用户005提供的内容分类以促成该阶段。分类可以连同训练数据一起通过接口层015被提供。在各种实施方式中，分类数据可以与训练数据集成为例如但不限于元数据。内容分类可以通知AI引擎100在每个图像中表示什么。
a.内容可以按种类(class)进行分类，诸如但不限于：
i.有生命的对象的类型，诸如但不限于：
1.动物类型(诸如受保护动物)，诸如但不限于：
a.鹿(图17至图21)；
b.人类；
c.猪；
d.鱼；和
e.鸟
2.植物类型，诸如，例如但不限于：
a.玫瑰；
b.橡树
c.树；和
d.花。
ii.无生命的对象的类型，诸如但不限于:
1.交通工具的类型；
2.无人机的类型；和
3.机器人的类型。
此外，AI引擎100可以被训练来检测目标对象的某些特性，以便例如确定检测到的对象的附加方面(例如，目标对象的特定子分组)。
a.内容分类可以通过以下方式细化，诸如但不限于：
i.性别；
ii.种族；
iii.年龄；
iv.健康状况；和
v.分数。
b.内容可以通过目标对象的特征被进一步分类，诸如但不限于：
i.纹身；
ii.胎记；
iii.标签；
iv.牌照；和
v.其他标记。
c.内容也可以通过区分来源的符号、图像或文本内容进行分类，诸如但不限于：
i.UPS；
ii.联邦快递；
iii.福特；
iv.起亚(Kia)；
v.苹果；
vi.豹纹；
vii.镶嵌(tessellation)；
viii.分形；
iv.Calvin Klein；和
x.轩尼诗。
d.内容可以按身份分类，诸如但不限于：
i.无名氏/普通人(John Doe)；
ii.简·史密斯(Jane Smith)；
iii.唐纳德·特朗普(Donald Trump)；
iv.隔壁邻居；
v.邮递员；和
vi.邻居家的猫。
前述示例被多样化以非限制性地指示可以训练AI引擎100进行检测的各种目标对象。此外，如下文将详述的，平台001可以用某些规则被编程以在触发输出(例如，警报)时包括或排除某些目标对象。例如，用户005可能希望在有人接近他们的前门时收到警报，但如果该人是例如邮递员，则希望排除警报。
3)归一化训练内容115
在一些实施方式中，由于可能存在于训练内容中的变化因素(例如，环境条件)，AI引擎100可以归一化训练内容。可以执行归一化以便使变化因素的影响最小化。归一化可以使用各种技术来完成，诸如但不限于：
a.减少红眼；
b.亮度归一化；
c.对比度归一化；
d.色调调整；和
e.降噪。
在各种实施方式中，AI引擎100可以经历在训练内容内识别和提取对象的阶段(例如，对象检测)。例如，AI引擎100可以被提供有包括处于一个或更多个配置中的一个或更多个对象的训练内容。一旦在内容内检测到对象，就可以确定对象将按照所指示的被分类。
4)从先前的模型120中转移学习
在本公开的各种实施方式中，AI引擎100可以采用基线，从该基线开始内容评估。对于该基线，可以使用先前配置的评估模型。例如，可以从数据层020检索先前的模型。在一些实施方式中，在第一训练传递中可能不采用先前的模型。
5)进行评估预测125
在进行评估预测125阶段，AI引擎100可以被配置成处理训练数据。处理数据可用于例如训练AI引擎100。在某些迭代期间，AI引擎100可以被配置成评估AI引擎100的精度。这里，AI引擎100可以处理评估数据以评估经训练的模型的性能，而不是处理训练数据。因此，AI引擎100可以被配置为进行预测并测试预测的准确度。
a.本公开的实施方式可以使用“实况(live)”数据来训练和评估由AI引擎100使用的模型。
在这种情况下，AI引擎100可以从内容模块055接收实况数据。因此，AI引擎100可以执行以下操作中的一个或更多个：接收内容，对其进行归一化，并基于当前或先前的模型进行预测。此外，在一方面，如果内容被用作经由当前或先前的训练模型的训练数据或评估内容，则AI引擎100可以使用该内容来训练新模型(例如，改进的模型)。进而，如果需要，改进的模型可以用于评估下一次传递。
b.本公开的实施方式可以使用预先记录的和/或渲染的训练数据来训练和评估由AI引擎100使用的模型。
在这种情况下，可以用任何内容来训练AI引擎100，诸如但不限于先前捕获的内容。在此，由于内容没有作为实况馈送被流传输到AI引擎100，因此AI引擎100可能不需要实时训练。这可以提供额外的训练机会，从而导致更有效的训练。这也可能允许在功率较小的设备上进行训练或使用较少的资源进行训练。
在一些实施方式中，AI引擎100可以随机选择发送哪些预测以供外部源评估。外部源可以是例如人类(例如，经由接口层015发送)或另一个经训练的模型(例如，经由接口层015发送)。进而，外部源可以使从AI引擎100接收的预测有效或无效。
6)计算评估的精度130
符合本公开的实施方式，AI引擎100可以进行到训练中的后续阶段以计算它可以如何准确地评估内容内的对象以识别对象的正确分类。回过来看，AI引擎100可以被提供有包括处于一个或更多个配置中的一个或更多个对象的训练内容。一旦在内容内检测到对象，就可以确定对象将按照所指示的被分类。可以计算该确定的精度。可以结合人工验证和评估数据来确定精度。在符合本公开的一些实施方式中，可以保留一定百分比的经验证的训练数据用于测试AI引擎100的评估准确度。
在一些实施方式中，在训练之前，用户005可以设置AI引擎100的目标精度或最小准确度。例如，AI引擎100可能无法无歧义地确定其精度。在此阶段，如果已达到所期望的准确度，则可以进行评估。例如，AI引擎100可以提供预测结果以供外部源评估。外部源可以是例如人类(例如，经由接口层015发送)或另一个经训练的模型(例如，经由接口层015发送)。进而，外部源可以使从AI引擎100接收的预测有效或无效。
B.区域指定
