一种用户行为识别方法及装置制造方法及图纸

本申请公开了一种用户行为识别方法及装置，该方法包括：获取用户的起夜行为数据，根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型，根据所述用户起夜行为分类模型识别所述用户的起夜行为。通过上述方法，检测当前用户是否有起夜行为的过程中，用户无需穿戴或者直接身体接触检测装置，不会影响用户睡眠的舒适度，降低对用户睡眠状态的干扰。

【技术实现步骤摘要】
一种用户行为识别方法及装置
本申请涉及计算机
，尤其涉及一种用户行为识别方法及装置。
技术介绍
随着智能家电的不断发展，为了能够给用户提供更加优质的服务，服务商希望智能家电能够自动识别出当前用户的行为，并根据所识别出的用户行为为用户提供所需的服务，如，智能照明灯通过晚上实时识别用户的起夜行为，从而为用户提供照明服务。目前，现有的判断当前用户是否有起夜行为通常是，通过手环上集成的陀螺仪以及加速传感器来检测当前用户是否有起夜行为，或者通过使用电极装置获取人体呼吸和心电信号来检测当前用户是否有起夜行为。但是，在现有技术中，检测当前用户是否有起夜行为需要用户穿戴或者直接身体接触检测装置，这样会影响用户睡眠的舒适度，干扰用户睡眠状态。
技术实现思路
本申请实施例提供一种用户行为识别方法及装置，解决现有技术检测当前用户是否有起夜行为需要用户穿戴或者直接身体接触检测装置，这样会影响用户睡眠的舒适度，干扰用户睡眠状态的问题。本申请实施例提供的一种用户行为识别方法，包括：获取用户的起夜行为数据；根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型；根据所述用户起夜行为分类模型识别所述用户的起夜行为。优选地，所述方法还包括：在训练所述用户的用户起夜行为分类模型完成之前，且在获取用户的起夜行为数据之后，获取预先训练的起夜行为分类通用模型，根据所述用户的起夜行为数据，通过所述起夜行为分类通用模型，识别所述用户的起夜行为。优选地，所述方法还包括：在获取用户的起夜行为数据之前，确定当前亮度低于预设的阈值。优选地，所述用户的起夜行为数据包括：用户的起夜行为音频数据以及热红外传感数据。优选地，所述方法还包括：根据识别所述用户的起夜行为的结果，控制智能设备启停。本申请实施例提供的一种用户行为识别装置，包括：设备端，用于获取用户的起夜行为数据；云端服务器，用于根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型；设备端，用于根据所述用户起夜行为分类模型识别所述用户的起夜行为。优选地，在所述云端服务器训练所述用户的用户起夜行为分类模型完成之前，且在所述设备端获取用户的起夜行为数据之后，所述设备端还用于，获取预先训练的起夜行为分类通用模型，根据所述用户的起夜行为数据，通过所述起夜行为分类通用模型，识别所述用户的起夜行为。优选地，所述设备端还用于，在获取用户的起夜行为数据之前，确定当前亮度低于预设的阈值。优选地，所述用户的起夜行为数据包括：用户的起夜行为音频数据以及热红外传感数据。优选地，所述设备端还用于，根据识别所述用户的起夜行为的结果，控制智能设备启停。本申请实施例提供一种用户行为识别方法及装置，该方法包括：获取用户的起夜行为数据，根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型，根据所述用户起夜行为分类模型识别所述用户的起夜行为。通过上述方法，检测当前用户是否有起夜行为的过程中，用户无需穿戴或者直接身体接触检测装置，不会影响用户睡眠的舒适度，降低对用户睡眠状态的干扰。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的用户行为识别的过程示意图；图2为本申请实施例提供的一种识别用户起夜行为并控制小夜灯启停的实施方式；图3为本申请实施例提供的一种用户行为识别装置组成结构框图；图4为本申请实施例提供的另一种用户行为识别装置组成结构框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。图1为本申请实施例提供的用户行为识别过程，具体包括以下步骤：S101：获取用户的起夜行为数据。在实际应用中，为了能够给用户提供更加优质的服务，服务商希望智能家电能够自动识别出当前用户的行为，并根据所识别出的用户行为为用户提供所需的服务，如，智能照明灯通过晚上实时识别用户的起夜行为，从而为用户提供照明服务。进一步的，在本申请中，在识别用户当前是否有起夜行为时，可根据用户的起夜行为数据来进行识别，如，根据用户的起夜声音数据。在此需要说明的是，由于在实际应用中，用户在起夜的过程中，通常会伴随着起床或走路的声音变化，以及行走的移动位移，也就是说，设备通过对周围环境的声音以及位移移动可以识别出用户当前是否存在起夜行为，因此，在本申请中，用户的起夜行为数据可以为用户的起夜行为音频数据以及热红外传感数据，其中，用户的起夜行为音频数据包含了用户起夜时所产生的声音，如，下床声音，走路声音等，而热红外传感数据包含了用户起夜时走路的移动位移。另外，起夜行为数据可以是一种类型的起夜行为数据，也可以是多种类型的起夜行为数据的组合。在此还需要说明的是，所述用户的起夜行为音频数据是通过位于设备端中的麦克风阵列来采集得到的，其中，麦克风阵列是由多个麦克风组成的，麦克风的数量可根据实际情况来设定，而热红外传感数据是由位于设备端中的热红外传感器采集得到的，热红外传感器的数量也可根据实际情况来设定。S102：根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型。进一步的，由于需要通过机器自动识别用户的起夜行为，因此，在本申请中，可通过机器学习的方式针对使用设备端的每个用户训练建立用户起夜行为分类模型，后续，通过每个用户的用户起夜行为分类模型来识别用户的起夜行为。在此需要说明的是，训练建立用户的用户起夜行为分类模型，可在设备端直接训练建立，也可以在通过设备端将获取到的用户的起夜行为数据发送给云端服务器来训练建立，后续，云端服务器将训练完成的用户起夜行为分类模型返回给设备端。在此还需要说明的是，训练模型时所使用的用户的起夜行为数据均是用户在起夜过程中所产生的数据，如，起夜时所产生的音频数据。用户起夜行为分类模型是针对使用设备端(即，智能设备)的用户来训练建立的，主要用于识别使用该设备端的用户的起夜行为，而在本申请中，使用设备端的用户可以是已在设备端注册过账号或被设备端识别的人。S103：根据所述用户起夜行为分类模型识别所述用户的起夜行为。进一步的，在针对使用设备端的用户训练完成用户起夜行为分类模型后，当再次获取到使用设备端的用户的起夜行为数据时，可直接通过针对使用设备端的用户所训练完成的用户起夜行为分类模型来识别用户的起夜行为。通过上述方法，检测当前用户是否有起夜行为的过程中，用户无需穿戴或者直接身体接触检测装置，不会影响用户睡眠的舒适度，降低对用户睡眠状态的干扰。进一步的，由于在实际应用中，不同的设备端的使用者是不同的，而用户起夜行为分类模型是针对使用设备端的每个用户训练建立的，因此，当用户在购买并使用智能设备后，新的设备端里是不存在用户的用户起夜行为分类模型的，需要采集用户的起夜行为数据，并进行训练。而在训练的这段时间内，设备端仍然需要识别用户的起夜行为，并为用户提供所需的服务，因此，在本申请中，在训练所述用户的用户起夜行为分类模型完成之前，且在获取用户的起夜行本文档来自技高网...

