The invention discloses an eating behavior recognition method and device and home gateway, the method comprises the following steps: acquiring multidimensional feature vector for user behavior; computation of multidimensional feature vector and the behavior of different clustering center distance; the behavior of clustering is more historical multi dimension feature vector clustering; when multiple features vector and eating behavior clustering center distance in the short term, to determine the user behavior is eating behavior and record. The invention of clustering by using historical data on user behavior, user behavior clustering different user behavior as reference data, based on the automatic recognition of a new day in the customer and each cluster center distance to the behavior of eating behavior, give full consideration to the different user habits, to ensure the reliability of reference data, and without the need for user supervision to avoid the problem of user privacy.
【技术实现步骤摘要】
一种吃饭行为识别方法、装置及家庭网关
本专利技术涉及家庭智能化领域,尤其涉及一种吃饭行为识别方法、装置及家庭网关。
技术介绍
随着物联网技术的发展,家庭智能化越来越受到用户的青睐,尤其是独居老人更需要通过家庭智能化来监控其日常生活行为。例如吃饭行为,现有技术中常采用被动红外(PIR,Passiveinfrareddetectors)传感器或摄像头等装置对用户行为进行识别,并通过预设规则判断,例如:PIR传感器检测到用户进入厨房则判断其行为为做饭,或者图像视频识别技术直接识别出用户做饭或吃饭等行为动作。但是,由于不同用户的生活习惯可能存在较大差异,相同的规则不能适应所有用户,这就导致PIR传感器识别存在较大误差,识别结果不够准确;而图像视频识别技术虽能够直接识别用户行为,但存在隐私暴露的问题,且只能识别固定区域内的行为。
技术实现思路
本专利技术提供了一种吃饭行为识别方法、装置及家庭网关,解决了现有技术中用户吃饭行为识别方法中误判率高和隐私安全性差的问题。依据本专利技术的一个方面,提供了一种吃饭行为识别方法,包括:获取用于表示用户行为的多维特征向量;计算多维特征向量与不同的行为聚类中心的距离;其中,行为聚类是对多个历史多维特征向量样本聚类得到的;当多维特征向量与吃饭行为聚类中心的距离最短时,确定用户行为是吃饭行为并记录。其中,获取用于表示用户行为的多维特征向量的步骤包括:获取PIR传感器采集到的用于标识用户行为的多维特征向量。其中,多维特征向量包括:冰箱振动传感器触发次数、厨房停留总时间、厨房进入次数、入户门开启次数、厨房单次停留时间最大值和饭厅停留时间最大值中 ...
【技术保护点】
一种吃饭行为识别方法,其特征在于,包括:获取用于表示用户行为的多维特征向量;计算所述多维特征向量与不同的行为聚类中心的距离;其中,所述行为聚类是对多个历史多维特征向量样本聚类得到的;当所述多维特征向量与吃饭行为聚类中心的距离最短时,确定所述用户行为是吃饭行为并记录。
【技术特征摘要】
1.一种吃饭行为识别方法,其特征在于,包括:获取用于表示用户行为的多维特征向量;计算所述多维特征向量与不同的行为聚类中心的距离;其中,所述行为聚类是对多个历史多维特征向量样本聚类得到的;当所述多维特征向量与吃饭行为聚类中心的距离最短时,确定所述用户行为是吃饭行为并记录。2.根据权利要求1所述的吃饭行为识别方法,其特征在于,获取用于表示用户行为的多维特征向量的步骤包括:获取PIR传感器采集到的用于标识用户行为的多维特征向量。3.根据权利要求1所述的吃饭行为识别方法,其特征在于,所述多维特征向量包括:冰箱振动传感器触发次数、厨房停留总时间、厨房进入次数、入户门开启次数、厨房单次停留时间最大值和饭厅停留时间最大值中的至少两个特征维度。4.根据权利要求3所述的吃饭行为识别方法,其特征在于,在计算所述多维特征向量与不同的行为聚类中心的距离的步骤之前,还包括:对多个历史多维特征向量样本进行聚类计算,得到不同的行为聚类。5.根据权利要求4所述的吃饭行为识别方法,其特征在于,对多个历史多维特征向量样本进行聚类计算,得到不同的行为聚类的步骤包括:获取最近前N天的历史多维特征向量样本,其中,N为正整数;采用K-means聚类算法对所述历史多维特征向量样本进行聚类计算,得到不同的行为聚类。6.根据权利要求5所述的吃饭行为识别方法,其特征在于,采用K-means聚类算法对所述历史多维特征向量样本进行聚类计算,得到不同的行为聚类的步骤包括:采用K-means聚类算法对所述历史多维特征向量样本进行聚类计算,得到不同的样本类目;计算相同样本类目下的历史多维特征向量样本之间的欧式距离;根据所述欧式距离的和与样本类目数目之间的关系,确定样本类目的最优数目以及对应样本类目的行为聚类。7.根据权利要求6所述的吃饭行为识别方法,其特征在于,在对多个历史多维特征向量样本进行聚类计算,得到不同的行为聚类的步骤之后,还包括:对所述多维特征向量中一个特定的特征维度按照预设规则排序,得到一排序结果;根据所述排序结果,确定所述行为聚类中的吃饭行为聚类。8.一种吃饭行...
【专利技术属性】
技术研发人员:万鸿俊,余智欣,谢美,
申请(专利权)人:中国移动通信集团公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。