CN108182004B - 用于识别承载移动终端的载体的行为模式的方法和装置 - Google Patents
用于识别承载移动终端的载体的行为模式的方法和装置 Download PDFInfo
- Publication number
- CN108182004B CN108182004B CN201810055154.9A CN201810055154A CN108182004B CN 108182004 B CN108182004 B CN 108182004B CN 201810055154 A CN201810055154 A CN 201810055154A CN 108182004 B CN108182004 B CN 108182004B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- axis
- mobile terminal
- sampling time
- projection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Telephone Function (AREA)
Abstract
本申请实施例公开了用于识别承载移动终端的载体的行为模式的方法和装置。移动终端中设置有三轴加速度传感器，该方法的一具体实施方式包括：在多个采样时间点采集三轴加速度传感器输出的三轴加速度；对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度；获取线性加速度在预设平面的投影；基于与各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式。该实施方式可以提高所确定的载体的行为模式的准确度。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及数据挖掘技术领域，尤其涉及用于识别承载移动终端的载体的行为模式的方法和装置。
背景技术
随着技术的进步，人们手持的移动终端已经具备了综合功能，例如通信功能、视频播放功能、摄像功能等。此外，移动终端中还加进了各种传感器来采集环境参数和自身状态参数等。这里的环境参数例如可以包括但不限于环境亮度参数、所处位置坐标参数等，自身状态参数可以包括但不限于自身姿态参数、运动参数等。通常可以通过这些传感器所采集的环境参数和自身状态参数来分析移动终端所处的环境信息以及移动终端的运动状态信息。
发明内容
本申请实施例提出了一种用于识别承载移动终端的载体的行为模式的方法和装置。
第一方面，本申请实施例提供了一种用于识别承载移动终端的载体的行为模式的方法，移动终端中设置有三轴加速度传感器，该方法包括：在多个采样时间点采集三轴加速度传感器检测到的三轴加速度；对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度；获取线性加速度在预设平面的投影；基于与各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式。
在一些实施例中，对于多个采样时间点中每一个采样时间点，基于该采样时间点的三轴加速度确定该采样时间点对应的移动终端的线性加速度，包括：使用预设差分方程从三轴加速度中确定出重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量；根据在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出移动终端的线性加速度。
在一些实施例中，获取线性加速度在预设平面的投影，包括：确定线性加速度与预设平面的法向量的叉积，得到第一向量；计算预设平面的法向量与第一向量的叉积，并归一化叉积的结果，得到第二向量，第二向量所指示的方向为线性加速度在预设平面的投影的方向；将第二向量与线性加速度的点积结果确定为线性加速度在预设平面的投影的模。
在一些实施例中，基于各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式，包括：基于三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模提取特征参数；将特征参数输入到预先训练的行为识别模型，以确定载体的行为模式。
在一些实施例中，特征参数包括以下至少一者：三轴加速度中各轴加速度的模的波动振幅参数、三轴加速度中各轴加速度的模的波动频率参数、线性加速度在预设平面的投影的模的波动振幅参数、线性加速度在预设平面的投影的模的波动频率参数、三轴加速度传感器的各轴方向上的重力加速度分量的变化参数。
在一些实施例中，预设平面为水平面。
第二方面，本申请实施例提供了一种用于识别承载移动终端的载体的行为模式的装置，移动终端中设置有三轴加速度传感器，该装置包括：采样单元，配置用于在多个采样时间点采集三轴加速度传感器检测到的三轴加速度；第一确定单元，配置用于对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度；获取单元，配置用于获取线性加速度在预设平面的投影；第二确定单元，配置用于基于与各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式。
在一些实施例中，第一确定单元进一步配置用于：使用预设差分方程从三轴加速度中确定出重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量；根据在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出移动终端的线性加速度。
