一种时间序列信号的分类方法、装置以及电子设备制造方法及图纸

本申请提供了一种时间序列信号的分类方法、装置以及电子设备，该方法包括：获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值；以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口的所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值；根据确定出到滑动窗口的概率值确定时间序列信号所属的类别信息。本申请通过预设的滑动窗口在时间序列信号中的采样数据帧中移动，对于每次移动后的滑动窗口所在位置，通过统计该位置下滑动窗口内采样数据帧的概率值来确定时间序列信号的类别信息。该时间序列信号的分类方法计算过程简单有效，适用于稀疏数据的应用场景。

A classification method, device and electronic equipment of time series signal

【技术实现步骤摘要】
一种时间序列信号的分类方法、装置以及电子设备
本申请涉及信号分类的
，具体而言，涉及一种时间序列信号的分类方法、装置以及电子设备。
技术介绍
时间序列信号指的是一种按照某一频率得到的时序信号序列。常见的时间序列信号主要是指音频信号和视频信号。现实场景中往往需要对整个时间序列信号进行类别分析，例如，根据某个司机的驾驶监控视频判断其是否有在玩手机或者是未按照规定佩戴安全带等不良驾驶行为等。针对上述时间序列信号的分类问题，现有技术一般使用专用的时间序列建模方法对时间序列信号进行分类。常见的时间序列建模方法主要包括：LSTM(LongShort-TermMemory，长短期记忆网络)、GRU(GatedRecurrentUnit，门循环单元)等RNN(RecurrentNeuralNetwork，循环神经网络)技术，以及HMM(HiddenMarkovModel，隐马尔可夫模型)、CRF(conditionalrandomfield，条件随机场)等基于随机过程的方法。由于上述方法比较复杂，因此，需要使用很多技巧才可以使得模型训练收敛。同时由于上述方法中模型的参数较多，需要海量的训练数据参与训练才可以对模型中的参数进行较好的拟合，因此，上述方法往往不适用于训练样本极为稀疏的情况。综上，现有的时间序列信号的分类方法计算复杂，在数据稀疏的场景中应用受限。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种时间序列信号的分类方法、装置以及电子设备，本申请能够通过对时间序列信号进行划分得到滑动窗口，进而统计滑动窗口内采样数据帧的概率值来确定时间序列信号的类别，从而根据时间序列信号的类别确定目标对象的操作行为，该方法计算简单有效，适用于稀疏数据的应用场景。根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率；以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口的所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率；根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。在本申请较佳的实施例中，确定所述时间序列信号中采样数据帧的概率值包括：按照预设采样频率对所述时间序列信号中的数据帧进行采样，得到所述采样数据帧；所述采样数据帧的数量为多个；对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。在本申请较佳的实施例中，对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值包括：采用机器学习模型对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：根据该位置下所述滑动窗口中的各个采样数据帧的概率值，计算所述滑动窗口中所有采样数据帧的总概率值；结合所述总概率值和所述滑动窗口中所述采样数据帧的数量，计算所述滑动窗口的平均概率值；将所述滑动窗口的平均概率值作为所述滑动窗口的概率值。在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：对该位置下所述滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；将所述概率值排序序列中位于中间位置的概率值作为所述滑动窗口的概率值。在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：对该位置下所述滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；将所述加权概率值作为所述滑动窗口的概率值。在本申请较佳的实施例中，根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息包括：基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值；根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息。在本申请较佳的实施例中，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值包括：判断确定出的所述滑动窗口的概率值是否大于第一预设阈值；若确定出的所述滑动窗口的概率值大于所述第一预设阈值，则将所述滑动窗口的概率值作为所述时间序列信号所属于所述预设类别信息的概率值；若确定出的所述滑动窗口的值小于或者等于所述第一预设阈值，则确定所述滑动窗口的下一个滑动窗口，并将所述下一个滑动窗口作为确定出的所述滑动窗口，并返回执行判断确定出的所述滑动窗口的概率值是否大于所述第一预设阈值的步骤，直至确定出概率值大于所述第一预设阈值的滑动窗口为止。在本申请较佳的实施例中，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值还包括：若确定出的所有滑动窗口不包含概率值大于所述第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；将所述目标滑动窗口的概率值作为所述时间序列信号所属于预设类别信息的概率值。在本申请较佳的实施例中，根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：若所述时间序列信号的概率值大于第二预设阈值，则确定所述时间序列信号属于所述预设类别信息，并将所述预设类别信息确定为所述时间序列信号的类别信息。在本申请较佳的实施例中，所述时间序列信号的数量为多个；根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：根据各个所述时间序列信号所属于每个预设类别信息的概率值，对多个所述时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的所述时间序列信号的排序序列；根据所述预设排序规则，在各个预设类别信息下的所述时间序列信号的排序序列中，将前N个时间序列信号的类别信息确定为所述预设类别信息；N为大于1的正整数。在本申请较佳的实施例中，所述时间序列信号包括：所述目标对象的视频或音频；所述方法还包括：基于所述时间序列信号所属的类别信息确定所述目标对象的操作行为。在本申请较佳的实施例中，所述时间序列信号为所述目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；所述方法还包括：基于所述时间序列信号所属的类别信息确定所述目标对象的驾驶行为。根据本申请的另一个方面，还提供了一种时间序列信号的分类装置，包括：获取并确定单元，用于获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的本文档来自技高网...

