CN108463855A - 用于检测用户的行为模式的方法和设备 - Google Patents

用于检测用户的行为模式的方法和设备 Download PDF

Info

Publication number
CN108463855A
CN108463855A CN201680075450.4A CN201680075450A CN108463855A CN 108463855 A CN108463855 A CN 108463855A CN 201680075450 A CN201680075450 A CN 201680075450A CN 108463855 A CN108463855 A CN 108463855A
Authority
CN
China
Prior art keywords
user
activity
information
behavior pattern
duration
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.)
Pending
Application number
CN201680075450.4A
Other languages
English (en)
Inventor
菲利普·斯柯默克
克里斯托弗·豪森
泽格·德弗兰西
艾瑞克·戈蒂埃
玛丽·哥甘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
InterDigital CE Patent Holdings SAS
Original Assignee
Thomson Licensing SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thomson Licensing SAS filed Critical Thomson Licensing SAS
Publication of CN108463855A publication Critical patent/CN108463855A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Emergency Management (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Alarm Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供了一种用于检测用户的行为模式的系统和方法。在一个实施例中，该方法包括接收关于用户的活动的信息并计算每个活动的持续时间。对每个超过阈值持续时间的活动进行分类和相应地标注。对具有类似标注的活动进行分组，并对所标注的活动进行分析。然后针对某些行为模式(诸如，显示异常的行为模式)生成警报。

