CN104457751A - 室内外场景识别方法及系统 - Google Patents

Abstract

本发明提供一种室内外场景识别方法，该方法通过移动终端自带的光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和/或全球定位系统部件中的一个或多个采集与所述移动终端当前的状态及其所处场景相关的数据，并基于所采集的数据来判定所述移动终端当前所处的场景是室内还是室外。该方法通过利用手机自带的传感器而不利用任何先验信息来进行数据采集、分析及识别室内外场景识别，可作为能够运行在手机后台的轻量级服务，具有准确率高、检测时延短、能耗低、普适性广的特点。

Description

室内外场景识别方法及系统

技术领域

本发明属于无线定位及上下文智能感知技术领域，尤其涉及识别室内外场景的方法。

背景技术

现在的移动终端已经成为环境感知和人群通讯交流的重要平台，有效的室内外场景识别方法能够为终端应用提供最有用的环境信息，因此能够有效提高移动终端的表现。例如，在基于位置服务方面，GPS在室外环境可以给出比较精确的推断，然而在室内由于卫星视距受阻的原因而表现很差。在移动数据服务方面，在室内，移动手机能够扫描到更多信号强度更强的WiFi信号，而在室外，无线连接效果相对较差。因此，如果能够比较准确地侦测室内外场景，对于GPS和WiFi的扫描和开关策略以及图像自动识别、场景和活动感知、室内定位等依赖于工作场景的服务提供指导作用。可见，室内外场景识别方法有很大的实用价值和研究价值。

现有的定位和导航服务并不能完全依靠通过GPS信号的可用性和准确度来推断出周围的环境类型，而且典型的GPS模块面临着能耗高，启动、扫描、计算时间长导致的速度慢和效率低等问题。

目前主要有以下几类常用的室内外场景识别方法：

第一类是使用一些专用的设备来帮助室内外场景识别。这种方法的基础设施的预部署代价比较高，限制了普适性识别的灵活性和规模性。

第二类是通过指纹采集的方法感知周围环境信息来进行逻辑定位。手机终端在不同的地点采集周围环境信息。该方法面临指纹采集费时费力的问题，并要求中央服务器存储大量数据并响应用户请求，因而很难被广泛地应用到室内外场景识别

第三类是通过图像处理和模式识别的方法来研究室内室外图片分类和自动图片标记。这种方法计算复杂度高，而且需要精准的用户输入，难以普遍应用。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种融合多种传感器的室内外场景识别方法。

本发明的目的是通过以下技术方案实现的：

一方面，本发明提供了一种室内外场景识别方法，包括：

步骤1，通过移动终端自带的多个传感器中的一个或多个采集与所述移动终端当前的状态及其所处场景相关的数据，其中所述多个传感器包括加速度传感器和陀螺仪；

步骤2，基于所采集的数据来判定所述移动终端当前所处的场景是室内还是室外；其中所述步骤2包括：

步骤21)根据陀螺仪和加速度传感器采集的数据获取当前的转弯频率，转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

步骤22)基于转弯频率确定移动终端当前处于室内外的概率。

上述方法中，在所述步骤22)如果转弯频率大于设定的转弯频率阈值，则判定处于室内的概率为1，否则判定处于室外的概率为1，其中，所述转弯频率阈值是基于在实际室内环境中收集并统计的多个在单位有效时间内转弯次数的平均值来设置的。

上述方法中，在所述步骤22)处于室内外的概率如下：

$C_I=\frac{f}{\mathrm{\σ}},C_O=\frac{\mathrm{\σ}-f}{\mathrm{\σ}}(0\≤f\≤\mathrm{\σ})$

其中，f表示当前检测到的转弯频率，σ表示人在单位有效运动时间内能产生的最大转弯次数，C_I表示处于室内的概率，C_o处于室外的概率。

上述方法中，在所述步骤22)中处于室内的概率为C_I为：

$C_I=0.5+\frac{f}{2*\mathrm{\σ}}-\frac{\mathrm{\ϵ}}{2*q*t*60}$

处于室外的概率C_O＝1-C_I，其中f表示当前检测到的转弯频率，σ表示人在单位有效运动时间t内能产生的最大转弯次数，ε表示对不发生转弯时间段的计数，在没有发生转弯时，ε根据所设置的陀螺仪或加速度传感器采样频率q来计数，每采样一次数据，对应ε加1，每当判定发生一次转弯时，对ε进行更新，更新后的ε值为原ε值除以最新统计的转弯次数。

上述方法中，其中所述多个传感器还包括光传感器，所述步骤2还包括：

步骤23)利用光传感器采集移动终端当前所处环境的光强；

步骤24)将所采集的光强与光强阈值相比较以确定移动终端当前处于室内外的概率，其中所述光强阈值随一天中不同的时间段而不同；

所述步骤24)包括：假设移动终端当前所处地点的日出时间为T_r和日落时间为T_s，当前时间为t，当前采集的光强为L，则：

从日出后半小时到日出后两小时，设定光强阈值μ＝μ₁/2*(t-T_r)，其中μ₁表示日出后光强在两个小时之内能达到的最大值；

从日落前两小时到日落前半小时，设定光强阈值μ＝μ₁-μ₁/3/2*(t-T_s+2)；

从日出后两小时到日落前两小时，设定光强阈值μ＝μ₁；

在上述三个时间段，如果当前采集的光强L＞μ，确定处于室外的概率为1，如果当前采集的光强L＜μ时，确定处于室内的概率为(μ-L)/μ；

从当天日落开始到第二天日出，设定光强阈值μ＝μ₂，其中μ₂表示统计的日落后半小时内室外光强能达到的平均值；

当L>μ时，确定处于室内概率为p₁，p₁∈[0.8,0.9]；

当L<μ且当前时刻t处于深夜时刻t₁到T_r之间时，确定处于室内概率为p₁；

当L<μ且当前时刻t处于日落T_s到深夜时刻t₁之间时，则分别设置两个更小的阈值μ₃和μ₄，μ₂>μ₃>μ₄>0，当μ₃<L<μ₂时，设置处于室内概率为p₂，p₂∈[0.7,0.8]，当μ₄<L<μ₃，设置处于室内概率为p₃，p₃∈[0.6,0.7]，当L≤μ₄时，设置处于室内概率p₄，p₄∈[0.3,0.4]。

上述方法中，所述步骤24)还包括：

对于日出后的半小时内与日落前半小时内，将每分钟采集的光强数据的平均值存放在一个滑动窗口中，统计滑动窗口中存在下降或上升趋势的相邻数值对的数量超过滑动窗口长度的一半时，确定处于室外的概率为1，否则设置处于室内外的概率各为0或0.5。

上述方法中，所述多个传感器还包括全球定位系统部件，所述步骤2还包括：

对移动终端的全球定位系统部件收到的可见卫星信息进行解析并获取每个可见卫星信号的信噪比，当其信噪比不为空且大于零时，判定该卫星可见，从而统计出当前可见卫星数量；

如果当前可见卫星数量小于设定的卫星数量阈值，则判定处于室内的概率为1而处于室外的概率为0；否则确定处于室内的概率为而处于室外的概率为其中S表示当前可见卫星数量，H表示所设定的卫星数量阈值，其基于统计的室内环境中可见卫星数量的平均值来设置。

