一种基于多种异构传感器的排队行为检测方法及系统技术方案

本发明专利技术涉及一种基于多种异构传感器的排队行为检测方法及系统，包括以下步骤：利用智能手机内置的多种异构传感器分别采集智能手机的原始测量数据；根据采集的原始测量数据，预测使用智能手机的用户的运动状态、方向状态、位移状态和相对距离；根据预测的运动状态、方向状态、位移状态和相对距离，提取用户进行排队行为的排队特征值；根据排队特征值与机器学习算法建立排队模型；利用智能手机内置的多种异构传感器采集智能手机当前的排队特征值，将当前的排队特征值输入排队模型中，根据输出结果判断当前手机是否处于排队状态。本发明专利技术能够自动检测出用户的排队行为，并且具有鲁棒性。

【技术实现步骤摘要】
一种基于多种异构传感器的排队行为检测方法及系统
本专利技术涉及多种异构传感数据融合的方法，特别涉及一种基于多种异构传感器的排队行为检测方法及系统。
技术介绍
随着嵌入式设备、无线传感网络、移动计算等快速发展，集成感知、计算和通信能力的普适智能系统被广泛部署，并逐步融入到人类的日常生活环境。其中最为显著的是，智能手机的普及，在全球智能手机市场已经达到了一个新的里程碑，截至2014年为止，出货高达数十亿的出货量，将近63％的人们都拥有一部或多部智能手机。而现代的智能手机，具备了许多内置的传感设备、无线通信接口与高性能的处理能力。三维加速计、电子方向盘，陀螺仪，光感传感器，近场传感器，麦克风，前置后置摄像头等传感设备，可以感知智能手机随时随地的感知与检测到周围环境的信息，为普适计算的无所不在感知而服务。内置的多种无线通信技术，WiFi,Bluetooth(蓝牙)，Cellular(3G、2G、4G)，智能手机可以随时随地的进行无线通信，为普适计算的无所不在的通信而服务。高性能的计算与处理能力，4核1.2Ghz、8核1.5Ghz芯片不断的更新换代，智能手机越来越可以处理复杂计算与提供高质量的服务。确切来说，普适计算技术，正在以智能手机为嵌入点，其传感技术和情境感知技术，以前所未有的方式增强我们收集、分析和利用数据的广度和深。以智能手机为嵌入点，人们生活在由传感网、通信网、互联网等相互融合所形成的混合普适计算的环境中，为人们提供了无所不在的服务，并支持人类的社会活动。通过智能手机对人们的帮助，可以提高我们的日常生活质量，如减少交通拥塞、限制疾病传播和优化公共资源调度。在普适计算中，排队行为的检测与排队等待时间的提供，可以提高人们在排队时的用户体验，并且也提高商家的资源分配调度的效率，避免资源浪费等等情况。排队现象是人们时常生活十分常见的现象，尤其是在公共区域，例如超市结帐台，餐馆门口等待进入，银行服务窗口排队等待，交通枢纽，娱乐场所等待服务，公园游戏设施等等。这些公共场所，提供公共服务，人们为了享受这项服务，必须进行排队行为，按照次序才能接受公共服务。尤其是在一些人口集中的大城市，比如北京、上海，排队等待的现象特别常见。然而，过长的排队等待时间，会大大降低人们的用户体验。如果人们花费了大量的时间在排队行为上，会造成人们心情的沮丧和用户体验的降低。例如2010上海世博会，每次进出一个会馆，人们往往需要等待1小时到3小时的排队等待时间，这是一件非常令人沮丧的事情。于此同时，对于商业商家来说，将大量的用户的时间浪费在排队上，而不是将用户的时间放在购买其余商品，购买其与服务至上，这是一种资源的浪费与资源配置的不合理。更重要的是，大量用户在排队，商业商家需要雇佣人力去维持排队次序，不会造成不良的效果。因此，排队等待，无论是对于用户体验来讲，还是对于商业商家来讲，都是一个需要着重考虑的事情。如果人们在排队之前，提前知道了排队等待的人数与排队等待的时间，那么人们会合理的利用自己的时间，而不会去盲目的排队。商业商家提前知道了人们的排队人数，那么他们可以合理高效的配置资源，提供更多的服务，避免资源的浪费。因此，排队等待时间提供的服务，是一个常见而且容易被人忽略的服务。普适计算，提供无所不在的服务，排队时间提供，正是普适计算提供无所不在的服务。如今智能手机的发展，集成通信、感知与计算于一体，在无所不在的普适计算服务中，起着越来越重要的重要。三维加速计，可以检测人们行为状态，跑步，走路，还是休息。电子方向盘，可以检测人们当前所处的方向，GPS可以检测人们的地理位置信息(Sensingmeetsmobilesocialnetworks:thedesign,implementationandevaluationofthecencemeapplication,”inSenSys2008)。我们提出，利用智能手机来自动检测人们的排队行为，从而为排队时间预测系统提供辅助。现有的排队行为检测，主要分为三大类。第一类，采用摄像头视频检测排队行为，从而为预测排队等待时间提高辅助功能。然而，这种方法，有以下缺点。首先，视频监测排队行为，需要利用图像处理技术和机器学习算法，从而找到可以检测出排队行为的模型。这类模型往往需要根据特定的排队场景进行优化，从而提高检测准确率。一个通用的视频排队检测模型，准确率很低。针对所有场景建立视频排队行为检测模型，是非常不现实的情况。其次，视频监测排队行为，需要布置足够的摄像头，来覆盖排队队伍的长度，这需要额外的设施进行布置，需要耗费大量的人力和物力。第二类，是利用电子自动排队机，来检测排队等待行为的监测。每一个用户，在需要服务之前，首先来到电子排队机前，取一张排队序号票。票上标识了，前面排队的人数，等到机器轮询到用户时，用户在前往服务台。然而，这种方法，有以下缺陷。首先，电子排队机需要额外的费用去购买。其次，排队序号并不准确，从而无法提供准确的排队等待时间估计。用户可以拿了排队序号票之后，因为某种原因而离开。排队序号往往不是真实前面等待的人数。第三类，是利用人力的方法，监控排队队伍，从而将队伍的人数和预估计的等待时间，广播出去。这种传统的方法，需要花费大量的人力支持。本专利技术，利用智能手机内置的传感器，三维加速计，电子方向盘，蓝牙，WiFi，收集个体信息步行，静止，方向，距离，位移等手机用户的行为信息，结合机器学习算法，支持向量机(SupportedVectorMachine)，从而判断当前用户是否处于排队行为，作为排队等待时间预测的辅助功能。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于智能手机中的多种异构传感器进行数据融合、进而能够自动检测出用户的排队行为的基于多种异构传感器的检测排队行为的方法及系统。本专利技术解决上述技术问题的技术方案如下：一种基于多种异构传感器的排队行为检测方法，包括以下步骤：步骤1：利用智能手机内置的多种异构传感器分别采集智能手机的原始测量数据；步骤2：根据采集的原始测量数据，预测使用智能手机的用户的运动状态、方向状态、位移状态和相对距离；步骤3：根据预测的运动状态、方向状态、位移状态和相对距离，提取用户进行排队行为的排队特征值；步骤4：根据排队特征值与机器学习算法建立排队模型；步骤5：利用智能手机内置的多种异构传感器采集智能手机当前的排队特征值，将当前的排队特征值输入排队模型中，根据输出结果判断当前手机是否处于排队状态。本专利技术的有益效果是：(1)无需用户手动输入当前是否处于排队，智能手机自动检测出用户的排队行为；(2)无需任何的额外设施，相比较与前面三类排队检测方法，基于视频，基于电子排队机，基于人工，本专利技术只要求排队的用户，外出携带手机这个前提；(3)本专利技术可以适应于大部分排队场景，具备鲁棒性。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述步骤2具体为：根据采集的智能手机三个坐标轴的加速度信息，利用决策树优化算法预测用户的运动状态；根据采集的智能手机当前所处的方向信息和相对位移的角速度信息，利用积分公式预测方向状态；根据采集的智能手机三个坐标轴的加速度信息，利用小波变换算法预测位移状态；根据采集的智能手机周围蓝牙设备的信号强度信息，利用多项拟合算法预测相对距离。进一本文档来自技高网...