【技术保护点】
1.一种时间序列信号的分类方法，其特征在于，包括：/n获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率；/n以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口的所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率；/n根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。/n

【技术特征摘要】
1.一种时间序列信号的分类方法，其特征在于，包括：
获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率；
以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口的所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率；
根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。


2.根据权利要求1所述的方法，其特征在于，确定所述时间序列信号中采样数据帧的概率值包括：
按照预设采样频率对所述时间序列信号中的数据帧进行采样，得到所述采样数据帧；所述采样数据帧的数量为多个；
对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。


3.根据权利要求2所述的方法，其特征在于，对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值包括：
采用机器学习模型对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。


4.根据权利要求1所述的方法，其特征在于，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：
根据该位置下所述滑动窗口中的各个采样数据帧的概率值，计算所述滑动窗口中所有采样数据帧的总概率值；
结合所述总概率值和所述滑动窗口中所述采样数据帧的数量，计算所述滑动窗口的平均概率值；
将所述滑动窗口的平均概率值作为所述滑动窗口的概率值。


5.根据权利要求1所述的方法，其特征在于，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：
对该位置下所述滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；
将所述概率值排序序列中位于中间位置的概率值作为所述滑动窗口的概率值。


6.根据权利要求1所述的方法，其特征在于，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：
对该位置下所述滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；
将所述加权概率值作为所述滑动窗口的概率值。


7.根据权利要求1所述的方法，其特征在于，根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息包括：
基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值；
根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息。


8.根据权利要求7所述的方法，其特征在于，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值包括：
判断确定出的所述滑动窗口的概率值是否大于第一预设阈值；
若确定出的所述滑动窗口的概率值大于所述第一预设阈值，则将所述滑动窗口的概率值作为所述时间序列信号所属于所述预设类别信息的概率值；
若确定出的所述滑动窗口的值小于或者等于所述第一预设阈值，则确定所述滑动窗口的下一个滑动窗口，并将所述下一个滑动窗口作为确定出的所述滑动窗口，并返回执行判断确定出的所述滑动窗口的概率值是否大于所述第一预设阈值的步骤，直至确定出概率值大于所述第一预设阈值的滑动窗口为止。


9.根据权利要求8所述的方法，其特征在于，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值还包括：
若确定出的所有滑动窗口不包含概率值大于所述第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；
将所述目标滑动窗口的概率值作为所述时间序列信号所属于预设类别信息的概率值。


10.根据权利要求7所述的方法，其特征在于，根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：
若所述时间序列信号的概率值大于第二预设阈值，则确定所述时间序列信号属于所述预设类别信息，并将所述预设类别信息确定为所述时间序列信号的类别信息。


11.根据权利要求7所述的方法，其特征在于，所述时间序列信号的数量为多个；
根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：
根据各个所述时间序列信号所属于每个预设类别信息的概率值，对多个所述时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的所述时间序列信号的排序序列；
根据所述预设排序规则，在各个预设类别信息下的所述时间序列信号的排序序列中，将前N个时间序列信号的类别信息确定为所述预设类别信息；N为大于1的正整数。


12.根据权利要求1所述的方法，其特征在于，所述时间序列信号包括：所述目标对象的视频或音频；所述方法还包括：
基于所述时间序列信号所属的类别信息确定所述目标对象的操作行为。


13.根据权利要求1所述的方法，其特征在于，所述时间序列信号为所述目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；所述方法还包括：
基于所述时间序列信号所属的类别信息确定所述目标对象的驾驶行为。


14.一种时间序列信号的分类装置，其特征在于，包括：
获取并确定单元，用于获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概...

【专利技术属性】
技术研发人员：赵元，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11