[發明專利]智能終端操作者年齡估計方法

在審

• 申請號: 201611190921.4
• 申請日: 2016-12-21
• 公開（公告）號: CN106777990A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 陳瀟瀟;余少雄;婁小平;熊佳慧;周永明
• 申請（專利權）人: 湖南文理學院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06F3/0485;G06F3/0488;G06N3/08
• 代理公司: 重慶棱鏡智慧知識產權代理事務所(普通合伙)50222
• 代理人: 李興寰

1.智能終端操作者年齡估計方法，其特征在于，包括以下步驟：

S1：獲取操作者手指在智能終端觸摸屏上的觸摸滑動信息；

S2：提取觸摸滑動信息中的特征參數，包括滑動軌跡寬度、滑動軌跡長度、時間參數、壓力參數；

S3：根據步驟S2提取的特征參數，計算滑動速度和觸控力度；

S4：將年齡作為因變量，將步驟S1和步驟S2所得的滑動軌跡寬度、滑動速度、觸控力度作為自變量，通過預先訓練好的神經網絡模型進行年齡估計，得到操作者的年齡估計值。

2.根據權利要求1所述的智能終端操作者年齡估計方法，其特征在于，所述步驟S2中時間參數信息包括：手指滑動時位于開始觸點的時間T₁和位于最后觸點的時間T₂。

3.根據權利要求1所述的智能終端操作者年齡估計方法，其特征在于，所述步驟S3中滑動速度的計算方法如下：

1)：獲取手指滑動時位于開始觸點的時間T₁和位于最后觸點的時間T₂；

2)：計算手指滑動時間：T＝T₂-T₁；

3)：根據滑動軌跡長度L和手指滑動時間T，計算手指滑動速度：V＝L/T。

4.根據權利要求1所述的智能終端操作者年齡估計方法，其特征在于，所述步驟S3中觸控力度的獲取方法如下：

1)：獲取每一時刻觸摸點的壓力值P_i；

2)：統計每個P_i出現的概率；

3)：將上一步得出的出現概率最高的P_i作為觸控力度值。

5.根據權利要求1所述的智能終端操作者年齡估計方法，其特征在于，所述神經網絡模型預先經過大量訓練樣本訓練所得，訓練步驟如下：

1)：建立用于計算年齡階段值的神經網絡初始模型，所述神經網絡為三層神經網絡，包括輸入層、隱含層和輸出層，各層的神經元個數分別為3、n和1；確定輸入變量：滑動軌跡寬度信息x₁、滑動速度x₂和觸控力度x₃，輸出變量為年齡階段值；初設各神經元之間的權重、隱含層和輸出層各神經元的閾值、誤差函數E、誤差精度α；

2)：采集一個樣本的三個因變量(x₁，x₂，x₃)，將三個因變量輸入隱含層各神經元，根據步驟1)所設的權重和閾值，計算出隱含層各神經元的輸出值，并將其輸入到輸出層神經元，計算出輸出層神經元的輸出值；

隱含層神經元輸出模型：

輸出層神經元輸出模型：

i為輸入層第i個神經元；

j為隱含層第j個神經元；

x_i為神經網絡的輸入值；

w_ij為入層神經元與隱含層神經元之間的權重；

o_j為隱含層神經元輸出值；

w_j為隱含層神經元與輸出層神經元之間的權重；

y為輸出層神經元輸出值；

θ_j、θ_j為神經元閾值；

f(x)是激發函數，

3)：輸出層神經元根據誤差函數計算輸出誤差；

輸出誤差：t為期望的輸出目標值；

神經網絡進行自學習，進行誤差修正，修正權重和閾值；

4)：經過p個樣本的訓練，全局誤差：m為第m個樣本；

5)：判斷全局誤差是否達到誤差精度α，是則結束算法；否則進入步驟2)進入下一輪訓練學習；直到全局誤差達到誤差精度，得到最終的神經網絡模型。

6.根據權利要求5所述的智能終端操作者年齡估計方法，其特征在于，通過神經網絡模型分析可以得到四個階段年齡值：第一階段年齡值Y₁、第二階段年齡值Y₂、第三階段年齡值Y₃和第四階段年齡值Y₄。

7.根據權利要求6所述的智能終端操作者年齡估計方法，其特征在于，

所述第一階段年齡值Y₁：0～7歲；

所述第一階段年齡值Y₂：8～15歲；

所述第一階段年齡值Y₃：15～50歲；

所述第四階段年齡值Y₄：50歲以上。