CN103369135B - 移动设备位置识别的方法和系统 - Google Patents

Abstract

本发明公开了一种移动设备位置识别的方法和系统，方法为：使用传感器判断移动设备状态；移动设备为携带状态时，使用前置传感器获取移动设备前部信号数据并判断移动设备前部遮挡状态；移动设备为携带状态时，使用后置传感器获取移动设备后部信号数据并使用基于图像的移动设备持有算法判断移动设备的状态；通过已判断的移动设备状态，使用特征模式判断移动设备所处状态特征与位置。系统为：移动设备初始状态判断模块；移动设备前部上方遮挡判断模块；移动设备后部上方遮挡判断模块；移动设备所处状态特征与位置判断模块。使用该系统和方法可以判断移动设备是否为手持状态、静置状态或者携带时处于裤袋，包中，或是在上衣口袋中不同场景的问题。

Description

移动设备位置识别的方法和系统

技术领域

本发明涉及移动设备状态识别的方法和系统，特别涉及移动设备位置识别的方法和系统。

背景技术

随着通信技术，嵌入式设备的日趋成熟，移动设备的微环境感知越来越得到关注，如何对智能终端的状态进行检测，以及如何快速的确定终端的状态位置，是研究的一大热点。目前，现有的判断移动设备位置的工作主要通过GPS定位和声音定位等方法，借助光线灰度阶和加速度传感器的记录值来实现移动设备所处环境的定位方法目前较少。近场传感器可检测移动设备前部的遮挡状态，因为近场传感器能够在没有物理接触的条件下检测到物体的存在，它主要通过发射电磁波然后通过接受磁场的反射信息进行通信。摄像头拍照并检测照片灰度阶也可判断移动设备是否被遮挡，因为不同场景下，使用移动设备相机拍摄出来的相片的灰度阶会不尽相同，对于将移动设备持在手上和装在包中，裤兜中的灰度阶变化趋势都不会相同，特别是对于封闭环境，半封闭环境和全开放环境的灰度阶是不相同的。所以可以通过移动设备照相机的灰度来判断移动设备处于什么位置。

比对移动设备加速度与数据库中的已有数据，可以找出移动设备加速度的变化模式，从而可判断移动设备所在的位置，比如确定移动设备在移动状态中处于裤袋，包中，或是在上衣口袋中。数据库提前存入了移动设备在不同位置上的加速度变化，如果采样数据相符则可以确定移动设备处于这个位置。通过移动设备所处位置的判断，可以调用相应的程序，如自动调大铃声，改变移动设备待机状态等方式，实现移动设备的智能控制。

（一）要解决的技术问题

本发明的目的在于解决移动设备的微环境感知能力不强，无微环境感知方法的问题。

（二）技术方案

本发明技术方案包含以下步骤：

应用移动设备初始状态判断模块，判断移动设备的初始状态；

应用移动设备前部上方遮挡判断模块，在移动设备为携带状态时，使用前置传感器获取移动设备前部信号数据并判断移动设备前部遮挡状态；

应用移动设备后部上方遮挡判断模块，在移动设备为携带状态时，使用后置传感器获取移动设备后部信号数据，使用基于图像的移动设备持有算法判断移动设备的状态；

应用移动设备所处状态特征与位置判断模块，在移动设备持有状态判断模块已判断出的移动设备状态，使用特征模式判断出移动设备所处状态特征与位置。

优选的，移动设备的传感器为加速度传感器、陀螺仪传感器、方向传感器、重力传感器、线性加速传感器和旋转矢量传感器。

优选的，传感器判断移动设备状态的方法为，当传感器在单位时间内检查到数值变化时，移动设备为携带状态；当传感器在单位时间内未检测到数值变化时，移动设备为静置状态。

优选的，移动设备的前置传感器为近场传感器和前置摄像头。

优选的，在近场传感器和前置摄像头都正常工作时，近场传感器为工作状态，获取数据，前置摄像头为停用状态；当近场传感器为故障状态时，前置摄像头工作，获取信号数据。

优选的，所述近场传感器工作时，近场传感器获取到的信号数据直接判断移动设备前方遮挡状态，前置摄像头工作时，使用其拍摄的照片灰度阶判断移动设备的遮挡状态。

优选的，使用拍摄的照片灰度阶判断移动设备的遮挡状态的方法为，设定灰度阶阈值：当照片灰度阶值大于所设定的阈值时，移动设备前部上方未遮挡；当照片灰度阶小于所设定的阈值时，移动设备前部上方被遮挡。