图13说明了用于为区域指定建立内容源的方法的一个示例。尽管在平台001中分区可能不是必需的，但它可以帮助用户005组织各种内容源。因此，本公开的实施方式可以提供区域指定以使得能够将多个内容流405分配给相同的检测、警报参数、位置和/或用户005可以选择的任何其他分组。然而，在一些实施方式中，与区域内的一个或更多个内容源相关联的追踪和警报参数可以被定制为不同于同一区域中的其他参数。区域指定可以按以下方式来执行：
1.配置至少一个捕获设备205
在初始阶段，用户005可以向平台001注册内容源。这个阶段可以在内容源本身执行。在这种情况下，内容源可以经由例如API模块与平台001在操作上通信。因此，在一些实施方式中，内容源可以适配接口层015。接口层015可以使用户005能够将内容源连接到平台001，使得它可以与AI引擎100一起操作。该过程可以被称为配对、注册或配置，并且可以如上所述通过中间设备来执行。
符合本公开的实施方式，内容源可能不由用户005拥有或操作。相比，可以使用户005能够选择第三方内容源，诸如但不限于：
a.公共相机；和
b.安全相机。
因此，内容源不必是传统的捕获设备。相比，可以采用内容平台，诸如但不限于：
a.社交媒体平台和/或馈送；
b.YouTube视频；
c.猎人提交(Hunter Submission)；
d.固态媒体，诸如SD卡；
e.光学媒体，诸如DVD；和
f.网站。
此外，可以用某些的标签(label)来指定每个来源。标签可以对应于例如但不限于名字、源位置、设备类型和各种其他参数。
2.提供和接收内容流405选择210和215
在配置了一个或更多个内容源之后，然后可以使平台001能够访问与每个内容源相关联的内容。图11说明了可以由接口层015提供的UI的一个示例。内容可以是例如但不限于从配置的捕获设备025接收的内容流405。在一些实施方式中可以提供与内容流405相关联的元数据410。在其他实施方式中，内容可以包括从内容源接收的数据流，但不限于，诸如在线可访问的实况馈送。无论其形式如何，都可以将内容提供给用户005以供选择和进一步配置。接下来，用户005可选择一个或更多个内容流405以指定为区域。
3.指定的内容流作为区域220
选定的内容流405可以被指定为检测和警报区域。应当注意，虽然内容流405的选择是用于指定检测和警报区域，但是在选择或不选择内容流405的情况下，区域的指定都是可能的。例如，在一些实施方式中，指定可以基于捕获设备的选择。在另外的实施方式中，区域可以是例如空的容器，并且在区域建立之后，内容源可以被归属于该区域。
每个指定的区域可以与例如但不限于数据层020中的存储位置相关联。该区域可以是私有的或公共的。此外，可以使一个或更多个用户005能够将他们的内容源归属于区域，从而添加正在被处理的多个内容源以用于区域中的目标对象检测和/或追踪。在不止一个用户005可以访问区域的情况下，可以指定一个或更多个管理用户005来调节与该区域相关联的角色和许可。
因此，该区域可以是一组一个或更多个内容源。内容源可以从例如内容模块055获得。例如，内容源可以是遍及特定地理位置定位的一个或更多个捕获设备025。这里，每个区域可以代表与捕获设备025相关联的物理位置。在一些实施方式中，捕获设备025可以提供与其位置相关联的位置信息。进而，彼此接近的一个或更多个捕获设备025可以被指定为在同一区域内。
仍然符合本公开的实施方式，区域不需要与位置相关联。例如，区域可以是针对相同目标对象要追踪的内容源的分组。然而，尽管不追踪物理位置，但分组可以涉及地理区域。例如，区域可以通过但不限于以下各者被分组：
客厅
户外部分1
室内部分1
后院
车道
办公楼
棚
大峡谷
根据图3的方法，上述区域示例可以与内容源相关联。作为非限制性示例，可以围绕第一地理区域设置第一多个内容捕获设备025，并且可以围绕第二地理区域设置第二多个内容捕获设备025。在一些实施方式中，平台001可以建议基于由捕获设备025中的每个捕获设备接收的位置指示对捕获设备025进行分组。在进一步的实施方式中，平台001可以使用户005能够选择捕获设备025并且指定它们在区域内被分组。
可以用某些的标签指定每个区域。标签可以对应于例如但不限于名字、源位置、设备类型、存储位置和各种其他参数。此外，每个内容源也可能包含识别标签。
符合本公开的实施方式，平台001可以在操作上执行以下操作：生成至少一个内容流405；捕获与至少一个内容流405相关联的数据；将数据作为元数据聚合到至少一个内容流405；传输至少一个内容流405和相关联的元数据；接收多个内容流405和相关联的元数据；组织多个内容流405，其中组织多个内容流405包括：建立多流容器420，用于基于与捕获的内容流405相关联的元数据对多个内容流405的捕获的内容流进行分组，其中，在接收用于多流容器420的内容之后建立多流容器420，其中建立多流容器420包括：i)接收用于要被分组到多流容器420中的内容流405的参数的规范，其中，参数被配置成对应于与内容流405相关联的元数据内的数据点，并且其中，接收参数的规范还包括接收与标准相关联的描述性头部数据，描述性头部数据用于显示与多个内容流405相关联的标签。
图12说明了一个或更多个内容流405可以如何与区域相关联。将内容流405分组到容器420中可以是至少部分地基于为多流参数限定的参数以及与内容流405相关联的元数据数据。内容流405可以被贴标签，其中对多流容器420内的内容贴标签包括但不限于以下中的至少一者：与内容源相关联的标识符；与每个内容源相关联的捕获位置，诸如但不限于场所、地点、事件；与每个内容流405相关联的捕获时间，诸如但不限于日期、开始时间、结束时间、持续时间；以及与每个内容流405相关联的定位数据。在一些实施方式中，对内容流405贴标签还包括基于与多流容器420相关联的描述性头部和参数来对多流容器420贴标签。贴标签的内容流405然后可以被其他平台用户编入索引、搜索和发现。
A.目标对象检测和警报参数
