[发明专利]一种基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法

权利要求书

1.一种基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法，其特征在于，该方法为：

使用机器学习算法建立单分类训练器，其中以正常人行为特征数据作为负样本，以帕金森病患者行为特征数据作为正样本；针对滑动手势，采用三种角度的分类算法进行模型融合，具体模型架构如下：

①空间角度：通过提取整个滑动过程的坐标数据，并将每个坐标点处的压力大小与灰度值进行线性映射，形成整个滑动过程的灰度特征轨迹图，将问题转换为图像分类问题，再利用卷积神经网络(CNN)对灰度特征轨迹图进行处理；

②时间角度：将整个滑动过程中传感器信号转换为时间序列格式，并利用长短期记忆网络(LSTM)进行时序分类，获得判断结果；

③综合角度：根据提取的19个特征，采用经典的分类机器学习算法进行分类，所述的经典的分类机器学习算法包括KNN、SVM、Random Forest；

将以上三种方法的分类结果进行加权平均，得到最终判定结果，并采取如下性能指标判定分类结果的可信度：ROC曲线下的面积AUC和等错误率EER；

所述提取的19个特征具体为：交互行为数据的采集与行为特征的提取，用户与智能移动终端的触敏屏进行交互操作，用户交互手势包括滑动动作，与此同时，智能移动终端的压力传感器采集相应的交互数据，获得行为特征；所述的行为特征采用滑动行为特征，具体为提取如下数据信息：

(1)x轴相对起始位置，

(2)x轴相对终止位置，

(3)y轴相对起始位置，

(4)y轴相对终止位置，

(5)整个滑动轨迹的长度，

(6)在起始时刻指尖与屏幕的接触面积，

(7)在滑动中间时刻指尖与屏幕的接触面积，

(8)整个滑动过程中接触面积的均值，

(9)整个滑动过程中接触面积的方差，

(10)在起始时刻指尖对屏幕的压力，

(11)在滑动中间时刻指尖对屏幕的压力，

(12)整个滑动过程中指尖对屏幕压力的均值，

(13)整个滑动过程中指尖对屏幕压力的方差，

(14)滑动的平均速度，

(15)最大紧邻两点的速度，

(16)最大紧邻两点的速度的相对发生时间，

(17)所有紧邻两点的速度的方差，

(18)滑动或点击的持续时间，

(19)两次滑动或点击的时间间隔；

共计19个特征，其中前13个特征为手掌几何特征，后6个特征为手指灵巧度特征；其中针对滑动手势提取全部19个特征。

2.根据权利要求1所述的基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法，其特征在于，所述的19个特征的计算方式依次对应S1-S19，分别如下：

其中x_start，x_stop，y_start，y_stop分别表示手指接触屏幕开始和结束时的x轴、y轴位置；W_ph和H_ph分别代表屏幕的宽度和高度；

其中n代表一次滑动中采集的接触点总个数，x_i和y_i表示第i个接触点的x轴、y轴位置；

S6＝s_start

其中s_start，s_i分别表示开始与屏幕接触时指尖与屏幕的接触面积，在接触中间时刻指尖与屏幕的接触面积，第i个接触点时指尖与屏幕的接触面积；

S10＝P_start

其中P_start，p_i分别表示开始与屏幕接触时指尖对屏幕的压力，在接触中间时刻指尖对屏幕的压力，第i个接触点时指尖对屏幕的压力；

其中t_start，t_stop分别表示一次滑动中手指与屏幕开始、结束接触的时间；

其中t_i表示第i个接触点的时间；

S16＝t_i+1-t_i

S18＝t_stop-t_start