优选的，后置传感器为后置摄像头。

优选的，基于图像的移动设备持有算法为，设置灰度阶阈值，当后置摄像头所拍摄图像灰度阶值大于所设定的阈值时，移动设备后部上方未遮挡，为手持状态；当照片灰度阶小于所设定的阈值时，移动设备前部上方被遮挡，为后部上方遮挡状态。

优选的，移动设备后部上方为遮挡状态时，根据后置摄像头所拍摄图像灰度阶CDF函数值增长速度判定移动设备上方的持有方法，即设定灰度阶CDF函数增长速率阈值，灰度阶的CDF值在上升速率快于阈值时，移动设备为携带状态中的非手持状态；灰度阶的CDF值在上升速率慢于阈值时，移动设备为携带状态中的手持状态

优选的，通过特征模式判断出移动设备所处状态特征的方法为，当移动设备判断为携带状态中的手持状态时，根据前置、后置传感器获取的信号逻辑关系判断手持移动设备的四种手持状态：移动设备只有前方上部被遮挡；移动设备只有后部上方被遮挡；移动设备前、后部上方都没有被遮挡；移动设备前、后部上方都被遮挡。

优选的，通过特征模式判断出移动设备所处状态位置的方法为，当移动设备判断为携带状态中的非手持状态时，通过比对加速度变化值进行位置匹配，使用动态时间变化路径行为匹配算法找出与数据库中最相近的加速度模式，通过加速度模式确定出移动设备所处的位置。

（三）有益效果

本发明解决了移动设备的微环境感知能力不强的问题，可以判断移动设备是否为手持状态、静置状态或者携带时处于裤袋，包中，或是在上衣口袋中不同场景的问题。

附图说明

图1是本发明的实现方法的流程图；

图2是本发明的一种基于灰度阶CDF特性检测的移动设备放置位置的图；

图3是本发明的一种不同排放位置下用户行走过程中手机加速度模式的图；

图4是本发明的基于DTW的匹配图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式做进一步描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

如图1所示的本发明的流程图。本文发明所述的移动设备前部指移动设备的显示面板所在的面；移动设备的上方指移动设备的近场传感器，前置摄像头，听筒所在设备的位置；移动设备的后部指与显示面板相对的设备背部壳体的位置。

本发明的移动设备可为手机、平板电脑等手持移动设备，其各种设备应用本发明实现其位置判断的方法相同，效果也相同，故本发明采用手机为其实施例。

实施例

本发明分别使用Samsung Galaxy S2I9100,Sansung Nexus3I9250,Motorola MT788作为测试对象。根据本发明方法的流程，如图1所示。

设备静置或携带状态的判断

首先使用传感器判断移动设备的状态。使用移动设备的传感器，如加速度传感器、陀螺仪传感器、方向传感器、重力传感器、线性加速传感器和旋转矢量传感器等，在单位时间内检查到数值变化，如果单位时间内数值有变化，则认为移动设备为携带状态，如果单位时间内未检测到数值变化，则移动设备为静置状态。

设备前部上方遮挡状态的判断

当手机为携带状态时，使用前置传感器获取移动设备前部信号并判断移动设备前部遮挡状态。前置传感器优先使用近场传感器。如果手机前置近场传感器检测到手机前方被物品遮挡，则认为手机前方封闭。因为近场传感器能够在没有物理接触的条件下检测到物体的存在，它主要通过发射电磁波然后通过接受磁场的反射信息来进行通信。如果前方存在物品遮挡，则周围磁场的变化将被近场传感器感知，从而感测前方物体。如果近场传感器没有检测到前方物体，则前方未被遮挡。当手机未设置前置近场传感器或前置近场传感器出现故障时，可以开启前置摄像头作为前置传感器。前置摄像头拍照，使用其拍摄的照片灰度阶判断移动设备的遮挡状态。当摄像头被遮挡时，其拍摄的照片灰度阶值与未被遮挡时的灰度阶值不同，所以可以设定灰度阶阈值：当照片灰度阶值大于所设定的阈值时，则认为移动设备前部上方未遮挡；当照片灰度阶小于所设定的阈值时，则认为移动设备前部上方被遮挡。因为特定需要，可以同时打开前置近场传感器和前置摄像头进行判断，设定阈值，与两传感器的加权平均值进行比对：当加权平均值大于设定阈值时，则认为手机前部无遮挡；当加权平均值小于设定阈值时，则认为手机前部有遮挡。

