基于模式识别的物体行为识别和压缩方法和系统技术方案

本发明专利技术提供一种基于模式识别的物体行为识别和压缩方法和系统，通过设置分流器的区间档位和数据流携带的加速度变化，将物体移动数据流进行分流，得到对应不同速率、不同加速变化的六个数据子集，分别将子集输入用户行为模型，检测其中包含的行为方向、轨迹、加速度波动频率和幅度，进而判断物体行为出现在当前速率下是否合理，得出行为模式结果，从而管理物体移动。移动。移动。

【技术实现步骤摘要】
基于模式识别的物体行为识别和压缩方法和系统


[0001]本申请涉及网络多媒体领域，尤其涉及一种基于模式识别的物体行为识别和压缩方法和系统。

技术介绍

[0002]物联网中物体移动会产生大量行为数据，庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战。同时灵活多变的网络数据流，也导致网络环境和用户行为难以预测。
[0003]因此，急需一种针对性的基于模式识别的物体行为识别和压缩的方法和系统。

技术实现思路

[0004]本专利技术的目的在于提供一种基于模式识别的物体行为识别和压缩方法和系统，通过设置分流器的区间档位和数据流携带的加速度变化，将物体移动数据流进行分流，得到对应不同速率、不同加速变化的六个数据子集，分别将子集输入用户行为模型，检测其中包含的行为方向，分析所述行为方向指代的轨迹，以及统计加速度围绕均值上下波动频率和幅度，进而判断物体行为出现在当前速率下是否合理。
[0005]第一方面，本申请提供一种基于模式识别的物体行为识别和压缩方法，所述方法包括：
[0006]服务器采集物体移动数据流，监测该物体移动数据流的速率和其中携带的加速度，按照速率高低设置分流器的区间档位，速率高于第一阈值的为高速率，速率低于第一阈值且高于第二阈值的为中速率，速率低于第二阈值的为低速率，其中第一阈值大于第二阈值；
[0007]将所述物体移动数据流输入到所述分流器中，根据不同的区间档位，分流所述网络数据流，得到对应高速率、中速率和低速率的三个数据流集合；
[0008]再根据加速度的变化，将所述高速率、中速率和低速率的三个数据流集合进一步各自分为加速和减速子集，得到对应不同速率情况下的六个不同子集；
[0009]分别依次将所述六个不同子集输入用户行为模型，检测其中包含的行为方向，分析所述行为方向指代的轨迹，以及统计加速度围绕均值上下波动频率和幅度，得到第一结果；
[0010]分析所述第一结果与所述物体移动数据流的速率之间的映射关系，按照映射关系压缩物体移动数据量，并判断该物体行为出现在当前速率下是否合理，得到第二结果；
[0011]结合所述第一结果和第二结果，得出当前环境下的物体行为模式，若该物体行为模式为异常，则屏蔽该物体的移动，若该用户行为模式为正常，则允许该物体的移动。
[0012]结合第一方面，在第一方面第一种可能的实现方式中，所述得出当前环境下的物体行为模式，还可以包括进一步分析物体行为模式的强弱程度，根据该强弱程度判断物体移动的急迫程度。
[0013]结合第一方面，在第一方面第二种可能的实现方式中，所述屏蔽该物体的移动之
前，还包括找到全部途径点，形成异常轨迹，溯源得到异常的源点。
[0014]结合第一方面，在第一方面第三种可能的实现方式中，所述用户行为模型使用了神经网络模型。
[0015]第二方面，本申请提供一种基于模式识别的物体行为识别和压缩系统，所述系统包括处理器以及存储器：
[0016]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0017]所述处理器用于根据所述程序代码中的指令执行第一方面四种可能中任一项所述的方法。
[0018]第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面四种可能中任一项所述的方法。
[0019]本专利技术提供一种基于模式识别的物体行为识别和压缩方法和系统，通过设置分流器的区间档位和数据流携带的加速度变化，将物体移动数据流进行分流，得到对应不同速率、不同加速变化的六个数据子集，分别将子集输入用户行为模型，检测其中包含的行为方向，分析所述行为方向指代的轨迹，以及统计加速度围绕均值上下波动频率和幅度，进而判断物体行为出现在当前速率下是否合理。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