【技术保护点】
一种基于多种异构传感器的排队行为检测方法，其特征在于，包括以下步骤：步骤1：利用智能手机内置的多种异构传感器分别采集智能手机的原始测量数据；步骤2：根据采集的原始测量数据，预测使用智能手机的用户的运动状态、方向状态、位移状态和相对距离；步骤3：根据预测的运动状态、方向状态、位移状态和相对距离，提取用户进行排队行为的排队特征值；步骤4：根据排队特征值与机器学习算法建立排队模型；步骤5：利用智能手机内置的多种异构传感器采集智能手机当前的排队特征值，将当前的排队特征值输入排队模型中，根据输出结果判断当前手机是否处于排队状态。

【技术特征摘要】
1.一种基于多种异构传感器的排队行为检测方法，其特征在于，包括以下步骤：步骤1：利用智能手机内置的多种异构传感器分别采集智能手机的原始测量数据；步骤2：根据采集的原始测量数据，预测使用智能手机的用户的运动状态、方向状态、位移状态和相对距离；步骤3：根据预测的运动状态、方向状态、位移状态和相对距离，提取用户进行排队行为的排队特征值；步骤4：根据排队特征值与机器学习算法建立排队模型；步骤5：利用智能手机内置的多种异构传感器采集智能手机当前的排队特征值，将当前的排队特征值输入排队模型中，根据输出结果判断当前手机是否处于排队状态；所述原始测量数据包括三维加速度计采集的智能手机三个坐标轴的加速度信息、电子方向盘采集的智能手机当前所处的方向信息、陀螺仪采集的智能手机相对位移的角速度信息和蓝牙采集的智能手机周围蓝牙设备的信号强度信息；所述步骤2具体为：根据采集的智能手机三个坐标轴的加速度信息，利用决策树优化算法预测用户的运动状态；根据采集的智能手机当前所处的方向信息和相对位移的角速度信息，利用积分公式预测方向状态；根据采集的智能手机三个坐标轴的加速度信息，利用小波变换算法预测位移状态；根据采集的智能手机周围蓝牙设备的信号强度信息，利用多项拟合算法预测相对距离。2.根据权利要求1所述的基于多种异构传感器的排队行为检测方法，其特征在于，所述排队特征值包括运动状态相似度、方向状态相似度、运动状态变化率、方向状态变化率、位置偏移、相对距离变化率和对齐距离。3.根据权利要求2所述的基于多种异构传感器的排队行为检测方法，其特征在于，所述步骤3具体为，根据预测的运动状态利用相似度计算公式计算运动状态相似度；根据预测的方向状态利用相似度计算公式计算方向状态相似性；根据运动状态相似度利用变化率计算公式计算运动状态变化率；根据方向状态相似性利用变化率计算公式计算方向状态变化率；根据位移状态利用偏移量计算公式计算位移偏移量；根据相对距离利用变化率计算公式计算相对距离变化率；和根据运动状态、方向状态、位移状态和相对距离利用动态时间调整算法计算对齐距离。4.一种基于多种异构传感器的排队行为检测系统，其特征在于，包括采集模块(1)、预测模块(2)、提取模块(3...

【专利技术属性】
技术研发人员：孙利民，李强，李志，朱红松，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京;11