[发明专利]基于多模融合的半监督场景分类识别方法、系统及装置

权利要求书

1.一种基于多模融合的半监督场景分类识别方法，其特征在于，包括：

数据预处理：从环境中采集智能设备的相应信号源，将采集的信号源分别进行异常数据处理和缺失数据处理后提取特征并作为第一输入；

基于特征融合的动、静态场景二分类：根据所述第一输入中基于特征融合的相应信号源，判定当前场景为静态场景或动态场景；

以及基于特征融合的静态场景识别以及基于特征融合的半监督动态场景识别：

若判定当前场景为静态场景，则进行特征融合，然后通过监督学习进行静态场景识别；

若判定当前场景为动态场景，则进行特征融合，然后通过半监督学习进行模型训练并进行动态场景识别。

2.根据权利要求1所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述相应的信号源包括Wi-Fi、蓝牙、传感器。

3.根据权利要求1所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述进行特征融合，然后通过监督学习进行静态场景识别包括：将采集到的多个所述信号源的特征进行特征融合，通过监督学习进行静态场景识别；

所述多个信号源的特征包括以下特征：Wi-Fi信号特征、蓝牙设备的信号特征、传感器特征。

4.根据权利要求1所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述通过半监督学习进行模型训练并进行动态场景识别包括：通过半监督极速学习机，基于多个所述信号源的特征，对动态场景模型进行模型训练并进行动态场景识别；

所述多个信号源的特征包括以下特征：Wi-Fi信号特征、光照强度特征、传感器特征。

5.根据权利要求1所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述根据第一输入中基于特征融合的相应的信号源特征判定当前场景为静态场景或动态场景包括：

采用二分类机器学习方法，根据第一输入中基于特征融合的信号源特征，进行模型训练和场景识别，可得出所述场景为动态场景或者为静态场景。

6.根据权利要求2所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述异常数据处理包括假定同一环境对信号源的影响近似为高斯分布，然后通过高斯滤波的方法过滤掉异常的数据包。

7.根据权利要求6所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述假定同一环境对信号源的影响近似为高斯分布，然后通过高斯滤波的方法过滤掉异常的数据包括：

若采集的Wi-Fi的信号强度服从高斯分布，则通过高斯滤波的方法过滤掉异常的Wi-Fi数据；

若采集的蓝牙的信号强度服从高斯分布，则通过高斯滤波的方法过滤掉异常的蓝牙数据；

若采集的传感器的原始信号数据服从高斯分布，则通过高斯滤波的方法过滤掉异常的加速度传感器数据。

8.根据权利要求6所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述通过高斯滤波的方法过滤掉异常的数据包括：对在同一环境下近似为高斯分布的信号源建立高斯模型，设定信号源的高斯模型概率阈值范围，过滤掉不在阈值范围内的信号。

9.根据权利要求1所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述缺失数据处理包括：

若信号源整体缺失，则不从信号源中提取特征；

若信号源随机缺失，则使用滑动窗口提取平均特征。

10.根据权利要求9所述的一种基于多模融合的半监督场景分类识别方法，其特征在于，所述滑动窗口提取平均特征包括：

若随机缺失的信号源的滑动窗口大小为设定的窗口时间，且相邻窗口之间没有重叠部分，则当滑动窗口进行更新时，在当前的滑动窗口里提取特征并对其进行分类识别。