Description

用于检测用户的行为模式的方法和设备
技术领域
本原理总体涉及行为监控系统，并且更具体地，涉及基于先前识别的行为模式来生成警报的自动行为监控系统。
背景技术
本部分旨在向读者介绍本领域的各个方面并且有助于使读者更好地理解所呈现的各种实施例。因此，应该理解的是，这些陈述应当从这个角度来阅读而非承认这些陈述为现有技术。
技术和科学的发展实现了对个人的行为习惯的检测与监控。可能出于许多原因需要这样的检测和监控，例如预防犯罪活动、毒瘾控制以及为未成年人提供安全等。然而，这样的设备的一种更受欢迎的用途是为老年人、患者和残疾人提供护理。护理人员和医疗专业人员可以通过了解这些患者、老年人、或残疾人的行为模式来诊断问题并提供抢先急救护理。因此了解这些个体的生活模式可以用作诊断行为或健康问题的工具。异常情况可被检测用于进一步调查，并且可以在发生危急情况之前提前生成警报，以确保能够及时采取行动，特别是在发生紧急情况时。在不同的情景中，监控设备可以用于教导目的。例如，可以提醒患有记忆问题的患者在使用炉灶后将其关闭，或者盲人可以获得用于特定房间的导航的援助。
不幸的是，目前的监控系统往往完全依靠一种类型输入来生成警报。警告系统提供的输出也受到限制。例如，传统系统使用运动感测系统或传感器来检测运动。这些运动传感器通常是基于各种因素(诸如，空间或时间的物理近似)来检测运动物体的光电传感器。但是，运动传感器不具有辨别能力并且通常由任何运动触发。换言之，这些系统不能区分不同的个体，甚至不能区分宠物等其他生物。此外，这些系统还不足以识别个体的整体行为模式，因为这些系统所识别的个体的行为模式仅限于它们监控的覆盖区内发生的活动。此外，因为传感器被连接到具有音频系统的警报电路，所以其使用会受到限制。例如，聋人或有严重听力障碍的人可能无法使用这种类型的设备，因为仅有的警告系统涉及的是某些分贝的可听声音。
因此，需要经改进的和可靠的监控和警报技术，这些技术可以有差别地为个体提供指导和警告。更期望这些技术能够提供一种预测未来潜在的问题的自动化的方式。
发明内容
提供了一种用于检测用户的行为模式的系统和方法。在一个实施例中，该方法包括接收关于用户的活动的信息并计算每个活动的持续时间。对每个超过阈值持续时间的活动进行分类和相应地标注。对具有类似标注的活动进行分组，并对所标注的活动进行分析。然后针对某些行为模式(诸如，显示异常的行为模式)生成警报。
附图说明
参考附图，借助于下面的实施例和执行示例将更好地理解和说明本发明，但这决不是限制性的，在附图中：
图1示出了根据实施例的数据收集系统的框图；
图2示出了根据一个实施例的用于建立数据库的流程图；以及
图3是根据一个实施例的多时相习惯检测系统的流程图。
在图1中，所描绘的块是纯功能实体，它们不一定对应于物理上分立的实体。也就是说，它们可被开发为软件、硬件的形式，或者可以被实现在包括一个或多个处理器的一个或多个集成电路中。
尽可能地，贯穿附图将使用相同的附图标记来指代相同或相似的部分。
具体实施方式
应该理解，本原理的附图和描述已经被简化以说明与用于清楚理解本发明相关的元件，同时出于清楚的目的，省略了在典型的数字多媒体内容传送方法和系统中的许多其他元件。然而，因为这些元件在本领域中是众所周知的，本文不提供对这些元件的详细讨论。本公开在这里针对所有这样的变化和修改。
了解行为模式可以有助于进行各种不同的设置。对于老年人，了解特定行为可以帮助老年痴呆症和糖尿病等问题的诊断。早期发现可以实现更好的预断，甚至可以避免与患者病情无直接关系的问题，例如跌倒和其他任何可能导致受伤的事件。然而，老年人并不是通过行为分析获益的唯一群体。对特定行为的警告和警报可能会使得诸如青少年、毒瘾者、那些可能成为犯罪受害者的人和那些被监禁的人之类的许多人受益。
行为模式可以以多种方式随时间建立。图1是一些可以用于收集有关行为模式信息的方式的示例。图1中提供的示例仅提出了收集信息的几种方式，并且可以理解许多其他方法可以如由本领域技术人员能够理解的那样是可用的。在图1中使用的示例中，所示出的少数方法包括通过用户输入110、致动120、传感器130和诸如社交媒体140之类的在线资源来收集信息。信息可以已经存在并且可在先前已被收集并存储于用户简档150中。为了帮助理解，可以更详细地探讨这些方法中的一些。
如标号110所示，可直接通过用户直接经由诸如计算机键盘、触摸屏或鼠标之类的用户接口来提供信息。这些信息可以是关于正输入该信息的用户的，也可以是关于其他个体甚至动物的信息。例如，护理人员、亲戚或朋友可以提供关于患者的信息。或者，动物园饲养员可输入关于特定动物(例如，猴子)的信息用以了解行为模式以及使行为模式自动化。
在一个实施例中，信息被积聚或被传送到用户简档中或诸如通过使用计算机或处理器190而被直接记录。用户简档也可以驻存在可由计算机或处理器190访问的存储位置中。在实施例中，用户简档150还可以包括关于用户或第三方的其他类型的信息。用户简档可能包括多于一个的条目，并且已包含先前被收集的或包含不仅是包含行为数据的相关信息的数据。在上面的示例中，猴子的用户简档可能包括生物信息，例如物种和种内关系，其在以后对特定行为可能是很重要的。
在一个实施例中，计算机或处理器190可以是网络的一部分或与其他设备(包括其他计算机和服务器)的网络160或通过互联网进行进程通信。如可由本领域技术人员理解的那样，移动和无线设备、存储设备、显示器和打印机以及其他这样的组件可以是该网络的一部分。另外，这些计算机可以属于用户/患者、护理人员、患者亲属、医院网络等。
除了直接输入信息外，行为模式可以通过多种方式来获得。在图1中提供的示例中，致动和传感器被提供，但如可由本领域技术人员理解的那样，许多其他方式也是可用的并且可被用于获取这样的数据。例如，虽然没有示出全球定位系统，但GPS也可被用来收集在特定区域中的个人或生物的运动。另外，由附图标记120示出的传感器可以表示一个或多个传感器并且可以记录各种功能和活动。例如，温度传感器可记录气温或体温的变化，光线传感器可记录每次打开灯的开关或运动传感器可监控进入或某个人到特定房间。其他类似的传感器(例如，具有Bluetooth或RF功能的传感器)可用于收集其他信息。在其他实施例中，可以使用致动器来代替传感器。例如，致动器可用于每次车库门打开或以其他类似的方式的情况。如所讨论的由标号190所示，所有这样的数据由例如处理器或计算机被适当地记录和处理。如可由本领域技术人员理解的那样，处理器190可以与如由包括存储位置、打印机、显示器和其他此类设备所示的网络中的其他计算机进行进程通信。
