人体活动识别方法及装置制造方法及图纸

本发明专利技术公开了一种人体活动识别方法及装置，涉及网络技术领域，可以将活动识别目标划分层次，可以降低多活动目标识别时数据特征提取的复杂度。所述方法包括：当接收到用户活动状态的识别指令时，获取所述识别指令中携带的需要对待识别用户进行活动识别的识别目标，以及获取所述待识别用户移动终端的终端数据；确定与所述识别目标对应的分类模型组合流程；根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，得到所述待识别用户的活动状态，其中，上一层级分类模型分类得到的活动状态与下一层级分类模型分类可选的活动状态之间具有上下位关系。本发明专利技术适用于人体活动识别。

Human activity recognition method and device

The invention discloses a method and a device for recognizing human activities, relating to the field of network technology, and dividing the moving identification target into layers can reduce the complexity of data feature extraction when moving objects are identified. The method includes: when the user receives active recognition instructions, obtain the need to carry the identification instruction with the identification user activity identification of the target, and the data acquisition terminal to identify the user of a mobile terminal; determining the classification model of combination process corresponding to the identification of the target according to the data; determined by the characteristics of the classification model combined process and the terminal data, the recognized user activity by layer multi-level classification, obtain the recognized user activity, which, between the upper level classification model classification results of the active state and a hierarchical classification model classification and optional activities the state has the hyponymy relation. The invention is suitable for human activity identification.