在一些实施例中，获取单元进一步配置用于：确定线性加速度与预设平面的法向量的叉积，得到第一向量；计算预设平面的法向量与第一向量的叉积，并归一化叉积的结果，得到第二向量，第二向量所指示的方向为线性加速度在预设平面的投影的方向；将第二向量与线性加速度的点积结果确定为线性加速度在预设平面的投影的模。
在一些实施例中，第二确定单元进一步配置用于：基于三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模提取特征参数；将特征参数输入到预先训练的行为识别模型，以确定载体的行为模式。
在一些实施例中，特征参数包括以下至少一者：三轴加速度中各轴加速度的模的波动振幅参数、三轴加速度中各轴加速度的模的波动频率参数、线性加速度在预设平面的投影的模的波动振幅参数、线性加速度在预设平面的投影的模的波动频率参数、三轴加速度传感器的各轴方向上的重力加速度分量的变化参数。
在一些实施例中，预设平面为水平面。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于识别承载移动终端的载体的行为模式的方法和装置，通过根据移动终端的三轴加速度传感器测得的三轴加速度确定移动终端的线性加速度，并根据移动终端的线性加速度确定线性加速度在预设平面的投影来确定承载移动终端的载体的行为模式，线性加速度在预设平面上的投影可以滤除线性加速度中的与预设平面正交的干扰信号，从而基于线性加速度在预设平面上的投影来分析承载移动终端的载体的行为模式，可以提高所确定出的上述载体的行为模式的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于识别承载移动终端的载体的行为模式的方法的一个实施例的流程图；
图2A是移动终端的三轴坐标系的示意图；
图3是根据本申请的用于识别承载移动终端的载体的行为模式的方法的一个应用场景的示意图；
图4是根据本申请的用于识别承载移动终端的载体的行为模式的方法的又一个实施例的流程图；
图5是根据本申请的用于识别承载移动终端的载体的行为模式的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别承载移动终端的载体的行为模式的方法或用于识别承载移动终端的载体的行为模式的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103可以是具有显示屏并且支持数据分析处理的各种电子设备，包括但不限于智能移动终端、平板电脑、智能腕带、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103的加速度进行采集的技术支持服务器。技术支持服务器可以对采集到的加速度等数据进行分析等处理，并将处理结果反馈给终端设备。
需要说明的是，本申请实施例所提供的用于识别承载移动终端的载体的行为模式的方法可以由服务器105或者终端101、102、103来执行，相应地，用于识别承载移动终端的载体的行为模式的装置可以设置于服务器105中，也可以设置于终端101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于识别承载移动终端的载体的行为模式的方法的一个实施例的流程200。该用于识别承载移动终端的载体的行为模式的方法，包括以下步骤：
步骤201，在多个采样时间点采集三轴加速度传感器检测到的三轴加速度。
通常在移动终端中可以预置多个传感器，例如重力传感器、GPS(GlobalPositioning System，全球定位系统)模块、光线传感器、声音传感器和加速度传感器等。其中加速度传感器通常用来采集移动终端的运动参数(例如速度、加速度)。设置在移动终端中的加速度传感器可以是三轴加速度传感器。设置在移动终端中的三轴加速度传感器可以实时检测移动终端对应的三轴加速度。这里的三轴是指的移动终端坐标系中的三个坐标轴(可以认为三轴加速度传感器坐标系与移动终端的坐标系是相同的)。在图2A所示的移动终端的坐标系示意图中，平行于移动终端的短边的轴为x轴，平行于移动终端的长边的轴为y轴，垂直于移动终端屏幕的轴为z轴。其中，当移动终端的长边垂直于水平面，且移动终端的屏幕面向我们时，图2A中移动终端的三轴坐标系中，x轴中指向我们右方的方向为x轴的正方向，指向我们左方的方向为x轴的负方向。y轴中指向上方的方向为y轴的正方向，指向下方的方向为y轴的负方向。指向移动终端屏幕外侧的方向为z轴的正方向，执行移动终端屏幕内侧的方向为z轴的负方向。移动终端的一个三轴加速度可以由其对应的在上述移动终端坐标系中的x，y，z轴上的坐标来表达。
在一些应用场景中，上述用于识别承载移动终端的载体的行为模式的方法可以由移动终端(如图1所示的终端设备)来执行。
在这些应用场景中，用于识别承载移动终端的载体的行为模式的方法运行于其上的电子设备(例如图1所示的终端设备)可以在多个采样时间点采集其内置的三轴加速度传感器检测到的三轴加速度。
上述电子设备可以按照预定时间间隔采集一个预定时间段内多个时间点对应的三轴加速度传感器检测到的三轴加速度。上述预定时间段内的多个时间点中的每一个时间点可以为一个采样时间点。也就是说，上述电子设备可以在多个采样时间点采集三轴加速度传感器检测到的三轴加速度。这里的预定时间段可以根据具体的应用场景进行设定，例如可以为1分钟、2分钟等，此处不做限定。上述时间间隔可以根据预定时间段的时长、上述电子设备的数据处理能力以及应用场景等进行设定，例如5秒、10秒等，此处不做限定。
在一些应用场景中，上述用于识别承载移动终端的载体的行为模式的方法可以由服务器(如图1所示的服务器)来执行。在这些应用场景中，用于识别承载移动终端的载体的行为模式的方法运行于其上的电子设备(如图1所示的服务器)可以通过有线连接方式或者无线连接方式与移动终端(例如图1所示的终端设备101、102、103)实现网络连接。上述电子设备可以通过与移动终端之间的网络连接在多个采样时间点从移动终端采集设置在移动终端内的三轴加速度传感器检测到的三轴加速度。