【技术保护点】
1.一种用户行为识别方法，其特征在于，包括：获取用户的起夜行为数据；根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型；根据所述用户起夜行为分类模型识别所述用户的起夜行为。

【技术特征摘要】
1.一种用户行为识别方法，其特征在于，包括：获取用户的起夜行为数据；根据所述用户的起夜行为数据，训练所述用户的用户起夜行为分类模型；根据所述用户起夜行为分类模型识别所述用户的起夜行为。2.如权利要求1所述的方法，其特征在于，在训练所述用户的用户起夜行为分类模型完成之前，且在获取用户的起夜行为数据之后，所述方法还包括：获取预先训练的起夜行为分类通用模型；根据所述用户的起夜行为数据，通过所述起夜行为分类通用模型，识别所述用户的起夜行为。3.如权利要求1所述的方法，其特征在于，在获取用户的起夜行为数据之前，所述方法还包括：确定当前亮度低于预设的阈值。4.如权利要求1～3任一所述的方法，其特征在于，所述用户的起夜行为数据包括：用户的起夜行为音频数据以及热红外传感数据。5.如权利要求1所述的方法，其特征在于，所述方法还包括：根据识别所述用户的起夜行为的结果，控制智能设备启停。6.一种用户行为识别装置，其特征在于...

【专利技术属性】
技术研发人员：青海，李阳，顾嘉唯，
申请(专利权)人：北京物灵智能科技有限公司，
类型：发明
国别省市：北京,11