解除戒备。次要用户可以是家庭成员或者定期地出现在住宅12中的其它人员。
[0130]在一个示例中，上述信息可以被存储到事件的“时间线”中，但主要用户22将不被通知，如同这是一个安全事故。下面进一步讨论时间线。通过将其它方包含在与设备10和系统14的交互中，安全变得不仅仅单是其物理网络中的个体。其变为社会结构，在其中，一大组人员被列为环境中“可信的”。这种群组安全或社会安全结构可以改善人们一起工作的方式以便保护彼此。通过一起充当一个共同体，能够通过技术，使更广泛的团体变得更加安全。
[0131]另外，通过地理定位手机，可以控制住宅中的其它偏好。例如，设备10可以充当住宅中的其它服务的集中器(hub)，并且对于在系统中标识的不同人员，偏好可以不同地表现出来。从安保和安全的观点来看，特定的动作和通知可以与电话的地理位置以及该位置中个体的接近度的确认相一致。账户的个体所有者可以针对多个个体设置偏好。一个动作可以是特定的通知-如果例如一个人的孩子的位置被激活，则这个人可以接收到其孩子的来去踪迹的时间线或图形。换言之，特定的动作是基于人员的。
[0132]事件是在由设备10所监测的位置中，对于传感器、摄像机(成像传感器60)和/或麦克风76中的一个或若干个而言，与正常情况的背离或者与预定义的标准集合的背离。依据本发明的实施例，存在若干方法用于训练/教导系统获知在住宅或设备10所处的其它这种位置中的正常或寻常情况，以及不正常或不寻常的情况或背离。
[0133]预设参数
[0134]系统14可以定义涉及何为正常以及什么构成事件或事故的特定参数或标准。例如，系统14可以定义高于特定阈值的温度会导致通知。这些参数可以基于设备10和住宅12的地理位置。例如，具有高平均温度和/或湿度的地理位置中的温度参数和/或湿度标准可以高于针对具有较低平均温度和/或湿度的地理位置的温度和/或湿度标准。温度参数还可以基于当前日期而季节性地改变。空气质量参数水平可以类似地由系统14来定义。由系统14设置的参数可以包括传感器数据的组合。例如，可以仅当温度和湿度和/或空气质量均高于预定水平时才发送通知。例如，标准和参数可以由系统14存储在数据库20中。要由设备10应用的标准和参数(如果有的话)可以被系统14通过网络16下载到设备，以便存储在例如RAM 82和/或闪存84或其它这种存储器中。
[0135]用户参数
[0136]主要用户22可以针对什么被认为是事件以及应当何时发送通知来设置特定参数和标准。如下面讨论的，由用户22设置的参数可以应用于一个或多个传感器。该参数和标准还可以包括传感器数据和环境的组合。例如，主要用户22可以规定其仅想在无人在家并且有噪声超过特定分贝时被通知事件。或者，主要用户22可以规定想要在任何时候特定人员进入其住宅12时通知该主要用户22或者想要通知另一个人。在另一示例中，主要用户22可以确定在任何时候特定人员或用户在家中并且温度超过或低于特定值时，通知该主要用户。这些仅是用户可以设置的参数和标准的示例。用户参数可以在出厂过程期间和/或出厂之后进行设置，在此期间，向主要用户22提出问题以建立用户定义的参数和标准，如下面进一步讨论的。
[0137]通过用户习惯、行为和反馈进行学习
[0138]除了用户参数和预设的参数之外，设备10和/或系统14配置为从用户的行为和用户的住宅12中的活动学习，以进一步定义住宅中的正常活动。系统14中的处理设备18和/或设备10中的处理设备58可以配置为通过相应的存储设备(诸如数据库20和RAM82或闪存84或其它适当的存储器或存储设备)上存储的软件进行学习。
[0139]学习过程开始以住宅中的基本模式开始，诸如基于一周中的星期几和一天中的时间家中人员的进出。大多数人具有某种程度的标准行为，这种行为能够被设备10和/或系统14理解。例如，系统14可以基于用户输入或者通过由住宅中的一个或多个设备10上的一个或多个传感器感测人体体重和活动，和/或通过地理位置数据而获知多少人在住宅12中以及他们是谁。这些人的个体模式，诸如他们在一周的每天何时来到和离开该位置。如果在2-4个星期中，一个相应的人在一个时间段上行事有规律，则可以针对这个人建立一个模式。如果依据该模式向主要用户通知这个人的活动多次，并且该主要用户清除诸如这个人在特定时间进入住宅12之类的事件，则在下次这个人依据模式进入住宅时，将不会向主要用户通知该事件。该事件可以被存储以便将来作参考，诸如存储在请求时(如果期望的话)能够提供给主要用户22的时间线中。
