[發明專利]一種行為辨識及模型訓練的方法和裝置

有效

• 申請號: 201911036281.5
• 申請日: 2019-10-29
• 公開（公告）號: CN110852442B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 張慧英
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N7/00
• 分類號: G06N7/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 靳玫

本說明書實施例提供一種行為辨識及模型訓練的方法和裝置，其中，所述方法包括：獲取訓練數據，訓練數據包括：具有行為交互關聯的不同實體對象分別對應的傳感器數據以及實體對象的隱狀態；所述傳感器數據是在不同實體對象的行為交互過程中采集得到；初始化多個模型參數，每個模型參數包括不同實體對象對應的參數，且模型參數中的狀態轉移概率包括：同一實體對象的隱狀態之間的轉移概率以及不同實體對象的隱狀態之間的轉移概率；根據模型參數進行模型訓練，其中，在模型訓練的演繹過程中，若一個實體對象在目標時刻缺失對應的隱狀態，則使用實體對象與另一實體對象之間的隱狀態的轉移概率；并且當達到模型訓練結束條件時，獲得行為辨識模型。

技術領域

本說明書涉及機器學習技術領域，特別涉及一種行為辨識及模型訓練的方法和裝置。

背景技術

隨著各種家庭娛樂設備、可穿戴設備的廣泛使用，產生了大量可用于行為識別的數據。例如，在人與設備交互的場景中，如，用戶使用熱水器燒水，或者用戶使用清潔設備打掃衛生等，可以通過溫度傳感器、電容傳感器等多種傳感器采集用戶在對設備使用過程中產生的數據，進而識別用戶進行的行為。

相關技術中，在根據傳感器采集的數據訓練用于進行行為識別的模型時，可以對訓練集樣本的傳感器數據進行人工打標，比如，為采集的某條傳感器數據打標為對應的用戶行為是燒水，即這是用戶在進行燒水行為時產生的。這種人工打標的方式效率較低，并且訓練得到的模型在行為識別的效果上也不夠好。

發明內容

有鑒于此，本說明書一個或多個實施例提供一種行為辨識及模型訓練的方法和裝置，以提高行為辨識的效率和準確率。

具體地，本說明書一個或多個實施例是通過如下技術方案實現的：

第一方面，提供一種行為辨識模型的訓練方法，所述方法基于耦合隱馬爾科夫鏈進行所述行為辨識模型的訓練；所述方法包括：

獲取訓練數據，所述訓練數據包括：具有行為交互關聯的不同實體對象分別對應的傳感器數據、以及所述實體對象的隱狀態；所述傳感器數據是在所述不同實體對象的行為交互過程中采集得到；

初始化多個模型參數，每個所述模型參數包括所述不同實體對象對應的參數，且所述模型參數中的狀態轉移概率包括：同一實體對象的隱狀態之間的轉移概率、以及不同實體對象的隱狀態之間的轉移概率；

根據所述模型參數進行模型訓練，其中，在模型訓練的演繹過程中，若一個實體對象在目標時刻缺失對應的隱狀態，則使用所述實體對象與另一實體對象之間的隱狀態的轉移概率；并且當達到模型訓練結束條件時，獲得所述行為辨識模型。

第二方面，提供一種行為辨識方法，所述方法包括：

獲取在目標時刻采集的傳感器數據，所述傳感器數據包括：具有行為交互關聯的不同實體對象分別對應的傳感器數據；且所述傳感器數據是在所述不同實體對象的行為交互過程中采集得到；

通過本公開任一所述的行為辨識模型的訓練方法訓練得到的模型，確定在所述目標時刻所述傳感器數據對應的隱狀態最佳路徑；

根據所述隱狀態最佳路徑，確定所述傳感器數據對應的實體對象行為。

第三方面，提供一種行為辨識模型的訓練裝置，所述裝置包括：

數據獲取模塊，用于獲取訓練數據，所述訓練數據包括：具有行為交互關聯的不同實體對象分別對應的傳感器數據、以及所述實體對象的隱狀態；所述傳感器數據是在所述不同實體對象的行為交互過程中采集得到；

參數處理模塊，用于初始化多個模型參數，每個所述模型參數包括所述不同實體對象對應的參數，且所述模型參數中的狀態轉移概率包括：同一實體對象的隱狀態之間的轉移概率、以及不同實體對象的隱狀態之間的轉移概率；