一种用户吃饭行为识别的方法及装置制造方法及图纸

技术编号:15763819 阅读:450 留言:0更新日期:2017-07-06 02:34
本发明专利技术提供了一种用户吃饭行为识别的方法及装置,涉及家庭行为识别技术领域,解决现有方法不适于不同生活习惯的用户,存在隐私暴露、识别区域固定的问题,该方法包括获取多个历史样本点的特征代表向量,每个特征代表向量是根据多个传感器在样本采样时间段上采集的数据生成的,多个传感器在用户生活区域预定位置,特征代表向量包括用户吃饭行为相关的多个维度元素;根据多个历史样本点的分布密度,确定用户进行了吃饭行为的样本点中心;生成当前采样时间段的特征代表向量,获取当前采样时间段的特征代表向量与样本点中心的距离;根据距离,确定用户是否进行了吃饭行为。本发明专利技术的方案适于不同生活习惯的用户,不存在隐私暴露、识别区域固定的问题。

Method and device for identifying user's eating behavior

The present invention provides a method and a device for eating user behavior identification, involving family behavior recognition technology, solve the existing methods are not suitable for different living habits of the user, there are privacy exposure, problem identification of regional fixed, the method includes obtaining a plurality of feature vector representing the history of the sample points, each feature vector is represented according to the a sensor in the sample collection time data generated by multiple sensors at a predetermined location of users living area, characteristics of representative vector including user eating behavior dimensions related elements; according to the density distribution of a plurality of historical samples, determine the users of the sample center eating behavior; characteristic of current generation sampling time vector, to obtain the current sampling time represent the characteristic vector and the sample points according to the distance from the center; Determine whether the user has eaten. The scheme of the invention is suitable for users with different living habits, and has no problems of privacy exposure and fixed identification area.

【技术实现步骤摘要】
一种用户吃饭行为识别的方法及装置
本专利技术涉及家庭行为识别
,特别涉及一种用户吃饭行为识别的方法及装置。
技术介绍
目前,可以通过PIR(PassiveInfraredDetector,被动式红外探测器)传感器、视频传感器的识别结果是否满足一定规则来判断人是否在吃饭。例如,如果PIR传感器检测到有人进入厨房,则判断该人可能要吃饭,再利用视频传感器的图像视频识别技术可以直接识别出进入厨房的人是否在吃饭。但是,由于不同人的生活习惯差异较大,同样的规则不能适合所有用户,直接利用PIR传感器的识别结果判断进入厨房的人是否在吃饭,判断结果未必准确。而基于与视频传感器的方案存在隐私暴露的问题,且只能识别固定区域内的吃饭行为(如坐在饭桌旁边吃饭)。
技术实现思路
本专利技术要解决的技术问题是提供一种用户吃饭行为识别的方法及装置,解决现有吃饭行为识别方法不能适用于具有不同生活习惯的所有用户,且存在视频传感器带来的隐私暴露、识别区域固定的问题。为解决上述技术问题,本专利技术的实施例提供一种用户吃饭行为识别的方法,包括:获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,所述多个传感器分别在用户生活区域的预定位置,且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素;根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心;获取所述多个传感器在当前采样时间段内采集的数据,生成当前采样时间段的特征代表向量,并获取当前采样时间段的特征代表向量与所述样本点中心之间的距离;根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为。其中,所述根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为,包括:根据预设样本点异常比例,在所述多个历史样本点中确定用户未进行吃饭行为的判断临界线;判断所述距离是否小于所述判断临界线与所述样本点中心之间的距离;若判断结果为是,则确定用户在当前采样时间段内进行了吃饭行为,否则,确定用户在当前采样时间段内未进行吃饭行为。其中,所述根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心,包括:采用均值漂移MeanShift算法,获取所述多个历史样本点的分布密度最大处,并确定所述分布密度最大处为用户进行了吃饭行为的样本点中心。其中,所述获取当前采样时间段的特征代表向量与所述样本点中心之间的距离,包括:获取当前采样时间段的特征代表向量与所述样本点中心之间的欧式距离。其中,所述多个传感器包括:至少分布于所述用户生活区域的厨房和餐厅内的被动式红外探测器PIR传感器、分布于所述用户生活区域的入户门上的至少一个门磁传感器和/或分布于所述用户生活区域的厨房电器上的至少一个振动传感器;所述特征代表向量包括:振动传感器触发次数、厨房停留总时间、厨房进入次数、开入户门次数、厨房单次停留时间最大值和两次厨房停留之间的餐厅停留时间最大值。为解决上述技术问题,本专利技术的实施例还提供一种用户吃饭行为识别的装置,包括:第一获取模块,用于获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,所述多个传感器分别在用户生活区域的预定位置,且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素;第一确定模块,用于根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心;第二获取模块,用于获取所述多个传感器在当前采样时间段内采集的数据,生成当前采样时间段的特征代表向量,并获取当前采样时间段的特征代表向量与所述样本点中心之间的距离;第二确定模块,用于根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为。其中,所述第二确定模块包括:第一确定单元,用于根据预设样本点异常比例,在所述多个历史样本点中确定用户未进行吃饭行为的判断临界线;判断单元,用于判断所述距离是否小于所述判断临界线与所述样本点中心之间的距离;第二确定单元,用于若判断结果为是,则确定用户在当前采样时间段内进行了吃饭行为,否则,确定用户在当前采样时间段内未进行吃饭行为。其中,所述第一确定模块包括:第三确定单元,用于采用均值漂移MeanShift算法,获取所述多个历史样本点的分布密度最大处,并确定所述分布密度最大处为用户进行了吃饭行为的样本点中心。其中,所述第二获取模块包括:第一获取单元,用于获取当前采样时间段的特征代表向量与所述样本点中心之间的欧式距离。其中,所述多个传感器包括:至少分布于所述用户生活区域的厨房和餐厅内的被动式红外探测器PIR传感器、分布于所述用户生活区域的入户门上的至少一个门磁传感器和/或分布于所述用户生活区域的厨房电器上的至少一个振动传感器;所述特征代表向量包括:振动传感器触发次数、厨房停留总时间、厨房进入次数、开入户门次数、厨房单次停留时间最大值和两次厨房停留之间的餐厅停留时间最大值。本专利技术的上述技术方案的有益效果如下:本专利技术实施例的用户吃饭行为识别的方法,首先获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,多个传感器分别在用户生活区域的预定位置,且特征代表向量包括与用户吃饭行为相关的多个维度的元素;然后根据多个历史样本点的分布密度,在这多个历史样本点中,确定用户进行了吃饭行为的样本点中心;在获取多个传感器在当前采样时间段内采集的数据,生成当前采样时间段的特征代表向量,并获取当前采样时间段的特征代表向量与样本点中心之间的距离;最后根据计算的距离,确定用户当前采样时间段内是否进行了吃饭行为。该方法通过对用户历史行为样本的分布密度进行分析,能够准确判断出用户是否进行了吃饭行为,可适用于不同生活习惯的用户,且不存在视频传感器带来的隐私暴露、识别区域固定的问题。附图说明图1为本专利技术用户吃饭行为识别的方法流程图;图2为本专利技术用户吃饭行为识别的方法分布密度示意图;图3为本专利技术用户吃饭行为识别的方法判断临界线示意图;图4为本专利技术用户吃饭行为识别的方法传感器分布示意图;图5为本专利技术用户吃饭行为识别的装置的结构示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。本专利技术实施例的用户吃饭行为识别的方法,基于样本密度分析,能够适用于不同生活习惯的用户,且不存在视频传感器带来的隐私暴露、识别区域固定的问题。如图1所示,本专利技术实施例的用户吃饭行为识别的方法,包括:步骤101,获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,所述多个传感器分别在用户生活区域的预定位置,且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素。这里,在用户生活区域的预定位置(如厨房、餐厅等),预先设置有多个传感器,根据这多个传感器采集到的数据能够提取与用户吃饭行为相关的多个维度的元素,即历史样本点的特征代表向量,使得特征代表向量能够在多个维度上体现用户行为与吃饭行为的相关度。本文档来自技高网...
一种用户吃饭行为识别的方法及装置