【技术实现步骤摘要】
人体活动识别方法及装置
本专利技术涉及一种网络
，特别是涉及一种人体活动识别方法及装置。
技术介绍
随着网络技术的发展，人体活动识别越来越重要。人体活动识别具有很广泛的研究意义和价值，通过对人体活动的识别可以检测人类的健康、运动训练状态、预测人类的社会行为等等。目前，可以通过多类分类器实现人体活动识别，具体是依据采集到的用户活动状态数据的数据特征，通过多类分类器将人体活动状态划分为不同类别的活动状态。然而，多类分类器在进行多活动目标识别时，数据特征提取过程复杂度较高，尤其在数据特征多、数据特征交叉等复杂情况下，数据特征提取会存在偏差，进而无法识别得到用户准确的活动状态，从而会影响人体活动识别的准确性。
技术实现思路
有鉴于此，本专利技术提供了一种人体活动识别方法及装置，主要目的在于可以降低多活动目标识别时特征选取的复杂度，避免数据特征提取偏差导致的人体活动识别准确率较低。依据本专利技术一个方面，提供了一种人体活动识别方法，该方法包括：当接收到用户活动状态的识别指令时，获取所述识别指令中携带的需要对待识别用户进行活动识别的识别目标，以及获取所述待识别用户移动终端的终端数据；确定与所述识别目标对应的分类模型组合流程，不同的识别目标分别对应不同的分类模型组合流程，所述分类模型组合流程中包含按照预定顺序排列的一个或多个分类模型；根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，得到所述待识别用户的活动状态，其中，上一层级分类模型分类得到的活动状态与下一层级分类模型分类可选的活动状态之间具有上下位关系。进一步地，所述方法还包括：获取收集到的不同用户移动终端的终端数据；根据不同的活动状态，提取所述终端数据中相应的特征数据进行训练，得到活动状态对应的分类模型；所述确定与所述识别目标对应的分类模型组合流程，具体包括：对所述识别目标进行解析，得到与所述识别目标对应的多个可选的活动状态；根据所述多个可选的活动状态之间的上下位关系，选择相应的分类模型进行组合，得到与所述识别目标对应的分类模型组合流程。具体地，若所述识别目标为所述用户的基本活动识别，则所述根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，具体包括：从所述终端数据中提取所述待识别用户移动终端的终端位置数据特征；根据所述终端位置数据特征，通过基本活动识别的决策树分类器对所述待识别用户的活动状态进行分类；若根据分类结果确定所述待识别用户的基本活动状态为步行活动状态，则从所述终端数据中提取待识别用户移动终端的加速计数据特征；根据所述加速计数据特征，通过步行类别识别的支持向量机分类器对所述步行活动状态进行分类。具体地，若根据分类结果确定所述待识别用户的基本活动状态为乘坐交通工具活动状态、且所述识别目标为所述待识别用户乘坐的交通工具识别，则所述根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，具体还包括：从所述终端数据中提取待识别用户移动终端的终端位置数据特征和终端信号数据特征，所述终端信号为终端通讯信号和/或终端网络信号；根据所述终端位置数据特征和所述终端信号数据特征，通过交通工具识别的决策树分类器对所述乘坐交通工具活动状态进行分类；若根据分类结果确定所述待识别用户乘坐的交通工具为汽车，则从所述汽车在预定周期时间段内的车辆运行数据中提取车辆运行数据特征；根据所述车辆运行数据特征，通过车辆类型识别的决策树分类器进行分类得到所述汽车的车辆类型。具体地，所述车辆运行数据特征包含活跃行驶范围、行驶线路种类、每个预定时间间隔内的车辆累计运行时长，所述活跃行驶范围的确定方式包括：通过预设DBSCAN密度聚类函数，对在所述预定周期时间段内所述汽车的车辆位置数据进行密度聚类，得到各个类簇；将所述各个类簇中样本点最多的类簇的中心点，确定为所述汽车的活跃中心点，并将所述样本点最多的类簇中所有点到所述活跃中心点的距离最大值，确定为所述汽车的行驶活跃半径；根据所述活跃中心点和所述行驶活跃半径，确定所述汽车的活跃行驶范围。进一步地，若根据分类结果确定所述待识别用户乘坐的交通工具为汽车、且所述识别目标为所述待识别用户的乘客身份识别，则所述根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，具体还包括：从所述终端数据中提取待识别用户移动终端的加速计数据特征和陀螺仪数据特征；根据所述加速计数据特征和所述陀螺仪数据特征，通过乘客身份识别的K最邻近分类器进行分类得到所述待识别用户对应的乘客身份。依据本专利技术另一个方面，提供了一种人体活动识别装置，该装置包括：获取单元，用于当接收到用户活动状态的识别指令时，获取所述识别指令中携带的需要对待识别用户进行活动识别的识别目标，以及获取所述待识别用户移动终端的终端数据；确定单元，用于确定与所述获取单元获取的识别目标对应的分类模型组合流程，不同的识别目标分别对应不同的分类模型组合流程，所述分类模型组合流程中包含按照预定顺序排列的一个或多个分类模型；分类单元，用于根据所述确定单元确定的分类模型组合流程和所述获取单元获取的终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，得到所述待识别用户的活动状态，其中，上一层级分类模型分类得到的活动状态与下一层级分类模型分类可选的活动状态之间具有上下位关系。进一步地，所述装置还包括：训练单元；所述获取单元，用于获取收集到的不同用户移动终端的终端数据；所述训练单元，用于根据不同的活动状态，提取所述终端数据中相应的特征数据进行训练，得到活动状态对应的分类模型；所述确定单元，具体用于对所述识别目标进行解析，得到与所述识别目标对应的多个可选的活动状态；根据所述多个可选的活动状态之间的上下位关系，选择相应的分类模型进行组合，得到与所述识别目标对应的分类模型组合流程。具体地，所述分类单元，具体用于若所述识别目标为所述待识别用户的基本活动识别，则从所述终端数据中提取所述待识别用户移动终端的终端位置数据特征；根据所述终端位置数据特征，通过基本活动识别的决策树分类器对所述待识别用户的活动状态进行分类；若根据分类结果确定所述待识别用户的基本活动状态为步行活动状态，则从所述终端数据中提取待识别用户移动终端的加速计数据特征；根据所述加速计数据特征，通过步行类别识别的支持向量机分类器对所述步行活动状态进行分类。所述分类单元，具体还用于若根据分类结果确定所述待识别用户的基本活动状态为乘坐交通工具活动状态、且所述识别目标为所述待识别用户乘坐的交通工具识别，则从所述终端数据中提取待识别用户移动终端的终端位置数据特征和终端信号数据特征，所述终端信号为终端通讯信号和/或终端网络信号；根据所述终端位置数据特征和所述终端信号数据特征，通过交通工具识别的决策树分类器对所述乘坐交通工具活动状态进行分类；若根据分类结果确定所述待识别用户乘坐的交通工具为汽车，则从所述汽车在预定周期时间段内的车辆运行数据中提取车辆运行数据特征；根据所述车辆运行数据特征，通过车辆类型识别的决策树分类器进行分类得到所述汽车的车辆类型。具体地，所述车辆运行数据特征包含活跃行驶范围、行驶线路种类本文档来自技高网...

