[發(fā)明專利]為人體運動活動生成個性化分類器的方法和設備

有效

• 申請?zhí)枺?/td>: 201810433359.6
• 申請日: 2018-05-08
• 公開（公告）號: CN108960430B
• 公開（公告）日: 2022-01-14
• 發(fā)明（設計）人: M·喬達里;A·庫馬;G·辛格;R·巴勒
• 申請（專利權(quán)）人: 意法半導體公司;意法半導體國際有限公司
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06F16/2455
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華;呂世磊

本文中描述了一種操作電子設備的方法，該方法包括：從電子設備的至少一個傳感器收集初始運動活動數(shù)據(jù)；以及使用運動活動分類器函數(shù)根據(jù)收集的初始運動活動數(shù)據(jù)來生成電子設備相對于其周圍環(huán)境的初始概率上下文。將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中，并且使用訓練數(shù)據(jù)集來更新運動活動分類器函數(shù)。該方法還包括從電子設備的至少一個傳感器收集后續(xù)運動活動數(shù)據(jù)，并且使用經(jīng)更新的運動活動分類器函數(shù)根據(jù)后續(xù)收集的運動活動數(shù)據(jù)來生成電子設備相對于其周圍環(huán)境的后續(xù)概率上下文。

技術(shù)領域

本公開涉及一種用于以無監(jiān)督方式使用從工廠設置的通用分類器開始被個性化的分類器來提高移動或可穿戴設備用戶的運動活動的分類準確度的方法。

背景技術(shù)

移動、平板電腦和可穿戴設備包括嵌入式MEMS傳感器，如加速度計、氣壓計、陀螺儀、磁力計和麥克風。這些傳感器可以由在設備內(nèi)執(zhí)行的軟件使用，以確定用戶正在執(zhí)行或進行的人體運動活動。這樣的運動活動的檢測可以由軟件使用，以輔助人機交互。事實上，運動活動感知設備可以在涉及運動活動的某些應用中最小化或者甚至消除對人類輸入的需要。例如，如果人類用戶正在慢跑，則應用可以自動且無需用戶輸入地開始播放音樂并且開啟健康監(jiān)測應用。因此，正確地檢測人體運動活動可以是有價值的且在商業(yè)上需要的，特別是在普適計算、人機交互和物聯(lián)網(wǎng)領域。

通常，這樣的電子設備使用通用分類技術(shù)來確定正在執(zhí)行哪種運動活動，諸如步行或慢跑。這些通用分類技術(shù)并非特定于任何一個用戶，而是被設計成為任何用戶提供可接受的性能。然而，每個個人在執(zhí)行這樣的運動活動時具有不同的步態(tài)，這表示與對于其他用戶而言相比，對于某些用戶而言，通用分類技術(shù)可能更準確。這由于人的尺寸、形狀和重量的巨大差異而變得復雜化，因為例如，由高且重的個體執(zhí)行的慢跑運動的傳感器輸出與由矮且輕的個體執(zhí)行的慢跑運動的傳感器輸出可能顯著不同。

因此，為了提供更好和更準確的運動活動檢測和分類，需要開發(fā)可以考慮不同用戶的不同特性的分類技術(shù)。

發(fā)明內(nèi)容

一種方法用于操作電子設備并且包括：從電子設備的至少一個傳感器收集初始運動活動數(shù)據(jù)；以及使用運動活動分類器函數(shù)根據(jù)收集的初始運動活動數(shù)據(jù)來生成電子設備相對于其周圍環(huán)境的初始概率上下文。將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中，并且使用訓練數(shù)據(jù)集來更新運動活動分類器函數(shù)。該方法還包括從電子設備的至少一個傳感器收集后續(xù)運動活動數(shù)據(jù)，并且使用經(jīng)更新的運動活動分類器函數(shù)根據(jù)后續(xù)收集的運動活動數(shù)據(jù)來生成電子設備相對于其周圍環(huán)境的后續(xù)概率上下文。

該方法可以包括在生成初始概率上下文之后生成數(shù)據(jù)選擇置信度量度。如果數(shù)據(jù)選擇置信度量度大于較低閾值，則可以將所收集的運動活動數(shù)據(jù)可以存儲在訓練數(shù)據(jù)集中，并且如果數(shù)據(jù)選擇置信度量度小于較低閾值，則可以不將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中。

如果數(shù)據(jù)選擇置信度量度大于或等于較低閾值且小于或等于較高閾值，則可以將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中。

該方法可以包括在生成初始概率上下文之后生成數(shù)據(jù)選擇置信度量度。如果數(shù)據(jù)選擇置信度量度小于較高閾值，則可以將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中，并且如果數(shù)據(jù)選擇置信度量度大于較高閾值，則不將所收集的運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中。

該方法還可以包括在使用訓練數(shù)據(jù)集來更新運動活動分類器函數(shù)之前確定訓練數(shù)據(jù)集是否包含足夠的數(shù)據(jù)，并且除非訓練數(shù)據(jù)集包含足夠的數(shù)據(jù)，否則不更新運動活動分類器函數(shù)。

該方法可以另外包括將后續(xù)運動活動數(shù)據(jù)存儲在訓練數(shù)據(jù)集中，使用訓練數(shù)據(jù)集進一步更新經(jīng)更新的運動活動分類器函數(shù)，從電子設備的至少一個傳感器收集進一步的運動活動數(shù)據(jù)，并且使用經(jīng)進一步更新的運動活動分類器函數(shù)根據(jù)進一步的運動活動數(shù)據(jù)來生成電子設備相對于其周圍環(huán)境的進一步的概率上下文。

數(shù)據(jù)選擇置信度量度可以基于初始概率上下文的條件熵。初始概率上下文可以包括包含多個不同潛在上下文的運動活動后驗圖，并且數(shù)據(jù)選擇置信度量度可以基于運動活動后驗圖的條件熵。