上述方法中，所述多个传感器还包括温度传感器，所述步骤2还包括：

利用温度传感器来收集当前环境温度数据，并定期通过移动终端的可用的网络连接获取该移动终端当前所在地理区域的室外温度；

如果所获取的室外温度与当前环境温度的差值的绝对值大于所设定的温度阈值，则确定移动终端当前处于室内的概率为1，否则将处于室内外的概率分别设置为0或者0.5。

上述方法中，所述多个传感器还包括气压传感器，所述步骤2还包括：

当利用气压传感器检测的当前气压与室外气压基准值的差的绝对值大于设定的气压阈值时，判定处于室内的概率为1，否则将处于室内外的概率设置为0或者0.5，其中室外气压基准值的初始值是通过下面的方式确定的：

当利用除气压传感器之外的其他一个或多个传感器采集的数据确定处于室外的概率高时，利用气压传感器在一定时间段内采集若干个气压值并将所采集的气压值的平均值作为对应场景的初始的室外气压基准值。

上述方法中，所述步骤2还包括通过下列方式动态调整室外气压基准值：

当判定为处于室内时，对于当前一定时间段内采集到的连续的且变化缓慢的若干个气压值，计算该时间段内的气压变化值，并设置当前的室外气压基准值为原有的室外气压基准值加上该气压变化值；

当除气压之外的其他传感器判定当前处于室外的概率高时，对当前一定时间段内采集到若干个气压值重新求平均值，并将其设置为室外气压基准值。

上述方法中，所述多个传感器还包括气压传感器，所述步骤2还包括：

记录气压传感器最近几次采集的气压值，计算所采集的气压值两两之间的差值，如果最大差值的绝对值大于设定的阈值时，判定处于室内的概率为1。

上述方法中，所述多个传感器还包括地磁传感器，所述步骤2还包括：

利用磁传感器收集地磁数据，计算单位时间内所采集的磁场强度的方差，将经计算得到的方差保存在一个滑动窗口，对于一段时间内在滑动窗口中保存的方差求平均值A；

如果该平均值A大于设定的磁场强度变化方差阈值Q，S₂≤Q≤S₁，则设置处于室内的概率为A/S₁，其中S₁表示对实际环境进行统计得到的室内磁场强度变化方差的平均值，S₂表示对实际环境进行统计得到的室外磁场强度变化方差的平均值，如果A/S₁〉1，则设置处于室内的概率为1；如果该平均值A小于Q，则处于室外的概率为S₂/A，如果S₂/A≥1，则设置处于室外的概率为1。

上述方法中，所述步骤2还包括：

当基于所述多个传感器中的一个或多个采集的数据得到多个室内概率和室外概率时，对各个传感器对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则判定移动终端处于室内，否则判定移动终端处于室外。

上述方法中，所述步骤2还包括在进行加权求和时，通过下列方式调整各个传感器对应的室内概率和室外概率的权重：

1)在晴朗白天，当光传感器可用时，为光传感器对应的室内概率和室外概率赋予较大的权重，而在日落后到第二天日出前，降低光传感器对应的室内概率和室外概率的权重；

2)在阴雨天或者雾霾天，降低光传感器对应的室内概率和室外概率的权重；

3)当光传感器不可用时，降低光传感器对应的室内概率和室外概率的权重；

4)当基于其中一个传感器对应的室内或室外概率为1时，提高该传感器对应的室内概率和室外概率的权重。

上述方法中，所述多个传感器还包括接近传感器，所述步骤2还包括利用接近传感器检测光传感器附近是否有障碍物遮挡，从而判定光传感器是否可用。

又一方面，本发明还提供了一种室内外场景识别方法，所述方法包括：

步骤1，通过移动终端自带的光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和全球定位系统部件采集与所述移动终端当前的状态及其所处场景相关的数据；其中所采集的数据包括与多个指标相关的信息，所述多个指标包括光强、地磁强度、温度、气压、转弯频率和可见卫星数量；其中所述转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

步骤2，分别基于与每个指标相关的信息确定所述移动终端处于室内和室外的概率；

步骤3，给各个指标对应的室内外概率设置相应的权值，并对各个指标对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则识别移动终端当前所处的场景为室内，否则为室外。

上述方法中，所述步骤3还包括通过下列方式调整各个指标对应的室内概率和室外概率的权重：

1)在晴朗白天，当光传感器可用时，为光强对应的室内概率和室外概率赋予较大的权重，而在日落后到第二天日出前，降低光强对应的室内概率和室外概率的权重；

2)在阴雨天或者雾霾天，降低光强对应的室内概率和室外概率的权重；

3)当光传感器不可用时，降低光强对应的室内概率和室外概率的权重；

4)当基于其中一个指标对应的室内或室外概率为1时，提高该指标对应的室内概率和室外概率的权重。

其中，所述移动终端还包括接近传感器，所述步骤3还包括利用接近传感器检测光传感器附近是否有障碍物遮挡，从而判定光传感器是否可用。

又一方面，本发明还提供了一种室内外场景识别系统，包括：

数据采集装置，通过移动终端自带的光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和全球定位系统部件采集与所述移动终端当前的状态及其所处场景相关的数据；所采集的数据包括与多个指标相关的信息，所述多个指标包括光强、地磁强度、温度、气压、转弯频率和可见卫星数量，其中所述转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

场景识别装置，用于分别基于与每个指标相关的信息确定所述移动终端处于室内和室外的概率，以及给各个指标对应的室内外概率设置相应的权值，并对各个指标对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则识别移动终端当前所处的场景为室内，否则为室外。

又一方面，本发明还提供了一种室内外场景识别系统，包括：

数据采集装置，用于通过移动终端自带的多个传感器中的一个或多个采集与所述移动终端当前的状态及其所处场景相关的数据，其中所述多个传感器包括加速度传感器和陀螺仪；

场景识别装置，用于基于所采集的数据来判定所述移动终端当前所处的场景是室内还是室外；其中所述场景识别装置被配置为：

根据陀螺仪和加速度传感器采集的数据获取当前的转弯频率，转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；以及

基于转弯频率确定移动终端当前处于室内外的概率。

与现有技术相比，本发明的优点在于：

该方法通过利用手机自带的传感器而不利用任何先验信息来进行数据采集、分析及识别室内外场景识别，可作为能够运行在手机后台的轻量级服务，具有准确率高、检测时延短、能耗低、普适性广的特点。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1为根据本发明一个实施例的室内外场景识别方法的流程示意图；

图2为根据本发明又一个实施例的室内外场景识别方法的流程示意图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1给出了根据本发明一个实施例的简单有效的低功耗室内外场景识别方法，该方法利用移动终端自带的传感器中的一个或多个所采集的数据来识别室内外场景。通常现有的移动终端都具有无线通信的功能并且具有多种传感器，例如光传感器、接近传感器、加速度传感器、陀螺仪、磁传感器、温度传感器、气压传感器、声音传感器、GPS传感器等。这些传感器可以采集关于当前移动终端所处的状态及环境的各种类型的数据。例如，光传感器可以采集移动终端当前所处环境的光强。根据接近传感器采集的数据可以判断移动终端设备的光传感器附近是否存在盖板、人体、包裹等障碍物直接阻挡。根据加速度传感器采集的数据可以判定移动终端是处于运动还是静止状态等。根据陀螺仪采集的数据可以判定携带移动终端的用户是否发生了运动方向改变。根据磁传感器采集的数据可以获取移动终端当前所处环境的地磁强度。根据温度传感器采集的数据可以获取移动终端当前所处环境的温度。根据气压传感器采集的数据可以获取移动终端当前所处环境的气压。根据移动终端的GPS传感器或GPS模块可以获取当前所处环境可见卫星的信息。