步骤202，对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度。
在本实施例中，基于步骤201得到的移动终端在多个采样时间点上的三轴加速度，上述电子设备(例如图1所示的终端设备，或者如图1所示的服务器)可以利用各种分析手段对各采样时间点上的三轴加速度进行分析，从而分别确定出移动终端在各采样时间点对应的线性加速度。
在本实施例的一些可选的实现方式中，步骤202的对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的移动终端的线性加速度可以包括如下子步骤：
子步骤2021，使用预设差分方程从三轴加速度中确定出重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量。
上述电子设备可以使用预设差分方程从三轴加速度中确定出重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量。
上述预设差分方程可以视为低通滤波器，若在预设时间段内，移动终端设备的姿态不做变化，重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量基本不会发生变化。因此上述重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量可以被低通滤波器检测到。
我们可以使用预设差分方程从移动终端的三轴加速度中确定出重力加速度在上述三轴加速度传感器的各轴方向上的重力加速度分量。
上述预设差分方程例如可以由如下公式(1)、(2)、(3)来表达：
gx(n)＝β1×gx(n-1)+(1-β1)×ax(n) (1)；
gy(n)＝β2×gy(n-1)+(1-β2)×ay(n) (2)；
gz(n)＝β3×gz(n-1)+(1-β3)×az(n) (3)；
其中：gx(n)、gy(n)、gz(n)分别是在第n个采样时间点，重力加速度在移动终端三轴坐标系中的x、y、z轴上的重力加速度分量；gx(n-1)、gy(n-1)、gz(n-1)分别是在第n-1个采样时间点，重力加速度在移动终端三轴坐标系中的x、y、z轴上的重力加速度分量；β1、β2、β3分别是与重力加速度在移动终端三轴坐标系中的x、y、z轴上的重力加速度分量对应的预设参数；ax(n)、ay(n)、az(n)分别是在第n个采样时间点上的移动终端在其三轴坐标系中的x、y、z轴上的包含重力加速度分量在内的加速度分量；n为大于1的正整数。
在一些应用场景中，可以将上述预定时间段的时长设置的比较长，例如10分钟。在时长较长的时间段中的各个采样时间点上使用上述差分方程(1)、(2)和(3)来确定重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量，可以滤除由于移动终端短时间内姿态发生变化带来的重力加速度分量在三个轴上的变化的干扰，从而可以准确地确定出重力加速度在上述三个轴中各轴上的加速度分量。
子步骤2022，根据在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出所述移动终端的线性加速度。
在本实施中，在子步骤2021中得到重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量之后，上述电子设备可计算出在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差。进一步地，可以根据在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差确定出移动终端的线性加速度。上述确定出的移动终端的线性加速度在三轴加速度传感器的任一轴上的投影可以为在该轴上的三轴加速度分量和该轴上的重力加速度分量之差。
也就是说，移动终端的线性加速度可以通过如下公式来得到：
Ax(n)＝ax(n)-gx(n) (4)；
Ay(n)＝ay(n)-gy(n) (5)；
Az(n)＝az(n)-gz(n) (6)；
其中，Ax(n)、Ay(n)、Az(n)分别是第n个采样时间点对应的移动终端的线性加速度在移动终端的三轴坐标系中的x轴、y轴、z轴上的坐标值。
上述电子设备可以通过上述的方法确定出移动终端在多个采样时间点中各采样时间点对应的线性加速度。
步骤203，获取线性加速度在预设平面的投影。
在本实施例中，在步骤202得到移动终端在各采样时间点对应的线性加速度之后，用于识别承载移动终端的载体的行为模式的方法运行于其上的电子设备可以利用各种分析手段对移动终端的线性加速度进行分析，从而确定出移动终端在预设平面的投影。
上述预设平面例如可以为事先指定的一个平面。上述预设平面可以由其法向量来表示。通常预设平面的法向量可以与预设的承载移动终端的载体的运动方向正交。这里，预设平面的法向量可以由其在移动终端中的三轴坐标系中的x轴、y轴和z轴上的坐标来表示。
在本实施例的一些可选实现方式中，上述步骤203的获取线性加速度在预设平面的投影可以通过如下子步骤来实现：
子步骤2031，确定线性加速度与预设平面的法向量的叉积，得到第一向量。
上述电子设备可以计算移动终端的线性加速度与预设平面的法向量的叉积，得到与移动终端的线性加速度和预设平面的法向量均垂直的一个在移动终端的三轴坐标系中的空间向量，也即第一向量。
子步骤2032，计算预设平面的法向量与第一向量的叉积，并归一化叉积的结果，得到第二向量，第二向量所指示的方向为线性加速度在预设平面的投影的方向。