另外，信息可以通过使用诸如社交媒体之类的在线工具来收集。例如，可以通过访问各种资源(例如，医院数据库、药房和保险公司)为患者收集医疗数据。也可访问包含职业的社交媒体、博客和其他此类信息以添加该信息。
检测行为习惯的一个好处是帮助提出建议以及提供警报设置。推荐者可利用已知的习惯，而警报设置者则可利用对与习惯相比的异常行为或者由于异常行为引起的其他行为的检测。在一个实施例中，对特定的时间段期间的行为习惯进行评估。通过这种方式，如果这些行为习惯随着时间从第一组变为第二组，则变化本身被检测。在图2中，示出了执行这种任务的一个实施例的流程图图示。如标号210所示，数据项被捕获并记录。使用简档可以存在或者在一个实施例中建立。如果是这种情况，则图2的实施例的第一步将是用户简档的建立，如步骤205所示。在任何一种情况下，如图2的220中所示的任何用户活动可通过例如已关于图1讨论过的方法来记录。
在一个实施例中，如图2所示，诸如通过图1中讨论的方式捕获的行为数据项还可以包括某些表征，如标号230所示。在一个示例中，这些表征可以包括开始时间戳(日期、确切时间等)、结束时间戳和描述性标注。可以根据需要进行监控的活动的类型来预选和定制这些表征特征。例如，时间戳可被有意设计为仅捕获特定的一天或者它可以是更精确的，并且不仅记录在一天中的时与分，而且还记录秒等。在另一示例中，描述性标注可以涉及所观看的电影的类型、在某人家中的存在、频道切换的发生、所执行的活动的类型或要被监控的或特别感兴趣的事务类别的任何其他类型。也可以进行额外的处理。例如，如图2所示，当使用时间戳时，计算活动的持续时间。
在一个实施例中，一旦行为数据项被捕获，则随后它们可以各自与一个或多个所标识的用户或用户组相关联。这些关联可以通过特定的用户简档(如果尚不存在的话)的建立或通过诸如用户ID或与(一个或多个)用户相关的集合、列表或组之类的其他方法来实现。每一项可以构成已标识的一组行为数据项或新的一组行为数据项。
当使用用户ID或用户简档时，一个或多个标识设备可能已经被标识为与特定用户相关联。例如，对于患者，由用户佩戴的并与传感器相关联的紧急ID标签可能直接意味着该数据项必须要与特定用户相关联。其他设备或一组设备或活动的位置(诸如，用户的家或卧室)也可被标记以直接帮助将行为与用户的相关联。
如标号240所示，然后可以基于所记录的活动来建立数据库。随后，可随时间分析数据库(图2中的标号250)以检测和标识与一个或多个指定用户(主体)或用户(主体)的组相关联的行为数据项。这些用户/主体是需要随时间提取其行为习惯的个人或其他生物。
人类甚至动物的行为本质上是噪声。因此，存在这样的一些实例：其中所展现的活动并不表示特定的习惯而是由于特定的非特征性刺激而发生的。其他活动可能被错误地记录或可能由与用户相关联的设备发起，而实际上该活动从未由该用户发起。因此，在一个实施例中，诸如此类的错误项将被移除。在另一实施例中，建立针对用于建立习惯的某个活动频率的阈值。例如，如果要通过日常行为来对习惯进行评估，但例如用户不会每天在同一时间上床睡觉或醒来，则可以分析这些类型的变化，并且根据基于阈值适当地调整该分析或从该分析中排除。这在标号260-280中示出并在后面更详细地被讨论。
在一个实施例中，对这些结果分析的结果可能需要生成警报。当分析识别出呈现异常的行为模式时，可以生成警报。在替代实施例中，当行为模式与诸如来自列表的预选行为模式匹配时，可以使用警报。该列表可以被提供在例如网络160中的存储位置中，或者通过访问其他数据库或在线资源来提供。在一个实施例中，警报被发送给用户，而在替代实施例中，警报可以发送给其他个体或同时发送给其他个体和用户。例如，用户可能是一个昏迷的患者，因此将警报发送给该用户并没有多大用处。相反，警报可立即提供给医师。在其他实施例中，可以将警报发送给救护车、病人的亲人或护理人员或其他人。在一个实施例中，警报的类型和关于用户的信息将确定生成的警报将被发送到何处。在一个实施例中，网络160将被用来提供警报。
图3提供了本发明的一个实施例的流程图图示。在如标号310所示的第一步中，所记录的数据项与用户相关联。如关于图2讨论的，可以测定这些数据项的时间和并对这些数据项进行标注。如先前所讨论的，在替代实施例中，可以基于直接用户输入、录音、传感器标识(动作、门致动、遥控钥匙致动等)或可由本领域技术人员理解的任何其他此类手段进行记录。如结合图2中所讨论的实施例讨论的，在一个实施例中，所记录的数据随后进行噪声或其他异常内容(错误值或诸如此类)的清除。
随后，在图3中用标号320表示的第二步骤中，数据项被排序。可以有选择地使用许多不同类型的排序方式。例如，数据项可以按时间顺序排序、按用户组排序、按活动类型或其他此类方式排序。在一个实施例中，排序也可以具有子组。例如，如果数据按时间顺序分组，则可以按照天(根据目标应用的不同，从午夜到下个午夜或从中午到下个中午)来进行分组。然后在此示例中可以生成结果数据库表，其包含作为项的天和针对每一天的数据项的有序列表。在一些情况下，该第二步骤可能导致对跨时间边界(根据一些实施例中的目标应用，边界是午夜或中午)的一些项的拆分。在这种情况下，开始和结束时间戳或其他选择项随后可能不得不针对这些数据项进行相应的修改。
在如标号330所示的第三步骤中，在每个所选类别内对每个数据项的持续时间进行评估。在上面所使用的日期为重要的示例中，可以得到诸如下列的内容：
持续时间＝结束时间戳-开始时间戳
返回参照图3，在如标号340所示的第四步骤中，然后可以使用预选类别来分离特定特征的数据。例如，这可以是图2中所讨论的阈值概念。返回参考图2，阈值260在示例中可以是持续时间。例如，对于持续时间小于阈值的每个数据项，将这些项从数据集中移除并用相应的“未标注的”数据项来代替(标号270)。随后将更详细地描述针对阈值的评估的一些策略。