[0140]可以针对住宅或其它位置的环境特征，还基于传感器数据来看出这些模式。例如，通过将在一段时间上来自温度、湿度和/或空气质量传感器的数据进行比较，来看出与温度、湿度和/或空气质量有关的模式。
[0141]例如，系统10可以使用来自图像传感器60的数据(该数据可以以例如视频的形式)连同来自麦克风76的音频输入和/或来自温度/湿度传感器90/88的温度和湿度输入，来学习在给定的位置中的用户的活动以及该位置中的活动的水平。这使得系统14能够确定给定的位置(诸如住宅12中的给定的房间)中的活动的正常水平。例如，如果在工作日的特定时间或周末的一天中较多的活动是正常的，并且系统14确定在这些时间的一个时间中只有很少的活动，则可能是因为用户外出度假或者可能是有潜在的问题。系统14识别与常规的偏离并且通知主要用户22。于是，用户22可以大概地响应该通知。
[0142]另外，如果一个位置内的一个设备10检测到一个模式，则可以针对该位置中的所有设备设置该模式。一个设备10也可以打破另一设备的模式。例如，一个设备10未检测到运动并因此认为在一天的特定时间期间住宅12中没人，而住宅中的另一设备10检测到运动，以每个位置为基础对该输入进行计算，并且第一个设备的模式被来自第二个设备的输入压倒。系统14积累来自多个设备10的信息，以确定一个位置中的当前活动以及行为的模式。
[0143]—个位置中的人员的身份可以由系统14基于从相应的人员学习到的模式来确定。这些模式包括:如通过从图像传感器60和PIR传感器72接收到的数据确定的该用户的大概尺寸和重量、如通过PIR传感器确定的该人员产生的热量水平、如通过麦克风76检测到的该人员的声音、基于通过图像传感器收集到的数据对用户的面部或其它模式识别、基于学习到的模式的用户的活动模式、或者通过设备10内的各种传感器确定的其它特定于人员的数据。人员识别是重要的，以便于确定该位置的单个成员的活动和模式、获知谁在家中以确定是否有针对事件的特定于个人的响应。
[0144]基于通过图像传感器60收集到的视频数据以及显示被PIR传感器72检测到的动物的近似尺寸和形状的红外热量，以及诸如通过高亮视频中对宠物和运动较不敏感的部分来敏化和去敏化特定的视频像素，一个位置中存在宠物，应当存在宠物时常经过的一个区域。在出厂期间向用户提出的问题可以结合传感器数据使用来识别宠物。应注意的是，在家庭安全系统中，宠物是假警报的常见来源。通过进行学习以识别宠物的存在，可以减少假警报。
[0145]能够使系统14和设备10进行学习的方式中的一种是通过给予住宅12或该住宅的一部分中的活动一个状态分数。例如，如果用户的住宅12或者该住宅中的特定房间通常在特定日期的特定时间非常吵闹并且非常活跃，例如，基于由麦克风76检测到的噪音、在由图像传感器60记录的视频中发现的运动、和/或由T/H 99/88检测到的温度/湿度波动，可以针对这些日期的这些时间，为住宅12或该住宅中的房间分配10/10的活跃分数。活跃分数可以与该分数可应用的特定日期的时间段、该分数所应用到的房间、以及关于用户和/或用户的住宅的识别信息相关联地存储在系统14中的数据库20中。在一个示例中，如果在一时间段中当前活动分数下降多于20%以低于期望的分数，则可以警告主要用户22。可以替代地使用其它百分偏差或范围。
[0146]在另一示例中，例如，包含单独生活的老年用户的住宅12可以具有较低的活动分数2。如果老年人的住宅12中的活动分数突然上升到5，这也可能指示潜在的问题，诸如家中遭到入侵，或者活动分数的上升可能是儿孙的到访造成的。通过向老年用户和/或用户的后备联系人通知所注意到的活动中的变化，用户或后备联系人可以通知系统家中有或没有问题。
[0147]例如，可以基于其它传感器数据为一个位置的其它特征分配分数，诸如针对温度、湿度和/或空气质量的分数。通过给传感器自身和一起工作的传感器打分，系统14能够提供住宅12或其它位置中正常或非正常情况的更清晰和完整的图像，并相应地做出响应。