上述电子设备可以计算上述预设平面的法向量与第一向量的叉积，并将叉积的结果进行归一化，可以得到第二向量。第二向量与在子步骤2031中的第一向量以及上述预设平面的法向量分别垂直。
第二向量所指示的方向即为移动终端的线性加速度在预设平面的投影的方向。
经过子步骤2031和子步骤2032可以得到移动终端的线性加速度在预设平面的投影的方向。由于在子步骤2031和子步骤2032中的分别作了一次叉乘，在子步骤2032中得到的预设平面的法向量与第一向量的叉积结果的模可能不为1。为了避免引起确定线性加速度在预设平面的投影的模时出现误差，这里将预设平面的法向量与第一向量的叉积结果进行归一化，得到第二向量。
子步骤2033，将第二向量与线性加速度的点积结果确定为线性加速度在预设平面的投影的模。
在确定出移动终端的线性加速度在上述预设平面的投影的方向之后，还需要确定线性加速度在上述预设平面上的投影的模，也即线性加速度在上述预设平面上的投影的大小。
上述电子设备可以计算第二向量与线性加速度的点积，并将第二向量与线性加速度的点积结果确定为线性加速度在预设平面的投影的模。
需要说明的是，本实施例中的计算两个向量之间的叉积和点积的方法是常规的计算两个向量的叉积和点积的方法，此处不做赘述。
在本实施例的一些可选实现方式中，上述预设平面可以是水平面。这样一来，预设平面的法向量方向可以与重力加速度的方向相反或相同。这里，水平面的法向量可以由移动终端的三轴坐标系来表达。
步骤204，基于各时间点对应的线性加速度在预设平面的投影确定载体的行为模式。
在本实施例中，上述电子设备可以根据线性加速度在预设平面的投影来确定承载移动终端的载体的行为模式。这里的行为模式例如可以包括步行、跑步、驾车等。
具体地，上述的电子设备中可以预先设置一个关系表。在上述关系表中可以关联存储移动终端的线性加速度在预设平面的投影的模的不同取值范围与各取值范围分别对应的行为模式。例如移动终端的线性加速度在预设平面的投影的模的取值范围为(0.4，3]m/s2时，其对应的行为模式为驾车，范围值为(3，5]m/s2对应的行为模式为步行，范围值为(5，7]m/s2对应的行为模式为跑步等。
进一步地，还可以根据线性加速度在预设平面的投影来确定承载移动终端的载体的行为模式对应的方向。
在一些应用场景中，承载移动终端的载体通常可以为移动终端的用户。或者，在另一些应用场景中，承载移动终端的载体还可以是汽车等。
进一步地，上述电子设备还可以确定上述承载移动终端的载体的行为模式所对应的持续时间来确定上述载体是否处于疲劳状态。例如当确定承载移动终端的驾车行为模式持续了预定时间以上(例如4小时以上)可以认为上述载体处于疲劳驾驶状态。当上述电子设备确定上述承载移动终端的载体处于疲劳状态时，上述电子设备可以发出警示信息，在一定程度上可以降低载体发生安全事故的风险。
继续参见图3，图3是根据本实施例的用于识别承载移动终端的载体的行为模式的方法的应用场景的一个示意图。在图3的应用场景300中，位于汽车301内的用户所持有的上述移动终端302中设置有三轴加速度传感器。上述电子设备303可以在多个采样时间点从上述移动终端302采集三轴加速度传感器检测到的移动终端302的三轴加速度304。上述电子设备303根据上述各个采样时间点的移动终端302的三轴加速度304分别确定移动终端在各个采样时间点对应的线性加速度305。接着，上述电子设备303可以获取各个采样时间点对应的线性加速度在预设平面的投影306。然后，上述电子设备可以根据各个采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式307(例如驾驶行为模式)。当根据上述载体所处的驾驶行为模式连续持续的时间超过预定时间阈值时，上述电子设备可以向移动终端推送疲劳驾驶的提示信息308。
本申请的上述实施例提供的方法通过根据移动终端的三轴加速度传感器测得的三轴加速度确定移动终端的线性加速度，并根据移动终端的线性加速度确定线性加速度在预设平面的投影来确定用于承载移动终端的载体的行为模式。由于线性加速度在预设平面上的投影可以滤除线性加速度中的与预设平面正交的干扰信号，从而基于线性加速度在预设平面上的投影来分析用于承载移动终端的载体的行为模式，可以提高所确定的上述载体的行为模式的准确度。
当将上述用于识别承载移动终端的载体行为模式的方法应用于风险信息提示时，在一定程度上可以降低载体发生安全事故发生的概率。
进一步参考图4，其示出了用于识别承载移动终端的载体的行为模式的方法的又一个实施例的流程400。该用于识别承载移动终端的载体的行为模式的方法的流程400，包括以下步骤：
步骤401，在多个采样时间点采集三轴加速度传感器检测到的三轴加速度。
步骤401与步骤201相同，此处不赘述。
步骤402，对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度。
步骤402与步骤202相同，此处不赘述。
步骤403，获取线性加速度在预设平面的投影。
步骤403与步骤203相同，此处不赘述。
步骤404，基于三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模提取特征参数。
在本实施例中，用于识别承载移动终端的载体的行为模式运行于其上的电子设备(例如图1所示的终端设备，或者如图1所示的服务器)可以从各采样时间点分别对应的移动终端的三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模中提取特征参数。
上述特征参数包括以下至少一者：三轴加速度的模的波动振幅参数、三轴加速度的模的波动频率参数、线性加速度在预设平面的投影的模的波动振幅参数、线性加速度在预设平面的投影的模的波动频率参数、三轴加速度传感器的各轴方向上的重力加速度分量的变化参数；三轴加速度的模的波动的统计特征(例如均值、中位数、标准差、四分位数等)、线性加速度在预设平面的投影的模的波动统计特征、重力加速度分量的波动的统计特征等。
