【技术实现步骤摘要】
基于气压传感器的行为模式识别方法、系统和电子设备
[0001]本专利技术涉及行为模式识别的领域，且更为具体地，涉及一种基于气压传感器的行为模式识别方法、系统和电子设备。
技术介绍
[0002]目前，我国的火车站、地铁站以及商场等还未建立满足安全运营的人流自动预警系统，有关量化标准也未建立，人流预警和发布机制主要靠人工判断，这样就很容易出现判断不准确、不全面的情况。不仅如此，传统的方式是依靠人力进行视频监控，这样在人流量较大且环境较为复杂的地区，此方式就显得力不从心，并且传统的方式还会出现监控死角，这就会存在安全隐患。
[0003]人在具有多楼层的建筑物内具有如下行为模式，“在室内静止”、“平底行走”、“上楼”和“下楼”这四种运动状态。当人处于这四种运动状态时，其身边的气压会发生模式性改变，因此，现有的一些技术是通过基于智能手机的气压传感器来进行模式识别。但是，对于一些环境等因素，例如手机自身温度变换就可能会对模式识别带来影响，这样就会导致对于人体模式识别的精度和准确率降低。
[0004]因此，为了消除手机自身...
【技术保护点】
【技术特征摘要】
1.一种基于气压传感器的行为模式识别方法，其特征在于，包括：获取由智能手机的气压传感器在一系列时间点采集的气压值；将所述一系列时间点的气压值通过基于上下文关系的编码器模型以获得气压特征向量的序列；计算所述气压特征向量的序列中每个气压特征向量相对于所述气压特征向量的序列中所有气压特征向量的类别概率值，其中，所述类别概率值为以取每个气压特征向量中各个位置的特征值的负值为幂的自然指数函数值的加权和除以取所有所述气压特征向量中各个位置的特征值的负值为幂的自然指数函数值的加权和的结果；基于所述智能手机的自身温度变化的热功率谱密度函数对每个所述气压特征向量的类别概率值进行修正以获得每个所述气压特征向量的修正类别概率值，其中，所述热功率谱密度函数与所述智能手机的温度、玻尔兹曼热力学常数和普朗克常数有关；以每个所述气压特征向量的修正类别概率值对其对应的所述气压特征向量进行加权以获得修正后气压特征向量；将所述修正后气压特征向量级联为分类特征向量；以及将所述分类特征向量通过分类器以获得用于表示模式类型的分类结果。2.根据权利要求1所述的基于气压传感器的行为模式识别方法，其中，将所述一系列时间点的气压值通过基于上下文关系的编码器模型以获得气压特征向量的序列，包括：将所述一系列时间点的气压值分别通过所述编码器模型的嵌入单元以获得气压输入向量的序列；以及将所述气压输入向量的序列通过所述编码器模型的转换器单元以获得所述气压特征向量的序列。3.根据权利要求2所述的基于气压传感器的行为模式识别方法，其中，计算所述气压特征向量的序列中每个气压特征向量相对于所述气压特征向量的序列中所有气压特征向量的类别概率值，包括：以如下公式计算所述气压特征向量的序列中每个气压特征向量相对于所述气压特征向量的序列中所有气压特征向量的类别概率值；其中，所述公式为：w
i
＝∑
x∈fi
exp(
‑
x)/∑
x∈f
exp(
‑
x)，其中，fi是第i个气压特征向量的特征值集合，且f是气压特征向量的序列中的所有气压特征向量的特征值集合。4.根据权利要求3所述的基于气压传感器的行为模式识别方法，其中，基于所述智能手机的自身温度变化的热功率谱密度函数对每个所述气压特征向量的类别概率值进行修正以获得每个所述气压特征向量的修正类别概率值，包括：基于所述智能手机的自身温度变化的热功率谱密度函数以如下公式对每个所述气压特征向量的类别概率值进行修正以获得每个所述气压特征向量的修正类别概率值；其中，所述公式为：其中h是普朗克常数，k为玻尔兹曼热力学常数，T
i
为智能手机的温度，λ是智能手机的热
辐射的波长，且α和β为修正系数，用于分别将αλ
i
hw
i
和βhw
i
/kT
i
修正到[0,1]区间。5.根据权利要求4所述的基于气压传感器的行为模式识别方法...
【专利技术属性】
技术研发人员：罗恒，
申请(专利权)人：上海赞娅机械有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。