在该本发明的一些实施例中，可基于上述传感器采集的数据并利用下列的一个或多个指标作为识别室内外场景的依据：

(1)室内外光强差异；

(2)室内外用户转弯频率差异；

(3)室内外地磁强度变化差异；

(4)室内外温度差异；

(5)室内外气压差异；

(6)室内外可见的卫星数量差异。

上述的指标中的一个或多个可以互相结合、互相作为补充或者在某个或几个不可用时以互为替代方式来进行室内外场景的识别，这样，室内外场景的最终判定根据为所选择的多个指标各自判定室内外场景的概率的加权和。下面将分别对基于上述指标识别室内外场景的方法进行介绍，其中将每个指标判定的室内外场景的概率也称为室内外置信度，即室内置信度和室外置信度。

1)基于室内外光强差异识别室内外场景

室外环境下，太阳光是白天最主要的光源，而室内环境主要依赖于人造光，室内光强明显低于室外光强，即使是在阴雨天也不例外。原因是太阳光的可见光谱的长度要比人造光的长。这就导致看起来亮度差不多的太阳光和人造光其实在亮度数值大小上存在很大差距。经实验发现，不管是从室内走向室外还是从室外走向室内，光照强度都会有一个很明显而又持续的转换过程。此外，一天的不同时间段内，室内外光照强度也在不断变化。

使用与诸如手机的终端设备集成的光传感器，可直接获取室内外场景的光强。在晴朗白天室外环境下，光强不仅绝对幅度大，而且随着手机所处姿态的不同产生较大的动态变化(变化范围高达几千，甚至上万)，而在室内环境，尽管手机姿态对观测到的光强幅度有影响，考虑到室内场景光强的绝对幅度相对较小(一般小于1000Lux)，因手机姿态变化导致的光强变化范围小于室内最大光强幅值。设置一个长度为T_shake(例如15秒)的滑动窗口序列，把采集的光强数据按照先进先出的顺序放入该队列，并计算该队列的方差，如果该方差大于设定的光强变化阈值(比如1000Lux)，判定当前环境处于室外，即室外置信度为1。如果该方差小于设定的光强变化阈值，则不给出判定结果，即用户位于室内外置信度均设置为0或0.5。

在本发明的又一个实施例中，为了提高基于光强识别室内外场景方法的准确性和鲁棒性，将一天时间划分为不同的时间段，并针对不同时间段特点不断调整用于进行室内外场景判定的光强阈值。例如，假设用户携带的终端设备当前所处地点的日出时间为T_r和日落时间为T_s，该日出时间和日落时间可以是预先设定的默认值，也可以根据移动终端所处地理位置的经纬度计算出每天的日出和日落时间，或者也可以是在网络可用的情况下，从网络上面获取气象信息中包含的当天的日出时间和日落时间。假设当前时间为t，以小时为单位，光强为L，首先针对白天从日出后半小时到日出后2小时，即当t∈(T_r+1/2,T_r+2)时，设置光强阈值μ为随时间t从0到μ₁(例如，1000Lux)的线性递增值，即μ＝a*t，其中线性参数a的值可以根据时间t的取值范围与μ₁设置来具体确定。通常在清晨日出后的光强在两个小时之内能达到最大值，例如，假设日出时间为早上5点，日出内2小时(即t为7点时)能达到的最大光强μ₁为1000Lux，则1000＝a*2，则a＝500.0,那么设置光强阈值μ＝500*(t-T_r)，可见，a实际上为μ₁/2，且μ＝μ₁/2*(t-T_r)。类似情况，从日落前2小时到日落前半小时，即当t∈(T_s-2,T_s-1/2)时，设置光强阈值μ为随时间t从μ₁到0的线性递减值，即μ＝μ₁-μ₁/3/2*(t-T_s+2)。假设日落时间T_s为下午6点，日落前2小时(即下午4点)的最大光强μ₁为1000Lux，则μ＝1000-666.7*(t-T_s+2)。从日出后2小时，到日落前2小时，即当t∈[T_r+2,T_s-2]时，光强阈值恒定设为μ₁(例如，1000Lux)。在这三种情况下，当检测到的当前光强L＞μ时，处于室外的概率很大，例如为0.8、0.9或1，当L＜μ时，处于室内的概率为(μ-L)/μ。其中光强阈值μ₁是根据对实际室内环境的光强数据的实验分析得到的。据发明人实验分析，室内场景光强的绝对幅度通常小于1000Lux。因此，在本发明的实施例中，可将光强阈值μ₁设置为1000Lux左右。但应理解，上述具体取值仅是举例说明的目的，而非进行任何限制。

而对于日出后的半小时内与日落前半小时内，室内外光强值相似，但是在日落前的黄昏和日出前后的该时段，室外光强信号在相对较长时间内(比如30分钟)具有相对稳定的逐渐减弱或者逐渐增强的变化规律，该规律也可用于室外判定。设置一个长度为T_gredient(例如30分钟)的滑动窗口序列，以先进先出的顺序，记录T_gredient个每分钟的平均光强，比较相邻数据大小，得到这T_gredient个平均光强变化趋势的统计结果，当判断为光强减少或者增加的相邻数据对的数目大于规定阈值时，例如超过滑动窗口序列长度的50％，则判定为室外环境，即室外置信度为1。当光强减少或者增加的相邻数据对的数目小于规定阈值时，不给出判定结果，即室内外置信度均设置为0或0.5。

t∈(T_s,T_r)(从当天日落开始到第二天日出结束，即夜晚)，通常情况下，当室内开灯时，室内光线强度一般比室外强(夜晚无路灯照明等自然状态下室外光强为0)，但也存在室内未开灯和室外有路灯、汽车灯、建筑物外墙照明、室外广告牌等影响。结合大众晚上行为习惯随时间变化的趋势(研究表明，人类有80％的时间是处于室内，而在夜晚时刻人类处于室内的概率更大)来进行室内外场景识别，设置阈值μ₂(例如，可设置为30Lux)，当L>μ₂时，直接判定用户位于室内概率为p₁，p₁∈[0.8,0.9]；当L<μ₂且当前时刻处于深夜到黎明这一时间段时(例如当日晚上10点到第二天早上6点之前)，同样直接判定用户位于室内概率p₁(可选p₁∈[0.8,0.9])。当L>μ₂且当前时刻处于日落T_s到刚进入深夜(例如当天晚上10点左右)这一时间段时，则分别设置两个更小的阈值μ₃(例如，可设置为20Lux)和μ₄(例如，可设置为10Lux)(μ₂>μ₃>μ₄>0)，当μ₃<L<μ₂时，直接判定用户位于室内概率p₂(可选p₂∈[0.7,0.8])，当μ₄<L<μ₃，直接判定用户位于室内概率p₃(可选p₃∈[0.6,0.7])，当L≤μ₄时，直接判定用户位于室内概率p₄(可选p₄∈[0.3,0.4])。上述阈值μ₁、μ₂、μ₃、μ₄的具体取值仅是举例说明的目的，而非进行任何限制，上述各个阈值均可以根据在相应时间段内对实际的室内外环境的光强数据的多次实验分析结果来设置。

