[發明專利]一種智能可穿戴設備行為數據的多級語義特征提取方法

有效

• 申請號: 201611128886.3
• 申請日: 2016-12-09
• 公開（公告）號: CN106599988B
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 劉慈航;張蘭;劉宗前;劉克彬;李向陽;劉云浩
• 申請（專利權）人: 無錫清華信息科學與技術國家實驗室物聯網技術中心
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆;胡彬

本發明公開一種智能可穿戴設備行為數據的多級語義特征提取方法，包括如下步驟：S101、構建單級行為空間，找到行為空間下的一組基；S102、構建多級行為空間，從不同的粒度分析行為數據；S103、提取行為數據在多級行為空間下的多級語義特征。本發明無需人工對數據進行標注，在極大減少人力成本的同時可以適用于任何行為；同時，提取出的語義特征可以從不同粒度上對行為進行分析，可以保證很高的識別精度。本發明與傳統的基于預定義特征空間的方法相比準確度有大幅提高，而和現有基于有監督的深度神經網絡的方法相比，本發明甚至能提供更高的識別準確度。

技術領域

本發明涉及移動感知領域，尤其涉及一種智能可穿戴設備行為數據的多級語義特征提取方法。

背景技術

近年來，因為通信技術、傳感器技術和嵌入式計算技術的日益成熟，智能可穿戴設備如智能手表、手環等市場得到飛速發展。相比于智能手機，智能可穿戴設備更加貼近使用者的日常生活且更容易被使用者長時間佩戴。因此，通過智能可穿戴設備對用戶行為數據進行分析和理解將對智能醫療、智能經濟、保險等領域的發展產生巨大推動作用。然而現有的應用尚處于比較低水平的階段：應用市場上大部分應用如微信運動、咕咚跑步等僅可以通過用戶的行為數據記錄用戶的步數，并換算出行走的路程、消耗的熱量等信息。有一些研究可以實現對智能可穿戴設備用戶日常行為如吃飯、喝水等和鍵盤輸入等行為的理解。然而，由于行為數據不穩定，極容易受到各種環境因素的干擾，對于某一種行為來說，不同的人在不同的時間通過不同的設備收集的數據也很可能反映出來不同的特性，極大地增加了理解的難度。此外，行為的任意性導致無法人工枚舉出所有可能發生的行為并對其進行標注，進一步增加了理解、分析行為數據的難度。

當前主要的理解、分析用戶行為數據的技術可分為三類。第一類技術是行為建模技術，即通過觀察用戶行為的特性在數據層面上對行為進行建模，之后利用行為模型對數據進行匹配和識別。這種方法對理解特定行為有比較強的針對性，但是建模過程往往需要長時間的觀察和分析，且針對不同行為所建立的模型往往不能通用。第二類技術通過預定義特征空間的方法對行為進行理解，利用不同行為的移動感知數據在特征空間上的分布不同這一特性，通過機器學習的方法對行為進行理解。這一方法不需要預先對行為建模，但預定義的特征空間往往不能提供很好的精度。第三類技術采用有監督的深度神經網絡，通過大量的有標注數據對網絡進行訓練，可以實現比較高的識別精度。密蘇里科技大學的研究人員提出利用預先標注好事件類型的行為數據對卷積神經網絡進行有監督的學習，可以使識別的準確率達到98％左右。但行為進行標注的過程需要耗費大量的人力物力，且訓練出的網絡不能對未標注的行為進行理解，這種方法很難被應用到現實場景中。

現有的能提供高識別準確率的方法很大程度上要求研究人員對智能可穿戴設備的使用場景或具體的行為類型有先驗知識，限制了其在現實生活中的實用性。事實上，可穿戴設備使用者的使用環境、設備以及行為都存在很強的任意性，人工標注無法枚舉出所有可能的情況。隨著可穿戴設備的越來越深入人們的日常生活，現有的理解和分析用戶行為數據的方法已經遠遠不能滿足需求。

發明內容

本發明的目的在于通過一種智能可穿戴設備行為數據的多級語義特征提取方法，來解決以上背景技術部分提到的問題。

為達此目的，本發明采用以下技術方案：

一種智能可穿戴設備行為數據的多級語義特征提取方法，其包括如下步驟：

S101、構建單級行為空間，找到行為空間下的一組基；

S102、構建多級行為空間，從不同的粒度分析行為數據；

S103、提取行為數據在多級行為空間下的多級語義特征。

特別地，所述步驟S101包括：利用卷積核函數處理行為數據，同時利用卷積受限玻爾茲曼機(CRBM)無監督地學習出一組卷積核函數作為行為空間下的一組基。