步骤405，将特征参数输入到预先训练的行为识别模型，以确定载体的行为模式。
在本实施例中，在步骤404中基于三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模提取出特征参数之后，上述电子设备可以将上述特征参数输入到预先训练的行为识别模型来确定承载移动终端的载体的行为模式。
在本实施例中，上述行为识别模型例如可以为以下任意一者：支持向量机模型、贝叶斯模型、神经网络模型、梯度提升决策树模型等。需要说明的是，上述支持向量机模型、贝叶斯模型、神经网络模型、梯度提升决策树模型是目前广泛研究和应用的公知技术，在此不再赘述。
在本实施例的一些可选实现方式中，在步骤405将特征参数输入到预先训练的行为识别模型以确定载体的行为模式之前，使用标注了承载移动终端的载体的行为模式的多组特征参数对上述行为识别模型进行训练，使得经过训练的行为识别模型根据每一组特征参数的输出值接近该组特征参数对应的行为模式的标注值。其中，每一组特征参数例如可以包括上述的从三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模中提取出的特征参数。
由于本实施例中，根据移动终端的三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模中所提取的特征参数来确定上述载体的行为模式，从而可以进一步提高所确定的上述载体的行为模式的准确度。
此外，由于使用行为识别模型来判断载体的行为模式，一方面可以提高对上述载体的行为模式确定结果的准确性，另一方面可以降低确定上述载体的行为模式的复杂度。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于识别承载移动终端的载体的行为模式的方法的流程400突出了对提取特征参数，将特征参数输入到行为识别模型确定承载移动终端的载体的行为模式的步骤。由此，本实施例描述的方案可以使得所确定的上述载体的行为模式更加精准，同时，还可以降低确定上述载体行为的模式的复杂度。
在一些应用场景中，可以将本实施例的用于识别承载移动终端的载体的行为模式的方法应用到上述风险信息提示时，可以提高信息提示的速度。
在一些应用场景中，还可以将上述用于识别承载移动终端的载体的行为模式的方法应用到汽车保险领域。例如可以根据历史的驾驶行为模式对应的加速度的状态确定上述载体在过去一段时间中的安全驾驶里程数来确定汽车保险的费用，从而可以节约用户的汽车保险费用。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于识别承载移动终端的载体的行为模式的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于识别承载移动终端的载体的行为模式的装置500包括：采样单元501、第一确定单元502、获取单元503和第二确定单元504。其中，采样单元501，配置用于在多个采样时间点采集三轴加速度传感器检测到的三轴加速度；第一确定单元502，配置用于对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度；获取单元503，配置用于获取线性加速度在预设平面的投影；第二确定单元504，配置用于基于与各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式。
在本实施例中，用于识别承载移动终端的载体的行为模式的装置500的采样单元501、第一确定单元502、获取单元503和第二确定单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，第一确定单元502进一步配置用于：使用预设差分方程从三轴加速度中确定出重力加速度在三轴加速度传感器的各轴方向上的重力加速度分量；根据在三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出移动终端的线性加速度。
在本实施例的一些可选实现方式中，获取单元503进一步配置用于：确定线性加速度与预设平面的法向量的叉积，归一化叉积结果，得到第一向量；计算预设平面的法向量与第一向量的叉积，并归一化叉积的结果，得到第二向量，第二向量所指示的方向为线性加速度在预设平面的投影的方向；将第二向量与线性加速度的点积结果确定为线性加速度在预设平面的投影的模。
在本实施例的一些可选实现方式中，第二确定单元504进一步配置用于：基于三轴加速度、重力加速度在各轴上的重力加速度分量、线性加速度在预设平面的投影的模提取特征参数；将特征参数输入到预先训练的行为识别模型，以确定载体的行为模式。
在本实施例的一些可选实现方式中，特征参数包括以下至少一者：三轴加速度的模的波动振幅参数、三轴加速度的模的波动频率参数、线性加速度在预设平面的投影的模的波动振幅参数、线性加速度在预设平面的投影的模的波动频率参数、三轴加速度传感器的各轴方向上的重力加速度分量的变化参数。
在本实施例的一些可选实现方式中，预设平面为水平面。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采样单元、第一确定单元、获取单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采样单元还可以被描述为“在多个采样时间点采集三轴加速度传感器输出的三轴加速度的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：在多个采样时间点采集三轴加速度传感器检测到的三轴加速度；对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定移动终端在该采样时间点对应的线性加速度；获取线性加速度在预设平面的投影；基于与各采样时间点对应的线性加速度在预设平面的投影确定载体的行为模式。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于识别承载移动终端的载体的行为模式的方法，所述移动终端中设置有三轴加速度传感器，所述方法包括：
