[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

说明书

本发明涉及一种基于移动终端数据识别终端用户换机的方法，其通过采用窗口长度W大于终端用户的一个步态周期长度的矩形窗口，使得获取的终端用户步态特征数据至少包含该终端用户的一个完整步态周期中的所有信息数据，为终端用户的步态识别提供了较为全面、完整的信息；另外，由于本发明中的矩形窗口滑动长度ΔW小于窗口长度W，获取了终端用户在特定行进方式下具有不同起始状态的运动分割数据；通过将每个运动分割数据分割为多个运动分割子数据，并根据每个运动分割子数据获取时域/或频域特征，可以更充分地使用具有不同起始状态的运动分割数据的内部信息，根据运动分割子数据获取的终端用户第一步态特征数据更能客观、全面地反应终端用户的步态特征，从而有利于提高用户步态识别的准确率，进而准确识别用户的换机。

技术领域

本发明涉及步态识别技术，尤其涉及一种识别用户换机的方法和服务器。

背景技术

终端用户的换机识别具有重要的实际意义，换机识别可以将针对终端用户的个性化服务内容(例如消息精准推广)快速切换到新的移动设备上，从而提高终端用户的使用体验和服务推广的有效性。现有技术中，终端用户的换机识别方法有多种，例如终端用户主动上报换机、根据终端用户的生物特征(例如面部特征)识别换机等。然而，由于用户安全意识等原因，移动终端的终端用户通常不上报上述信息，或者提供的生物特征不准确，这都导致了服务推广有效性的降低。

步态识别是识别行进姿势的过程(行进姿势为特定行进方式下用户特有的姿势，是用户生物特征的一种，其中行进方式例如可以包括走路、跑步等)，由于步态为终端用户特有，因此，步态可以被用于识别终端用户是否换机，而如何能够更好地识别步态成为了识别终端用户是否换机的关键。根据一段视频中的所有帧图像来识别行进姿势(例如走路姿势)是目前使用较多的方法，但是由于视频中通常包含的帧图像数量很大，使得在进行步态识别时需要输入的数据量很多，这在一定程度上限制了步态识别的应用。为了解决输入数据量过大的问题，出现了根据终端用户的加速度数据来进行步态识别的技术内容：采用峰值检测的方法来估计终端用户的步态周期(步态周期为从一只落地的脚开始抬起至该脚再次落地的时间段为一个步态周期)，然后基于估计的步态周期分割用户的加速度数据，之后基于分割的合成加速度数据提取时频域特征以进行步态识别，其中，基于分割的合成加速度数据提取的时频域特征是进行步态识别的用户步态特征数据。然而，上述基于峰值检测方法获取估计的步态周期的方法只适用于实验室环境，也就是说，在比较理想的环境下，上述方法可以有较好的识别效果；在实际环境中，会存在道路不平(例如道路有坑洼)等多种情况，若采用峰值检测的方法来估计用户的步态周期，则会因为出现的假峰值使得估计的步态周期和准确的步态周期误差较大，此时若根据估计的步态周期来获取分割的合成加速度数据并提取时频域特征(即用户的步态特征数据)，则获取的用户步态特征数据并不是用户一个步态周期内的完整步态特征数据，影响用户步态的识别，进而影响终端用户换机的识别。

发明内容