CN108280489A

CN108280489A - 一种样本数据生成方法及装置

Info

Publication number: CN108280489A
Application number: CN201810145081.2A
Authority: CN
Inventors: 李元菊; 马灵通
Original assignee: Bank of China Ltd
Current assignee: Bank of China Ltd
Priority date: 2018-02-12
Filing date: 2018-02-12
Publication date: 2018-07-13

Abstract

本申请公开了一种样本数据生成方法及装置，该方法包括获取预先采集的各样本用户分别在预指定区域中的历史轨迹数据，及各样本用户分别在所述预指定区域中的图像数据；对各样本用户分别对应的所述历史轨迹数据和所述图像数据进行处理，生成每个样本用户对应的特征向量，所述特征向量包括位置特征和图像特征，将所述每个样本用户对应的特征向量作为样本数据，所述图像特征对用户行为具有指示作用。如此得到的样本数据在数据和类型上都大大增加，提高了样本数据的准确性。

Description

一种样本数据生成方法及装置

技术领域

本申请涉及信息数据处理技术领域，更具体地说，涉及一种样本数据生成方法及装置。

背景技术

基于位置的服务蓬勃发展，分析用户的位置信息，预测用户行为轨迹如预测用户的下一位置对用户服务具有重要意义。

当前对用户下一位置进行预测的方法为：获取大量样本用户的历史轨迹数据，并从中提取各样本用户分别对应的位置特征作为训练数据，利用训练数据训练得到位置预测模型，当对待测用户的下一位置进行预测时，将待测用户的包含截止到当前位置的历史轨迹数据输入到预测模型中即可得到待测用户的下一位置。

但，当将上述方法应用于类似银行网点等空间有限的场所时，由于场所的空间有限，所以用户在该有限空间中活动留下的历史轨迹数据也就有限，从而导致训练数据较少，训练数据的准确性较差。

发明内容

有鉴于此，本申请提供一种样本数据生成方法及装置，以提高样本数据的准确性。

为了实现上述目的，现提出的方案如下：

一种样本数据生成方法，包括：

获取预先采集的各样本用户分别在预指定区域中的历史轨迹数据，及各样本用户分别在所述预指定区域中的图像数据；

对各样本用户分别对应的所述历史轨迹数据和所述图像数据进行处理，生成每个样本用户对应的特征向量，所述特征向量包括位置特征和图像特征，将所述每个样本用户对应的特征向量作为样本数据，所述图像特征对用户行为具有指示作用。

一种样本数据生成装置，包括：

第一获取模块，用于获取预先采集的各样本用户分别在预指定区域中的历史轨迹数据，及各样本用户分别在所述预指定区域中的图像数据；

处理模块，用于对各样本用户分别对应的所述历史轨迹数据和所述图像数据进行处理，生成每个样本用户对应的特征向量，所述特征向量包括位置特征和图像特征，将所述每个样本用户对应的特征向量作为样本数据，所述图像特征对用户行为具有指示作用。

从上述的技术方案可以看出，本申请不仅获取了预先采集的各样本用户在预指定区域中的历史轨迹数据，还获取了预先采集的各样本用户在该预定区域中的图像数据，进而根据历史轨迹数据和图像数据提取出每个用户各自对应的特征向量作为训练数据，该特征向量中包括了位置特征和图像特征，可见，训练数据除了位置特征还包括具有指示用户行为作用的图像特征，如此训练数据在类型和数量上都大大增加，从而使训练数据的准确性大大提高，进而也大大提高了训练得到的位置预测模型的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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。

图1为本申请实施例公开的一种样本数据生成方法基本流程图；

图2为本申请另一实施例公开的一种轨迹数据处理方法基本流程图；

图3为本申请一实施例公开的一种图像数据处理以及生成特征向量方法基本流程图；

图4为本申请实施例公开的一种生成特征向量的具体方法基本流程图；

图5为本申请另实施例公开的一种样本数据生成装置基本框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明实施例公开一种生成用于训练位置预测模型的样本数据的方法，如图1所示，该方法包括：

S100、获取预先采集的各样本用户分别在预指定区域中的历史轨迹数据，及各样本用户分别在所述预定区域中的图像数据；

其中，针对不同的行业应用，所述预指定区域有所不同，比如在银行行业，所述预指定区域为银行网点区域，而样本用户在银行网点区域的历史轨迹为用户进入银行网点区域至离开该银行网点区域的时间段内，用户在银行网点区域中移动形成的轨迹数据。可通过用户的移动终端通过相应的数据接口发送该轨迹数据到银行的服务器上完成轨迹数据的采集。