在又一个实施例中，为了提高识别室内外场景的准确性，还可以采用接近传感器来判定终端设备的光传感器附近是否存在盖板、人体、包裹等障碍物直接阻挡，从而决定是否使用光传感器采集的数据来识别室内外场景。其原因是当光传感器受到外界阻挡时，它测量到的光强度不能有效反映环境特征，比如白天强亮度环境，当光传感器受阻挡时，测量的光强会很小，从而会影响基于光强变化识别室内外场景的准确性。

(2)基于转弯频率差异识别室内外场景

考虑到人在室内室外的行为状态模式有着规律性的变化，例如由于室内空间拓扑分布的细粒度性，导致人在室内的空间运动受到限制，比如室内运动速度一般情况下小于室外、室内行进方向的改变次数远大于室外等，因此，在本发明的一个实施例中，还可基于转弯频率进行室内外场景识别。其中，转弯频率是根据有效运动时间里的转弯次数来衡量的。有效运动时间是指某段时间内人处于运动状态下的时间之和，因为设备静止的时候不可能出现转弯即静止时间不能用于计算转弯频率。由此可知为了计算转弯频率，需要确定转弯次数和有效运动时间。

在一个实施例中，通过下面的方式来判断发生了转弯：首先根据用户携带的终端设备(例如，手机)自带的陀螺仪和加速度传感器采集的数据来获取终端设备绕竖直方向的转动角度θ，然后将该角度与转弯阈值进行比较，当θ大于或等于转弯阈值时，判断为一次转弯。人拐弯实际上就是沿着垂直方向来旋转身体的，通常人在室内拐弯一般是90度左右。因此可以将转弯阈值设置为90度，但是考虑到人拐弯存在快慢差异以及测量误差，为了防止漏报，提高鲁棒性，可适当降低转弯阈值。例如可以将转弯阈值设置为70度或者在70度到90度之间的任一值。当然，如果转弯阈值设置较小，则可能会发生误报，而把转弯阈值设置较大，则可能会发生漏报。其中终端设备绕竖直方向的当前转动角度θ采用下面的公式来计算：

$\mathrm{\&theta;}=\frac{\mathrm{\&alpha;}{\mathrm{\&mu;}}_x+\mathrm{\&beta;}{\mathrm{\&mu;}}_y+\mathrm{\&gamma;}{\mathrm{\&mu;}}_z}{\sqrt{{\mathrm{\&mu;}}_x^2+{\mathrm{\&mu;}}_y^2+{\mathrm{\&mu;}}_z^2}}$

其中，α、β、γ分别为转弯周期内x、y、z三轴的角度改变量，将陀螺仪三轴角速度读数分别存入三个角速度队列(队列长度为转弯周期除以采样周期)，每个轴对应的角度改变量分别使用各自对应队列角速度的平均值乘以转弯周期获得。μ_x、μ_y、μ_z为用户拐弯前后平稳直线行走时三轴加速度的平均值，即用户在不间断平稳直线行走状态下三轴加速度传感器读数的平均值。其中转弯周期代表统计终端设备绕竖直方向转动角度的周期，例如可设置为每6秒统计1次，采集周期是指预先设置的陀螺仪和加速度传感器采集的数据的周期，例如可设置为每0.2秒采集1次。在优选的实施例中，还可以对所获取的转动角度进行滑动平滑处理，即使用前几个采样时刻计算的转动角度和当前计算的转动角度进行加权平均处理，以进一步减少误差，避免由于设备和外界干扰等因素造成的转动角度θ偶然突变导致错误判断。例如，假设第k次计算的转动角度为θ_k，则：

θ_k＝0.7θ+0.2θ_k-1+0.1θ_k-2；

其中θ为当前检测到的转动角度，θ_k-1是第k-1次计算的转动角度，θ_k-2是第k-2次计算的转动角度。将转动角度θ与阈值σ相比较，每当检测到发生转弯的时候，将该转弯发生的时间记录在转弯队列Q_T中，从而完成了对每次转弯及其发生时间的记录。

在一个实施例中，使用以下方式统计有效运动时间：假设将一段有效运动时间记为P，它的起始时间点为t_s，终止时间点为t_e，并引入有效运动时间队列Q_P。利用用户携带的终端设备集成的加速度传感器判定当前设备所处状态(运动或静止状态)，当检测到设备处于运动状态时，新建一段有效运动时间P，设置它的t_s和t_e为当前时间；当接着检测到设备处于静止状态时，更新P的终止时间t_e，但是只有当P的终止时间与起始时间之差大于2秒，才将P加入到有效运动时间队列Q_P中。

在确定了所发生的转弯、转弯发生的时间以及有效运动时间之后，统计单位有效运动时间内的转弯次数，也即是转弯频率。在一个实施例中，选取单位有效运动时间为1分钟，记为Δp。经实验分析得出，以转弯频率为特征来区分室内与室外两种环境时，单位有效运动时间设置为1分钟到5分钟效果明显。在统计单位有效运动时间内的转弯次数之前都需要更新有效运动时间队列和转弯队列，将已经过期的有效运动时间和转弯记录从队列中删除。

在一个实施例中，将已经过期的有效运动时间和转弯记录从队列中删除方法如下：首先在有效运动时间队列里面寻找Δp的起始时间点Δt_s，并删除已经过期的有效运动时间。假设有效运动时间队列Q_P的长度为l，记队尾(即最新有效运动时间)到队列中第k(1≤k≤l)个有效运动时间的时间总和为S_k，也就是：

$S_k=\underset{i=k}{\overset{l}{\mathrm{\&Sigma;}}}(t_{e_i}-t_{s_i})$

其中是队列中第i个有效运动时间的结束时间点，是队列中第i个有效运动时间的起始时间点。计算Δt_s的方法如下所示：

$\mathrm{\&Delta;}{t}_s=\left\{\begin{array}{cc}{t}_{s_1}& \mathrm{if}{S}_1<\mathrm{\&Delta;p}\\ t_{\mathrm{ek}}+S_{k+1}-\mathrm{\&Delta;p}& \mathrm{if}{S}_{k+1}\&le;\mathrm{\&Delta;p}\&le;S_k\end{array}\right.$

这里当S_l-1≥Δp时，说明队列头部的有效运动时间已经过期(例如在1分钟之前记录的有效运动时间)，将其从有效运动时间队列Q_P中删除。

然后计算得到Δt_s与转弯队列Q_T头部的转弯时间t_h进行比较，如果Δt_s>t_h，说明此次转弯已经发生在Δp之前，则从转弯队列中将其删除，继续进行上述比较和删除操作，直到更新后的转弯队列Q_T头部的转弯时间t_h不小于有效运动时间队列Δp的起始时间点Δt_s为止，至此有效运动时间队列及转弯队列更新结束。