从内容源获得的内容可以由AI引擎100处理以用于目标对象检测。尽管在平台001上分区不是必需的，但它可以帮助用户005组织具有相同目标对象检测和警报参数或相同地理位置的各种内容源。因此，本公开的实施方式可以提供区域指定以使得能够将多个内容流405分配给相同的检测和警报参数。然而，在一些实施方式中，与区域内的一个或更多个内容源相关联的追踪和警报参数可以被定制为不同于同一区域中的其他参数。
1.接收区域指定220
检测和警报参数可以经由接口层015接收。图13说明了用于规定警报参数的UI的一个示例。因此，在一些实施方式中，前述参数可以在选择它们可以相关联的区域时被限定。因此，用户005可以选择(一个或更多个)区域来配置与上述(一个或更多个)区域相关联的一个或更多个警报参数。
2.规定警报参数225
符合本公开的实施方式的接口层015可以使用户005能够配置针对一个或更多个限定区域触发警报的参数。当检测到目标对象时，该平台有利于智能警报的实时传输。可以向任何计算设备900发送警报以及在任何计算设备900上接收警报，这些设备是诸如但不限于移动设备、笔记本电脑、台式机和任何其他计算设备900。
在一些实施方式中，接收警报的计算设备900也可以是向AI引擎100发送用于分析的内容的内容捕获设备025。例如，用户005可能具有带有内容捕获装置的可穿戴设备。可以针对由用户005规定的任何期望的目标对象来分析所捕获的内容。进而，当在内容流405内检测到期望的目标对象时，可穿戴设备可以接收由上述用户005限定的相应警报。此外，警报可以通过任何媒介被传输和接收，这些媒介是诸如但不限于电子邮件、SMS、网站和移动设备推送通知。
在各种实施方式中，可以采用API模块来向外部系统推送通知。图14说明了警报通知的示例。通知可以是具有用户限定消息的自定义通知，其可以包括相关内容、置信度分数和各种其他参数(例如，上述内容源元数据)。此外，通知可以包括在检测到的目标对象被追踪通过区域时触发警报的该目标对象的实况馈送。作为非限制性示例，通知可以报告不同的警报参数，诸如例如但不限于：
a.检测到的目标对象
1.检测到的目标对象的频率
a.检测到的时间和持续时间
c.检测到的位置
d.检测到的传感器(或源)
e.触发的操作(如果有)
可以触发要发送的警报的参数可以包括例如但不限于以下各者：
a.监测时间段
示例命令：限制在规定时间段内或规定时间段之外接收的触发器的警报。
b.组的大小
示例命令：如果检测到的目标数目大于、等于和/或小于规定的数目，则触发警报。
c.分数
示例命令：如果检测到的目标的分数大于、小于和/或等于规定的分数，则触发警报。
d.年龄
示例命令：如果目标的年龄大于、小于和/或等于规定的年龄，则触发警报。
e.性别
示例命令：如果检测到的目标的性别与规定的性别匹配，则触发警报。
f.疾病
示例命令：如果发现检测到的目标携带或没有规定的疾病，则触发警报。
g.地理位置
示例命令：如果目标进入和/或离开规定的位置，则触发警报。
h.内容源
示例命令：基于内容源类型或其他内容源相关参数触发警报。
i.置信度
示例命令：如果置信度水平大于、小于和/或等于规定的置信度水平，则触发警报，其中，可以针对触发警报的每个目标单独调整置信度阈值。
a.执行操作
示例命令：触发要执行的动作，例如但不限于：
i.将目标对象数据发送到训练方法，
ii.上传图片到云存储，和
iii.通知执法部门
b.接收者/媒介
示例命令：每个警报参数可以触发要通过多个媒体发送到多个接收者的警报。
符合本公开的实施方式，警报参数可以限定警报的目的地。例如，第一种类型的警报可以传输给第一用户005，第二种类型的警报可以传输给第二用户005，并且第三种类型的警报可以传输给第一用户和第二用户005。警报目的地可以基于任何警报参数和检测到的目标对象。因此，可以基于目标对象类型以及其他警报参数(例如，内容源)来定制警报。
在一些实施方式中，接口层015可以向用户005提供与内容源、内容源所在的区域以及任何其他集成的外围设备(例如，陷阱(trap)；远程引爆；锁；警报器(siren)；或激活与源相关的捕获设备025上的命令，例如但不限于捕获设备025的操作)相关联的操作控制。因此，要在警报时触发的动作可以被限定为与区域、内容源和/或目标对象相关联的参数。
3.规定追踪的目标对象230
本公开的实施方式可以使用户005能够为每个内容源和/或区域限定要追踪的目标对象。在一些实施方式中，用户005可以从由平台001填充(populate)的对象列表中选择目标对象。对象列表可以由任何用户005从AI引擎100已训练的所有模型中获得。从每个用户005使用目标对象的公共对象训练中进行众包训练可以改善所有平台用户005的目标对象识别。
然而，在一些实施方式中，对象配置文件可以保持私密并且仅限于一个或更多个用户005。可以使用户005能够限定自定义目标对象，并进行AI引擎100训练，如本文所公开的，或以其他方式。
此外，由于用户005可以规定目标对象来触发警报，因此用户005可以规定要从触发警报中排除的目标对象。以此方式，如果任何其他检测到的对象与目标对象列表匹配，则用户005可能不会被通知。
4.激活区域监测235
限定了用于追踪目标对象的参数后，平台001现在可以开始监测经限定的目标对象的内容源。在一些实施方式中，用户005可以启用或禁用通过区域或内容源进行监测。一旦启用，接口层015可以提供关于每个被监测区域的多个功能。
例如，可以使用户005能够实时监测AI引擎100、查看历史数据以及进行修改。接口层015可以向用户005展示多个数据点和动作，例如但不限于实时查看任何流(图15)和审查所识别的目标对象(图16)。由于平台001保存了每个所识别的目标对象的记录，因此用户005可以审查该记录和相关联的元数据，诸如但不限于：
A.事件时间；
B.目标类别；
C.目标的地理位置；和
D.目标参数。