其中，当用户在银行网点区域中移动时，银行网点区域中的各个摄像头进行图像采集，采集的图像数据即为样本用户在银行网点区域中的图像数据。

S101、对各样本用户分别对应的所述历史轨迹数据和所述图像数据进行处理，生成每个样本用户对应的特征向量，所述特征向量包括位置特征和图像特征，所述图像特征对用户行为具有指示作用；

具体的，对轨迹数据进行位置特征提取，对图像数据进行图像特征提取，获得每个样本用户对应的位置特征和图像特征，其中，由于本发明的样本数据是用于用户行为轨迹的预测，具体的是用于进行位置预测，所以图像特征具体可以是用户的手势特征，用户的手势特征对用户行为具有指示作用。进而将每个样本用户对应的特征向量作为样本数据，用于训练用户位置预测模型。

上述实施例中，不仅获取了预先采集的各样本用户分别在预指定区域中的历史轨迹数据，还获取了预先采集的各样本用户分别在所述预定区域中的图像数据，进而根据历史轨迹数据和图像数据获得每个样本用户各自对应的特征向量作为训练数据，该特征向量中包括了位置特征和图像特征，可见，训练数据除了位置特征还包括具有指示用户行为作用的图像特征，即训练数据在类型和数量上都大大增加，从而使训练数据的准确性大大提高，如此也大大提高了训练得到的位置预测模型的准确性，进而利用用户的当前位置和实时手势预测的用户的下一位置也更为准确。

针对银行业来说，利用基于上述样本数据训练的模型进行预测，能够实时统计预测出银行网点中不同位置的用户数量，进而对于用户数量多的区域进行分流；还能够将预测的下一个驻留点的用户数量发送给用户，使用户随时调整其自身的移动。

在本发明一实施例中，历史轨迹数据包括样本用户的设备标识和位置信息，设备标识可以是终端的唯一识别码，或是其他可以标识用户设备的信息，位置信息为GPS信息，其中包括时间信息，则对各样本用户的历史轨迹数据进行处理，如图2所示，包括：

S200、对每个样本用户的所述位置信息分别进行聚类处理，获得每个样本用户对应的按时间顺序排列的停留位置；

其中，预先采集的轨迹数据很可能存在噪声数据，所以在进行聚类前，可先对位置信息进行过滤、平滑和插值等预处理操作，以降低噪声数据对轨迹数据分析的影响。然后，再对位置信息进行聚类处理，获得样本用户的停留位置，停留位置为聚类处理后多个位置形成的一个小区域，具体如银行网点区域内的各不同小区域：填单区，取号区等，而不是单独的一个位置。

S201、生成每个样本用户的设备标识对应的停留位置序列，将所述停留位置序列作为位置特征。

上述实施例中，通过对样本用户的位置信息进行聚类处理，获得了每个样本用户的位置特征。

在本发明另一实施例中提供了对图像数据进行处理的过程，如图3所示，包括：

S300、对所述图像数据进行关键帧提取，获得图像序列；

其中，摄像头对样本用户进行的图像采集即为对样本用户的动态手势进行的视频采集，进而后续可从图像数据中识别出用户的动态手势。具体的，对获得的图形序列可先进行预处理，以降低噪声数据对图像数据处理的影响。

S301、对所述图像序列中的每个图像进行人体识别，获得每个图像中包括的各样本用户的人体信息；

其中，每个图像中可能包括了多个样本用户的人体图像，所以利用人体识别算法对图像进行人体识别，识别出各个样本用户的人体信息，针对任一样本用户的人体信息，执行步骤S302。

S302、对该人体信息进行人脸识别和手势识别，获得人脸信息和手势信息，并根据预先存储的人脸信息与各样本用户的身份标识的对应关系，确定获得的人脸信息对应的身份标识；

具体的，对该人体信息基于人脸识别方法和动态手势识别方法进行人脸和手势分割，分别得到人脸区域和手势区域，再分别进行人脸识别和手势识别，获得样本用户的人脸信息和手势信息。

基于样本用户的人脸信息能够确定该样本用户的身份标识，样本用户的身份标识可为用户的姓名、身份证号码等能够标识用户身份的信息。其中，基于用户人脸信息进行身份识别，可利用现有的基于用户的身份证照片建立的用户身份识别系统完成。

其中，可利用基于HMM的动态手势识别方法识别图像中的手势，具体的，对于任一样本用户来说，对图像序列每个图像中的同一个人体信息进行手势分割后，得到该样本用户的一系列手势区域，通过一定处理得到每个手势区域的中心点，确定每个手势区域中手势的轨迹点，针对每个手势区域：计算每个轨迹点到中心点的距离，获得的多个距离信息即为手势信息。