在转弯及有效运动时间队列更新之后，转弯队列的长度即为单位有效运动时间内的转弯次数，也即转弯频率f。如果该转弯频率f大于设定的转弯频率阈值，则判定为室内环境，否则判定为室外环境。该转弯频率阈值可以通过事先在实际室内环境中收集并统计的多个人在单位有效时间内转弯的次数的平均值、最大值、最小值、中间值等来确定。例如，假设经事先实验统计得到某个室内环境中处于运动中的人在1分钟内平均转弯次数为2或3次，那么可以设置转弯频率阈值为2、3、1.5或2.5等。

此外，为了便于与下文将要介绍的其他用于检测室内外场景的指标相结合，还可以根据当前检测到的转弯频率f，计算基于转弯频率判定的位于室内外场景的概率，也可称为室内置信度和室外置信度，如下：

$C_I=\frac{f}{\mathrm{\&sigma;}},C_O=\frac{\mathrm{\&sigma;}-f}{\mathrm{\&sigma;}}(0\&le;f\&le;\mathrm{\&sigma;})$

其中σ表示单位有效运动时间内的最大转弯次数，σ的取值可以通过在实际应用中基于具体室内环境以及人们在该环境内的移动模式进行多次实验得到。例如，假设Δ_p为1分钟，经实验统计，在室内环境中1分钟内最多发生转弯次数为5，则可设定σ为5。C_I值是判定用户位于室内的概率，C_o＝1-C_I是判定用户位于室外场景的概率。当仅使用转弯频率进行室内外场景判定时，可选择C_I和C_o中值大者，即为室内外场景判定结果。

在又一个实施例中，当初始化时，假定用户位于室内外场景的概率都为0.5，当有转弯发生时，判定用户位于室内的概率增加，而未判定转弯时，则随着用户直线运动时间的增加，判定用户位于室外的概率逐渐增加，下列公式表述了用户位于室内概率与单位有效时间内转弯次数和有效运动时间之间的关系：

$C_I=0.5+\frac{f}{2*\mathrm{\&sigma;}}-\frac{\mathrm{\&epsiv;}}{2*q*t*60}$

其中，C_O＝1-C_I，ε表示对不转弯时间段的计数，q表示陀螺仪和加速度传感器的采样频率，t表示单位有效时间(以分钟为单位)。通常ε根据采样频率q来计数，每采样一个样本，对应ε加1。假设单位有效时间t为两分钟，采样频率q为每秒采样5次，则每秒ε增加5，两分钟ε增加600，即在两分钟内ε的最大值为600。每当判定发生一次转弯时，对ε值进行更新，更新后的ε值为原ε值除以转弯队列内最新统计的转弯次数。3)基于室内外地磁变化差异识别室内外场景

建筑物内的钢筋混泥土结构对地磁干扰较大，导致室内外不同的磁场分布及变化。在本发明的一个实施例中，基于磁场强度的变化大小而不是简单地利用磁场强度，来判断室内外场景。通常情况下室内的磁场方差要比室外强，同时为了提高判断的鲁棒性以及过滤掉一些噪音数据，在该实施例中采用滑动窗口的方式取平均值来计算磁场强度方差。

首先利用磁传感器收集地磁数据，每秒采集和计算一次磁场强度(即一个样本)，并把所计算的磁场强度保存在滑动窗口中，滑动窗口的大小例如可设置为20，也就是保存前20秒运动过程中采集的磁场强度数据。然后计算滑动窗口中磁场强度的方差，将所计算的方差保存在另一个滑动窗口，该滑动窗口的大小例如可设置为25，即保存25个方差，对于保存方差的滑动窗口内的方差求滑动平均值A。如果A大于设定的磁场强度变化方差阈值Q，S₂≤Q≤S₁，则计算处于室内的概率(即室内置信度)为A/S₁，其中S₁表示对实际环境进行统计得到的室内磁场强度变化方差的平均值(例如，21μT²)，S₂表示对实际环境进行统计得到的室外磁场强度变化方差的平均值(例如，9μT²)。当A/S₁≤1，判定为室内场景置信度为I＝A/S₁，如果A/S₁〉1，则判定为用户位于室内的置信度为I＝1。室外置信度O定义为1-I(室内外场景判定置信度的和为1)。反之，如果A低于所设定的磁场强度变化方差阈值Q(例如，15μT²)，则计算S₂/A，如果S₂/A≥1，则用户位于室外的置信度O＝1；如果S₂/A<1，则用户判定为室外的置信度O＝S₂/A。室内置信度为I＝1-O。其中Q、S₁和S₂的具体取值仅是出于举例说明的目的，而非进行任何限制，上述各个阈值均可根据不同建筑类型进行优化调整，通过实验来选取合适的经验值。

4)基于室内外温度差异识别室内外场景

室内室外的温度是有一定区别的，在冬天或者夏天尤其明显。通常情况下，由于空调的普遍使用，在冬天，用户所处室内环境的温度一般要明显高于室外，而在夏天，用户所处室内环境温度一般要比室外温度低。在本发明的一个实施例中，利用终端设备内置的温度传感器来收集当前环境温度数据，并通过终端设备可用的网络连接去网络上抓取当前所在区域的室外温度，然后将室外温度与当前环境温度的差值的绝对值作为判断因子。如果室外温度与当前环境温度的差值的绝对值大于温度阈值，则判断终端设备当前处于室内。这里的温度阈值可根据实际需求来进行设置，该阈值取小了，容易误判；取大了，容易漏判。根据实验分析，可以将该温度阈值设置4度或5度，意味着当前环境温度与室外温度的差值的绝对值如果大于4度或5度，则说明当前设备所处的环境为室内环境。另外由于室外气温随着时间在不断缓慢改变，为更准确识别判定当前环境温度与室外温度的温度差，可定期性地从网络中抓起室外环境的气温。

5)基于室内外气压差异识别室内外场景

气压是作用在单位面积上的大气压力，气压的大小与海拔高度、大气温度、大气密度等有关。一般随高度升高按指数律递减。因此在一个实施例中，可以利用气压的这个特性帮助提升场景识别过程中的室内判断效果。

受气温等因素影响，同一个位置的气压会随着时间缓慢改变，不过，在局部区域内，不同位置的气压随时间发生改变的变化量是相似的(例如楼层1的气压值1个小时内下降了α，那么楼层2的气压值在相同的时间内下降的值也为α。基于该变化规律，当获得进入楼层前一段时间内的室外气压后，可以使用进入室内后检测到的气压的缓慢变化，对该室外气压进行校准，从而得到一个在较长时间内均持续有效的室外气压标准(即所处环境的室外基准气压)。当用户获得一个气压观测值时，通过计算该观测值与室外基准气压的差值，可判定用户是否处于室内楼层上。