此外，由于平台001追踪目标对象，因此用户005可以实时跟随每个目标对象。例如，在第一内容源(例如，第一相机)内检测到追踪的对象时，平台001可以被配置成显示以下每个内容源：在所述每个内容源中，目标对象当前处于活动状态(当目标对象从一个内容源移动到下个内容源时，同步地或顺序地进行切换)。在一些实施方式中，平台001可以计算并提供关于被追踪的目标对象的统计信息，例如但不限于：
A.一天中目标最有可能被检测到的时间；
B.最可能的目标位置；
C.特定动物目标对象的雄性与雌性比例；
D.目标对象的平均速度；和
E.目标对象的年龄分布。
仍然符合本公开的实施方式，用户005可以指定要被发送回AI引擎100用于进一步训练的选择内容。
A.目标对象识别
图8至图9说明了用于目标对象识别的方法。在这些方法中，平台001可以从内容模块055接收输入，用AI引擎100处理它们以执行目标对象识别，然后向用户005提供输出，例如，如图3所示。
5.从内容源305接收内容
在第一阶段，AI引擎100可以从内容模块055接收内容。可以从例如但不限于所配置的捕获设备、流或上传的内容来接收内容。
6.执行内容识别310
符合本公开的实施方式，可以训练AI引擎100以从内容源来识别对象。对象检测可以是基于AI引擎100已经针对其训练的对象的通用集合，无论这些对象是否被限定为要在与内容源相关联的指定区域内被追踪。
7.生成检测到的目标对象列表315
当检测到目标对象时，AI引擎100可以生成检测到的目标对象的列表。在符合本公开的一些实施方式中，可以记录所有对象和所训练的属性，无论它们是否是被专门定为目标。此外，在某些情况下，可以将检测到的对象发送回以进行反馈回路审查350，如图10中的方法所示。
8.检索目标对象的列表320
AI引擎100然后可以将检测到的目标对象的列表与规定的目标对象进行比较以针对相关联的内容源或区域进行追踪和/或生成警报。
9.检查匹配325
当检测到匹配时，平台001可以触发针对内容源或区域的指定警报。这可以包括将内容源数据存储在例如数据层020。数据可以包括例如但不限于静止帧的捕获，或具有相关联的元数据的视频格式的帧序列。
在一些实施方式中，然后可以将内容提供给用户005。例如，平台001可以在阶段335通知相关方和/或向相关方提供检测到的内容。也就是说，平台001可以使用户005能够通过本文公开的监测系统、接口层015和方法来实时访问检测到的内容。
10.记录对象分类330
AI引擎100可以在数据层020中记录检测到的分类目标对象。图10公开了一种在目标对象识别过程期间整合目标对象训练的方法，并且可以往回参考图4中所示的反馈回路。
IV.计算设备架构
平台001可以体现为例如但不限于与计算设备900可兼容的移动应用、后端应用、桌面应用、网络应用和网站。计算设备900可以包括但不限于以下各者：
移动计算设备，诸如但不限于笔记本电脑、平板电脑、智能手机、无人机、可穿戴设备、嵌入式设备、手持设备、Arduino、工业设备或远程可操作的记录设备；
超级计算机、百万兆级的超级计算机、大型机或量子计算机；
小型机，其中小型机计算设备包括但不限于IBM(国际商用机器公司)AS400/iSeries/System I、DEC(数字计算设备公司)VAX/PDP、HP3000、Honeywell-Bull(霍尼韦尔-布尔公司)DPS、Texas Instruments(德州仪器公司)TI-990或Wang Laboratories(王安实验室)VS系列；
微型计算机，其中微型计算机计算设备包括但不限于服务器，其中服务器可以是机架式、工作站、工业设备、树莓派、台式机或嵌入式设备；
平台001可以被托管在中央服务器或云计算服务上。尽管已经描述了由计算设备900执行的方法，但是应当理解，在一些实施方式中，不同的操作可以由多个计算设备900通过一个或更多个网络在操作上进行通信来执行。
本公开的实施方式可以包括具有中央处理单元(CPU)920、总线930、存储器单元940、电源单元(PSU)950和一个或更多个输入/输出(I/O)单元的系统。CPU 920经由总线930耦合到存储器单元940和多个I/O单元960，所有这些都由PSU 950供电。应当理解，在一些实施方式中，为了冗余、高可用性和/或性能的目的，每个公开的单元实际上可以是多个此类单元。当前公开的单元的组合被配置为执行本文公开的任何方法的阶段。
图22是包括计算设备900的系统的框图。符合本发明的实施方式，上述CPU 920、总线930、存储器单元940、PSU 950和多个I/O单元960可以在计算设备中实施，诸如图22的计算设备900。可以使用硬件、软件或固件的任何合适的组合来实施前述单元。例如，CPU 920、总线930和存储器单元940可以以计算设备900或任何其他计算设备900结合计算设备900来实施。上述系统、设备和组件是示例，其他系统、设备和组件可以包括符合本公开的实施方式的上述CPU 920、总线930、存储器单元940。
一个或更多个计算设备900可以实现为图^A和图2中所示的任何计算元件，包括但不限于捕获设备025、数据存储020、接口层015(诸如用户接口和管理接口)、识别模块065、内容模块055、分析模块075和神经网络。计算设备900不需要是电子的，甚至不需要CPU 920、总线930或存储单元940。对于本领域普通技术人员来说，计算设备900的限定是“进行计算的设备，尤其是执行高速数学或逻辑运算或组装、存储、关联或以其他方式处理信息的可编程的[通常]电子机器。”对信息进行处理的任何设备都有资格作为计算设备900，特别是当处理是有目的的时候。
参考图22，符合本公开的实施方式的系统可以包括计算设备，诸如计算设备900。在基本配置中，计算设备900可以包括至少一个时钟模块910、至少一个CPU 920、至少一条总线930和至少一个存储器单元940、至少一个PSU 950和至少一个I/O 960模块，其中I/O模块可以包括但不限于非易失性存储子模块961，通信子模块962、传感器子模块963和外围设备子模块964。