[0148]设备10和/或系统14能够通过对如何处理传感器数据进行重新校正来进行学习。例如，设备10和/或系统14可以通过调整处理设备58和/或处理设备18如何基于由耦合到该处理设备的一个或多个传感器收集到的关于位置的数据中的一个或多个数据碎片处理关于该位置的数据来进行学习。
[0149]出厂过程
[0150]本发明的实施例包括基于学习的出厂过程。在本发明的一个实施例中，例如，在产品的所有权的初始阶段期间(诸如前两周)，有一个快速学习时段，其包括定期提问以确定关于住宅12或设备10所处的其它环境的信息，诸如:
[0151]你的地址？
[0152]家中有多少人居住？
[0153]有多少成年人？
[0154]有多少儿童？
[0155]是否有宠物？
[0156]如果有宠物，数量和类型是怎样的？
[0157]通常何时外出工作？
[0158]通常何时下班回家？
[0159]是否有任何预定的日子会比平时回家晚或早(诸如定期安排的会议或健身)？
[0160]子女何时外出上学？
[0161 ] 子女通常何时放学回家？
[0162]子女是否有使其回家比平时晚的定期活动？
[0163]在一周的任何日子中是否有定期的访客，诸如管家、遛狗的人等？
[0164]邮件何时送来？
[0165]报纸何时送来？
[0166]是否使用空调？如果使用，是否设定了时间表？如果是，时间表是如何设定的？
[0167]恒温器是否设定了时间表？如果是，时间表是如何设定的？
[0168]谁是后备联系人？
[0169]以上问题仅是示例，并且不必以该格式提供给用户22。这些问题表示了可能期望收集的可能的问题和信息的主题。这些问题可以呈现为多选题和/或填空题，其具有引导用户输入词语、姓名、时间等的下拉菜单和/或窗口。
[0170]用户22不必回答所有这些问题，但回答的问题越多，系统14将会越快地学习在一天中的不同时间以及一周的不同日子里住宅12或该住宅的一部分或其它环境中的正常活动。对这些问题的答案将告知学习软件和学习软件。例如，由于系统10现在知道用户是否有宠物，因此必须在宠物的运动和用户以及其它居住成员的运动之间加以区分。
[0171]还可以向主要用户22提供定期问题用以确认所学到的关于该环境的内容。例如，系统14能够推断一种模式作为用户出入模式，则其可以要求用户确认活动或学习的模式是准确的。特别地，如果设备10在数天或数周的一段时间内看出特定的活动，诸如人们起床、成年人外出上班和下班归来、子女外出上学和放学归来、递送(诸如报纸、送洗的衣物和/或邮件快递等)，尚未通过用户对出厂问题的答复来解决的事情在特定时间内发生数次，则系统14可以要求用户确认活动或学习的模式是准确的。这种学习可以包括观察到的行为和由用户先前回答的问题的组合。其它模式可以涉及例如温度、湿度和/或空气质量在一天的过程中的变化。
[0172]基于得分和奖励的激励学习
[0173]例如，提供关于设备已学习多少内容以及还差多少才能真实地理解个人的行为的“完整性分数”可以鼓励主要用户22回答更多的问题。如果在一系列的星期内，设备10已观察到主要用户22的行为，并且用户已回答了许多问题，则系统14可以通过给予用户一个完整性分数(诸如学习完成了 80% )来告知用户24还差多少就能了解其环境。系统14可以一直进行学习，并且可以学习新的模式，因此完整性分数可以不断变化。该分数可以作为百分比或以其他形式给出，其中包括自然语言。
[0174]还可以针对用户必须进行的作为出厂过程学习过程的一部分的各种任务奖励完整性的百分比或其它这种分数，诸如回答提出的问题，以及其它活动，诸如添加其朋友或家人作为后备联系人26、确认当地警察28、消防局32以及救护服务34的身份。
[0175]奖励可以基于配置文档的完整性。例如，作为对出厂过程的完整性的回报，在数据库20中提供额外的存储。例如，这种额外的存储可以用于存储用户感兴趣的视频片段。
[0176]数据活动得分