当获得初始气压观测值时，由于缺乏当前时刻所处环境的室外基准气压信息，因此难以直接使用该观测的气压值进行室内外判定，此时，可借助其它传感器的室内外整体判断结果进行判定。假如整体判断结果为高置信度的室外(比如室外的可能性大于0.8)，那么认为当前的环境应该为室外。保存新采样的若干个气压值与采集的时间，当这种情况下采集的气压值足够(比如10个)且这组气压值的采集时间集中在半个小时以内时，对这组气压值求平均，作为对应场景的室外气压初始基准值。当使用最新的观测气压进行室内外场景判断时，首先检查对应场景的室外气压基准值是否存在，一种情况是该室外气压基准值已经存在，那么对当前观测气压值与基准值进行比较，当两者差的绝对值小于规定阈值时，那么判定此时用户依然处在室外或者在与室外同一高度的室内一楼环境，不给出室内外判定结果；当观测气压与室外基准气压差的绝对值大于规定阈值时，判定用户当前处于室内环境。

为消除气压随时间缓慢变化对室外基准气压的影响，将变化速度比较缓慢或者平稳的室内气压观测值放入队列，并计算一定时间内(比如10分钟)气压变化值，使用该变化值对室外气压基准值进行持续校正。缓慢变化的计算为当前的气压值减去上次采样的气压值，若这个差值的绝对值小于某阈值即为同一地点随时间产生的合理缓慢变化，将基准值加上这个差值，使得室外气压基准值随时间动态调整。每当出现新的基于其他传感器的整体的室外高置信度判断，依然将其存入计算室外气压基准值的数组中，以保证了用户从室内回到室外，重新校准室外基准值。

此文，因为不管是坐电梯还是走楼梯或者乘扶梯进行上下楼运动时，气压值都会随着高度的变化而产生快速变化。因此还可以利用用户上下楼、乘电梯、乘扶梯等引起的短时间内气压快速变化可进行室内判定。首先记录最近几次(比如5次)采样的气压值，计算这些记录两两之间的差值，如果最大差值的绝对值大于规定阈值时，判定处于室内环境。其中与气压相关的阈值的具体取值仅是举例说明的目的，而非进行任何限制，上述各个阈值均可根据在实际环境中通过多次实验分析来选取合适的经验值。

6)基于室内外可见卫星的数量差异识别室内外场景

可见卫星信息(GPS Satellites in View，GPGSV)，即当前终端设备的GPS够搜索到的所有卫星信息，它是NMEA-0183协议中兼容性比较广的一种语句，诸如手机的智能终端设备的GPS模块可以接收到这个信息。在本发明的一个实施例中，利用室内外可见卫星数量的差异通过下面的方式进行室内外场景的识别。

首先，利用GPGSV消息来计算当前可见的卫星数量。下面是Android手机GPS模块在室内实际接收到的一条GPGSV消息的一个示例：

$GPGSV,3,1,12,01,73,078,,03,08,084,,04,03,217,,07,20,192,*79

根据NEMA参考手册，该消息的第4个字段指示了现在可见卫星数量为12，但在实际情况中，并不能单纯地使用这个值作为当前可见的卫星数量，因为从消息的第8、12、16、20看出这些卫星信号的SNR(Signal toNoise Ratio,信噪比)为空，也就代表着这些卫星实际上并没有被追踪到，而其余的值只是GPS模块上次获取到卫星信息之后的缓存值。所以该实施例中，将GPGSV信息进行解析并获取每个可见卫星信号的SNR，当SNR不为空且SNR>0的时候才认为该卫星可见，这样便可以计算出当前可见卫星数量。

由于建筑物的遮挡，GPS模块在室内能够搜索到的卫星数量远小于室外能够搜索到的卫星数量，假设，当前可见卫星数量为S(0≤S≤12)。当S小于等于设定的阈值H时，C_I＝1,C_O＝0；否则，据统计，室内环境由于受建筑物阻挡，可观测的卫星数目较少，一般小于3个，而室外环境可观测到的卫星数目相对室内多。因此可将阈值H设定为3。当然，此处阈值H的具体取值仅是举例说明的目的，而非进行任何限制，其可根据在实际室内外环境中通过多次实验分析来选取合适的经验值。

在又一个实施例中，为进一步减少误差，避免由于设备和外界干扰等因素造成所测量的可见卫星数量偶然突变导致错误判断，可以连续接收多次GPGSV信息并计算可见卫星数量，然后使用这多次结果的平均值A与选取的阈值H进行比较。

基于上述的指标进行室内外判定具有各自优缺点，基于每种指标的判定方法只能在特定场景下给出比较好的判定结果。例如光传感器在晴朗白天可以快速测量环境光强变化，给出置信度较高的室内外判定结果，但在晚上室内外均有照明的情况下，其准确度相对较低。此外，使用光传感器进行室内外场景判定时，要求光传感器附近不能直接阻挡，否则采集的数据不能有效反映环境光强，造成错误的室内外判定结果，这种场景包括手机放到口袋、包裹或者手机套里，或者靠近耳朵打电话等，此时，光传感器采集的环境亮度大大低于真实亮度值，为此，一般使用手机集成的接近传感器判定手机附近是否有障碍物，从而决定是否使用该光传感器进行室内外判定。基于地磁变化的识别方法虽然整体判断比较稳定，但是也易受外界条件干扰(比如城区快速驶过的汽车、地下管线等容易造成地磁较大波动)。基于温度变化的识别方法在温差比较大的情况下能够给出比较理想的结果，例如冬夏两季。基于气压变化的识别方法仅在出现气压差值时能够给出比较正确的室内判断结果。基于转弯频率的识别方法适用前提是用户处于正常的行为状态，非常规状态下给出的结果不太理想。基于可见卫星数量的识别方法只能在用户开启(GPS)时才能使用。

为此，图2给出了根据在本发明的又一个实施例的多模式融合的室内外场景识别方法。假定基于每个指标的检测模型为：

C_type＝{(indoor,C_{type，indoor}),(outdoor,Ctype，outdoor)}，这里面指标类型(type)分别指光、地磁、温度、压力、转弯频率、卫星数量，C_type,indoor为基于该指标检测出的当前处于室内的可能性(即上文提到的室内置信度)，C_type,outdoor为基于该指标检测出的当前处于室外的可能性(即上文提到的室外置信度),而且C_{type，indoor}+C_{type，outdoor}＝1。

如图2所示，在通过上文介绍方法，基于各个指标检测出的室内置信度和室外置信度之后，对各个指标对应的室内置信度和室外置信度分别进行求和。如果室内置信度之和大于室外置信度之和，则识别为当前处于室内，否则处于室外。其中，还可以给各个指标的置信度设置相应的权值，对各个指标对应的室内置信度和室外置信度分别进行加权求和。在一个实施例中，使用基于适应性的加权求和方法，计算最终的整体室内外置信度。

假设共选择了n个指标，各指标对应的适用性参数为{a₁,a₂,...,a_n}，各个指标的权值为ω∈{ω₁,ω₂,…,ω_n}，其中其中ω_k表示第k个指标的权重，a_k表示第k个指标的适用性参数，其表示利用第k个指标识别室内外场景的准确程度，通常可基于大量检测实验结果来得到对各指标的准确程度的衡量。利用某个指标进行室内外判定的准确度越高，则该指标对应的适用性参数就越高。可设置适用性参数取值在[0,1]。基于上述权重，可得到多模式融合的室内外场景识别的最终室内置信度P_i和室外置信度P_o。如果室内置信度大于室外置信度，则最终检测结果为移动终端当前处于室内环境，否则判定移动终端当前处于室外环境：

