[发明专利]基于移动终端多传感器的行为识别模型训练方法及装置

权利要求书

1.基于移动终端多传感器的行为识别模型训练方法，其特征在于，该方法包括：

步骤1、按照预设采样频率采集移动终端上多个传感器的原始数据，并将所有原始数据按照采集对象的行为模式进行分类，得到不同行为模式的采样数据集；所述多个传感器包括加速度传感器、陀螺仪、光线传感器和距离传感器；所述行为模式包括：手持移动终端步行模式、移动终端置于口袋或包中步行模式、语音通话模式、视频通话模式和闲置模式；

步骤2、针对每个行为模式的采样数据集，比较每个传感器在相邻采样时刻的原始数据，确定每个行为模式的多组特征向量；具体为：

针对每个行为模式，将一组传感器是否变化作为一个随时间变化的条件变量，该条件变量指示出当前采样时刻传感器值与前一采样时刻传感器值相比是否发生实时变化，该条件变量即为特征向量；采用S表示某行为模式下，一个数量为n的特征向量：

步骤3、采用改进马尔可夫链假设或朴素贝叶斯分类器对所述每个行为模式的多组特征向量进行概率统计，以每个行为模式中概率最高的特征向量作为所述行为模式的行为识别向量。

2.根据权利要求1所述的方法，其特征在于，所述预设采样频率包括第一预设采样频率和第二预设采样频率，所述第一预设采样频率大于所述第二预设采样频率。

3.基于权利要求1或2所述移动终端多传感器的行为识别模型训练方法的训练装置，其特征在于，包括：

数据采集模块，按照预设采样频率采集移动终端上多个传感器的原始数据，并将所有原始数据按照采集对象的行为模式进行分类，得到不同行为模式的采样数据集；所述多个传感器包括加速度传感器、陀螺仪、光线传感器和距离传感器；所述行为模式包括：手持移动终端步行模式、移动终端置于口袋或包中步行模式、语音通话模式、视频通话模式和闲置模式；

特征向量计算模块，针对每个行为模式的采样数据集，比较每个传感器在相邻采样时刻的原始数据，确定每个行为模式的多组特征向量；具体为：

针对每个行为模式，将一组传感器是否变化作为一个随时间变化的条件变量，该条件变量指示出当前采样时刻传感器值与前一采样时刻传感器值相比是否发生实时变化，该条件变量即为特征向量；采用S表示某行为模式下，一个数量为n的特征向量：

行为识别模型计算模块，采用改进马尔可夫链假设或朴素贝叶斯分类器对所述每个行为模式的多组特征向量进行概率统计，以每个行为模式中概率最高的特征向量作为所述行为模式的行为识别向量。