手机后部遮挡状态的判断

当手机为携带状态时，对手机后部是否被遮挡进行判断，通过启动手机后方的摄像头照相来进行灰阶的测量，使用基于图像的移动设备持有算法进行判断。

基于图像的移动设备持有算法为：

移动设备的摄像头为遮挡状态时，根据摄像头拍摄的图像灰度阶累加分布（Cumulative Distribution Function，以下简称CDF）函数增长速率判定移动设备上方的持有方法，即设定灰度阶CDF函数增长速率阈值，对比图像灰度阶CDF函数增长速率与CDF函数增长速率的阈值，进行持有方法的判断。

首先进行后置摄像头是否被覆盖的判断。后置摄像头拍照，使用其拍摄的照片灰度阶判断移动设备的遮挡状态。当摄像头被遮挡时，其拍摄的照片灰度阶值与未被遮挡时的灰度阶值不同，所以可以设定灰度阶阈值：当照片灰度阶值大于所设定的阈值时，则认为移动设备后部上方未遮挡；当照片灰度阶小于所设定的阈值时，则认为移动设备后部上方被遮挡。

再进行持有方法的判断。当后部上方被遮挡时，对比最近一次所拍摄照片的灰度阶。试验发现手机握在手中时它的灰阶度增长速率远远小于其被放置在口袋中，上衣中或包中的时候。为了量化测量灰阶度的测量斜率并计算在q₁和q₂之间的灰阶CDF函数，我们通过CDF函数图像发现，当手机处于封闭的环境中时，灰阶的CDF值在很短的时间内就会上升到85%左右的比例，如图2所示。而被持有在手上的时候，其灰阶的CDF增长就较为缓慢。对比拍摄的两张照片的灰度阶，计算其灰度阶增长速率，灰度阶的CDF函数就可以用来区分手机是否被持有在手中或是在其他地方。设定灰度阶CDF函数增长速率阈值，灰度阶的CDF值在上升速率快于阈值时，移动设备为携带状态中的非手持状态；灰度阶的CDF值在上升速率慢于阈值时，移动设备为携带状态中的手持状态。

通过特征模式判断出移动设备所处状态特征

如果手机处于手中，前方是否被遮挡已经通过前置传感器检测，后方已经通过后置摄像头拍摄照片，对比照灰度阶e和阈值的方法判断出后置摄像头是否被覆盖。

在根据上述情况，手机的封闭性分为一下四种情况，

情况1：e>阈值并且前方被覆盖，移动设备只有前方上部被遮挡；

情况2：e<阈值并且前方未被覆盖，移动设备只有后部上方被遮挡；

情况3：e>阈值并且前方未被覆盖，移动设备前、后部上方都没有被遮挡；

情况4：e<阈值并且前方被覆盖，移动设备前、后部上方都被遮挡。

通过特征模式判断出移动设备所处状态位置

将手机放置于身体不同部位下，进行行走过程中的加速度采集。对所得到的加速度序列进行采样，绘出当用户处于运动状态下处于不同身体位置时的加速度变化趋势,观察不同位置下，如书包，裤子，上衣，腰袋中固有的加速度变化模式。发现虽然在不同的志愿者身上不同的手机位置得到的加速度振幅曲线不完全重合，但是只是位移的不匹配或轻微大小的振动问题。这是用户行走快慢问题导致的。通过实验发现，得出在行走过程中不同位置下这个问题可以通过比对每个位置上加速度变化模式来比对数据库中的值。数据库提前存入了手机在不同位置上的加速度变化，如果采样数据与数据库所记录的某一位置下加速度模式相符则可以确定手机处于这个位置。

基于动态时间弯曲路径追踪匹配确定最符合运动路径的方法。通过反复多次测量手机处于身体不同部位在行走过程中的加速度值变化值，形成不同位置下的加速度数据标准值，由于在行走过程中每一个加速度测量只都不相同，需要使用一定的比对方法找出与测量加速度值最相近的加速度标准值。如图3所示，通过使用了动态时间弯曲（DynamicTime Warping，以下简称DTW）路径追踪匹配算法进行加速度测量值的配对工作，如图4所示。