【技术保护点】
一种用户吃饭行为识别的方法,其特征在于,包括:获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,所述多个传感器分别在用户生活区域的预定位置,且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素;根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心;获取所述多个传感器在当前采样时间段内采集的数据,生成当前采样时间段的特征代表向量,并获取当前采样时间段的特征代表向量与所述样本点中心之间的距离;根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为。

【技术特征摘要】
1.一种用户吃饭行为识别的方法,其特征在于,包括:获取预先生成的多个历史样本点的特征代表向量,每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的,所述多个传感器分别在用户生活区域的预定位置,且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素;根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心;获取所述多个传感器在当前采样时间段内采集的数据,生成当前采样时间段的特征代表向量,并获取当前采样时间段的特征代表向量与所述样本点中心之间的距离;根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为。2.根据权利要求1所述的方法,其特征在于,所述根据所述距离,确定用户在当前采样时间段内是否进行了吃饭行为,包括:根据预设样本点异常比例,在所述多个历史样本点中确定用户未进行吃饭行为的判断临界线;判断所述距离是否小于所述判断临界线与所述样本点中心之间的距离;若判断结果为是,则确定用户在当前采样时间段内进行了吃饭行为,否则,确定用户在当前采样时间段内未进行吃饭行为。3.根据权利要求1所述的方法,其特征在于,所述根据所述多个历史样本点的分布密度,在所述多个历史样本点中,确定用户进行了吃饭行为的样本点中心,包括:采用均值漂移MeanShift算法,获取所述多个历史样本点的分布密度最大处,并确定所述分布密度最大处为用户进行了吃饭行为的样本点中心。4.根据权利要求1所述的方法,其特征在于,所述获取当前采样时间段的特征代表向量与所述样本点中心之间的距离,包括:获取当前采样时间段的特征代表向量与所述样本点中心之间的欧式距离。5.根据权利要求1所述的方法,其特征在于,所述多个传感器包括:至少分布于所述用户生活区域的厨房和餐厅内的被动式红外探测器PIR传感器、分布于所述用户生活区域的入户门上的至少一个门磁传感器和/或分布于所述用户生活区域的厨房电器上的至少一个振动传感器;所述特征代表向量包括:振动传感器触发次数、厨房停留总时间、厨房进入次数、开入户门次数、厨房单次停留时间最大值和两次厨房停留之间的餐厅停...

【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

网友询问留言 已有0条评论
  • 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。

1