在多个采样时间点采集所述三轴加速度传感器检测到的三轴加速度；
对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定所述移动终端在该采样时间点对应的线性加速度；
获取所述线性加速度在预设平面的投影；
基于与各采样时间点对应的所述线性加速度在所述预设平面的投影确定所述载体的行为模式；
使用预设差分方程从所述三轴加速度中确定出重力加速度在所述三轴加速度传感器的各轴方向上的重力加速度分量；
所述基于各采样时间点对应的所述线性加速度在所述预设平面的投影确定所述载体的行为模式，包括：基于所述三轴加速度、所述重力加速度在各轴上的重力加速度分量、所述线性加速度在所述预设平面的投影的模提取特征参数；将所述特征参数输入到预先训练的行为识别模型，以确定所述载体的行为模式。
2.根据权利要求1所述的方法，其中，所述对于多个采样时间点中每一个采样时间点，基于该采样时间点的三轴加速度确定该采样时间点对应的所述移动终端的线性加速度，包括：
根据在所述三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出所述移动终端的线性加速度。
3.根据权利要求2所述的方法，其中，所述获取所述线性加速度在预设平面的投影，包括：
确定所述线性加速度与所述预设平面的法向量的叉积，得到第一向量；
计算所述预设平面的法向量与所述第一向量的叉积，并归一化所述叉积的结果，得到第二向量，所述第二向量所指示的方向为所述线性加速度在所述预设平面的投影的方向；
将所述第二向量与所述线性加速度的点积结果确定为所述线性加速度在所述预设平面的投影的模。
4.根据权利要求1所述的方法，其中，所述特征参数包括以下至少一者：三轴加速度中各轴加速度的模的波动振幅参数、三轴加速度中各轴加速度的模的波动频率参数、所述线性加速度在预设平面的投影的模的波动振幅参数、所述线性加速度在预设平面的投影的模的波动频率参数、所述三轴加速度传感器的各轴方向上的重力加速度分量的变化参数。
5.根据权利要求1-4任意一项所述的方法，其中，所述预设平面为水平面。
6.一种用于识别承载移动终端的载体的行为模式的装置，所述移动终端中设置有三轴加速度传感器，所述装置包括：
采样单元，配置用于在多个采样时间点采集所述三轴加速度传感器检测到的三轴加速度；
第一确定单元，配置用于对于多个采样时间点中每一个采样时间点，基于与该采样时间点对应的三轴加速度，确定所述移动终端在该采样时间点对应的线性加速度；
获取单元，配置用于获取所述线性加速度在预设平面的投影；
第二确定单元，配置用于基于与各采样时间点对应的所述线性加速度在所述预设平面的投影确定所述载体的行为模式；
第三确定单元，配置用于使用预设差分方程从所述三轴加速度中确定出重力加速度在所述三轴加速度传感器的各轴方向上的重力加速度分量；
所述第二确定单元进一步配置用于：基于所述三轴加速度、所述重力加速度在各轴上的重力加速度分量、所述线性加速度在所述预设平面的投影的模提取特征参数；将所述特征参数输入到预先训练的行为识别模型，以确定所述载体的行为模式。
7.根据权利要求6所述的装置，其中，所述第一确定单元进一步配置用于：
根据在所述三轴加速度传感器的各轴方向上，三轴加速度分量和重力加速度分量之差，确定出所述移动终端的线性加速度。
8.根据权利要求7所述的装置，其中，所述获取单元进一步配置用于：
确定所述线性加速度与所述预设平面的法向量的叉积，得到第一向量；
计算所述预设平面的法向量与所述第一向量的叉积，并归一化所述叉积的结果，得到第二向量，所述第二向量所指示的方向为所述线性加速度在所述预设平面的投影的方向；
将所述第二向量与所述线性加速度的点积结果确定为所述线性加速度在所述预设平面的投影的模。
9.根据权利要求6所述的装置，其中，所述特征参数包括以下至少一者：三轴加速度中各轴加速度的模的波动振幅参数、三轴加速度中各轴加速度的模的波动频率参数、所述线性加速度在预设平面的投影的模的波动振幅参数、所述线性加速度在预设平面的投影的模的波动频率参数、所述三轴加速度传感器的各轴方向上的重力加速度分量的变化参数。
10.根据权利要求6-9任意一项所述的装置，其中，所述预设平面为水平面。
11.一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时，实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810055154.9A CN108182004B (zh) | 2018-01-19 | 2018-01-19 | 用于识别承载移动终端的载体的行为模式的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810055154.9A CN108182004B (zh) | 2018-01-19 | 2018-01-19 | 用于识别承载移动终端的载体的行为模式的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108182004A CN108182004A (zh) | 2018-06-19 |
| CN108182004B true CN108182004B (zh) | 2019-07-23 |