考虑到两个加速度序列A和B，分别进行了长度为M和N的加速度值采样。DTW首先进行构造M*N维的距离矩阵d[M*N]，其中d(i,j)=(a_i-b_j)²，其中，a_i和b_j分别是加速度序列A和B上的第i个和第j个加速度元素值，DTW以距离矩阵作为输入，输出路径P={p₁,p₂,p₃,...,p_k}。

为了产出归整路径,DTW基于动态规划的思想构造最小距离矩阵C[M*N]，代表着两个带匹配加速度序列的最短距离。其中，C(i,j)=d(i,j)+min(C(i-1,j-1),C(i,j-1),C(i-1,j)，点（i，j）的距离是通过（i-1,j-1），（i-1）,(i-1,j)计算最优路径得到。

通过DTW路径追踪匹配算法，计算出每一个路径过程中实际采集出来的加速度值和数据库中的标准数据进行匹配，然后得出最小的距离差。再通过最优加速度模式匹配即为距离花费矩阵C[M*N]的最小值，从而找到最优匹配位置加速度，从而得到相应的位置信息。

使用以上提供的方法和系统，可以判断出移动设备的状态为，静置状态、手持状态中的四种状态：移动设备只有前方上部被遮挡；移动设备只有后部上方被遮挡；移动设备前-后部上方都没有被遮挡；移动设备前-后部上方都被遮挡、携带时处于裤袋，包中，或是在上衣口袋中等不同的场景。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (10)

1.一种移动设备位置识别的方法，其特征在于，该方法包括以下步骤：

1)使用传感器判断移动设备状态；

2)移动设备为携带状态时：使用前置传感器获取移动设备前部信号数据并判断移动设备前部遮挡状态；使用后置传感器获取移动设备后部信号数据并使用基于图像的移动设备持有算法判断移动设备的状态；当后部上方被遮挡时，对比最近一次所拍摄照片的灰度阶；对比拍摄的两张照片的灰度阶，计算其灰度阶增长速率，灰度阶的灰度阶累加分布CDF函数用来区分手机是否被持有在手中；设定灰度阶灰度阶累加分布CDF函数增长速率阈值，灰度阶的CDF值在上升速率快于阈值时，移动设备为携带状态中的非手持状态；灰度阶的CDF值在上升速率慢于阈值时，移动设备为携带状态中的手持状态；

3)通过使用前、后置传感器已判断的移动设备状态，使用特征模式判断移动设备所处状态特征与位置；

通过使用了动态时间弯曲DTW路径追踪匹配算法进行加速度测量值的配对工作，考虑到两个加速度序列A和B，分别进行了长度为M和N的加速度值采样，DTW首先进行构造M*N维的距离矩阵d[M*N]，其中d(i,j)＝(a_i-b_j)²，其中，a_i和b_j分别是加速度序列A和B上的第i个和第j个加速度元素值，DTW以距离矩阵作为输入，输出路径P＝{p₁,p₂,p₃,...,p_k}；

DTW基于动态规划的思想构造最小距离矩阵C[M*N]，其中，C(i,j)＝d(i,j)+min(C(i-1,j-1),C(i,j-1),C(i-1,j)，点(i，j)的距离是通过(i-1,j-1)，(i-1),(i-1,j)计算最优路径得到；

通过DTW路径追踪匹配算法，计算出每一个路径过程中实际采集出来的加速度值和数据库中的标准数据进行匹配，然后得出最小的距离差，再通过最优加速度模式匹配即为距离花费矩阵C[M*N]的最小值，从而找到最优匹配位置加速度，从而得到相应的位置信息；

其中，所述步骤2)中基于图像的移动设备持有算法为，设置灰度阶阈值，当后置摄像头所拍摄图像灰度阶值大于所设定的阈值时，移动设备后部上方未遮挡；当照片灰度阶小于所设定的阈值时，移动设备后部上方被遮挡。

2.根据权利要求1所述的移动设备位置识别方法，其特征在于，所述步骤1)中移动设备的传感器为加速度传感器、陀螺仪传感器、方向传感器、重力传感器、线性加速传感器和旋转矢量传感器中的任意一种或任意组合。