[0177]由于设备10通过其传感器收集数据，因此也可以给予这些数据一个传感器活动得分。该得分至少部分地基于来自一个传感器的数据中的特定的电或者来自多个传感器的数据集合，以及学到的关于所述位置的内容。例如，在学习了房间或住宅贯穿一天和一周的模式之后，诸如运动的频率或平均温度，该设备能够确定在特定的位置中以及在一天的特定时间期间，被认为正常的活动或事件的基线。当由设备的传感器获得新的数据时，相对于该设备已学到的在一天的该时刻以及一周的该日子里是正常的内容来确定该数据的问题活动得分，以便识别潜在的威胁。例如，由系统14和/或设备10将该数据与模式进行比较，并且可以确定与正常模式的偏离程度。该偏离可以由例如百分偏差来表示。还可以将偏离的程度应用于1-10或1-100的比例。较高的百分比偏离或问题活动得分反映了与住宅正常基线较强的偏离。例如，当诸如温度之类的特定传感器偏离基线模式或主要用户22设置的阈值时，传感器活动得分还可以指示住宅的物理环境的舒适程度。例如，可以将在偏离程度方面的偏离作为百分比或得分通知用户。
[0178]在操作期间，设备10可以在其它时段上或在其它时段期间连续地从所有传感器收集数据。还可以以规则或不规则的时间间隔，定期地收集并存储传感器数据。所收集到的数据中的一些或所有数据可以由设备10上的处理设备58进行分析，和/或经由网络12发送给系统14以便进行分析或进一步分析。还可以连续地或以规则的或不规则的时间间隔定期地将收集并存储的数据发送给系统14以便进行分析。数据或数据文件可以由设备10发送给系统14，该数据或数据文件具有元数据，该元数据包括其沿着加密信道(诸如安全套接字层(SSL)连接)发来的设备的标识。例如，可以在多个相应的数据流中或者以其它格式来发送收集到的数据。
[0179]图18和19示出了设备10和系统14响应设备10检测到的事件的操作的方法400的示例。在步骤402，触发一个或多个传感器和/或检测到运动。在这个示例中，在步骤404，设备10基于所检测到的数据是否满足标准(诸如超过阈值或者与模式偏离)来确定是否将所检测到的数据定义为需要进一步分析的“事件”。在该示例中，如果否，则不进行进一步动作。如果是，则在步骤406，设备10通过网络16将所检测到的数据和与该事件有关的其它数据发送给系统14以便进一步分析。由设备10发送的数据包括来自触发该事件的一个或多个传感器的数据，以及来自其它传感器的数据(其可以帮助系统14解释来自触发该事件的传感器的数据)。例如，如果温度传感器90被触发，也可以向系统14发送视频片段。还可以发送与设备10、用户22、住宅12、设备在住宅中的位置等有关的识别信息。
[0180]在该示例中，在步骤408，系统14基于接收到的数据确定该事件是否是生命或安全事故。生命或安全事件可以是由温度传感器90检测到高温度、由空气质量传感器94感测到非常差的空气质量、由麦克风76测量到的过多且突然的噪音等。可以将检测到的特征与阈值或其它这种标准进行比较，以确定所检测到的特征是否会是危及生命的。该事件还可以基于传感器测量值的组合。
[0181]如果该事件是生命安全事件，则在步骤410确定是否有人在家。例如，系统14可以基于从图像传感器60、PIR传感器72、麦克风76以及用户设备24的地理位置来知晓是否有人在家。
[0182]如果有人在家，则在步骤412，系统14将该事件作为紧急事件对待，并且同时通过例如电子邮件、文本以及电话来联系主要用户22和后备联系人26。主要用户22可以确定其是如何被联系上的。依据事件的类型，可以联系不同的后备联系人。
[0183]在步骤414，确定主要用户22或后备联系人26是否在预定时间段内做出响应。预定的时间段可以是例如一分钟。如果是，则在步骤416确定所联系到的一方是否将该事件作为假警报而清除。如果是，则该方法在步骤418以该事件被清除而结束。
[0184]如果在步骤416该事件未被清除，则在步骤218，系统14将依据该事件采取进一步动作，诸如呼叫警察28、消防局30和/或救护服务10，警察/和或消防局。系统14还可以使设备10激活警笛86。
[0185]如果在步骤414中主要用户22或后备联系人26未做出响应，则在步骤422重新通知他们，并且该方法返回到步骤414。如果在步骤414中，在重新通知之后，主要用户22或后备联系人26未做出响应，系统14可以直接进行到步骤420，以呼叫警察、消防局或救护。
[0186]如果在步骤410确定没人在家，但在步骤424确定是夜间。该系统仍可以将该事件作为紧急事件对待，并且进行到步骤412。
