[發明專利]一種多模態傳感器協同感知方法及系統

有效

• 申請號: 201710743558.2
• 申請日: 2017-08-25
• 公開（公告）號: CN109426827B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 陳益強;楊曉東;于漢超;張迎偉
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

本發明涉及一種面向用戶日常行為的傳感器協同感知方法。該方法將行為感知分為行為識別和狀態監測兩個子任務，行為識別采用多類分類器進行建模，而狀態監測過程僅需要激活部分傳感器，并采用輕量級的二類分類器進行建模，從而降低了整體功耗。本發明從用戶日常行為的持續特性出發，在識別出特定日常行為后調用輕量級的狀態監測模型判斷當前行為是否發生變化，不僅能夠對行為進行有效感知，同時能夠降低感知過程中的資源和能源消耗。

技術領域

本發明涉及行為識別、機器學習及可穿戴計算等領域，具體涉及一種面向用戶日常行為的多模態傳感器協同感知方法及系統。

背景技術

隨著傳感技術和計算機科學的發展，利用可穿戴多模態傳感器對用戶日常行為進行感知越來越成為一個研究熱點，并應用于日常生活和醫療環境下的持續健康監護等方面。然而，可穿戴設備的小型化、便利性等優點同樣帶來了能源和資源消耗問題，極大地限制了日常行為感知的時間和范圍。例如，可穿戴多模態傳感器的采樣頻率一般設置為50Hz以上，以常用的慣性傳感器三軸加速度計為例，每軸采樣點用64字節的浮點數存儲，則該傳感器連續采集用戶一天的數據量將十分巨大：(64B×3軸×50H_Z×60s×60m×24h)/1024³＝0.77GB/day，另外在利用多模態傳感器感知用戶行為時，綜合處理各模態數據進行數據通信和模型計算同樣將帶來額外的能源和資源消耗。因此，如何有效降低感知用戶日常行為過程中的能源和資源消耗，成為了該領域重要的研究熱點之一。

針對上述問題，研究人員進行了很多共同的嘗試：專利CN201611100251.2 中提出了一種低功耗的無線傳感網絡的控制方法，通過調整數據傳輸協議，降低系統的功耗；專利CN201611042104.4中提出了一種無線傳感器網絡的大數據傳輸方法，通過在發送大數據時提前發出長時隙占用請求幀，而在其他時隙中處于低功耗的休眠模式，從而降低整個傳感網絡的能源消耗。

雖然各種各樣的低功耗方案已經被成功應用于無線傳感器網絡，但是它們在通用性、適應性等尚存在一些不足：

1)常用無線傳感器的數據傳輸主要基于藍牙、Wifi或者ZigBee等成熟的數據傳輸協議，傳輸協議的修改往往需要生產廠商的介入，普適性不夠。

2)用戶日常行為包含行走、站立、坐下、躺等多種不同類型行為，穿戴在不同身體位置的傳感器對識別不同行為的貢獻程度是不同的；另外，行走、躺等日常行為通常具有時間上的持續性，而傳統的行為感知方法往往忽略這種特性。

發明內容

為了解決上述問題，克服已有方法的缺陷，本發明提出了一種面向用戶日常行為的多模態傳感器低功耗協同感知方法，利用日常行為的持續性特點，將行為感知分為行為識別與狀態監測兩個子任務，其中行為識別利用多類分類器 (Multi-Classifier，MC)建模，狀態監測利用輕量級的二類分類器(Binary Classifier，BC)建模，

總的來說，基于可穿戴多模態傳感器的低功耗用戶日常行為感知方法包含兩個階段：離線模型訓練和在線行為識別。

針對本發明提出方法中涉及的每個分類模型，其離線模型訓練的工作流程主要步驟包括：

1)基于用戶穿戴的傳感器進行用戶行為數據采集；

2)從數據中提取特征；

3)計算每維特征的信息增益；

4)基于相關特征的信息增益之和計算每個傳感器的信息增益；

5)根據傳感器信息增益進行降序排列；

6)初始化針對當前模型最優的傳感器組合S＝Ф，當前驗證的傳感器序號 i＝1；

7)S＝S∪si；

8)選擇與S相關的特征，組成訓練樣本集；