S303、根据确定的身份标识和手势信息，生成同一个所述身份标识对应的手势序列，将所述手势序列作为手势特征。

其中，针对图像序列中的每个图像中的每个人体信息进行处理都可获得一个手势信息，则基于图像序列可获得多个手势信息，基于该多个手势信息则生成一个手势序列，该手势序列对应着基于同一个人体信息中的人脸信息确定出的身份标识。

S304、根据预先存储的设备标识和身份标识的对应关系，确定与每个样本用户的设备身份标识对应的身份标识；

S305、根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势特征，生成每个样本用户对应的特征向量。

具体的，对位置特征和手势特征进行数据归一化处理，将位置特征和手势特征降到同一维度，然后再基于归一化的位置特征和手势特征生成每个样本用户的特征向量。

其中，该实施例中的图像数据处理过程和上述实施例中的轨迹数据处理过程可以同时进行，在两个处理过程都完成后进行特征向量的生成步骤。

上述实施例中，通过对图像数据处理获得了每个样本用户的手势特征，并通过设备标识和身份标识的匹配对应，生成每个样本用户对应的包括了手势特征和位置特征的特征向量，如此增加了样本数据的类型和数量。

在本发明一实施例中提供了生成每个样本用户对应的特征向量的具体实施方法，如图4所示，包括：

S400、获取所述设备标识对应的停留位置序列中每个停留位置对应的时间；

其中，由于轨迹数据中包括了时间信息，所以能够获取到每个停留位置对应的时间。

S401、获取所述身份标识对应的手势序列中每个手势信息对应的时间；

其中，在对图像数据采用关键帧提取的同时，能够确定该关键帧发生的时间，所以由该关键帧获得的手势信息对应的时间即为该关键帧发生的时间。

S402、确定与所述停留位置对应的时间匹配的所述手势信息对应的时间；

其中，与停留位置对应的时间匹配的手势信息对应的时间，可以是与停留位置对应的时间完全相同的时间，也可以是相差一定差值的时间。具体的，可以理解，由于停留位置是由多个位置形成的一个小区域，所以停留位置对应的时间可以是组成该小区域的多个位置对应的时间，该多个位置对应的时间可形成一个时间范围，从而将手势信息对应的时间与该时间范围进行匹配，匹配条件可以只包括手势信息对应的时间落在该时间范围内，或还可以包括与时间范围中的最小时间和最大时间相差一定差值。

S403、根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势序列中，所述手势信息对应的时间与所述停留位置对应的时间匹配的手势信息，生成每个样本用户对应的特征向量。

其中，生成的每个样本用户各自对应的特征向量包括了每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势序列中，所述手势信息对应的时间与所述停留位置对应的时间匹配的手势信息。

上述实施例中，生成的每个样本用户对应的特征向量中排除了其他用户未处于停留位置时的手势信息，令特征向量更为准确，即提高了样本数据的准确性。

在获得样本数据后，本发明一实施例中还提供了基于样本数据的训练方法，包括：

1)将预定数量的样本数据作为训练集，剩余数量的样本数据作为测试集；

2)利用所述训练集进行训练，得到位置预测模型；

其中，可利用训练集对马尔科夫模型、深度学习模型、支持向量机模型等常用分类模型进行训练，获得位置预测模型。

3)利用所述测试集对所述位置预测模型进行测试，得到测试结果。

其中，利用所述测试集对训练得到的位置预测模型进行测试得到的测试结果，能够得到该预测模型的准确度，若准确度不满足需要，则重新进行训练。

在实际预测使用中，用户终端可实时将自身的位置上传给银行服务器，摄像头实时采集视频，银行服务器每隔预定时间获取一次终端的轨迹数据和视频数据，进而对获取的轨迹数据和视频数据，基于位置预测模型进行位置预测，预测出银行网点区域中各个用户的下一位置。

本发明实施例还提供一种样本数据生成装置，如图5所示，所述样本生成装置包括：

第一获取模块500，用于获取预先采集的各样本用户分别在预指定区域中的历史轨迹数据，及各样本用户分别在所述预指定区域中的图像数据；

处理模块501，用于对各样本用户分别对应的所述历史轨迹数据和所述图像数据进行处理，生成每个样本用户对应的特征向量，所述特征向量包括位置特征和图像特征，将所述每个样本用户对应的特征向量作为样本数据，所述图像特征对用户行为具有指示作用。