符合本公开的实施方式的一种系统，计算设备900可以包括时钟模块910，本领域普通技术人员可以将其称为时钟发生器，其产生时钟信号。时钟信号是一种特殊类型的信号，它在高低状态之间振荡，像节拍器一样用于协调数字电路的动作。大多数足够复杂的集成电路(IC)使用时钟信号来同步电路的不同部分，以比最坏情况的内部传播延迟慢的速率循环。上述集成电路的杰出示例是CPU 920，它是现代计算机的核心组件，它依赖于时钟。唯一的例外是异步电路，例如异步CPU。时钟910可以包括多个实施方式，例如但不限于，在有效的1条导线上传输所有时钟信号的单相时钟、在两条导线上分配时钟信号的两相时钟(每条导线具有不重叠的脉冲)以及在4条导线上分配时钟信号的四相时钟。
许多计算设备900使用“时钟倍频器”，其将较低频率的外部时钟与CPU 920的适当时钟速率相乘。这允许CPU 920以比计算机的其余部分高得多的频率运行，这在CPU 920不需要等待外部因素(如存储器940或输入/输出960)的情况下提供性能增益。时钟910的一些实施方式可以包括动态频率改变，其中，时钟边缘之间的时间可以从一个边缘到下一个边缘以及再次返回而广泛地变化。
符合本公开的实施方式的一种系统，计算设备900可以包括CPU单元920，该CPU单元920包括至少一个CPU核921。多个CPU核921可以包括相同的CPU核921，例如但不限于同构(homogeneous)多核系统。多个CPU内核921也可以包括不同的CPU核921，例如但不限于异构多核系统、big.LITTLE系统和一些AMD加速处理单元(APU)。CPU单元920读取和执行可以跨许多应用领域使用的程序指令，这些应用领域是例如但不限于通用计算、嵌入式计算、网络计算、数字信号处理(DSP)和图形处理(GPU)。CPU单元920可以同时在单独的CPU核921上运行多个指令。CPU单元920可以被集成到以下中的至少一者中：单个集成电路管芯和单个芯片封装中的多个管芯。单个集成电路管芯和单个芯片封装中的多个管芯可以包含计算设备900的多个其他方面，例如但不限于时钟910、CPU 920、总线930、存储器940和I/O 960。
CPU单元921可包含缓存(cache)922，例如但不限于一级缓存、二级缓存、三级缓存或其组合。前述缓存922可以或可以不在多个CPU核921之间共享。缓存922共享包括消息传递中的至少一种，并且核间(inter-core)通信方法可以用于至少一个CPU核921以与缓存922通信。核间通信方法可以包括但不限于总线、环、二维网格和交叉开关(crossbar)。前述CPU单元920可采用对称多处理(SMP)设计。
多个前述CPU核921可以包括在单个现场可编程门阵列(FPGA)上的软微处理器核，例如半导体知识产权核(IP Core)。多个CPU核921架构可以基于但不限于复杂指令集计算(CISC)、零指令集计算(ZISC)和精简指令集计算(RISC)中的至少一种。性能增强方法中的至少一种可由多个CPU核921使用，例如但不限于指令级并行(ILP)，例如但不限于超标量流水线和线程级并行(TLP)。
符合本公开的实施方式，前述计算设备900可以采用在前述计算设备900和/或多个计算设备900内部的组件之间传输数据的通信系统。前述通信系统对于本领域普通技术人员来说将被称为总线930。总线930可以包含内部和/或外部的多个硬件和软件组件，例如但不限于导线、光纤、通信协议和提供与并行电气总线相同的逻辑功能的任何物理布置。总线930可以包括但不限于并行总线和串行总线中的至少一种，其中并行总线在多条导线上并行地携带数据字，其中串行总线以位串行的形式携带数据。总线930可以包含多个拓扑，例如但不限于多点(multidrop)/电并行拓扑、菊花链拓扑和通过交换集线器(例如USB总线)连接的。总线930可以包括多个实施方式，例如，但不限于：
内部数据总线(data bus)931/存储器总线
控制总线932
地址总线933
系统管理总线(SMBus)
前端总线(FSB)
外部总线接口(EBI)
本地总线
扩展总线
闪电总线(lightning bus)
控制器局域网(CAN总线)
相机链接
快速卡(Expresscard)
高级技术管理附件(ATA)，包括实施方式和衍生产品，例如但不限于集成驱动电子设备(IDE)/增强型IDE(EIDE)、ATA数据包接口(ATAPI)、超级直接存储器访问(UDMA)、超ATA(UATA)/并行ATA(PATA)/串行ATA(SATA)、压缩闪存(CF)接口，消费类电子产品ATA(CE-ATA)/光纤附接技术适配(FATA)、高级主机控制器接口(AHCI)、SATA Express(SATAe)/外部SATA(eSATA)，包括供电实施方式eSATAp/迷你SATA(mSATA)和下一代形状因数(NGFF)/M.2。
小型计算机系统接口(SCSI)/串行附接SCSI(SAS)
超传输
无限带宽
快速IO
移动行业处理器接口(MIPI)
相干处理器接口(CAPI)
即插即用
1-Wire
外围组件互连(PCI)，包括实施方式，例如但不限于加速图形端口(AGP)、外围组件互连扩展(PCI-X)、外围组件互连Express(PCI-e)(即PCI Express迷你卡、PCI Express M.2[Mini PCIe v2]、PCI Express外部电缆[ePCIe]和PCI Express OCuLink[光学Cu链接])、快速卡，AdvancedTCA、AMC、通用IO、Thunderbolt/Min显示端口(DisplayPort)、移动PCIe(M-PCIe)、U.2和非易失性存储器Express(NVMe)/非易失性存储器主机控制器接口规范(NVMHCIS)。