在步骤350中，并且如先前在图2中的270中所讨论的，未标注的数据项可以由来自其时间上前后的邻居(在使用时间的示例中)的内容所代替。在一个实施例中，这会导致对在时间上的上一邻居的结束时间戳和在时间上的下一邻居的开始时间戳的修改。
在步骤360中，数据项之后(在使用时间的示例中)针对在特定(k)的连续天内在一天中的同一时间进行考虑。可基于类别选择和数据库生成和分析的意图而使用不同的策略来定义这些连续日子的数目。在一个实施例中，在这些连续天的任意时间段上执行特定的交集操作：该交集是在连续天内所有标注都相同的最大时间段。对于这些k天中的每一天，未包括在此交集中的任何时间段都被标注为“未标注的”数据项。
随后，在步骤370中，可以调整(在这些天中的)未标注的数据项，使得该数据项适当地与其最近的或最密切相关的邻居一起被分组为在其邻居的标注下。步骤330到步骤370也可根据需要多次重复，但通常重复计数可以是从0(不重复)到1。一旦完成，距离“今天”最近的前一天的描述包含每天时间内最近的已知行为习惯。作为扩展，习惯的偏差可进行后验评估，在这种情况下，步骤6和步骤7适用于相邻天，即，前一天和后一天，而不仅是前一天。这允许易于检测到与所评估的上一次习惯相比的当前(“今天”)行为的任何偏差。
在一个实施例中，系统和方法提供了立即地或在特定时间段结束时或两者的警报和警告。为了帮助理解，可以结合图1至图3中讨论的实施例来使用示例。如可以理解的，可以在与其他示例相关联和与依赖于其他用途的替代实施例中提供其他实施例。在该示例中，诸如运动和门传感器之类的多个传感器与用户相关联以向家中的连接箱提供致动数据。致动数据将被发送到诸如一个相关联的或连接到服务器后端的处理器。致动数据被收集在可由处理器访问的数据库(DB)内。
现在可以更详细地探索并且利用不同的示例来帮助理解如结合图3的实施例所讨论的处理步骤300至步骤370。然而，应该理解的是，如本领域技术人员所理解的，以下示例仅用于帮助理解，并且可以在替代实施例中使用其他示例。
现在回到图3的步骤310，可以提供一种系统和方法，其中，例如处理器能够用作数据清除器。换言之，处理器可以移除异常数据(例如，持续时间过长或持续时间非常短，将例如被认为是硬件或传输故障)。处理器还可以定期检测异常和错误。在一个实施例中，处理器还充当习惯评估器。换言之，存在对数据库的定期评估。这意味着，如果不是根据图3中讨论的其他步骤来定期评估每个用户的习惯，则会导致数据库访问会是持续的。
在一个实施例中，如前所述，系统和方法提供立即地或在特定时期结束时或两者的警报和警告。因此，习惯评估器可以在对DB的查看时立即地提供警告或在一段时间结束时生成一个或多个推荐(包括警告和警报)。
在一个实施例中，最后一次天评估的结果可以单独被提供给推荐组件(处理器)以作为推荐报告的一部分而并入，或者生成具有紧急性的警报(直接的报告或报告的部分)。然后，由习惯评估器提取的数据可用于例如向前端应用程序以提供建议(直接使用所评估的习惯)或生成其他警报(基于评估与评估习惯的偏差)。
在所使用的示例中，行为数据项可以与人在家中的存在相关联。对于每个家庭，这些行为数据项可以通过特定的方式进行描述与标注，如下所示：
-标注(例如，客厅、卧室、厨房、室外......)
-开始时间戳(例如，2015-08-11 14:12:16.923+02:00)
-结束时间戳(例如，2015-08-11 14:12:59.990+02:00)
返回参考图3，对于这个特定示例，第一步骤310包括相应地被测量时间和标注的行为的活动(在下文中被称为数据项)。然后，记录的信息可以被存储或被记录并且与一个或多个标识的用户相关联。这些项可以是一些传感器的直接记录(例如，运动传感器致动、门传感器致动、远程密钥致动等)或一些对传感器致动采样(例如，存在于在家中房间内)处理的结果。该步骤或者预备步骤还可以用来移除噪声或其他异常内容(例如，传感器的错误值)。
根据目标应用，将该示例应用于图3中的第二步骤(320)，然后将数据项按时间顺序排序并从午夜到下个午夜或从中午到下个中午按天分组。然后可以生成结果数据表。该表包含作为项的天和针对每一天的数据项的有序列表。正如前面所讨论的，这可能会触发对将时间边界(根据目标应用，边界是午夜或中午)上的某些项拆分的需要。然后针对这些数据项相应地修改开始和结束时间戳。例如，这样的数据集的表示可以是(JSON形式)：
应用图3的第三步骤，使用duration＝ending timestamp-starting timestamp(持续时间＝结束时间戳-开始时间戳)在本示例中每天内评估每个数据的持续时间。这个步骤在某些方面可以被认为是前一步骤的延续，但是出于描述的目的将之与其分开。例如，在一个实施例中，数据集现可以表示为：
其中，持续时间也可以是表示秒的浮点值：
如果现在如图3的340中所建议应用一些类型的阈值，则应将持续时间小于当前阈值的每个项移除。在这种情况下，被移除的数据集将被替换为相应的未标注数据项。
为了帮助理解，在所示的示例中，选择53天的时间段用于解释的目的。在一个实施例中，特定算法被使用如下：
对于每个标注的时间段：
在开始和结束两端将其缩短阈值/2秒。
以这种方式，阈值可以以多种方式设置。一些示例包括：1)通过提供固定值(例如，从几秒到几分钟)；以及2)通过评估标注持续时间的重新划分规律并且以这些方式之一来设置阈值。重新划分规律可以由列表自身组成。可能在该列表上的一些项可以包括：n个较短项的最大值，n是根据一些算法任意选择或评估的；p％的较短项的最大值，p是根据一些统计算法任意选择或评估的；以及在持续时间上进行群集步骤之后，所有群集中的每个群集内的最大值的最小值。
进行到步骤350，每个未标注的数据项可以被其邻居的内容替换。在一个实施例中，这又将导致对时间上的上一邻居的结束时间戳的修改和对时间上的下一邻居的开始时间戳的修改。在这方面，可以使用许多算法来用标注内容替换未标注内容。提出以下：
对于每一天：
对于每个未标注的时间段：
将持续时间的一半添加到上一标注的时间段
将持续时间的一半添加到下一标注的时间段
在一个实施例中，这会导致一些特殊情形。在该示例中，这些情形可能有三种情况：
1.如果不存在上一标注的时间段：
则将所有未标注的时段添加到下一标注的时间段
2.如果不存在下一标注的时间段：
则将所有未标注的时段添加到上一标注的时间段
3.如果既不存在上一标注的时间段也不存在下一标注的时间段：
则将全天持续时间设置为未标记的时间段
现在参照结合图3中的360所讨论的下一处理阶段并应用该示例，现可以针对连续k天内的一天中相同的时间段来考虑数据项。
对连续k天内的相同的时间段执行特定的交集运算：其是在连续的天上所有标注都相同的最大时间段。对于这些天中的每一天，未包括在此交集中的任何时间段都被标注为“未标注的”数据项。
结果可以在下一阶段看到，其中k值被选择为等于3。此处，可以使用两种算法来将在这些天上的被标注的时间段移除。其中一种解决对习惯的后验评估，而另一类型的算法解决对最近习惯的评估。
类型1：针对天Day来对习惯进行的后验评估
评估从Day-k/2到Day+k/2的时间段的交集
类型2：针对天Day来对最近习惯进行的评估
评估从Day-k到Day-1的时间段的交集
在如下提供的一个示例中提供对于在k天长度时间段上的标注的时间段的交集的评估的描述。
//创建未标注的时间段的一个临时列表
tmp_list：＝empty_list(临时_列表：＝空_列表)
for each day in the list of the h successive days(对于连续k天的列表中的每一天)：
for each labeled period in day(对于该天中每个标注的时间段)：
instantiate data_item(实例化新的数据_项)
data_item.starting_timestamp:＝period.starting_timestamp(数据_项.开始_时间戳:＝时间段.开始_时间戳)
append data,item to tmp list(将数据_项附到临时_列表中)
//按照时间顺序对它们进行排序并评估缺失的属性
sort tmp_list on starting_timestamps values(按照开始时间戳值对临时_列表进行排序)
for each period in tmp_list but the last one(对于临时_列表中的非最后时间段的每个时间段：
period.ending_timestamp：＝next_period.starting_timestamp(时间段.结束_时间戳:＝下一时间段.开始_时间戳)
tmp_list[last period].ending timestamp:＝midnight(临时_列表[最后时间段].结束_时间戳：＝午夜)
//然后，评估该临时时间段上的标注的交集：
for euch period in tmp list(对于临时_列表中的每个时间段)：
k_labels_set:＝empty_set(k_标注_集:＝空_集)
for each day in the list of successive days(对于连续天的列表中的每一天)：
label:＝(find corresponding period within day).label(标注：＝(找到该天内的相应时间段).标注)
add label to k lubels set(将标注添加到k_标注_集)
if，card(k_lables_set)>1：
period.label:＝'unlabeled'(时间段.标注:＝‘未标注的’)//并非所有的标注都是相同的
else：
period.label:＝k_labels_set.get_item(0)(时间段.标注:＝k_标注_集.获取_项(0))
//最后，修改对当天的描述
user_data_set[day]:＝tmp_list](用户_数据_集[day]:＝临时_列表)
在这种情况下，由于tmp_list内的每个时间段均短于连续k天中的所有相应的时间段，所以用于“查找(特定)日内的相应时间段”的方式是直截了当的：
for euch period of time in day(对于该日的每个时间段)：
if period_of_time.starting_timestamp≤searched_period.starting_timestamp and searched_period.starting_timestamp≤period_of_time.ending_timestamp：(如果，时_段.开始_时间戳≤所查找的_时间段.开始时间戳并且所查找的_时间段.开始时间戳≤时_段.结束_时间戳)
return period_of_time(返回时间段)
要完成该处理的天数k可以根据目标应用任意设置；或根据许多类型的算法进行评估(参见小节“第四步”)。该值k一经设置则用于图3的由标号360和370示出的步骤6和步骤7。
在步骤370中，如所讨论的，这些天中的每个未标注的数据项获得其最近的较早邻居的标注。作为扩展，可对与习惯的偏差进行后验评估，其中，步骤6和步骤7应用于相邻的天，即前k/2天和后k/2天，而不仅是前k天。
在一个实施例中，如图3中所讨论的，随后可以根据需要多次重复步骤330到步骤370，但是典型的重复计数为从0(不重复)到1。在这方面，当重复步骤4和步骤5(340和350)时或在其他实施方式中，可以移除在每天内过短的时间段并且用其邻域的未标注的时间段来替代。此外，对于步骤360，也可以在连续的天中将不一致的时间段移除，并被替代为在连续天上邻域数据的未标注的时间段。一旦完成，对距离“今天”最近的前一天的描述包含在该天的时间上的最近的已知的行为习惯。必须理解的是，实际处理中可以：1)仅对最近k天来进行，其中，任意设置k，例如，根据用例，为30天或3个月；或2)仅将针对“今天”的前一天评估的习惯作为结果提供。
同时，更长时间段上的显示结果表明，对于每一天，评估的习惯可能随时间而改变，这正是所要提取的目标信息。作为扩展，用于提取习惯的连续天可能不是几个月中的连续几天。它们可以是：
-连续几周内的同一天
○每周一，
○每周二，
○...
-一周内的同一组天：
○工作日
○周末
-几年来每个季节的连续日期：
○连续几年春季中的所有天
○连续几年夏季中的所有天
○...
-每个季节中连续几周内的同一天

Claims (15)

1.一种用于检测用户的行为模式的方法，包括：
接收(300)关于用户的活动的信息；
计算(200)每个活动的持续时间；
对每个超过阈值持续时间的活动进行分类(230)和相应地标注；
对具有类似标注的活动进行分组(320)；以及
对所标注的活动进行分析(250)以用于行为模式并且当行为模式展示出异常时生成警报。
2.根据权利要求1所述的方法，其中，当所述行为模式匹配预选行为模式时发布警报(250)。
3.根据权利要求2所述的方法，其中，所述预选行为模式是从存储位置(160)获得的。
4.根据权利要求1所述的方法，还包括：用邻居(350)标注的活动来替换一组标注活动的异常值，其中，所述邻居是最接近的标注的活动。
5.根据权利要求1所述的方法，其中，关于用户活动及其持续时间的信息是从传感器(130)接收的。
6.根据权利要求1-3所述的方法，其中，关于用户活动的信息是使用用户界面(110)输入的。
7.根据权利要求1-4所述的方法，还包括建立用户简档以使得关于所述用户的信息被记录在所述用户简档(150)中。
8.根据权利要求1或7所述的方法，其中，收集关于多个用户的信息，并且每个用户行为(300)与其他用户有差别地并单独地被分析。
9.根据权利要求1或8所述的方法，其中，关于用户的信息通过搜索在线资源(140)而收集。
10.根据权利要求1或9所述的方法，其中，分析关于用户的数据并且标记可能的错误(310)并且将所标记的数据移除。
11.根据权利要求1或9所述的方法，其中，基于接收到新信息持续分析数据。
12.根据权利要求1或11所述的方法，其中，可以生成关于所述用户活动的报告(250)。
13.根据权利要求1或12所述的方法，其中，所生成的警报(250)被发送给所述用户。
14.根据权利要求1或13所述的方法，其中，所生成的警报(250)被发送给不是所述用户的至少一人。
15.一种用于监控行为模式的系统，包括：
被配置用于监控用户活动的处理器(190)；
用于记录用户活动的存储位置(160)，所述存储位置还包含每个用户的用户简档，其具有关于每个所述用户的行为的信息；
至少一个传感器(130)和用户接口(110)，能够接收用户活动信息并将所述信息与所述处理器进行通信；
所述处理器在所述用户简档(150)中记录所述活动信息并计算每个活动的持续时间；
所述处理器(190)分析所述记录的活动信息和持续时间，使得所述活动根据其类型和持续时间而被相应地分类；
所述处理器基于所述分析生成警报(250)。
CN201680075450.4A 2015-12-21 2016-12-20 用于检测用户的行为模式的方法和设备 Pending CN108463855A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15307081.8 2015-12-21
EP15307081.8A EP3185205A1 (en) 2015-12-21 2015-12-21 Method and device for detecting behavioral patterns of a user
PCT/EP2016/082014 WO2017108849A1 (en) 2015-12-21 2016-12-20 Method and device for detecting behavioral patterns of a user

Publications (1)

Publication Number Publication Date
CN108463855A true CN108463855A (zh) 2018-08-28

Family

ID=55083312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680075450.4A Pending CN108463855A (zh) 2015-12-21 2016-12-20 用于检测用户的行为模式的方法和设备

Country Status (5)

Country Link
US (1) US20180368684A1 (zh)
EP (2) EP3185205A1 (zh)
CN (1) CN108463855A (zh)
BR (1) BR112018012576A2 (zh)
WO (1) WO2017108849A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509021A (zh) * 2018-10-22 2019-03-22 武汉极意网络科技有限公司 基于行为轨迹的异常识别方法、装置、服务器及存储介质
CN109584402A (zh) * 2018-12-06 2019-04-05 嘉兴行适安车联网信息科技有限公司 一种驾驶习惯分析系统及其分析方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3906536A4 (en) * 2019-01-04 2022-10-19 Microsoft Technology Licensing, LLC AUTOMATIC NOTIFICATION REGARDING DATA CHANGES
US20230137193A1 (en) * 2021-11-01 2023-05-04 Optum, Inc. Behavior deviation detection with activity timing prediction

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050131736A1 (en) * 2003-12-16 2005-06-16 Adventium Labs And Red Wing Technologies, Inc. Activity monitoring
US20100174572A1 (en) * 2009-01-06 2010-07-08 At&T Intellectual Property I, Lp Methods and Apparatus for Analyzing User Information to Identify Conditions Indicating a Need for Assistance for the User
CN102302370A (zh) * 2011-06-30 2012-01-04 中国科学院计算技术研究所 一种跌倒检测方法和装置
CN102542177A (zh) * 2012-02-07 2012-07-04 北京柏惠维康科技有限公司 一种面向用户的监测干预系统
CN103366323A (zh) * 2012-04-08 2013-10-23 三星电子株式会社 执行用户定制的健康管理的用户终端装置和系统及其方法
CN104050771A (zh) * 2013-03-13 2014-09-17 霍尼韦尔国际公司 异常检测的系统和方法
CN104799825A (zh) * 2015-04-30 2015-07-29 深圳市全球锁安防系统工程有限公司 一种中老龄人云安康服务平台及药术评估方法
WO2015127491A1 (en) * 2014-02-25 2015-09-03 Monash University Monitoring system

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0721475D0 (en) * 2007-11-01 2007-12-12 Asquith Anthony Virtual buttons enabled by embedded inertial sensors
CA2712775A1 (en) * 2008-01-23 2009-07-30 Evan Goulding Systems and methods for behavioral monitoring and calibration
US10311694B2 (en) * 2014-02-06 2019-06-04 Empoweryu, Inc. System and method for adaptive indirect monitoring of subject for well-being in unattended setting
CN108133742B (zh) * 2014-09-02 2020-04-14 苹果公司 身体活动和健身监视器
WO2016109723A1 (en) * 2015-01-02 2016-07-07 Cardiac Pacemakers, Inc. Methods and system for monitoring physical activities

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050131736A1 (en) * 2003-12-16 2005-06-16 Adventium Labs And Red Wing Technologies, Inc. Activity monitoring
US20100174572A1 (en) * 2009-01-06 2010-07-08 At&T Intellectual Property I, Lp Methods and Apparatus for Analyzing User Information to Identify Conditions Indicating a Need for Assistance for the User
CN102302370A (zh) * 2011-06-30 2012-01-04 中国科学院计算技术研究所 一种跌倒检测方法和装置
CN102542177A (zh) * 2012-02-07 2012-07-04 北京柏惠维康科技有限公司 一种面向用户的监测干预系统
CN103366323A (zh) * 2012-04-08 2013-10-23 三星电子株式会社 执行用户定制的健康管理的用户终端装置和系统及其方法
CN104050771A (zh) * 2013-03-13 2014-09-17 霍尼韦尔国际公司 异常检测的系统和方法
WO2015127491A1 (en) * 2014-02-25 2015-09-03 Monash University Monitoring system
CN104799825A (zh) * 2015-04-30 2015-07-29 深圳市全球锁安防系统工程有限公司 一种中老龄人云安康服务平台及药术评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TRUONG T.T.,ET AL.: "Alert Management for Home Healthcare Based on Home Automation Analysis", 《ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509021A (zh) * 2018-10-22 2019-03-22 武汉极意网络科技有限公司 基于行为轨迹的异常识别方法、装置、服务器及存储介质
CN109509021B (zh) * 2018-10-22 2021-05-28 武汉极意网络科技有限公司 基于行为轨迹的异常识别方法、装置、服务器及存储介质
CN109584402A (zh) * 2018-12-06 2019-04-05 嘉兴行适安车联网信息科技有限公司 一种驾驶习惯分析系统及其分析方法

Also Published As

Publication number Publication date
EP3185205A1 (en) 2017-06-28
US20180368684A1 (en) 2018-12-27
WO2017108849A1 (en) 2017-06-29
BR112018012576A2 (pt) 2018-12-04
EP3394824A1 (en) 2018-10-31

Similar Documents

Publication Publication Date Title
Chaix Mobile sensing in environmental health and neighborhood research
CN108463855A (zh) 用于检测用户的行为模式的方法和设备
CN107480851A (zh) 一种基于养老机器人的智能健康管理系统
Gietzelt et al. A prospective field study for sensor-based identification of fall risk in older people with dementia
CN111785374A (zh) 一种基于大数据的健康状况分析预测方法及系统
Robben et al. Longitudinal ambient sensor monitoring for functional health assessments: a case study
CN105279362A (zh) 个人健康监视系统
GB2529998A (en) Monitoring adherence to healthcare guidelines
JPWO2019221252A1 (ja) 情報処理装置、情報処理方法およびプログラム
Yefimova et al. Using sensor technology to monitor disruptive behavior of persons with dementia
Hajihashemi et al. A multidimensional time-series similarity measure with applications to eldercare monitoring
Li et al. A supporting system for quick dementia screening using PIR motion sensor in smart home
US20200375505A1 (en) Method and apparatus for health prediction by analyzing body behaviour pattern
CN117133464A (zh) 一种老年人健康智能监测系统及监测方法
Krüger et al. On the applicability of clinical observation tools for human activity annotation
Payandeh et al. Application of modified pagerank algorithm for anomaly detection in movements of older adults
Soto-Mendoza et al. Abnormal behavioral patterns detection from activity records of institutionalized older adults
JP2018041207A (ja) 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム
JP2005327134A (ja) 異常検知装置及び異常検知方法
WO2007085976A1 (en) Apparatus and method for mornitoring healthcare data
JP6048997B1 (ja) 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム
KR20180053983A (ko) 치매환자 관리방법
CN108335750A (zh) 动态分析血糖值的方法及其系统与电脑程序产品
Kaddachi et al. Unobtrusive technological approach for continuous behavior change detection toward better adaptation of clinical assessments and interventions for elderly people
Davidoff et al. Toward Quantification of Agitation in People With Dementia Using Multimodal Sensing

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190520

Address after: Paris France

Applicant after: Interactive Digital CE Patent Holding Company

Address before: The French Yixilaimu Leo City

Applicant before: Thomson Licensing SA

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180828