基于图相似的行为识别方法及系统技术方案

本发明专利技术公开了一种基于图相似的行为识别方法及系统。该方法包括以下步骤：利用无线传感器网络采集各类原始数据，并对原始数据进行预处理；基于处理后的数据进行分层图建模，先利用事件发生引起的数据变化构建事件图模型，然后对由事件构建的用户行为序列集构建行为图模型。在事件图查询中，将事件图的特征结构按照重要程度排序构建特征结构序列，将图的相似性查询转换为特征结构序列的相似性查询，并对传统序列匹配算法加以改进；在行为图查询中，基于结构相似的特征选择算法，按照基于特征结构序列的图查询方法进行查询，实现行为识别。本发明专利技术提出的分层图建模和图相似查询算法使得行为识别准确度和效率比传统基于统计或时序的方法有明显提高。

Behavior recognition method and system based on graph similarity

The invention discloses a behavior recognition method and system based on graph similarity. The method includes the following steps: using the wireless sensor network to collect all kinds of original data and preprocessing the original data. Based on the processed data, the hierarchical graph is modeled. First, the event graph model is constructed by the data change caused by the event occurrence, and then the behavior map is constructed for the user behavior sequence set built by the event. Model\u3002 In the event graph query, the feature structure sequence of the event graph is constructed according to the importance degree. The similarity query of the graph is converted to the similarity query of the feature sequence, and the traditional sequence matching algorithm is improved. In the behavior graph query, the feature selection algorithm based on the structure similarity is based on the basis of the feature selection algorithm. The graph query method of feature structure sequence is used to query and realize behavior recognition. The hierarchical graph modeling and graph similarity query algorithm proposed by this invention make the behavior recognition accuracy and efficiency better than the traditional method based on statistics or time series.

【技术实现步骤摘要】
基于图相似的行为识别方法及系统
本专利技术涉及无线传感器网络的行为识别方法和系统，具体涉及一种基于图相似的行为识别方法及系统。
技术介绍
用户行为识别是指通过技术手段获取用户行为的外在表现，在此基础上将用户行为认定为属于某一个类别的过程。该领域中行为被定义为被检测对象的动作类型或者行为模式。当前，人口老龄化正在成为一种世界性的趋势，随着这种趋势发展，对老年人进行智能健康关护成为急需解决的问题之一，受到来自社会各界的普遍关注。行为识别技术通过对老年人行为的监控，可以实时获取其生活状态，确保生命安全。同时，当前社会忙碌、快节奏的生活方式给人们带来了许多心理问题，该问题在青少年和工作压力大的人群中尤为突出，很多情况下由于异常行为发现的不及时造成重大悲剧。此外，行为识别还在智能家居、智能办公和运动、娱乐等方面与有广泛的前景和经济价值，成为多个行业的关注热点。长期以来行为识别领域的工作主要集中在基于计算机视觉的行为识别，即将摄像头作为感知手段，通过对拍摄的图像序列进行分析处理，识别用户的行为。但是，这种方法存在诸如摄像头的使用受到光照、安装位置和角度等因素的限制、存在监控盲区、对用户隐私的侵入性较强、部署成本较高和计算复杂等不足，难以大规模推广应用，使用范围受到较大限制。除此之外，当前行为识别领域中所选择的数据模型对传感器数据之间的相关性考虑不够，查询算法时间复杂度较高，造成检测识别的性能不佳。从识别对象方面，当前用户行为识别大多集中在单人的简单行为识别，主要是基于静态或时序的数据。也有个别研究涉及包括交叉和并行情况下的单人复杂行为的识别，但是计算复杂度较高。此外，对于多人的复杂行为识别研究，虽然在计算机视觉领域已经取得了初步的进展，但是在无线传感器网络领域当前仍缺乏相关的研究成果。并且在实际应用中，基于无线传感器网络的用户行为识别系统采集的传感器数据类型多、数量大、关联性密切，如何组织这些数据，并从中抽象出用户行为的特征最终实现用户行为的识别是急需解决的难点问题。
技术实现思路
专利技术目的：针对以上不足，本专利技术提出一种在无线传感器网络中基于图相似的行为识别方法，能够有效地对数据进行建模并且准确地识别出用户行为。本专利技术的另一目的在于提供一种基于图相似的行为识别系统。技术方案：一种基于图相似的行为识别方法，包括以下步骤：1、利用无线传感器网络采集各类原始数据，并对原始数据进行预处理。对原始数据的预处理包括数据清理、数据集成与筛选，其中，数据清理包括填充数据缺失值，平滑噪声数据，识别并删除孤立点；数据集成与筛选包括将来自各传感器节点的数据进行合并，并统一存储在数据库中，再剔除其中的冗余数据。2、基于处理后的数据进行分层图建模，包括以下步骤：21)基于数据快照图建立传感器数据模型，再利用事件发生引起的数据变化建立事件图模型，构建样本事件图数据库；22)利用基于特征结构序列的图相似查询算法查询样本事件图数据库，得到相似事件；23)基于相似事件构建事件图序列，识别基本行为并构建行为序列，对由事件构建的行为序列集建立行为图模型，构建行为图数据库；24)利用基于结构相似的特征选择算法查询行为图数据库，得到行为识别结果。其中，步骤21)中构建事件图模型包括：基于预处理后的数据观察某段时间内数据对应的变化值，获取事件发展过程数据的连续变化，将数据增量运用到图模型，得到数据增量图；利用数据增量图算法使用事件发生对图模型造成的数据变化来代表不同类别事件的特征，完成事件图模型的构建。步骤22)中基于特征结构序列的图相似查询算法包括：将事件图的特征结构按照重要程度排序，构建特征结构序列，将图的相似性查询转换为特征结构序列的相似性查询；然后采用加权的最大公共子序列算法和加权的序列编辑距离算法来查询结构序列，在序列编辑距离算法的基础上，引入指数下降函数定义权重。步骤23)中构建行为图模型包括：对所有类型的基本行为进行训练，得到对应的事件序列的平均持续时间，然后从实时的传感器数据流中识别出事件图序列，并利用滑窗方法对事件图序列进行分割，从事件序列中识别出基本行为；对每天的传感器实时数据进行基本行为的识别，并按照时序关系构建出每天的行为序列；经过一定采集周期的数据积累，构成一个行为序列集合，针对行为序列集合，按照适当的合并周期，基于加权的多序列联配算法对行为序列进行合并，构建成行为图，经过持续数据训练完成样本行为图数据库的构建。步骤24)中基于结构相似的特征选择算法包括：利用频繁子图结构相似分簇的方法，从频繁子图集合中选取区分度最佳而且相互之间结构冗余小的特征结构，达到提高查询准确度的目的。一种基于图相似的行为识别系统，包括：数据采集模块、数据管理模块、事件监测与识别模块、行为模式分类模块，数据采集模块主要由若干传感器节点、与所述若干传感器节点连接的基站组成，数据管理模块、事件监测与识别模块、行为模式分类模块在终端计算机上实现，其中，传感器节点用于采集各类原始数据并封装成帧，再以无线传输方式发送给所述基站，所述基站通过串口将数据传输到所述终端计算机，所述终端计算机对采集到的数据进行预处理、分析和挖掘，最终识别出用户的行为。其中，数据管理模块对数据的预处理流程为：首先，使用均值方法拟合丢失的数据；其次，平滑传感器数据中的噪声；然后，使用中值滤波法对传感器数据中的奇异点进行剔除；最后，去除样本数据集中的重复样本。事件监测与识别模块用于完成事件图模型的训练和查询，其中，模型训练包括：数据预处理单元将数据经过校正、噪点异常检测和冗余去除，存入传感器数据库；然后，根据不同类别的事件数据训练不同的事件图模型，通过数据增量法构建事件图，最终建立包含所有类型的样本事件图数据库；查询识别包括：对实时采集的传感器数据进行处理和建模，构建查询事件图，与样本事件图数据库中的样本图进行相似性查询，识别出该事件的类型。行为模式分类模块用于完成行为图建模和查询，其中，行为图建模过程包括：基于对基本行为的训练得到对应事件序列的平均持续时间；然后从实时的传感器数据流中识别出事件序列，再从事件序列中识别出基本行为，按照时序关系构建出行为序列；基于加权的多序列联配算法对行为序列进行合并，构建成行为图，最终得到样本行为图数据库；行为图查询完成在样本行为图数据库中进行行为图相似性查询，找到与其行为模式相似的行为图，得到行为模式的分类结果。有益效果：本专利技术与现有技术相比，具有以下优点：1、本专利技术提出的分层图建模方法先利用事件发生引起的数据变化构建事件图模型，然后对由事件构建的用户行为序列集构建行为图模型，与传统的基于统计和时序的建模方法相比，可以更好地反映描述用户行为的数据之间的关联，查准率更优。2、本专利技术在事件图查询中采用加权的最大公共子序列算法和加权的序列编辑距离算法，因为考虑了特征结构的重要性，按照重要性大小排序，将事件图对应的特征向量转化为特征序列，并且在进行相似度计算时引入了权重函数，所以查询精确度普遍好于其他常用算法。3、本专利技术提出的基于图相似的行为图查询算法，使用反映结构相关性的频繁子图作为特征结构候选集，并针对不同层次的实际提出不同的特征结构选择算法，更加有效的提取了反映用户行为特点的特征集合，提升了基础算法查询的准确性，具有较好的性能表现。附图说明图1为系统硬件部署本文档来自技高网...

【技术保护点】
1.一种基于图相似的行为识别方法，其特征在于，包括以下步骤：利用无线传感器网络采集各类原始数据，并对原始数据进行预处理；基于处理后的数据进行分层图建模，包括以下步骤：基于数据快照图建立传感器数据模型，再利用事件发生引起的数据变化建立事件图模型，构建样本事件图数据库；利用基于特征结构序列的图相似查询算法查询样本事件图数据库，得到相似事件；基于相似事件构建事件图序列，识别基本行为并构建行为序列，对由事件构建的行为序列集建立行为图模型，构建行为图数据库；利用基于结构相似的特征选择算法查询行为图数据库，得到行为识别结果。

【技术特征摘要】
1.一种基于图相似的行为识别方法，其特征在于，包括以下步骤：利用无线传感器网络采集各类原始数据，并对原始数据进行预处理；基于处理后的数据进行分层图建模，包括以下步骤：基于数据快照图建立传感器数据模型，再利用事件发生引起的数据变化建立事件图模型，构建样本事件图数据库；利用基于特征结构序列的图相似查询算法查询样本事件图数据库，得到相似事件；基于相似事件构建事件图序列，识别基本行为并构建行为序列，对由事件构建的行为序列集建立行为图模型，构建行为图数据库；利用基于结构相似的特征选择算法查询行为图数据库，得到行为识别结果。2.根据权利要求1所述的基于图相似的行为识别方法，其特征在于，所述原始数据预处理包括数据清理、数据集成与筛选，其中，所述数据清理包括填充数据缺失值，平滑噪声数据，识别并删除孤立点；所述数据集成与筛选包括将来自各传感器节点的数据进行合并，并统一存储在数据库中，再剔除其中的冗余数据。3.根据权利要求书1所述的基于图相似的行为识别方法，其特征在于，所述构建事件图模型包括以下步骤：基于预处理后的数据观察某段时间内数据对应的变化值，获取事件发展过程数据的连续变化，将数据增量运用到图模型，得到数据增量图；利用数据增量图算法使用事件发生对图模型造成的数据变化来代表不同类别事件的特征，完成事件图模型的构建。4.根据权利要求1所述的基于图相似的行为识别方法，其特征在于，所述基于特征结构序列的图相似查询算法包括：将事件图的特征结构按照重要程度排序，构建特征结构序列，将图的相似性查询转换为特征结构序列的相似性查询；然后采用加权的最大公共子序列算法和加权的序列编辑距离算法来查询结构序列，其中，所述加权的最大公共子序列算法和加权的序列编辑距离算法是在序列编辑距离算法的基础上，引入指数下降函数定义权重。5.根据权利要求1所述的基于图相似的行为识别方法，其特征在于，所述构建行为图模型包括以下步骤：对所有类型的基本行为进行训练，得到对应的事件序列的平均持续时间，然后从实时的传感器数据流中识别出事件图序列，并利用滑窗方法对事件图序列进行分割，从事件序列中识别出基本行为；对每天的传感器实时数据进行基本行为的识别，并按照时序关系构建出每天的行为序列；经过一定采集周期的数据积累，构成一个行为序列集合，针对行为序列集合，按照适当的合并周期，基于加权的多序列联配算法对行为...

【专利技术属性】
技术研发人员：吕建华，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32