技术巡猎东风日产宠物情绪识别方法、装置、设备及存储介质，说个好玩的场景，

技术巡猎 东风日产 宠物情绪识别方法、装置、设备及存储介质，说个好玩的场景，你临时要下车了，宠物留在车里。外界出现了刺激，舱内的环境出现了变化，宠物的分离焦虑上来了，会开始喘息、舔舌头、耳朵侧压、尾巴下垂了，一系列的生理变化意味着很多，你人在外面最怕的是“错过关键的几分钟”。

识别“异常状态”，异常就通知用户，是这个专利的核心。

执行主体可以是车辆本身，或车里的控制器/设备（例子里直接提到ECU这一类）。采集方式是周期性的，专利举例“每隔5秒采一次车内图像”，先定位宠物，再把宠物图像拆成各身体局部位置；行为识别则结合至少一个周期的图像与声音来判定行为类型。

方法是典型工程路线，它把输入信号拆成了两条线，局部状态和行为状态。局部状态用矩阵表示：每一列是一个身体部位（例子里提到眼睛、耳朵、嘴巴、躯干、四肢、尾巴），每个部位若干离散状态，用0/1表示“此刻是不是这个状态”；行为状态用一维向量：呕吐、身体僵硬、打哈欠、吠叫/咆哮、失禁、频繁舔舌、四处走动嗅探等，同样0/1。“连续的情绪”在这里变成了“离散的体征+行为开关”。

关键是权重，它给每个部位、每个状态都配了局部权重矩阵W，而且写了权重的分配逻辑---先看该部位里“负面特征”和“非负面特征”的数量对比（x vs y），按不同情形分配负面/非负面的基础权重，可以把状态严重程度分成A/B/C（A最严重），按A/B/C数量再做微调，拉开区分度。可是局部特征向量怎么来呢？就是用局部状态矩阵当掩码，在W里把对应权重取出来拼成新向量。

行为这条线比较像“放大器”。每种行为先打KA/KB/KC标签（KA最异常），映射成系数阶次，再用“偶函数+费希纳定律（对数感知）”改造出的公式去算增幅系数。宠物出现某行为就取对应系数；复合行为就取多个系数，再取模长变成更大的行为增幅系数。直观理解的话：越像事故现场的话，系数越大。

两条线怎么合到一起呢？它构造了一个复向量当“状态分析量”：模长来自局部特征向量的模长（异常强度），相角由行为增幅系数决定（异常模式）。判定是这样的：先看模长是否超过异常阈值；超过了再看相角是否落在预设角度范围---命中判“严重异常”，不命中判“轻度不适”。也考虑了单次识别会存在跳变，于是引入了历史状态分析量做指数衰减加权，可以实现更稳定的结果。

触达方式比较“车规”：轻度不适用短信/APP文字，严重异常直接电话或语音通话；必要时可以把车内图像或声音转发给用户，但专利也强调这里需要用户的授权。

简单说的话，宠物友好不是有个摄像头就结束了，“识别---分级---触达---回传”这个逻辑链，才算真把用户焦虑当回事的关键。