Family
ID=62550963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810055154.9A Active CN108182004B (zh) | 2018-01-19 | 2018-01-19 | 用于识别承载移动终端的载体的行为模式的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108182004B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109100537B (zh) * | 2018-07-19 | 2021-04-20 | 百度在线网络技术（北京）有限公司 | 运动检测方法、装置、设备和介质 |
| CN110017834B (zh) * | 2019-04-15 | 2021-12-24 | 歌尔科技有限公司 | 使用对象确定方法、设备及存储介质 |
| CN110766982B (zh) * | 2019-09-26 | 2020-11-27 | 浙江斑智科技有限公司 | 基于车载传感器的车辆碰撞检测系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
| CN106210269A (zh) * | 2016-06-22 | 2016-12-07 | 南京航空航天大学 | 一种基于智能手机的人体动作识别系统及方法 |
| EP3269303A1 (en) * | 2015-03-13 | 2018-01-17 | Healbe Corporation | Method for determining the type of motion activity of a person and device for implementing same |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI273442B (en) * | 2005-08-23 | 2007-02-11 | Far Eastone Telecomm Co Ltd | Method for determining a moving object entering a specific geographic zone, and recording medium having software programs for executing the same |
| CN102354405B (zh) * | 2011-11-04 | 2014-03-12 | 马龙泉 | 车辆驾驶服务终端系统及其工作方法 |
| CN102610056B (zh) * | 2012-03-16 | 2013-09-04 | 清华大学 | 面向手机佩戴方式的跌倒事件检测系统和方法 |
| CN103218062A (zh) * | 2013-04-24 | 2013-07-24 | 伍斌 | 基于加速度传感器和动作识别的人机交互方法及其设备 |
| CN104354699B (zh) * | 2014-10-08 | 2017-01-25 | 北京远特科技股份有限公司 | 一种基于obd终端检测驾驶行为信息的方法和装置 |
| WO2016073617A1 (en) * | 2014-11-06 | 2016-05-12 | Maven Machines, Inc. | Wearable device and system for monitoring physical behavior of a vehicle operator |
| CN104408917B (zh) * | 2014-11-18 | 2016-08-24 | 浙江工商大学 | 基于智能手机加速度传感器实时交通路况估计方法 |
| CN105786333B (zh) * | 2014-12-18 | 2019-03-12 | 黄大卫 | 移动终端的操作方法及装置 |
| CN104802737B (zh) * | 2015-03-25 | 2017-05-10 | 清华大学 | 一种基于手机的车辆异常驾驶行为检测方法 |
| CN106501003A (zh) * | 2015-09-08 | 2017-03-15 | 中兴通讯股份有限公司 | 一种确定启动状态的方法和装置 |
| CN106197407B (zh) * | 2016-06-23 | 2018-12-18 | 长沙学院 | 一种基于惯性传感器的地铁定位方法与系统 |
| CN106295675B (zh) * | 2016-07-25 | 2019-09-27 | 南京邮电大学 | 一种高准确性的基于智能手机的行为识别方法 |
| CN106468951A (zh) * | 2016-08-29 | 2017-03-01 | 华东师范大学 | 一种基于双手环传感器融合的智能遥感控制系统及其方法 |
| CN106441350A (zh) * | 2016-10-09 | 2017-02-22 | 深圳市金立通信设备有限公司 | 一种计步方法及终端 |
| CN107277222B (zh) * | 2016-12-20 | 2020-12-15 | 浙江斑智科技有限公司 | 基于手机内置传感器的用户行为状态判断方法 |
| CN107169525B (zh) * | 2017-06-01 | 2020-05-19 | 腾云天宇科技（北京）有限公司 | 一种确定移动终端应用场景的方法、装置和移动终端 |
-
2018
- 2018-01-19 CN CN201810055154.9A patent/CN108182004B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
