一种基于机会感知的行为识别方法和系统技术方案

本发明专利技术涉及一种基于机会感知的行为识别方法，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。

【技术实现步骤摘要】
一种基于机会感知的行为识别方法和系统
本专利技术涉及普适计算、健康监护等领域，具体涉及基于机会感知的行为识别方法和模型。
技术介绍
用户行为识别，尤其是可穿戴式行为识别，通过用户穿戴传感设备来感知其行为，是一个极具实际应用价值的研究问题。行为识别可用于监控工业加工流程，保障产品质量；还能够监护用户(特别是老人、残障人士等群体)日常生活，提高其独立健康生活的能力，提升医疗监护的水平；促进新型人机交互设备、运动及娱乐器械的研发，广泛运用于工业生产、健康监护、生活辅助、智能人机交互、运动娱乐等众多领域，对提高企业生产效率、应对老龄化社会和发展体育文化产业等都具有重要的作用。现有专利针对行为识别主要使用固定模型。专利CN201710703259.6对测试视频每一帧进行重要程度预测，并基于重要程度的高低，对视频帧进行池化编码操作来识别行为。专利CN201711128829.X，使用位移直方图对视频行为进行表征，并利用矩阵余弦相似度的方法来判别行为。专利CN201610139450.8利用卷积神经网络，对光流图序列提取CNN特征，通过权重优化网络学习权重，并将CNN特征分类网络和人工设计特征分类本文档来自技高网...

【技术保护点】
1.一种基于机会感知的行为识别方法，其特征在于，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。

【技术特征摘要】
1.一种基于机会感知的行为识别方法，其特征在于，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。2.如权利要求1所述的行为识别方法，其特征在于，还包括：熵评估步骤，设定熵增速率阈值，获取更新后的该感知模型的信息熵，若该信息熵的增加速率大于该熵增速率阈值，则对该机会计算步骤进行反馈调整；反馈调整步骤，调整该机会计算步骤的模型参数。3.如权利要求1所述的行为识别方法，其特征在于，所述数据选择步骤具体包括：异常点检测步骤，使用基于KNNDD方法，将该增量数据中待检测数据点的局部密度和与其相邻的多个邻居数据点的局部密度进行比较，若该待检测数据点的的局部密度小于该多个邻居数据点的局部密度，则该待检测数据点为异常点；遍历该增量数据以获取多个该异常点；异常点聚类步骤，使用基于模糊聚类F-ISODATA方法，将所有该异常点聚类成簇，并使得每一簇会以一定的概率判属于多个用户行为之一的类别；机会数据判别步骤，设定选取阈值，并将该簇所包含的增量数据通过该感知模型获取预测结果，若该预测结果小于该选取阈值，则以该簇所包含的增量数据为该机会数据；反之则将其丢弃。4.如权利要求1所述的行为识别方法，其特征在于，所述机会计算步骤采用基于单隐层前馈神经网络超限学习机的动态可调网络对该感知模型进行更新。5.如权利要求2所述的行为识别方法，其特征在于，所述熵评估步骤具体包括：以更新前的该感知模型的信息熵为H(n-1)，以更新后的该感知模型的信息熵为H(n)，则经过k次更新的该感知模型的信息熵为若信息熵H(k)的增加速率小于或等于该熵增速率阈值，则表示经过k次更新的该感知模型的性能得到保持，反之则对该机会计算步骤进行反馈调整；其中0＜n≤k，n、k为正整数，为用户行为类别，为对应该用户行为类别的识别概率。6.一种基于机会感知的行为识别系统，其特征在于，包括：模型建立模块，用...

【专利技术属性】
技术研发人员：陈益强，谷洋，蒋鑫龙，王记伟，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11