工业标准体系结构(ISA)，包括实施方式，诸如但不限于扩展ISA(EISA)、PC/XT总线/PC/AT总线/PC/104总线(例如PC/104Plus、PCI/104Express、PCI/104和PCI-104)和低引脚数(LPC)。
乐器数字接口(MIDI)
通用串行总线(USB)，包括实施方式，诸如但不限于媒体传输协议(MTP)/移动高清链接(MHL)、设备固件升级(DFU)、无线USB、芯片间USB、IEEE 1394接口/火线、Thunderbolt和可扩展主机控制器接口(xHCI)。
符合本公开的实施方式，前述计算设备900可以采用存储信息以在计算设备900中立即使用的硬件集成电路，本领域普通技术人员知道作为主存储或存储器940。存储器940以高速操作，将其与非易失性存储子模块961区分开来，非易失性存储子模块961可被称为二级或三级存储，后者提供访问缓慢的信息但以更低的成本提供更高的容量。包含在存储器940中的内容可以经由诸如但不限于虚拟存储器和交换(swap)的技术被传送到二级存储器。存储器940可以与可寻址半导体存储器相关联，例如由硅基晶体管组成的集成电路，例如用作计算设备900中的主存储器但也用作其他目的。存储器940可以包括多个实施方式，诸如但不限于易失性存储器、非易失性存储器和半易失性存储器。本领域普通技术人员应当理解，以下是上述存储器的非限制性示例：
易失性存储器，其需要电力来维护存储的信息，易失性存储器例如但不限于动态随机存取存储器(DRAM)941、静态随机存取存储器(SRAM)942、CPU缓存存储器925、高级随机存取存储器(A-RAM)和其他类型的主存储器，如随机存取存储器(RAM)。
非易失性存储器，其即使在断电后也可以保留存储的信息，非易失性存储器例如但不限于只读存储器(ROM)943、可编程ROM(PROM)944、可擦除PROM(EPROM)945、电可擦除PROM(EEPROM)946(例如闪存和电可改写PROM[EAPROM])、掩模型ROM(MROM)、一次性可编程(OTP)ROM/单写多读(WORM)、铁电RAM(FeRAM)、并行随机存取机(PRAM)、自旋转移矩RAM(STT-RAM)、硅氧氮氧硅(SONOS)、电阻RAM(RRAM)、纳米RAM(NRAM)、3D XPoint、畴壁存储器(DWM)和千足虫(millipede)存储器。
半易失性存储器，其在断电后可能有一些有限的非易失性持续时间，但在所述持续时间过去后会丢失数据。半易失性存储器提供了通常与易失性存储器相关的高性能、耐用性和其他有价值的特性，同时提供了真正的非易失性存储器的一些优点。半易失性存储器可以包括易失性和非易失性存储器和/或具有电池的易失性存储器以在断电后提供电力。半易失性存储器可以包括但不限于自旋转移矩RAM(STT-RAM)。
符合本公开的实施方式，前述计算设备900可以采用诸如计算设备900之类的信息处理系统与外界之间的通信系统，外界是例如但不限于人类、环境和另一计算设备900。前述通信系统将被本领域普通技术人员称为I/O960。I/O模块960调节关于计算设备900的多个输入和输出，其中输入是由计算设备900接收的多个信号和数据，输出是从计算设备900发送的多个信号和数据。I/O模块960与多个硬件有接口，所述硬件是诸如但不限于非易失性存储装置961、通信设备962、传感器963和外围设备964。多个硬件被人类、环境和另一计算设备900(但不限于此)中的至少一者使用以与本计算设备900进行通信。I/O模块960可以包括多种形式，例如但不限于通道I/O、端口映射I/O、异步I/O和直接存储器访问(DMA)。
符合本发明的实施方式，前述计算设备900可采用非易失性存储子模块961，本领域普通技术人员可将其称为二级存储、外部存储器、三级存储、离线存储和辅助存储中的一者。在不使用存储器940中的中间区域的情况下，CPU 920可能不直接访问非易失性存储子模块961。非易失性存储子模块961在断电时不会丢失数据，并且可能比存储模块中使用的存储成本低两个数量级，代价是速度和延迟。非易失性存储子模块961可包括多种形式，诸如但不限于直接附接存储(DAS)、网络附接存储(NAS)、存储区域网络(SAN)、近线存储、大规模非活动磁盘阵列(MAID)、独立磁盘冗余阵列(RAID)、设备镜像、离线存储和机器人存储。非易失性存储子模块(961)可以包括多个实施方式，诸如但不限于：
光学存储，例如但不限于光盘(CD)(CD-ROM/CD-R/CD-RW)、数字多功能盘(DVD)(DVD-ROM/DVD-R/DVD+R/DVD-RW/DVD+RW/DVD±RW/DVD+R DL/DVD-RAM/HD-DVD)、蓝光盘(BD)(BD-ROM/BD-R/BD-RE/BD-R DL/BD-RE DL)和超密度光盘(UDO)
半导体储存，例如但不限于闪存，诸如但不限于USB闪存驱动器、存储卡、用户识别模块(SIM)卡、安全数字(SD)卡、智能卡、压缩闪存(CF)卡以及固态驱动器(SSD)和忆阻器
磁性储存，诸如但不限于硬盘驱动器(HDD)、磁带驱动器、转盘式磁带存储器(carousel memory)和卡随机存取存储器(CRAM)。
相变存储器
全息数据储存，诸如全息多功能磁盘(HVD)
分子存储器
脱氧核糖核酸(DNA)数字数据储存
符合本发明的实施方式，前述计算设备900可以使用通信子模块962作为I/O 960的子集，本领域普通技术人员可以将其称为计算机网络、数据网络和网络中的至少一者，但不限于此。网络允许计算设备900使用网络节点之间的连接来交换数据，本领域普通技术人员可以将该连接称为数据链路。节点包括发起、路由和终止数据的网络计算机设备900。节点由网络地址来标识并且可以包括符合计算设备900的实施方式的多个主机。上述实施方式包括但不限于个人计算机、电话、服务器、无人机和联网设备，诸如但不限于集线器、交换机、路由器、调制解调器和防火墙。