| EP3269303A1 (en) * | 2015-03-13 | 2018-01-17 | Healbe Corporation | Method for determining the type of motion activity of a person and device for implementing same |
| CN106210269A (zh) * | 2016-06-22 | 2016-12-07 | 南京航空航天大学 | 一种基于智能手机的人体动作识别系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于智能手机的用户行为识别技术研究与应用";胡龙;《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》;20160331;正文4.4-4.5、5.3节 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108182004A (zh) | 2018-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108182004B (zh) | 用于识别承载移动终端的载体的行为模式的方法和装置 | |
| US9864434B2 (en) | Gesture control of interactive events using multiple wearable devices | |
| US9407706B2 (en) | Methods, devices, and apparatuses for activity classification using temporal scaling of time-referenced features | |
| CN109637525B (zh) | 用于生成车载声学模型的方法和装置 | |
| US20140278208A1 (en) | Feature extraction and classification to determine one or more activities from sensed motion signals | |
| US20130029681A1 (en) | Devices, methods, and apparatuses for inferring a position of a mobile device | |
| CN108171207A (zh) | 基于视频序列的人脸识别方法和装置 | |
| CN110288049A (zh) | 用于生成图像识别模型的方法和装置 | |
| CN105378432B (zh) | 用于姿态校正的系统和方法 | |
| US10337868B2 (en) | Method and apparatus for recognizing motion feature of user, using orthogonal semisupervised non-negative matrix factorization (OSSNMF)-based feature data | |
| US10899295B2 (en) | Using data collected by a personal electronic device to identify a vehicle | |
| CN108387757B (zh) | 用于检测可移动设备的移动状态的方法和装置 | |
| CN109409364A (zh) | 图像标注方法和装置 | |
| US20190271543A1 (en) | Method and system for lean angle estimation of motorcycles | |
| US20210192350A1 (en) | System and method for provisional training data to enable a neural network to identify signals in nmr measurements | |
| CN110060441A (zh) | 用于终端防盗的方法和装置 | |
| CN104091053A (zh) | 用于自动检测行为模式的方法和设备 | |
| CN106908082A (zh) | 用于校准终端中的陀螺仪的方法、装置及系统 | |
| CN110070076A (zh) | 用于选取训练用样本的方法和装置 | |
| US20120158351A1 (en) | System and method for determining the activity of a mobile element | |
| CN113793620A (zh) | 基于场景分类的语音降噪方法、装置、设备及存储介质 | |
| CN110290311A (zh) | 用于视频防抖性能测评的抖动轨迹生成方法、装置及系统 | |
| CN108509929A (zh) | 用于生成人脸检测模型的方法、人脸检测方法和装置 | |
| WO2014191803A1 (en) | Acceleration-based step activity detection and classification on mobile devices | |
| CN111325160A (zh) | 用于生成信息的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |