[发明专利]用户活动识别方法、装置、存储介质及电子设备

权利要求书

1.一种用户活动识别方法，其特征在于，包括：

获取目标用户在目标时间区间的全景数据序列；

将所述全景数据序列分割为多个全景数据子序列，其中，一个全景数据子序列对应所述目标时间区间中的一个时间片段；

获取全景数据子序列对应的全景特征张量；

根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别；

将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列。

2.如权利要求1所述的用户活动识别方法，其特征在于，所述预设分类模型包括第一分类模型和第二分类模型；所述根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别的步骤包括：

根据第一分类模型和所述全景特征张量，检测所述全景数据子序列对应的时间片段中是否有用户活动；

若是，则根据所述全景特征张量和第二分类模型，确定所述全景数据子序列对应的时间片段的活动类别；

若否，则将所述全景数据子序列对应的时间片段的活动类别标记为空。

3.如权利要求2所述的用户活动识别方法，其特征在于，所述将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列的步骤包括：

若相邻的全景数据子序列对应的时间片段的活动类别相同，则将对应的活动类别进行同类合并处理；

根据合并处理的结果，生成所述目标用户在所述目标时间区间内的活动类别序列。

4.如权利要求2所述的用户活动识别方法，其特征在于，所述全景数据序列包括传感器数据序列和终端状态数据序列；所述将所述全景数据序列分割为多个全景数据子序列的步骤包括：

确定预设的时间窗口长度；

按照所述时间窗口长度将所述传感器数据序列分割为多个连续的传感器数据子序列，并按照所述时间窗口长度将所述终端状态数据序列分割为多个连续的终端状态数据子序列；

所述获取全景数据子序列对应的全景特征张量的步骤包括：

根据所述传感器数据子序列生成第一全景特征向量，并根据所述终端状态数据子序列生成第二全景特征向量；

合并所述第一全景特征向量和所述第二全景特征向量，生成所述全景数据子序列对应的所述全景特征张量。

5.如权利要求4所述的用户活动识别方法，其特征在于，所述根据所述传感器数据子序列生成第一全景特征向量的步骤包括：

根据传感器对应的预设滤波器，对所述传感器数据子序列进行滤波处理；

根据滤波处理后的所述传感器数据子序列生成第一传感器特征；

基于互补滤波方法，对具有互补关系的所述传感器数据子序列进行融合处理，生成融合传感器数据子序列；

根据所述融合传感器数据子序列生成第二传感器特征；

组合所述第一传感器特征和所述第二传感器特征，生成所述第一全景特征向量。

6.如权利要求2所述的用户活动识别方法，其特征在于，所述第一分类模型为贝叶斯分类模型；所述根据第一分类模型和所述全景特征张量，检测所述全景数据子序列对应的时间片段中是否有用户活动的步骤包括：

将所述全景数据子序列对应的全景特征张量输入所述贝叶斯分类模型，检测所述全景数据子序列对应的时间片段中是否有用户活动。

7.如权利要求2所述的用户活动识别方法，其特征在于，所述第二分类模型为卷积神经网络模型；所述根据所述全景特征张量和第二分类模型，确定所述全景数据子序列对应的时间片段的活动类别的步骤包括：

将所述全景数据子序列对应的全景特征张量输入所述卷积神经网络模型，获取所述全景数据子序列对应的时间片段的活动类别。