[0187]如果在步骤408系统14确定该事件不是危及生命事件，或者在步骤424确定不是夜间，则在步骤428通知主要用户。在步骤430，如果主要用于22在预定的时间段内(诸如1分钟内)做出响应，则在步骤432确定主要用户是否将该事件作为假警报而清除。如果是，则在步骤418中清除警报，如下所讨论的。
[0188]在步骤432，如果主要用户22未将该事件作为假警报清除，则该方法去往步骤434以联系警察等，这将在下面讨论。
[0189]如果主要用户22在预定的时间段内没有响应，则在步骤434通知后备联系人26。然后，在步骤432，确定后备联系人是否将该事件作为假警报而清除。如果是，则在步骤418中清除该事件。如果否，则在步骤434中，所述系统联系警察、消防局和/或救护服务。
[0190]步骤426-436示出了系统14如何将通知从主要用户22逐步上报到后备联系人26、警察等的示例。该上报过程可以由系统14和/或由用户偏好来确定。例如，主要用户22可以在警告后备联系人之前，在主要用户22未能响应并解决通知之后设置所述时间段。可以由主要用户设置的其它上报策略包括:被上报的警告的类型(即，仅将来自特定传感器的警告发送给后备联系人以求解决)；如果最初没有联系所有后备联系人，如后备联系人26之间的上报之间的事件；如果主要用户的后备联系人也没有解决事件，自动发出警笛；如果没人响应警告，有关部门(通过呼叫中心为选择加入服务计划的用户做后备)。
[0191]图20A是依据本发明的实施例，当检测到事件时，设备10和/或系统14的操作500的方法的示例。在该示例中，设备10执行方法500中除了学习步骤之外的所有步骤，学习步骤由系统14来执行。
[0192]在步骤502中检测到事件。在步骤504，确定该事件是否是传感器有关的事件，诸如由温度/湿度和/或空气质量传感器检测到的事件。如果是，在步骤506，设备10确定该事件是否匹配针对发送警告的预定标准。如上所讨论的，该预定标准是系统定义的标准，诸如阈值。如果是，则在步骤508，设备10向用户22发送警告，并且该方法在步骤510结束。
[0193]在步骤506中，如果设备10确定该事件不匹配预定义的标准，则在步骤512中，该设备确定该事件是否匹配用户定义的标准。如上面所讨论的，用户定义的标准是由主要用户22设置的标准。换言之，主要用户22告知设备10和/或系统14当特定条件被满足时应当发送通知。如上面所讨论的，用户定义的标准可以是由主要用户22通过系统14询问的问题以及由用户在设置期间以及在操作期间作出的回答来定义的。如果在步骤512，设备14确定该事件满足用户定义的活动，则在步骤508向主要用户22发送警告。如果主要用户22未在预定的时间段内作出响应，则随后可以进行上报，如图19中所示以及上面所讨论的。
[0194]如果设备10确定该事件不涉及用户定义的标准，则在步骤416发送警报，并且在步骤518向系统14提交该事件以进行学习。
[0195]如果在步骤504设备10确定该事件不是传感器有关的，则在步骤516，设备10确定该事件是否是与接近有关的，诸如人员进入住宅12中。如果是，则在步骤520，设备10确定用户是否想要被通知接近事件。如果是，则在步骤420由设备发送警告，并且在步骤418将该事件提交给系统14以进行学习。如果否，则不发送警告，并且在步骤422将该事件提交给系统14以进行学习。
[0196]如果该事件不与传感器事件、接近事件或预定义的标准有关，则系统也可以从该事件中学习。该事件可能涉及由摄像机/图像传感器60和/或麦克风76收集到的数据，诸如突然的或不明的运动或噪音等。可以将该事件呈现给主要用户24，并且该用户可以输入清除该事件或定义该事件的信息。在这种方式中，系统14学习到主要用户想要被通知哪些事件以及哪些事件用户不想被通知。
[0197]例如，视频可以示出较小质量的物体移动靠近地板。当呈现给主要用户时，该用户可以识别该物体是宠物。在用户识别移动靠近地板的较小质量的物体为宠物两次或三次之后，系统14学习到当下次识别到类似移动的物体时不发送警告。
[0198]在另一示例中，一个具有特定身材和体型的人可能在星期一的9-10