用户活动识别方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种用户活动识别方法、装置、存储介质及电子设备，其中，本申请实施例的方案，获取目标用户在目标时间区间的全景数据序列；将全景数据序列分割为多个全景数据子序列，一个全景数据子序列对应目标时间区间中的一个时间片段；获取全景数据子序列对应的全景特征张量；根据全景特征张量和预设分类模型，确定全景数据子序列对应的活动类别；将多个全景数据子序列对应的活动类别进行合并处理，生成目标用户在目标时间区间内的活动类别序列。本申请实施例的方案能够准确地识别移动终端用户在一段时间内的活动类别序列。

【技术实现步骤摘要】
用户活动识别方法、装置、存储介质及电子设备
本申请涉及数据处理
，具体涉及一种用户活动识别方法、装置、存储介质及电子设备。
技术介绍
在对用户在一段时间内的活动序列进行识别时，一般采用的方法是，使用用户在一段时间内的行为数据作为神经网络的输入数据，输出用户活动序列。输入数据的时间跨度一般比较大，不仅容易出现活动类别识别错误的情况，而且难以准确地分割序列中每个活动的边界，综上所述，现有技术的方案难以准确地识别移动终端用户在一段时间内的活动类别序列。
技术实现思路
本申请实施例提供了一种用户活动识别方法、装置、存储介质及电子设备，能够准确地识别移动终端用户在一段时间内的活动类别序列。第一方面，本申请实施例了提供了的一种用户活动识别方法，包括：获取目标用户在目标时间区间的全景数据序列；将所述全景数据序列分割为多个全景数据子序列，其中，一个全景数据子序列对应所述目标时间区间中的一个时间片段；获取全景数据子序列对应的全景特征张量；根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别；将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列。第二方面，本申请实施例了提供了的一种用户活动识别装置，包括：数据获取模块，用于获取目标用户在目标时间区间的全景数据序列；序列分割模块，用于将所述全景数据序列分割为多个全景数据子序列，其中，一个全景数据子序列对应所述目标时间区间中的一个时间片段；特征提取模块，用于获取全景数据子序列对应的全景特征张量；活动分类模块，用于根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别；序列生成模块，用于将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列。第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的用户活动识别方法。第四方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的用户活动识别方法。本申请实施例提供的技术方案，获取目标用户在目标时间区间的全景数据序列，将该全景数据序列分割为多个全景数据子序列，一个全景数据子序列对应于目标时间区间中的一个时间片段，获取各个全景数据子序列对应的全景特征向量，根据全景特征张量和预设分类模型，确定全景数据子序列对应的活动类别，然后根据对应的活动类别，将多个全景数据子序列进行合并处理，生成目标用户在目标时间区间内的活动类别序列。上述用户活动识别方案中，根据用户的全景数据序列来识别用户活动，能够全面的体现用户终端所处的活动类别，并且通过将长序列分割为多个连续的短时间内的子序列来分别进行活动类别的识别，提高活动类别识别的准确程度，再对子序列的识别结果进行合并，以确定每个活动的边界，即使目标时间区间的跨度较大，也能够获取准确度较高的活动类别序列。综上所述，本申请方案提高了对移动终端用户在一段时间内的活动类别序列的识别的准确度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的用户活动识别方法的全景感知架构示意图。图2为本申请实施例提供的用户活动识别方法的第一种流程示意图。图3为本申请实施例提供的用户活动识别方法中序列分割示意图。图4为本申请实施例提供的用户活动识别方法的第二种流程示意图。图5为本申请实施例提供的用户活动识别方法的第三种流程示意图。图6为本申请实施例提供的用户活动识别装置的结构示意图。图7为本申请实施例提供的电子设备的第一种结构示意图。图8为本申请实施例提供的电子设备的第二种结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅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，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。参考图1，图1为本申请实施例提供的用户活动识别方法的全景感知架构示意图。所述用户活动识别方法应用于电子设备。所述电子设备中设置有全景感知架构。所述全景感知架构为电子设备中用于实现所述用户活动识别方法的硬件和软件的集成。其中，全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。信息感知层用于获取电子设备自身的信息或者外部环境中的信息。所述信息感知层可以包括多个传感器。例如，所述信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。其中，距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器，可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。数据处理层用于对信息感知层获取到的数据进行处理。例如，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。其中，数据清理是指对信息感知层获取到的大量数据进行清理，以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度，以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等，以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下，最大限度的精简数据量。特征抽取层用于对数据处理层处理后的数本文档来自技高网...

【技术保护点】
1.一种用户活动识别方法，其特征在于，包括：/n获取目标用户在目标时间区间的全景数据序列；/n将所述全景数据序列分割为多个全景数据子序列，其中，一个全景数据子序列对应所述目标时间区间中的一个时间片段；/n获取全景数据子序列对应的全景特征张量；/n根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别；/n将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列。/n

【技术特征摘要】
1.一种用户活动识别方法，其特征在于，包括：
获取目标用户在目标时间区间的全景数据序列；
将所述全景数据序列分割为多个全景数据子序列，其中，一个全景数据子序列对应所述目标时间区间中的一个时间片段；
获取全景数据子序列对应的全景特征张量；
根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别；
将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列。


2.如权利要求1所述的用户活动识别方法，其特征在于，所述预设分类模型包括第一分类模型和第二分类模型；所述根据所述全景特征张量和预设分类模型，确定所述目标用户在所述全景数据子序列对应的时间片段内的活动类别的步骤包括：
根据第一分类模型和所述全景特征张量，检测所述全景数据子序列对应的时间片段中是否有用户活动；
若是，则根据所述全景特征张量和第二分类模型，确定所述全景数据子序列对应的时间片段的活动类别；
若否，则将所述全景数据子序列对应的时间片段的活动类别标记为空。


3.如权利要求2所述的用户活动识别方法，其特征在于，所述将所述多个全景数据子序列对应的时间片段的活动类别进行合并处理，生成所述目标用户在所述目标时间区间内的活动类别序列的步骤包括：
若相邻的全景数据子序列对应的时间片段的活动类别相同，则将对应的活动类别进行同类合并处理；
根据合并处理的结果，生成所述目标用户在所述目标时间区间内的活动类别序列。


4.如权利要求2所述的用户活动识别方法，其特征在于，所述全景数据序列包括传感器数据序列和终端状态数据序列；所述将所述全景数据序列分割为多个全景数据子序列的步骤包括：
确定预设的时间窗口长度；
按照所述时间窗口长度将所述传感器数据序列分割为多个连续的传感器数据子序列，并按照所述时间窗口长度将所述终端状态数据序列分割为多个连续的终端状态数据子序列；
所述获取全景数据子序列对应的全景特征张量的步骤包括：
根据所述传感器数据子序列生成第一全景特征向量，并根据所述终端状态数据子序列生成第二全景特征向量；
合并所述第一全景特征向量和所述第二全景特征向量，生成所述全景数据子序列对应的所述全景特征张量。


5.如权利要求4所述的用户活动识别方...

【专利技术属性】
技术研发人员：陈仲铭，何明，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44