$P_i=\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k{p}_i^k$

$P_o=\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_k{p}_o^k$

其中，分别为使用第k种指标对室内外判定的室内和室外置信度(即处于室内和室外的概率)。

为提高室内外场景检测的鲁棒性，可根据时间和特定条件对各指标的权重进行动态调整。权重的调整方法如下：

1)在一天的不同时间段，调整光传感器的适用性参数值。

例如，在晴朗白天，当光传感器可用时(即接近传感器判定光传感器可用)，赋予光传感器更大适用性参数(例如0.3)，可见卫星数量(例如0.2)、温度(例如0.2)、气压(例如0.2)、转弯频率(例如0.1)、地磁(例如0.1)等。根据实验分析，上述指标进行判断的准确度从前到后依次减少。

在日落后到第二天日出前，降低光传感器适用性参数值(例如0.1)，可见卫星数量(例如0.2)、温度(例如0.2)、气压(例如0.2)、拐弯(例如0.1)、地磁(例如0.1)等保持不变。

在阴雨天或者雾霾天，降低光传感器适用性参数值(例如0.1)，可见卫星数量(例如0.2)、温度(例如0.2)、气压(例如0.2)、拐弯(例如0.1)、温度(例如0.1)、地磁(例如0.1)等保持不变。

此外，如果利用接近传感器判定手机附近有障碍物遮挡光传感器，则降低光传感器的适用性参数值，例如降低为0.1或者0。

2)当基于其中一个指标进行室内外识别给出的室内或室外置信度为1时，提升该指标对应的适用性参数值。

例如，当光传感器以概率1给出室内判定结果、气压传感器以概率1给出室内判定结果，则光传感器和气压传感器对应的适用性参数均提升0.2。

在本发明的又一个实施例中，还提供了一种室内外场景识别系统，所述系统包括数据采集装置和场景识别装置。所述数据采集装置通过移动终端自带的多个传感器中的一个或多个采集与所述移动终端当前的状态及其所处场景相关的数据，其中所述多个传感器包括光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和/或全球定位系统部件(也可以称为GPS传感器)。所述场景识别装置基于所采集的数据来判定移动终端当前所处的场景是室内还是室外。

在一个实施例中，所述场景识别装置可包括基于光强的识别单元、基于转弯频率的识别单元、基于地磁强度的识别单元、基于温度的识别单元、基于气压的识别单元和基于可见卫星数量的识别单元。所述基于光强的识别单元采用上文所讨论的方法，基于室内外光强差异来确定室内外置信度。所述基于地磁的识别单元采用上文所讨论的方法，基于室内外地磁强度变化差异来确定室内外置信度。所述基于转弯频率的识别单元采用上文所讨论的方法，基于室内外用户转弯频率差异来确定室内外置信度。所述基于温度的识别单元采用上文所讨论的方法，基于室内外温度差异来确定室内外置信度。所述基于气压的识别单元采用上文所讨论的方法，基于室内外气压差异来确定室内外置信度。所述基于可见卫星数量的识别单元采用上文所讨论的方法，基于室内外可见的卫星数量差异来确定室内外置信度。所述场景识别装置还可用于对于各个识别单元确定的室内外置信度分别进行加权求和，从而在整体上判定是处于室内还是室外。所述场景识别装置在进行加权求和时，还可以如上文所讨论的动态调整各个识别单元所确定的室内外置信度的权重。上述识别单元中的一个或多个可以互相结合、互相作为补充或者在某个或几个不可用时以互为替代方式来进行室内外场景的识别。

虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。

Claims (18)

1.一种室内外场景识别方法，所述方法包括：

步骤1，通过移动终端自带的多个传感器中的一个或多个采集与所述移动终端当前的状态及其所处场景相关的数据，其中所述多个传感器包括加速度传感器和陀螺仪；

步骤2，基于所采集的数据来判定所述移动终端当前所处的场景是室内还是室外；其中所述步骤2包括：

步骤21)根据陀螺仪和加速度传感器采集的数据获取当前的转弯频率，其中转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

步骤22)基于转弯频率确定移动终端当前处于室内外的概率。

2.根据权利要求1所述的方法，在所述步骤22)如果转弯频率大于设定的转弯频率阈值，则判定处于室内的概率为1，否则判定处于室外的概率为1，其中，所述转弯频率阈值是基于在实际室内环境中收集并统计的多个在单位有效时间内转弯次数的平均值来设置的。

3.根据权利要求1所述的方法，在所述步骤22)处于室内外的概率如下：

$C_I=\frac{f}{\mathrm{\&sigma;}},C_O=\frac{\mathrm{\&sigma;}-f}{\mathrm{\&sigma;}}(0\&le;f\&le;\mathrm{\&sigma;})$

其中，f表示当前检测到的转弯频率，σ表示人在单位有效运动时间内能产生的最大转弯次数，C_I表示处于室内的概率，C_o处于室外的概率。

4.根据权利要求1所述的方法，在所述步骤22)中处于室内的概率为C_I为：

$C_I=0.5+\frac{f}{2*\mathrm{\&sigma;}}-\frac{\mathrm{\&epsiv;}}{2*q*t*60}$

处于室外的概率C_O＝1-C_I，其中f表示当前检测到的转弯频率，σ表示人在单位有效运动时间t内能产生的最大转弯次数，ε表示对不发生转弯时间段的计数，在没有发生转弯时，ε根据所设置的陀螺仪或加速度传感器采样频率q来计数，每采样一次数据，对应ε加1，每当判定发生一次转弯时，对ε进行更新，更新后的ε值为原ε值除以最新统计的转弯次数。

5.根据权利要求1所述的方法，其中所述多个传感器还包括光传感器，所述步骤2还包括：

步骤23)利用光传感器采集移动终端当前所处环境的光强；

步骤24)将所采集的光强与光强阈值相比较以确定移动终端当前处于室内外的概率，其中所述光强阈值随一天中不同的时间段而不同；

所述步骤24)包括：假设移动终端当前所处地点的日出时间为T_r和日落时间为T_s，当前时间为t，当前采集的光强为L，则：

从日出后半小时到日出后两小时，设定光强阈值μ＝μ₁/2*(t-T_r)，其中μ₁表示日出后光强在两个小时之内能达到的最大值；

从日落前两小时到日落前半小时，设定光强阈值μ＝μ₁-μ₁/3/2*(t-T_s+2)；

从日出后两小时到日落前两小时，设定光强阈值μ＝μ₁；

在上述三个时间段，如果当前采集的光强L＞μ，确定处于室外的概率为1，如果当前采集的光强L＜μ时，确定处于室内的概率为(μ-L)/μ；

从当天日落开始到第二天日出，设定光强阈值μ＝μ₂，其中μ₂表示统计的日落后半小时内室外光强能达到的平均值；

当L>μ时，确定处于室内概率为p₁，p₁∈[0.8,0.9]；

当L<μ且当前时刻t处于深夜时刻t₁到T_r之间时，确定处于室内概率为p₁；

当L<μ且当前时刻t处于日落T_s到深夜时刻t₁之间时，则分别设置两个更小的阈值μ₃和μ₄，μ₂>μ₃>μ₄>0，当μ₃<L<μ₂时，设置处于室内概率为p₂，p₂∈[0.7,0.8]，当μ₄<L<μ₃，设置处于室内概率为p₃，p₃∈[0.6,0.7]，当L≤μ₄时，设置处于室内概率p₄，p₄∈[0.3,0.4]。

