用于使用对以时间为基准的特征的时间定标进行活动分类的方法、设备和装置制造方法及图纸

本发明专利技术提供了可被用于获得从接收自移动设备的一个或多个惯性传感器的信号中提取的多个以时间为基准的特征的组件、方法和装置，其中这些以时间为基准的特征根据异构时标来提供。在决策窗口上组合这些以时间为基准的特征以推断与移动设备共处一地的用户的活动。

【技术实现步骤摘要】
【国外来华专利技术】用于使用对以时间为基准的特征的时间定标进行活动分类的方法、设备和装置
本文公开的主题内容涉及对移动设备中的用户活动进行分类。
技术介绍
许多移动通信设备(诸如智能电话)包括可被用于检测该设备的运动的惯性传感器(诸如加速计)。这些移动在检测设备的取向方面可以是有用的，从而使得在向用户显示信息时显示器可被适当地取向(例如以纵向模式或横向模式)。在另一示例中，使用智能电话来执行的游戏应用可依赖于一个或多个加速计检测到的移动从而可以控制游戏的特征。在其他示例中，加速计检测到的姿势移动可允许用户滚动地图、导航菜单、或控制设备操作的其他方面。尽管在辅助简单的用户界面任务方面是有用的，但加速计的输出“轨迹”受限而无法向移动设备用户提供更复杂和更有意义的辅助。例如，如果移动设备能检测到用户参与剧烈活动，则将传入电话呼叫立即引导至语音邮件从而不使用户分心可能是有用的。在另一示例中，如果能检测到移动设备处于用户钱包或口袋中，则禁用显示器从而不浪费电池资源可能是有利的。
技术实现思路
在一特定实现中，一种方法包括获得从接收自移动设备的一个或多个惯性传感器的信号中提取的多个以时间为基准的特征，这些以时间为基准的特征根据异构时标来提供。该方法还包括在决策窗口上组合这些以时间为基准的特征以推断与移动设备共处一地的用户的活动。在另一实现中，一种设备包括用于获得从接收自移动设备的一个或多个惯性传感器的信号中提取的多个以时间为基准的特征的装置，其中这些以时间为基准的特征根据异构时标来提供。该设备还包括用于在决策窗口上组合这些以时间为基准的特征以推断与移动设备共处一地的用户的活动的装置。在另一实现中，一种制品包括具有其上存储有机器可读指令的非瞬态存储介质，该机器可读指令能由移动设备的处理器执行以：获得从接收自移动设备的一个或多个惯性传感器的信号中提取的多个以时间为基准的特征，其中这些以时间为基准的特征根据异构样本时段来提供。这些指令还指令该处理器在决策窗口上组合这些以时间为基准的特征以推断与移动设备共处一地的用户的活动。在另一实现中，一种移动设备包括一个或多个惯性传感器以及一个或多个处理器，该处理器用于获得从接收自一个或多个惯性传感器的信号中提取的多个以时间为基准的特征。这些以时间为基准的特征根据异构时标来提供。该处理器在决策窗口上组合这些以时间为基准的特征以推断与移动设备共处一地的用户的活动。附图说明参照以下附图来描述非限定性和非穷尽性的方面，其中相近参考标号贯穿各附图指代相近部分。图1是根据一实现可被应用于移动设备的示例坐标系。图2是根据一实现的一种用于使用对以时间为基准的特征的时间定标来进行活动分类的装置的示图。图3是示出根据一实现的在活动分类中使用的示例时标的示图。图4是解说根据一实现的与移动设备相关联的示例计算环境的示意图。图5是解说根据一实现的一种使用对以时间为基准的特征的时间定标来分类用户活动的过程的流程图。具体实施方式提供了可在各种移动设备中实现以对移动设备的用户的活动进行分类的设备、方法和装置。在各实现中，包括倒频谱(Cepstral)滤波的信号处理算法可被应用于移动设备内包括的惯性传感器(诸如加速计)的一个或多个输出轨迹。在一特定实现中，分类器可至少部分地基于从移动设备上的惯性传感器接收的信号来推断移动设备用户的活动状态。在特定示例中，来自一个或多个惯性传感器的信号可在特定时标上被处理以计算或提取以时间为基准的“特征”，该以时间为基准的“特征”可指示或暗示特定活动类。似然性指示可以用“似然函数”的形式来描述，诸如从特定活动类的似然性推导出的或与其有关的对数似然或其他表达式，该似然性指示可在第一时标上被计算，并与在决策窗口期间的至少一个其他时标上被计算的类似似然函数相组合。贝叶斯分类器和/或模式识别可被应用以从在多个时标上计算的特征中推断特定活动。在一特定实现中，一特征可从接收自惯性传感器的信号中计算，并且以藉以处理和分析接收到的信号的特定时标被计算。应该理解，不同的计算出的特征可在不同(例如异构)时标上进行处理。而且，对于任何特定的计算出的特征，改变时标可改变在表征与移动设备共处一地的用户的运动状态中使用的该特征的有用性。例如，如果用户的运动状态保持恒定(例如，用户在步行)，则随着取得平均的时标在历时中递增，加速度特征的平均幅值可变成对该活动类的越来越精确的指示。相反，对于平均取向特征而言相反作用可能占优势，其中俯仰和侧滚维度中的一个或多个维度中的移动被计算。在平均取向计算中，随着该特征的时标增加，该计算可不再捕捉运动中取向的范围。在一特定实现中，以时间为基准的特征可被组合以用于推断与移动设备共处一地的用户的活动。然而，经组合的特征可在异构时标上确定。