[發明專利]根據傳感器數據推導運動行為

在審

• 申請號: 201580081201.1
• 申請日: 2015-12-21
• 公開（公告）號: CN107810508A
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 弗蘭克·韋爾比斯特;喬倫·范·澤韋倫;文森特·斯普魯伊特;文森特·約克凱
• 申請（專利權）人: 圣蒂安斯公眾有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 王暉,李丙林

1.一種用于通過包括一個或多個較低的隱藏層(121、202、502、505、905)和一個或多個較高的隱藏層(122、203、604、803、903、908、910)的神經網絡(120、220)估計移動通信設備的用戶的運動行為(112、605、703、804、904、909、911)的計算機實現方法；所述方法還包括以下步驟：

-從所述移動通信設備中的一個或多個傳感器獲得(401)傳感器數據(110、201、501、504、601、701、801、901)；以及

-獲得(402)與所述用戶的運動相關的測量值(503、506、603、802、907)；以及

-用第一所述傳感器數據集將所述測量值標記(403)為弱標記數據；以及

-預訓練(404)所述一個或多個較低的隱藏層以根據所述第一傳感器數據集估計所述測量值，以估計所述用戶的所述運動；以及

-獲得(405)第二所述傳感器數據集；其中用所述第二集將所述用戶的運動行為標記為標記數據；以及

-用所述標記數據訓練(406)所述神經網絡中的所述一個或多個較高的隱藏層以估計所述用戶的所述運動行為作為所述輸出。

2.根據權利要求1所述的方法，其中，所述訓練(406)還包括對所述神經網絡中的所述一個或多個較低的隱藏層進行訓練。

3.根據權利要求1或2所述的方法，包括：

-在所述預訓練之前，將輸出層堆疊在所述一個或多個較低的隱藏層的頂部上，以計算所述用戶的所述運動；以及

-在所述預訓練之后，去除所述輸出層并將所述一個或多個較高的隱藏層堆疊在所述一個或多個較低的隱藏層上。

4.根據權利要求1或2所述的方法，包括：

-在所述預訓練之后，去除所述較低的隱藏層的一個或多個頂部層。

5.根據前述權利要求中的任一項所述的方法，其中，所述傳感器包括加速度計和/或羅盤和/或陀螺儀(501、504、601、701、801、901)。

6.根據前述權利要求中的任一項所述的方法，其中，所述測量值包括以下組成的組中的至少一個：

-速度測量值(503、506)；

-由所述用戶操作的交通工具的節氣門位置的節氣門測量值(506)；

-發動機的RPM或每分鐘轉數測量值(506)。

7.根據前述權利要求中的任一項所述的方法，其中，所述估計運動行為包括估計駕駛事件(703、804、904)。

8.根據權利要求4所述的方法，其中，所述駕駛事件是由制動、加速、滑行、環行、轉向和車道變換組成的組中的一個。

9.根據前述權利要求中的任一項所述的方法，其中，所述估計運動行為包括估計所述用戶的交通方式(911)。

10.根據前述權利要求中的任一項所述的方法，其中，所述神經網絡是深度神經網絡，所述深度神經網絡包括由作為所述較低的隱藏層的和/或較高的隱藏層的長短期記憶神經網絡組件(302)、卷積神經網絡組件(303)以及前饋(301)神經網絡組件組成的組中的至少兩個。

11.根據前述權利要求中的任一項所述的方法，其中，所述運動行為包括第一(909)類型的運動行為和第二(911)類型的運動行為；并且其中所述較高的隱藏層包括分別輸出所述第一類型的運動行為或第二類型的運動行為作為輸出的第一(903、908)較高的所述隱藏層集和第二(910)較高的所述隱藏層集；并且其中所述用戶的第一運動行為和第二運動行為用所述第二集分別標記為第一標記數據和第二標記數據；并且其中所述訓練包括分別用所述第一標記數據和第二標記數據訓練所述第一較高的所述隱藏層集和第二較高的所述隱藏層集。

12.根據前述權利要求中的任一項所述的方法，其中，所述訓練和預訓練還包括分別微調所述較高的隱藏層的和較低的隱藏層的參數(205)。

13.一種計算機程序產品，包括用于當所述程序在計算機上運行時執行根據前述權利要求中的任一項所述的方法的計算機可執行指令。

14.一種計算機可讀存儲介質，包括根據權利要求13所述的計算機程序產品。

15.一種數據處理系統，所述數據處理系統被編程用于實施根據權利要求1至12中的任一項所述的方法。