当一个计算设备900能够与另一计算设备900交换信息时，两个节点可以说是联网在一起的，无论它们彼此是否具有直接连接。通信子模块962支持多个应用和服务，诸如但不限于万维网(WWW)、数字视频和音频、共享使用应用和存储计算设备(900)、打印机/扫描仪/传真机、电子邮件/在线聊天/即时消息、远程控制、分布式计算等。网络可以包括多个传输介质，诸如但不限于传导线、光纤和无线。网络可以包括多个通信协议来组织网络流量，其中特殊应用通信协议是分层的，对于本领域普通技术人员来说是作为有效载荷被承载，而不是其他更通用的通信协议。多个通信协议可以包括但不限于IEEE 802、以太网、无线LAN(WLAN/Wi-Fi)、互联网协议(IP)套件(例如TCP/IP、UDP、互联网协议版本4[IPv4]和互联网协议版本6[IPv6])、同步光网络(SONET)/同步数字体系(SDH)，异步传输模式(ATM)和蜂窝标准(例如全球移动通信系统[GSM]、通用分组无线业务[GPRS]、码分多址[CDMA]和集成数字增强型网络[IDEN])。
通信子模块962可以包括多个大小、拓扑、流量控制机制和组织意图。通信子模块962可以包括多个实施方式，诸如但不限于
有线的，诸如但不限于同轴电缆、电话线、双绞线电缆(以太网)和无限带宽(InfiniBand)。
无线通信，诸如但不限于通信卫星、蜂窝系统、射频/扩展频谱技术、IEEE 802.11Wi-Fi、蓝牙、NFC、自由空间光通信、地面微波和红外(IR)通信。其中蜂窝系统包含但不限于3G、4G(诸如WiMax和LTE)和5G等技术
并行通信，诸如但不限于LPT端口。
串行通信，诸如但不限于RS-232和USB
光纤通信，诸如但不限于单模光纤(SMF)和多模光纤(MMF)
电力线通信
上述网络可以包括多种布局，诸如但不限于以太网等总线网络、Wi-Fi等星型网络、环形网络、网状网络、全连接网络、树状网络等。网络可以通过其物理容量或组织目的来表征。网络的使用，包括用户授权和访问权限，相应地有所不同。表征可以包括但不限于纳米级网络、个人区域网(PAN)、局域网(LAN)、家庭区域网(HAN)、存储区域网(SAN)、校园区域网(CAN)、骨干网、城域网(MAN)、广域网(WAN)、企业专用网、虚拟专用网(VPN)和全球局域网(GAN)。
符合本公开的实施方式，前述计算设备900可以采用传感器子模块963作为I/O 960的子集。传感器子模块963包括设备、模块和子系统中的至少一者，其目的是检测其环境中的事件或变化并将信息发送到计算设备900。传感器对被测属性敏感，对任何未测属性不敏感，但在其应用中可能会遇到，对被测属性没有显著影响。传感器子模块963可以包括多个数字设备和模拟设备，其中，如果使用模拟设备，则必须使用模数(A至D)转换器以使所述设备与计算设备900有接口。传感器可能受到限制传感器准确度的多个偏差的影响。传感器子模块963可包括多个实施方式，诸如但不限于化学传感器、汽车传感器、声学/声音/振动传感器、电流/电势/磁/无线电传感器、环境/天气/水分/湿度传感器、流量/流体速度传感器，电离辐射/粒子传感器、导航传感器、位置/角度/位移/距离/速度/加速度传感器、成像/光学/光传感器、压力传感器、力/密度/水平传感器、热/温度传感器和接近/存在传感器。本领域普通技术人员应当理解，以下是上述传感器的非限制性示例：
化学传感器，诸如但不限于呼气测醉仪(breathalyzer)、二氧化碳传感器、一氧化碳/烟雾探测器、催化珠传感器、化学场效应晶体管、化敏电阻器、电化学气体传感器、电子鼻、电解液-绝缘体-半导体传感器、能量色散X射线光谱仪、荧光氯化物传感器、全息传感器、烃露点分析仪、氢传感器、硫化氢传感器、红外点传感器、离子选择电极、非色散红外传感器、微波化学传感器、氮氧化物传感器、嗅觉计、光极、氧传感器、臭氧监测器、催化燃烧传感器(pellistor)、pH玻璃电极、电位传感器、氧化还原电极、氧化锌纳米棒传感器和生物传感器(诸如纳米传感器)。
汽车传感器，诸如但不限于空气流量计/质量空气流量传感器、空燃比计、AFR传感器、盲点监测器、发动机冷却剂/废气/气缸盖/变速器液温传感器、霍尔效应传感器、车轮/自动变速器/涡轮/车速传感器、安全气囊传感器、制动液/发动机曲轴箱/燃油/机油/胎压传感器、凸轮轴/曲轴/节气门位置传感器、燃油/机油水平传感器、爆震传感器、光传感器、MAP传感器、氧传感器(o2)、驻车传感器、雷达传感器、扭矩传感器、可变磁阻传感器和燃油含水传感器。
声学、声音和振动传感器，诸如但不限于麦克风、花边传感器(吉他拾音器)、地震仪、声音定位器、地震检波器和水中听音器。
电流、电势、磁和无线电传感器，诸如但不限于电流传感器、戴利(Daly)检测器、验电器、电子倍增器、法拉第杯、检流计、霍尔效应传感器、霍尔探头、磁异常检测器、磁强计、磁阻、MEMS磁场传感器、金属检测器、平面霍尔传感器、无线电测向仪和电压检测器。
环境、天气、水分和湿度传感器，诸如但不限于：日光辐射计、空气污染传感器、尿床报警器、云高计、露水警报、电化学气体传感器、鱼类计数器、频域传感器、气体探测器、钩规蒸发计、湿敏电阻、湿度计、叶片传感器、测渗计、日射强度计、地面辐射强度计、干湿计、雨量计、雨水传感器、地震计、SNOTEL、雪量计、土壤水分传感器、流量计和潮汐计。
流量和流体速度传感器，诸如但不限于空气流量计、风速计、流量传感器、燃气表、质量流量传感器和水表。
电离辐射和粒子传感器，诸如但不限于云室、盖革(Geiger)计数器、盖革-穆勒管、电离室、中子检测、比例计数器、闪烁计数器、半导体检测器和热释光剂量计。
导航传感器，诸如但不限于空速指示器、高度计、姿态指示器、深度计、磁通门罗盘、陀螺仪、惯性导航系统、惯性参考单元、磁罗盘、MHD传感器、环形激光陀螺仪、转弯协调器、可变电感器、振动结构陀螺仪和偏航率传感器。