3.根据权利要求2所述的移动设备位置识别方法，其特征在于，使用传感器判断移动设备状态的方法为，当传感器在单位时间内检查到数值变化时，移动设备为携带状态。

4.根据权利要求1所述的移动设备位置识别方法，其特征在于，所述步骤2)中移动设备的前置传感器为近场传感器和前置摄像头。

5.根据权利要求4所述的移动设备位置识别方法，其特征在于，在近场传感器和前置摄像头都正常工作时，近场传感器为工作状态，获取数据，前置摄像头为停用状态；当近场传感器为故障状态时，前置摄像头工作，获取信号数据。

6.根据权利要求5所述的移动设备位置识别方法，其特征在于，所述近场传感器工作时，近场传感器获取到的信号数据直接判断移动设备前方遮挡状态，前置摄像头工作时，使用其拍摄的照片灰度阶判断移动设备的遮挡状态。

7.根据权利要求6所述的移动设备位置识别方法，其特征在于，所述的使用拍摄的照片灰度阶判断移动设备的遮挡状态的方法为，设定灰度阶阈值：当照片灰度阶值大于所设定的阈值时，移动设备前部上方未遮挡；当照片灰度阶小于所设定的阈值时，移动设备前部上方被遮挡。

8.根据权利要求1所述的移动设备位置识别方法，其特征在于，所述步骤2)中后置传感器为后置摄像头。

9.根据权利要求1所述的移动设备位置识别方法，其特征在于，所述步骤3)中通过特征模式判断出移动设备所处状态特征的方法为，当移动设备判断为携带状态中的手持状态时，根据前置、后置传感器获取的信号逻辑关系判断手持移动设备的四种封闭性：灰度阶e>阈值并且前方被覆盖，移动设备只有前方上部被遮挡；灰度阶e<阈值并且前方未被覆盖，移动设备只有后部上方被遮挡；灰度阶e>阈值并且前方未被覆盖，移动设备前、后部上方都没有被遮挡；灰度阶e<阈值并且前方被覆盖，移动设备前、后部上方都被遮挡。

10.一种移动设备位置识别的系统，其特征在于，该系统包括以下模块：

移动设备初始状态判断模块，用于判断移动设备的初始状态；

移动设备前部上方遮挡判断模块，用于在移动设备为携带状态时，使用前置传感器获取移动设备前部信号数据并判断移动设备前部遮挡状态；

移动设备后部上方遮挡判断模块，用于在移动设备为携带状态时，使用后置传感器获取移动设备后部信号数据，使用基于图像的移动设备持有算法判断移动设备的状态，其中，基于图像的移动设备持有算法为，设置灰度阶阈值，当后置摄像头所拍摄图像灰度阶值大于所设定的阈值时，移动设备后部上方未遮挡；当照片灰度阶小于所设定的阈值时，移动设备后部上方被遮挡；当后部上方被遮挡时，对比最近一次所拍摄照片的灰度阶；对比拍摄的两张照片的灰度阶，计算其灰度阶增长速率，灰度阶的灰度阶累加分布CDF函数用来区分手机是否被持有在手中；设定灰度阶灰度阶累加分布CDF函数增长速率阈值，灰度阶的CDF值在上升速率快于阈值时，移动设备为携带状态中的非手持状态；灰度阶的CDF值在上升速率慢于阈值时，移动设备为携带状态中的手持状态；

移动设备所处状态特征与位置判断模块，通过移动设备持有状态判断模块已判断出的移动设备状态，使用特征模式判断出移动设备所处状态特征与位置；

通过使用了动态时间弯曲DTW路径追踪匹配算法进行加速度测量值的配对工作，考虑到两个加速度序列A和B，分别进行了长度为M和N的加速度值采样，DTW首先进行构造M*N维的距离矩阵d[M*N]，其中d(i,j)＝(a_i-b_j)²，其中，a_i和b_j分别是加速度序列A和B上的第i个和第j个加速度元素值，DTW以距离矩阵作为输入，输出路径P＝{p₁,p₂,p₃,...,p_k}；

DTW基于动态规划的思想构造最小距离矩阵C[M*N]，其中，C(i,j)＝d(i,j)+min(C(i-1,j-1),C(i,j-1),C(i-1,j)，点(i，j)的距离是通过(i-1,j-1)，(i-1),(i-1,j)计算最优路径得到；

通过DTW路径追踪匹配算法，计算出每一个路径过程中实际采集出来的加速度值和数据库中的标准数据进行匹配，然后得出最小的距离差，再通过最优加速度模式匹配即为距离花费矩阵C[M*N]的最小值，从而找到最优匹配位置加速度，从而得到相应的位置信息。