[发明专利]一种基于移动终端数据识别终端用户换机的方法和服务器

权利要求书

1.一种基于移动终端数据识别终端用户换机的方法，其特征在于，包括：

步骤100，获取移动终端的至少一个运动数据C₁(n)、C₂(n)、…、C_m(n)，其中，第x个运动数据C_x(n)为时间段T＝[t₁,t₂]内移动终端按照第一预设采集频率F采集的，1≤x≤m；

步骤200，利用窗口长度为W的矩形窗口Rt按照预设滑动长度ΔW分别在C₁(n)、C₂(n)、…、C_m(n)上滑动以获取运动分割数据D₁₀、D₂₀、…、D_m0，D₁₁、D₂₁、…、D_m1，…，D_1u、D_2u、…、D_mu，其中，D_xi为矩形窗口Rt在C_x(n)上第i次滑动时对所述矩形窗口Rt内的数据进行处理而获得的数据，0≤i≤u，ΔWW，即u为(T-W)和ΔW的比值向下取整；

步骤300，基于运动分割数据D₁₀、D₂₀、…、D_m0，D₁₁、D₂₁、…、D_m1，…，D_1u、D_2u、…、D_mu获取终端用户的第一步态特征数据K₀,K₁,…,K_u，其中，K_i通过提取运动分割数据D_1i、D_2i、…、D_mi的时域和/或频域特征而得到；通过提取运动分割数据D_1i、D_2i、…、D_mi的时域和/或频域特征得到K_i的获取方式包括：

步骤301，利用窗口长度为L的预设窗口Ht按照预设滑动长度ΔL分别在D_1i、D_2i、…、D_mi上滑动以获取运动分割子数据DD₁₀,DD₁₁,…,DD_1v,DD₂₀,DD₂₁,…,DD_2v,…,DD_m0,DD_m1,…,DD_mv，其中，DD_xy为预设窗口Ht在D_xi上第y次滑动时对所述预设窗口Ht内的数据进行处理而获得的数据，0≤y≤v，ΔLL，即v为(W-L)和ΔL的比值向下取整；

步骤302，根据运动分割子数据DD₁₀,DD₁₁,…,DD_1v,DD₂₀,DD₂₁,…,DD_2v,…,DD_m0,DD_m1,…,DD_mv，获取其对应的时域和/或频域特征AF₁₀,AF₁₁,…,AF_1v,AF₂₀,AF₂₁,…,AF_2v,…,AF_m0,AF_m1,…,AF_mv，其中，AF_xy为DD_xy的时域和/或频域特征；

步骤303，基于AF₁₀,AF₁₁,…,AF_1v,AF₂₀,AF₂₁,…,AF_2v,…,AF_m0,AF_m1,…,AF_mv获取终端用户的第一步态特征数据K_i，其中，将AF₁₀,AF₁₁,…,AF_1v中相同时域和/或频域特征的均值、AF₂₀,AF₂₁,…,AF_2v中相同时域和/或频域特征的均值、…、AF_m0,AF_m1,…,AF_mv中相同时域和/或频域特征的均值共同作为终端用户的第一步态特征数据K_i；步骤400，基于所述第一步态特征数据K₀,K₁,…,K_u和用户步态识别模型获取所述终端用户的步态识别结果；用户步态识别模型由训练样本库中的每个移动终端在目标行进方式下的第一步态特征数据及其相应的用户步态标签进行神经网络模型训练得到，当对终端用户群的步态进行识别时，当所述终端用户属于第1类终端用户群体时，用户步态标签为1，当所述终端用户属于第2类终端用户群体时，用户步态标签为2；其中，所述步骤400包括：

步骤401，基于第一步态特征数据K₀,K₁,…,K_u和终端用户步态异常模型获取终端用户的第二步态特征数据VK₁,VK₂,…,VK_s，其中，所述终端用户步态异常模型用于判断终端用户的第一步态特征数据K_i是否为目标行进方式下的正常数据，所述第二步态特征数据VK₁,VK₂,…,VK_s均为所述目标行进方式下的正常数据，s≤u+1；其中，步骤401包括：

步骤4001，将所述第一步态特征数据K₀,K₁,…,K_u输入所述终端用户步态异常模型中，以获取所述第一步态特征数据K₀,K₁,…,K_u的异常标识信息L₀,L₁,…,L_u，其中L_i为K_i的异常标识信息；

步骤4002，基于K₀,K₁,…,K_u和L₀,L₁,…,L_u获取所述终端用户的第二步态特征数据VK₁,VK₂,…,VK_s，其中，当异常标识L_i表示K_i为终端用户目标行进方式下的正常数据时，保留K_i，此时，保留的全部第一步态特征数据组成了终端用户的第二步态特征数据VK₁,VK₂,…,VK_s；

步骤402，将所述第二步态特征数据VK₁,VK₂,…,VK_s作为所述用户步态识别模型的输入数据，利用所述用户步态识别模型获取所述终端用户的步态识别结果；

步骤500，基于所述步态识别结果、所述移动终端的第一标识、用户与终端标识对应关系数据识别所述终端用户的换机，其中，所述用户与终端标识对应关系数据至少包括所述终端用户的用户标识以及与所述用户标识对应的历史移动终端的第二标识；

进一步，W≥标准步态周期长度，所述标准步态周期长度为多个已知步态周期长度中的最大值。