[0021]图1为本专利技术方法的流程图。
具体实施方式
[0022]下面结合附图对本专利技术的优选实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0023]图1为本申请提供的基于模式识别的物体行为识别和压缩方法的流程图，包括：
[0024]服务器采集物体移动数据流，监测该物体移动数据流的速率和其中携带的加速度，按照速率高低设置分流器的区间档位，速率高于第一阈值的为高速率，速率低于第一阈值且高于第二阈值的为中速率，速率低于第二阈值的为低速率，其中第一阈值大于第二阈值；
[0025]将所述物体移动数据流输入到所述分流器中，根据不同的区间档位，分流所述网络数据流，得到对应高速率、中速率和低速率的三个数据流集合；
[0026]再根据加速度的变化，将所述高速率、中速率和低速率的三个数据流集合进一步各自分为加速和减速子集，得到对应不同速率情况下的六个不同子集；
[0027]分别依次将所述六个不同子集输入用户行为模型，检测其中包含的行为方向，分析所述行为方向指代的轨迹，以及统计加速度围绕均值上下波动频率和幅度，得到第一结果；
[0028]分析所述第一结果与所述物体移动数据流的速率之间的映射关系，按照映射关系压缩物体移动数据量，并判断该物体行为出现在当前速率下是否合理，得到第二结果；
[0029]结合所述第一结果和第二结果，得出当前环境下的物体行为模式，若该物体行为模式为异常，则屏蔽该物体的移动，若该用户行为模式为正常，则允许该物体的移动。
[0030]在一些优选实施例中，所述得出当前环境下的物体行为模式，还可以包括进一步分析物体行为模式的强弱程度，根据该强弱程度判断物体移动的急迫程度。
[0031]在一些优选实施例中，所述屏蔽该物体的移动之前，还包括找到全部途径点，形成异常轨迹，溯源得到异常的源点。
[0032]在一些优选实施例中，所述用户行为模型使用了神经网络模型。
[0033]本申请提供一种基于模式识别的物体行为识别和压缩系统，所述系统包括：所述系统包括处理器以及存储器：
[0034]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0035]所述处理器用于根据所述程序代码中的指令执行第一方面所有实施例中任一项所述的方法。
[0036]本申请提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所有实施例中任一项所述的方法。
[0037]具体实现中，本专利技术还提供一种计算机存储介质，其中，该计算机存储介质可以存储有程序，该程序执行时可包括本专利技术各个实施例中的部分或全部步骤。所述的存储介质可以为磁碟、光盘、只读存储记忆体(简称：ROM)或随机存储记忆体(简称：RAM)等。
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模式识别的物体行为识别和压缩方法，其特征在于，所述方法包括：服务器采集物体移动数据流，监测该物体移动数据流的速率和其中携带的加速度，按照速率高低设置分流器的区间档位，速率高于第一阈值的为高速率，速率低于第一阈值且高于第二阈值的为中速率，速率低于第二阈值的为低速率，其中第一阈值大于第二阈值；将所述物体移动数据流输入到所述分流器中，根据不同的区间档位，分流所述网络数据流，得到对应高速率、中速率和低速率的三个数据流集合；再根据加速度的变化，将所述高速率、中速率和低速率的三个数据流集合进一步各自分为加速和减速子集，得到对应不同速率情况下的六个不同子集；分别依次将所述六个不同子集输入用户行为模型，检测其中包含的行为方向，分析所述行为方向指代的轨迹，以及统计加速度围绕均值上下波动频率和幅度，得到第一结果；分析所述第一结果与所述物体移动数据流的速率之间的映射关系，按照映射关系压缩物体移动数据量，并判断该物体行为出现在当前速率下是否合理，得到第二结果；结合所述第一结果和第二结果，得出当前环境下的物体行为模式，若该物体行为模式为异...

【专利技术属性】
技术研发人员：苏长君，曾祥禄，
申请(专利权)人：北京智美互联科技有限公司，
类型：发明
国别省市：