【技术保护点】
一种人体活动识别方法，其特征在于，包括：当接收到用户活动状态的识别指令时，获取所述识别指令中携带的需要对待识别用户进行活动识别的识别目标，以及获取所述待识别用户移动终端的终端数据；确定与所述识别目标对应的分类模型组合流程，不同的识别目标分别对应不同的分类模型组合流程，所述分类模型组合流程中包含按照预定顺序排列的一个或多个分类模型；根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，得到所述待识别用户的活动状态，其中，上一层级分类模型分类得到的活动状态与下一层级分类模型分类可选的活动状态之间具有上下位关系。

【技术特征摘要】
1.一种人体活动识别方法，其特征在于，包括：当接收到用户活动状态的识别指令时，获取所述识别指令中携带的需要对待识别用户进行活动识别的识别目标，以及获取所述待识别用户移动终端的终端数据；确定与所述识别目标对应的分类模型组合流程，不同的识别目标分别对应不同的分类模型组合流程，所述分类模型组合流程中包含按照预定顺序排列的一个或多个分类模型；根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，得到所述待识别用户的活动状态，其中，上一层级分类模型分类得到的活动状态与下一层级分类模型分类可选的活动状态之间具有上下位关系。2.根据权利要求1所述的人体活动识别方法，其特征在于，所述方法还包括：获取收集到的不同用户移动终端的终端数据；根据不同的活动状态，提取所述终端数据中相应的特征数据进行训练，得到活动状态对应的分类模型；所述确定与所述识别目标对应的分类模型组合流程，具体包括：对所述识别目标进行解析，得到与所述识别目标对应的多个可选的活动状态；根据所述多个可选的活动状态之间的上下位关系，选择相应的分类模型进行组合，得到与所述识别目标对应的分类模型组合流程。3.根据权利要求1所述的人体活动识别方法，其特征在于，若所述识别目标为所述用户的基本活动识别，则所述根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，具体包括：从所述终端数据中提取所述待识别用户移动终端的终端位置数据特征；根据所述终端位置数据特征，通过基本活动识别的决策树分类器对所述待识别用户的活动状态进行分类；若根据分类结果确定所述待识别用户的基本活动状态为步行活动状态，则从所述终端数据中提取待识别用户移动终端的加速计数据特征；根据所述加速计数据特征，通过步行类别识别的支持向量机分类器对所述步行活动状态进行分类。4.根据权利要求3所述的人体活动识别方法，其特征在于，若根据分类结果确定所述待识别用户的基本活动状态为乘坐交通工具活动状态、且所述识别目标为所述待识别用户乘坐的交通工具识别，则所述根据确定的所述分类模型组合流程和所述终端数据的数据特征，对所述待识别用户的活动状态进行逐层多级分类，具体还包括：从所述终端数据中提取待识别用户移动终端的终端位置数据特征和终端信号数据特征，所述终端信号为终端通讯信号和/或终端网络信号；根据所述终端位置数据特征和所述终端信号数据特征，通过交通工具识别的决策树分类器对所述乘坐交通工具活动状态进行分类；若根据分类结果确定所述待识别用户乘坐的交通工具为汽车，则从所述汽车在预定周期时间段内的车辆运行数据中提取车辆运行数据特征；根据所述车辆运行数据特征，通过车辆类型识别的决策树分类器进行分类得到所述汽车的车辆类型。5.根据权利要求4所述的人体活动识别方法，其特征在于，所述车辆运行数据特征包含活跃行驶范围、行驶线路种类、每个预定时间间隔内的车辆累计运行时长，所述活跃行驶范围的确定方式包括：通过预设DBSCAN密度聚类函数，对在所述预定周期时间段内所述汽车的车辆位置数据进行密度聚类，得到各个类簇；将所述各个类簇中样本点最多的类簇的中心点，确定为所述汽车的活跃中心点，并将所述样本点最多的类簇中所有点到所述活跃中心点的距离最大值，确定为所述汽车的行驶活跃半径...

【专利技术属性】
技术研发人员：徐丽丽，王宇飞，董俊龙，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21