在该上下文中，用户可例如通过持有移动设备、佩戴移动设备、将移动设备置于他/她口袋中等来与移动设备共处一地，仅举几个例子。图1解说根据一实现的可被应用于移动设备的示例坐标系100。在图1中，坐标系100可被整体或部分使用以促进或支持使用对移动设备(诸如移动设备102)的以时间为基准的特征(例如，使用加速计输出信号)的时间定标来进行活动分类。然而应该理解，加速计仅仅是可从中对用户活动进行分类的惯性传感器的一个示例，所要求保护的主题内容在此方面不受限制。惯性传感器的示例可包括陀螺仪、磁力计、压电设备等等。在其他实现中，其他类型的传感器(诸如压力传感器、环境光传感器、成像传感器、温度传感器，仅举几个例子)可产生输出信号，这些输出信号可被处理以推断与移动设备共处一地的用户的活动状态。如图所示，坐标系100可包括例如三维笛卡尔坐标系，但是所要求保护的主题内容不限于此。在此解说的示例中，移动设备102的运动例如表示可至少部分地参照相对于示例坐标系100的原点104的三个线性维度或轴X、Y和Z来检测或测量的加速度振动。应领会，示例坐标系100可以与移动设备102的机身对准或不对准。还应该注意，在某些实现中，非笛卡尔坐标系(诸如圆柱形坐标系或球形坐标系)可被使用，或者可定义相互正交的维度的任何其他坐标系可被使用。同样如图1所解说的，移动设备102的旋转运动例如随着设备取向绕重力的变化可至少部分地参照一个或两个维度来检测或测量。在一实现中，移动设备102的旋转运动可用坐标的方式来检测或测量，其中表示俯仰或即绕X轴的旋转，如由106处的箭头一般性地解说的，而τ表示侧滚或即绕Z轴的旋转，如由箭头108一般性地解说的。相应地，在一实现中，3D加速计可关于例如侧滚或俯仰维度来至少部分地检测或测量加速度振动水平以及绕重力的变化，由此提供5个可观测性维度然而，这些仅仅是可参照示例坐标系100来检测或测量的各个运动的示例，并且所要求保护的主题内容不限于上述运动或坐标系。遵循以上讨论，3D加速计可检测或测量因例如响应于与设备共处一地的用户的活动的各种振动引起的三维空间中的加速度。通常情况下(尽管并非必然)，加速度振动可例如与移动的车辆(例如，引擎、轮子等、振动、道路的不平坦等)、用户的步行或跑步、手或腕抖动、有氧练习、或通常可存在于移动设置或环境中的其他现象相关联。图2是根据一实现的一种用于使用对以时间为基准的特征的时间定标来进行活动分类的装置的示图(200)。在图2中，位于移动设备上的惯性传感本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2011.03.31 US 61/470,040;2012.01.31 US 13/363,1471.一种用于活动分类的方法，包括：从移动设备的一个或多个惯性传感器接收信号；根据接收到的信号来确定根据第一时标的第一以时间为基准的特征以及根据第二时标的第二以时间为基准的特征，所述第一和第二以时间为基准的特征各自指示使用相应的第一或第二时标的一个或多个活动的似然性；在决策窗口上组合所述第一和第二以时间为基准的特征；以及基于经组合的第一和第二以时间为基准的特征来推断与所述移动设备共处一地的用户的活动。2.如权利要求1所述的方法，其特征在于，组合所述决策窗口的所述以时间为基准的特征还包括：对于所述第一和第二时标中的每一个，在所述决策窗口上至少部分地基于所述第一和第二时标中提供的特征来计算活动似然函数值，所述活动似然函数值指示所述用户正在执行多个活动分类之一的似然函数。3.如权利要求2所述的方法，其特征在于，对于所述第一和第二时标中的每一个，所述经计算的活动似然函数值在所述第一和第二时标上被组合；以及对于所述多个活动分类中的一个或多个，在所述第一和第二时标上组合在所述决策窗口上被组合的所述活动似然函数值。4.如权利要求3所述的方法，其特征在于，在所述第一和第二时标上组合在所述决策窗口上被组合的所述活动似然函数值还包括：对在所述决策窗口上获得的活动似然函数值的组合进行加权。5.如权利要求4所述的方法，其特征在于，在所述决策窗口上组合所述第一和第二时标内的活动似然函数值还包括：将加权因子应用于时间窗口或所述第一和第二时标中的至少一个时标。6.如权利要求5所述的方法，其特征在于，推断所述活动还包括：将所述经组合的以时间为基准的特征应用于贝叶斯分类器以从多个活动类当中推断一活动类。7.如权利要求1所述的方法，其特征在于，所述决策窗口是所述第一和第二时标中的至少一个时标的整数倍。8.如权利要求1所述的方法，其特征在于，所述信号中的至少一个包括加速计轨迹。9.如权利要求1所述的方法，其特征在于，所述信号包括指示至少三个线性维度中的加速度的至少三个加速计轨迹。10.如权利要求1所述的方法，其特征在于，还包括使用高斯混合模型来计算联合概率。11.如权利要求1所述的方法，其特征在于，进一步包括：从接收自所述一个或多个惯性传感器的所述信号中计算倒频谱系数。12.如权利要求1所述的方法，其特征在于，进一步包括：...

【专利技术属性】
技术研发人员：L·H·罗格科普，A·莎拉，S·纳安达，
申请(专利权)人：高通股份有限公司，
类型：
国别省市：