优选地，所述历史轨迹数据包括：样本用户的设备标识和位置信息，则所述处理模块包括轨迹数据处理模块，具体包括：

聚类模块，用于对每个样本用户的所述位置信息分别进行聚类处理，获得每个样本用户对应的按时间顺序排列的停留位置；

第一生成模块，用于生成每个样本用户的设备标识对应的停留位置序列，将所述停留位置序列作为位置特征。

优选地，所述处理模块还包括图像数据处理模块，具体包括：

提取模块，用于对所述图像数据进行关键帧提取，获得图像序列；

人体识别模块，用于对所述图像序列中的每个图像进行人体识别，获得每个图像中包括的各样本用户的人体信息；

人脸和手势识别模块，用于针对任一样本用户的人体信息：对该人体信息进行人脸识别和手势识别，获得人脸信息和手势信息，并根据预先存储的人脸信息与各样本用户的身份标识的对应关系，确定获得的人脸信息对应的身份标识；

第二生成模块，用于根据确定的身份标识和所述手势信息，生成同一个所述身份标识对应的手势序列，将所述手势序列作为手势特征。

优选地，所述处理模块还包括第三生成模块，具体包括：

第一确定模块，用于根据预先存储的设备标识和身份标识的对应关系，确定与每个样本用户的设备身份标识对应的身份标识；

第四生成模块，用于根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势特征，生成每个样本用户对应的特征向量。

优选地，所述第四生成模块包括：

第二获取模块，用于获取所述设备标识对应的停留位置序列中每个停留位置对应的时间；

第三获取模块，用于获取所述身份标识对应的手势序列中每个手势信息对应的时间；

第二确定模块，用于确定与所述停留位置对应的时间匹配的所述手势信息对应的时间；

第五生成模块，用于根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识匹配的身份标识对应的手势序列中，所述手势信息对应的时间与所述停留位置对应的时间匹配的手势信息，生成每个样本用户对应的特征向量。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种样本数据生成方法，其特征在于，所述方法包括：

2.如权利要求1所述方法，其特征在于，所述历史轨迹数据包括：样本用户的设备标识和位置信息，则所述对所述历史轨迹数据和所述图像数据进行处理中：对所述历史轨迹数据进行处理，具体包括：

对每个样本用户的所述位置信息分别进行聚类处理，获得每个样本用户对应的按时间顺序排列的停留位置；

生成每个样本用户的设备标识对应的停留位置序列，将所述停留位置序列作为位置特征。

3.如权利要求2所述方法，其特征在于，所述对所述历史轨迹数据和所述图像数据进行处理中：对所述图像数据进行处理，具体包括：

对所述图像数据进行关键帧提取，获得图像序列；

对所述图像序列中的每个图像进行人体识别，获得每个图像中包括的各样本用户的人体信息；

针对任一样本用户的人体信息：对该人体信息进行人脸识别和手势识别，获得人脸信息和手势信息，并根据预先存储的人脸信息与各样本用户的身份标识的对应关系，确定获得的人脸信息对应的身份标识；

根据确定的身份标识和所述手势信息，生成同一个所述身份标识对应的手势序列，将所述手势序列作为手势特征。

4.如权利要求3所述方法，其特征在于，所述生成每个样本用户对应的特征向量包括：

根据预先存储的设备标识和身份标识的对应关系，确定与每个样本用户的设备身份标识对应的身份标识；

根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势特征，生成每个样本用户对应的特征向量。

5.如权利要求4所述方法，其特征在于，根据每个设备标识对应的位置特征，及与每个设备标识对应的身份标识对应的手势特征，生成每个样本用户对应的特征向量，包括：

获取所述设备标识对应的停留位置序列中每个停留位置对应的时间；

获取所述身份标识对应的手势序列中每个手势信息对应的时间；

确定与所述停留位置对应的时间匹配的所述手势信息对应的时间；

根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势序列中，所述手势信息对应的时间与所述停留位置对应的时间匹配的手势信息，生成每个样本用户对应的特征向量。

6.如权利要求1-5任一所述方法，其特征在于，所述方法还包括：

将预定数量的样本数据作为训练集，剩余数量的样本数据作为测试集；

利用所述训练集进行训练，得到位置预测模型；

利用所述测试集对所述位置预测模型进行测试，得到测试结果。

7.一种样本数据生成装置，其特征在于，所述样本生成装置包括：

8.如权利要求7所述装置，其特征在于，所述历史轨迹数据包括：样本用户的设备标识和位置信息，则所述处理模块包括轨迹数据处理模块，具体包括：

9.如权利要求8所述装置，其特征在于，所述处理模块还包括图像数据处理模块，具体包括：

10.如权利要求9所述装置，其特征在于，所述处理模块还包括第三生成模块，具体包括：

11.如权利要求10所述装置，其特征在于，所述第四生成模块包括：

第五生成模块，用于根据每个样本用户的设备标识对应的位置特征，及与每个样本用户的设备标识对应的身份标识对应的手势序列中，所述手势信息对应的时间与所述停留位置对应的时间匹配的手势信息，生成每个样本用户对应的特征向量。