基于FFT模型的行为识别方法及系统、设备及存储介质技术方案

本发明专利技术涉及行为识别技术领域，具体涉及一种基于FFT模型的行为识别方法及系统、设备及存储介质。该方法包括：获取一个或多个传感器信号；对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量；根据所述特征向量中的第一部分特征确定用户的二元状态；基于快速傅里叶变换模型对所述特征向量进行分析，以确定用户行为状态。本发明专利技术提取到特征向量后，先进行二元状态判断，避免了对静止状态的特征向量的处理，提升了特征向量的有效处理率；活动状态下，利用快速傅里叶变换模型分析特征向量，对于长时间和复杂的时间观测序列中的变化，比阈值方法模型有更高的鲁棒性；在使用单独的训练观测序列来进行优化时局限性小。

【技术实现步骤摘要】
基于FFT模型的行为识别方法及系统、设备及存储介质
本专利技术涉及行为识别
，具体涉及一种基于FFT模型的行为识别方法及系统、设备及存储介质。
技术介绍
过去几十年来，活动行为识别引起了极大的关注。识别现实环境中实时活动行为的类型，将为许多分析系统提供基础，特别是在人工智能领域。活动行为识别的目的之一在于提供用户活动行为有关信息，从而能让计算设备主动协助用户完成任务，同时还可以自动借助控制事件来更改或调整设备。近年来，移动计算设备装备了功能强大的MEMS(微机电系统)传感器和高速处理器，可以为各种便携式设备的应用程序提供先进的活动行为识别能力。各种类型的MEMS传感器，例如加速器、陀螺仪传感器，或两个传感器的组合主要用于分类人类活动行为。一些方法采用与人员活动有关的周期模式的动态模型来获取诸如行走、跑步、驾驶等活动行为的周期性。有些活动行为识别的方法采用概率图模型。在这个方面，大部分工作都利用了隐马尔可夫模型。通过使用MEMS传感器，尤其是使用三轴加速器来识别人类活动具有一定意义。一般来说，该技术提出了一种阈值方法模型来将观察到的传感器活动识别为有意义的人类行为状态。虽然阈值方法模型可以有效地相对于观测的时间分割变化，但是当应用于长而复杂的时间观测序列的推理时，它倾向于缺乏随机观测之间的条件依赖结构。因此，包含“边缘”的人类行为识别的概率可能很高。概率图模型的技术对于某些类型的活动行为识别问题已经非常有效，然而，在使用单独的训练观察序列来设计最优标准方面可能有所局限。
技术实现思路
本专利技术第一方面提供了一种基于FFT模型的行为识别方法，该方法包括：获取一个或多个传感器信号；对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量；根据所述特征向量中的第一部分特征确定用户的二元状态，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。优选地，在“基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态”步骤中，对所述特征向量进行时频转换以得到所述特征向量的多个频域特征，所述特征向量包括信号总量和/或低能量。优选地，在“对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量”步骤中，采用滑动窗口法对传感器信号对应的数据进行分割以生成用于提取特征向量的传感器数据。优选地，在“基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态”之后，还包括如下步骤：根据所确定的用户行为状态对电子计算设备的事件进行预测、更改和/或调整。本专利技术第二方面提供了一种基于FFT模型的行为识别系统，该系统包括：一个或多个传感器；一个或多个传感器处理器，所述传感器处理器被配置为对所述一个或多个传感器信号进行处理以从传感器信号的时域数据中提取特征向量，并根据所述特征向量中的第一部分特征确定用户的二元状态；其中，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；一个活动识别器，所述活动识别器被配置为基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。优选地，所述活动识别器对所述特征向量进行时频转换以得到所述特征向量的多个频域特征，所述特征向量包括信号总量和/或低能量。优选地，所述传感器处理器采用滑动窗口法对传感器信号对应的数据进行分割以生成用于提取特征向量的传感器数据。优选地，该系统还包括：调节器，用于根据所确定的用户行为状态对电子计算设备的事件进行预测、更改和/或调整。本专利技术第三方面提供了一种电子计算设备，该电子计算设备包括：一个或多个传感器；一个或多个传感器处理器；一个处理器；一个存储器；所述一个或多个传感器、一个或多个传感器处理器、一个处理器和一个存储器在工作时实现上述任一项所述的基于快速傅里叶变换模型的行为识别方法。本专利技术第四方面提供了一种存储介质，该存储介质内存储有程序，所述程序在被执行时实现上述任一项所述的基于快速傅里叶变换模型的行为识别方法。与现有技术相比，本专利技术提取到特征向量后，先进行二元状态判断，避免了对静止状态的特征向量的处理，从而提升了特征向量的有效处理率。此外，活动状态下，利用快速傅里叶变换模型分析特征向量，对于长时间和复杂的时间观测序列中的变化，比阈值方法模型有更高的鲁棒性；在使用单独的训练观测序列来进行优化时局限性小。附图说明图1是根据本专利技术的一个实施例的行为识别系统的示例图；图2是根据本专利技术的一个实施例的行为识别方法的流程图；图3是行走状态下的滑动窗口的时域信号图；图4是行走状态下的滑动窗口的频域信号图；图5是驾驶状态下的滑动窗口的时域信号图；图6是驾驶状态下的滑动窗口的频域信号图；图7是根据本专利技术的一个实施例的行为识别方法所提取特征向量随时间的状态变化图；图8是根据本专利技术的一个实施例的行为识别方法所确定的用户行为状态变化图；图9是根据本专利技术的一个实施例的电子计算设备的结构框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为了使本揭示内容的叙述更加详尽与完备，下文针对本专利技术的实施方式与具体实施例提出了说明性的描述；但这并非实施或运用本专利技术具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而，亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。本说明书中所述例如“处理”、“计算”、“运算”、“确定”、“建立”、“分析”、“检查”等术语可以指代计算机、计算平台、计算系统或其它电子计算设备的以下操作和/或处理，这些操作和/或处理将计算机的寄存器和/或存储器的物理(电子)量所表示的数据操控和/或变换为计算机寄存器和/或存储器或可以存储指令以执行操作和/或处理的其它信息存储介质的物理量所类似地表示的其它数据。图1示出了本专利技术基于FFT模型的行为识别系统的一个实施例。在本实施例中，该基于FFT模型的行为识别系统100包括一个活动识别器110、一个或多个传感器处理器120、一个或多个传感器130。一个或多个传感器处理器120可以是传感器的组件或专用处理器,用于获取和存储来自一个或多个传感器130的数据。一个或多个传感器130可以是加速度计、陀螺传感器或其他类型的传感器。其中，传感器处理器120被配置为对所述一个或多个传感器信号进行处理以从传感器信号的时域数据中提取特征向量，并根据该特征向量中的第一部分特征确定用户的二元状态；其中，二元状态为静止状态或活动状态，该第一部分特征包括传感器信号能量和/或传感器信号方差。传感器处理器120提取特征向量之后，利用该特征向量中的部分内容进行一个预判断，确定用户是否处于活动状态。根据该特征向量中的第一部分特征确定用户的二元状态，即为：根据该特征向量中的第一部分特征确定用户是处于静止状态还是处于活动状态。其中，活动识别器110被配置为本文档来自技高网...

【技术保护点】
1.一种基于FFT模型的行为识别方法，其特征在于，该方法包括：获取一个或多个传感器信号；对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量；根据所述特征向量中的第一部分特征确定用户的二元状态，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。

【技术特征摘要】
1.一种基于FFT模型的行为识别方法，其特征在于，该方法包括：获取一个或多个传感器信号；对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量；根据所述特征向量中的第一部分特征确定用户的二元状态，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。2.根据权利要求1所述的基于FFT模型的行为识别方法，其特征在于，在“基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态”步骤中，对所述特征向量进行时频转换以得到所述特征向量的多个频域特征，所述特征向量包括信号总量和/或低能量。3.根据权利要求1所述的基于FFT模型的行为识别方法，其特征在于，在“对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量”步骤中，采用滑动窗口法对传感器信号对应的数据进行分割以生成用于提取特征向量的传感器数据。4.根据权利要求1所述的基于FFT模型的行为识别方法，其特征在于，在“基于快速傅里叶变换模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态”之后，还包括如下步骤：根据所确定的用户行为状态对电子计算设备的事件进行预测、更改和/或调整。5.一种基于FFT模型的行为识别系统，其特征在于，该系统包括：一个或多个传感器；一个或多个传感器处理器，所述传感...

【专利技术属性】
技术研发人员：姜天宇，邓江平，虞婧，刘柏池，贾志科，
申请(专利权)人：和芯星通上海科技有限公司，和芯星通科技北京有限公司，
类型：发明
国别省市：上海,31