6.根据权利要求5所述的方法，所述步骤24)还包括：

对于日出后的半小时内与日落前半小时内，将每分钟采集的光强数据的平均值存放在一个滑动窗口中，统计滑动窗口中存在下降或上升趋势的相邻数值对的数量超过滑动窗口长度的一半时，确定处于室外的概率为1，否则设置处于室内外的概率各为0或0.5。

7.根据权利要求1所述的方法，其中所述多个传感器还包括全球定位系统部件，所述步骤2还包括：

对移动终端的全球定位系统部件收到的可见卫星信息进行解析并获取每个可见卫星信号的信噪比，当其信噪比不为空且大于零时，判定该卫星可见，从而统计出当前可见卫星数量；

如果当前可见卫星数量小于设定的卫星数量阈值，则判定处于室内的概率为1而处于室外的概率为0；否则确定处于室内的概率为而处于室外的概率为其中S表示当前可见卫星数量，H表示所设定的卫星数量阈值，其基于统计的室内环境中可见卫星数量的平均值来设置。

8.根据权利要求1所述的方法，其中所述多个传感器还包括温度传感器，所述步骤2还包括：

利用温度传感器来收集当前环境温度数据，并定期通过移动终端的可用的网络连接获取该移动终端当前所在地理区域的室外温度；

如果所获取的室外温度与当前环境温度的差值的绝对值大于所设定的温度阈值，则确定移动终端当前处于室内的概率为1，否则将处于室内外的概率分别设置为0或者0.5。

9.根据权利要求1所述的方法，其中所述多个传感器还包括气压传感器，所述步骤2还包括：

当利用气压传感器检测的当前气压与室外气压基准值的差的绝对值大于设定的气压阈值时，判定处于室内的概率为1，否则将处于室内外的概率设置为0或者0.5，其中室外气压基准值的初始值是通过下面的方式确定的：

当利用除气压传感器之外的其他一个或多个传感器采集的数据确定处于室外的概率高时，利用气压传感器在一定时间段内采集若干个气压值并将所采集的气压值的平均值作为对应场景的初始的室外气压基准值。

10.根据权利要求9所述的方法，所述步骤2还包括通过下列方式动态调整室外气压基准值：

当判定为处于室内时，对于当前一定时间段内采集到的连续的且变化缓慢的若干个气压值，计算该时间段内的气压变化值，并设置当前的室外气压基准值为原有的室外气压基准值加上该气压变化值；

当除气压之外的其他传感器判定当前处于室外的概率高时，对当前一定时间段内采集到若干个气压值重新求平均值，并将其设置为室外气压基准值。

11.根据权利要求1所述的方法，其中所述多个传感器还包括气压传感器，所述步骤2还包括：

记录气压传感器最近几次采集的气压值，计算所采集的气压值两两之间的差值，如果最大差值的绝对值大于设定的阈值时，判定处于室内的概率为1。

12.根据权利要求1所述的方法，其中所述多个传感器还包括地磁传感器，所述步骤2还包括：

利用磁传感器收集地磁数据，计算单位时间内所采集的磁场强度的方差，将经计算得到的方差保存在一个滑动窗口，对于一段时间内在滑动窗口中保存的方差求平均值A；

如果该平均值A大于设定的磁场强度变化方差阈值Q，S₂≤Q≤S₁，则设置处于室内的概率为A/S₁，其中S₁表示对实际环境进行统计得到的室内磁场强度变化方差的平均值，S₂表示对实际环境进行统计得到的室外磁场强度变化方差的平均值，如果A/S₁〉1，则设置处于室内的概率为1；如果该平均值A小于Q，则处于室外的概率为S₂/A，如果S₂/A≥1，则设置处于室外的概率为1。

13.根据上述任一权利要求所述的方法，所述步骤2还包括：

当基于所述多个传感器中的一个或多个采集的数据得到多个室内概率和室外概率时，对各个传感器对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则判定移动终端处于室内，否则判定移动终端处于室外。

14.根据权利要求13所述的方法，所述步骤2还包括在进行加权求和时，通过下列方式调整各个传感器对应的室内概率和室外概率的权重：

1)在晴朗白天，当光传感器可用时，为光传感器对应的室内概率和室外概率赋予较大的权重，而在日落后到第二天日出前，降低光传感器对应的室内概率和室外概率的权重；

2)在阴雨天或者雾霾天，降低光传感器对应的室内概率和室外概率的权重；

3)当光传感器不可用时，降低光传感器对应的室内概率和室外概率的权重；

4)当基于其中一个传感器对应的室内或室外概率为1时，提高该传感器对应的室内概率和室外概率的权重。

15.根据权利要求14所述的方法，所述多个传感器还包括接近传感器，所述步骤2还包括利用接近传感器检测光传感器附近是否有障碍物遮挡，从而判定光传感器是否可用。

16.一种室内外场景识别方法，所述方法包括：

步骤1，通过移动终端自带的光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和全球定位系统部件采集与所述移动终端当前的状态及其所处场景相关的数据；其中所采集的数据包括与多个指标相关的信息，所述多个指标包括光强、地磁强度、温度、气压、转弯频率和可见卫星数量；其中所述转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

步骤2，分别基于与每个指标相关的信息确定所述移动终端处于室内和室外的概率；

步骤3，给各个指标对应的室内外概率设置相应的权值，并对各个指标对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则识别移动终端当前所处的场景为室内，否则为室外。

17.根据权利要求16所述的方法，所述步骤3还包括通过下列方式调整各个指标对应的室内概率和室外概率的权重：

1)在晴朗白天，当光传感器可用时，为光强对应的室内概率和室外概率赋予较大的权重，而在日落后到第二天日出前，降低光强对应的室内概率和室外概率的权重；

2)在阴雨天或者雾霾天，降低光强对应的室内概率和室外概率的权重；

3)当光传感器不可用时，降低光强对应的室内概率和室外概率的权重；

4)当基于其中一个指标对应的室内或室外概率为1时，提高该指标对应的室内概率和室外概率的权重。

18.一种室内外场景识别系统，所述系统包括：

数据采集装置，通过移动终端自带的光传感器、加速度传感器、陀螺仪、磁传感器、气压传感器、温度传感器和全球定位系统部件采集与所述移动终端当前的状态及其所处场景相关的数据；所采集的数据包括与多个指标相关的信息，所述多个指标包括光强、地磁强度、温度、气压、转弯频率和可见卫星数量；其中所述转弯频率是以单位有效运动时间里的转弯次数来衡量的，有效运动时间是指某个时间段内人处于运动状态下的时间之和；

场景识别装置，用于分别基于与每个指标相关的信息确定所述移动终端处于室内和室外的概率，以及给各个指标对应的室内外概率设置相应的权值，并对各个指标对应的室内概率和室外概率分别进行加权求和，如果室内概率的总和大于室外概率的总和，则识别移动终端当前所处的场景为室内，否则为室外。