[發(fā)明專利]基于移動終端的用戶活動狀態(tài)識別方法、裝置及移動終端

在審

• 申請?zhí)枺?/td>: 201710527097.5
• 申請日: 2017-06-30
• 公開（公告）號: CN107396306A
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計）人: 胡衛(wèi)君;革明新;趙洪樂
• 申請（專利權(quán)）人: 北京奇虎科技有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04L29/08;G06N99/00
• 代理公司: 北京智匯東方知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11391
• 代理人: 康正德,盛惠華

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)應(yīng)用技術(shù)領(lǐng)域，特別是一種基于移動終端的用戶活動狀態(tài)識別方法、裝置及移動終端。

背景技術(shù)

目前，移動終端(如智能手機(jī)、平板電腦、智能手表等)已經(jīng)成為人們?nèi)粘９ぷ鳌W(xué)習(xí)和娛樂不可或缺的工具。例如，用戶可以通過移動終端來通話、拍照、閱讀、聽音樂、玩游戲，還可以實現(xiàn)包括定位、信息處理、指紋掃描、身份證掃描、條碼掃描以及酒精含量檢測等豐富的功能。

在實際生活中，人們還希望通過移動終端來管理自身的日常活動狀態(tài)(如靜止、步行、駕車、乘坐公共交通等)，將日常的活動軌跡分享給家人、好友，可以實現(xiàn)與家人、好友之間的互動。因此，如何靈活、準(zhǔn)確地識別用戶活動狀態(tài)成為亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的基于移動終端的用戶活動狀態(tài)識別方法、裝置及移動終端。

依據(jù)本發(fā)明的一方面，提供了一種基于移動終端的用戶活動狀態(tài)識別方法，包括：

讀取移動終端的傳感器采集的傳感器數(shù)據(jù)；

從讀取的所述傳感器數(shù)據(jù)中提取特征向量，并輸入從特征向量到用戶活動狀態(tài)的類別的分類模型；

利用所述分類模型識別讀取的所述傳感器數(shù)據(jù)對應(yīng)的用戶活動狀態(tài)的類別。

可選地，在利用所述分類模型識別讀取的所述傳感器數(shù)據(jù)對應(yīng)的用戶活動狀態(tài)的類別之后，所述方法還包括：

基于所述移動終端獲取用于識別用戶活動狀態(tài)的類別的輔助識別信息；

利用所述輔助識別信息來調(diào)整識別出的用戶活動狀態(tài)的類別。

可選地，基于所述移動終端獲取用于識別用戶活動狀態(tài)的類別的輔助識別信息，包括：判斷所述移動終端上的指定通信模塊是否接入相應(yīng)協(xié)議類型的通信設(shè)備；若是，則獲取所述移動終端上的通信模塊接入的通信設(shè)備的相關(guān)信息；

利用所述輔助識別信息來調(diào)整識別出的用戶活動狀態(tài)的類別，包括：基于獲取的所述相關(guān)信息來調(diào)整識別出的用戶活動狀態(tài)的類別。

可選地，基于所述移動終端獲取用于識別用戶活動狀態(tài)的類別的輔助識別信息，包括：獲取所述移動終端上的指定應(yīng)用程序的業(yè)務(wù)數(shù)據(jù)；

利用所述輔助識別信息來調(diào)整識別出的用戶活動狀態(tài)的類別，包括：基于獲取的所述業(yè)務(wù)數(shù)據(jù)來調(diào)整識別出的用戶活動狀態(tài)的類別。

可選地，所述方法還包括：

當(dāng)發(fā)生調(diào)整識別出的用戶活動狀態(tài)的類別的事件時，獲取調(diào)整后的用戶活動狀態(tài)的類別；

利用所述傳感器數(shù)據(jù)中的特征向量與所述調(diào)整后的用戶活動狀態(tài)的類別對所述分類模型進(jìn)行訓(xùn)練，以修正所述分類模型。

可選地，在識別出用戶活動狀態(tài)的類別之后，所述方法還包括：

判斷本次識別是否為初次識別操作；

若是，則將本次識別出的用戶活動狀態(tài)的類別作為本次確定的用戶活動狀態(tài)的類別；

若否，則獲取上一次確定的用戶活動狀態(tài)的類別，并基于上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別，確定本次用戶活動狀態(tài)是否發(fā)生切換。

可選地，基于上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別，確定本次用戶活動狀態(tài)是否發(fā)生切換，包括：

若上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別相同，則確定本次用戶活動狀態(tài)未發(fā)生切換；

若上一次確定的用戶活動狀態(tài)的類別與本次識別出的用戶活動狀態(tài)的類別不相同，則將上一次確定的用戶活動狀態(tài)的類別稱為第一類別，本次識別出的用戶活動狀態(tài)的類別稱為第二類別，并繼續(xù)進(jìn)行上述的讀取、識別操作，當(dāng)后續(xù)識別出的用戶活動狀態(tài)的類別為所述第二類別的次數(shù)超出閾值，則確定超出閾值時對應(yīng)的用戶活動狀態(tài)發(fā)生切換。

可選地，通過以下步驟訓(xùn)練得到從特征向量到用戶活動狀態(tài)的類別的分類模型，包括：

收集移動終端上傳感器采集的數(shù)據(jù)，得到數(shù)據(jù)序列；

將所述數(shù)據(jù)序列作為訓(xùn)練樣本提取其中的特征向量，將特征向量映射到用戶活動狀態(tài)的類別，使用機(jī)器學(xué)習(xí)算法訓(xùn)練從特征向量到用戶活動狀態(tài)的類別的分類模型。

可選地，所述傳感器采集的數(shù)據(jù)包括多個方向上的數(shù)據(jù)，所述數(shù)據(jù)序列包括相應(yīng)的各個方向上的數(shù)據(jù)序列。

可選地，當(dāng)所述傳感器包括多種類型的傳感器時，所述收集移動終端上傳感器采集的數(shù)據(jù)，得到數(shù)據(jù)序列，包括：

對所述多種類型的傳感器進(jìn)行組合，得到多組傳感器，其中，各組傳感器中包含一類或多類傳感器；