[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

说明书

本发明提供一种基于移动终端多传感器的行为识别模型训练方法及装置。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；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；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。本发明提高了数据的利用率，降低了识别过程的复杂程度，所识别的行为内容更具体更贴近实际，发生频率较高，应用意义较强。

技术领域

本发明涉及数据分析技术领域，尤其涉及基于移动终端多传感器的行为识别模型训练方法及装置。

背景技术

在较早期研究中，研究者在参与实验人员的不同身体部位如腰部、手腕等处放置专用的运动传感器来存储行为信息数据再进行转换以用于进行分析识别，这些传感器对佩戴者的活动造成很大影响，不能进行正常工作生活。因此，上述研究方法不能为活动监督或预测提供一个长期有效的解决方案。随后，摄像机的不断发展使视频录制成为该领域的一个重要手段，研究者用摄像机录制被观察者的行为，根据需求可以记录详细部位的行为数据，该方法与从附着在身体上的传感器获取数据相比有一定便捷性与可行性，但该方法造成隐私泄露严重，同时无法达到实时预测或无感知情况下的个人行为监督。

随着智能手机的普及以及智能手机中传感器功能的不断完善，为解决上述问题提供了可行方案。作为日常生活中不可或缺的一部分，手机随身携带解决了数据来源的难题，且手机中的多个传感器均可记录大量关于运动的数据和信息。

然而，目前利用手机传感器数据进行行为识别的研究中，大部分研究利用传感器数量较少，数据类型单一，可识别的行为内容简单且算法实现难度较大，可行性有待改进。

发明内容

为解决现有技术中存在的上述问题，本发明提供一种基于移动终端多传感器的行为识别模型训练方法及装置，基于移动终端中多个传感器数据特性，并结合机器学习算法对人们的五种基础活动的行为识别模型进行训练。

一方面，本发明提供一种基于移动终端多传感器的行为识别模型训练方法，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；

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；

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。

进一步地，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。

进一步地，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。

进一步地，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。

另一方面，本发明提供一种基于上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，该装置包括：

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；

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；