位置、角度、位移、距离、速度和加速度传感器，诸如但不限于加速计、位移传感器、挠性传感器、自由落体传感器、重力仪、碰撞传感器、激光测距仪、激光雷达、里程表、光电传感器、位置传感器(诸如GPS或Glonass)、角速率传感器、冲击检测器、超声传感器、倾斜传感器、转速表、超宽带雷达、可变磁阻传感器和速度接收器。
成像、光学和光传感器，诸如但不限于CMOS传感器、色度计、接触式图像传感器、光电传感器、红外传感器、动态电感检测器、作为光传感器的LED、光寻址电位传感器、尼克尔斯(Nichols)辐射计、光纤传感器,光学位置传感器、热电堆激光传感器、光电探测器、光电二极管、光电倍增管、光电晶体管、光电传感器、光电离检测器、光电倍增器、光敏电阻、光电开关、光电管、闪烁计数器、夏克-哈德曼(Shack-Hartmann)、单光子雪崩二极管、超导纳米线单光子探测器、过渡边缘传感器、可见光光子计数器和波前传感器。
压力传感器，诸如但不限于自记气压计、气压表、升压计、布尔东计(bourdon gauge)、热丝电离计、电离计、麦克劳德计(McLeod gauge)、振荡U型管、永久井下计、压强计、皮拉尼计(Pirani gauge)、压力传感器、压力计、触觉传感器和时间压力表。
力、密度和水平传感器，诸如但不限于闪光强度计(bhangmeter)、比重计、测力计/力传感器、水平传感器、称重传感器、磁平/核密度/应变计、压电式压力传感器、压电传感器、扭矩传感器和粘度计。
热和温度传感器，诸如但不限于辐射热计、双金属片、热量计、废气温度计、火焰检测/高温计、哥登计(Gardon gauge)、高莱探测器(Golay cell)、热通量传感器、微测辐射热计、微波辐射计、净辐射计、红外/石英/电阻温度计、硅带隙温度传感器、热敏电阻和热电偶。
接近和存在传感器，诸如但不限于警报传感器、多普勒雷达、运动检测器、占用传感器、接近传感器、被动红外传感器、簧片开关、螺柱探测器、三角测量传感器、触摸开关和有线手套。
符合本公开的实施方式，前述计算设备900可以采用外围设备子模块962作为I/O 960的子集。外围设备子模块964包括用于将信息放入计算设备900以及从计算设备900中获取信息的辅助设备。存在包括外围设备子模块964的3种类别的设备，它们基于它们与计算设备900、输入设备、输出设备和输入/输出设备的关系而存在。输入设备向计算设备900发送数据和指令中的至少一者。输入设备可以根据但不限于以下各者被分类别：
输入模态，诸如但不限于机械运动、音频和视觉
无论输入是离散的，诸如但不限于按压键，还是连续的，诸如但不限于鼠标的位置
所涉及的自由度数，诸如但不限于用于计算机辅助设计(CAD)应用的二维鼠标与三维鼠标
输出设备提供来自计算设备900的输出。输出设备将以电子方式生成的信息转换为可以呈现给人类的形式。输入/输出设备同时执行输入和输出功能。本领域普通技术人员应当理解，以下是上述外围设备子模块964的非限制性实施方式：
输入设备
人机界面设备(HID)，诸如但不限于指针设备(例如鼠标、触摸板、操纵杆、触摸屏、游戏控制器/游戏手柄、遥控器、光笔、光枪、Wii遥控器、飞梭键(jog dial)、穿梭器和旋钮)、键盘、绘图板、数字笔、手势识别设备、磁性墨水字符识别、吹啜式(SNP)设备和语言获取设备(LAD)。
高自由度设备，该高自由度装置需要达六个自由度，诸如但不限于相机万向节、洞穴自动虚拟环境(CAVE)和虚拟现实系统。
视频输入设备用于将来自外部世界的图像或视频数字化到计算设备900中。信息可以根据用户的要求以多种格式存储。视频输入设备类型的示例包括但不限于数字相机、数字摄录像机、便携式媒体播放器、网络摄像头、Microsoft Kinect、图像扫描仪、指纹扫描仪、条形码阅读器、3D扫描仪、激光测距仪、眼睛注视跟踪器、计算机断层扫描、磁共振成像、正电子发射断层扫描、医学超声检查、电视调谐器和虹膜扫描仪。
音频输入设备用于捕捉声音。在某些情况下，音频输出设备可以用作输入设备，以捕获产生的声音。音频输入设备允许用户向计算设备900发送音频信号以用于处理、记录和执行命令中的至少一者。诸如麦克风之类的设备允许用户对计算机讲话以录制语音消息或导航软件。除了录音之外，音频输入设备还与语音识别软件一起使用。音频输入设备类型的示例包括但不限于麦克风、乐器数字接口(MIDI)设备，诸如但不限于键盘和耳机。
数据采集(DAQ)设备将模拟信号和物理参数中的至少一者转换为数字值以供计算设备900处理。DAQ设备的示例可以包括但不限于模数转换器(ADC)、数据记录器、信号调节电路、多路复用器和时间到数字转换器(TDC)。
输出设备还可以包括但不限于：
显示设备，其将电子信息转换为视觉形式，该显示设备诸如但不限于监测器、电视、投影仪和计算机输出缩微胶片(COM)。显示设备可以使用多种底层技术，诸如但不限于阴极射线管(CRT)、薄膜晶体管(TFT)、液晶显示器(LCD)、有机发光二极管(OLED)、MicroLED和可刷新盲文显示器/盲文终端。
打印机，诸如但不限于喷墨打印机、激光打印机、3D打印机和绘图仪。
音频和视频(AV)设备，诸如但不限于扬声器、耳机和灯光，包括灯、闪光灯、DJ灯光、舞台灯光、建筑灯光、特效灯光和激光。
其他设备，诸如数模转换器(DAC)
输入/输出设备可以进一步包括但不限于触摸屏、联网设备(例如，在网络962子模块中公开的设备)、数据存储设备(非易失性存储装置961)、传真(FAX)和图形/声卡。
V.权利要求书
尽管说明书包括示例，但本公开的范围由所附权利要求来指示的。此外，尽管已经以特定于结构特征和/或方法行动的语言描述了本说明书，但是权利要求不限于上述特征或行动。而是，以上描述的特定的特征和行动被公开作为本公开的实施方式的示例。
就上述说明和附图公开了不在以下权利要求范围内的任何附加主题而言，这些公开并非专门针对公众的，并且保留针对此类附加公开而提出一个或更多个申请的权利。
- 还没有人留言评论。精彩留言会获得点赞！