一种用户行为识别方法及装置
技术领域
本申请涉及计算机技术领域,尤其涉及一种用户行为识别方法及装置。
背景技术
随着智能家电的不断发展,为了能够给用户提供更加优质的服务,服务商希望智能家电能够自动识别出当前用户的行为,并根据所识别出的用户行为为用户提供所需的服务,如,智能照明灯通过晚上实时识别用户的起夜行为,从而为用户提供照明服务。
目前,现有的判断当前用户是否有起夜行为通常是,通过手环上集成的陀螺仪以及加速传感器来检测当前用户是否有起夜行为,或者通过使用电极装置获取人体呼吸和心电信号来检测当前用户是否有起夜行为。
但是,在现有技术中,检测当前用户是否有起夜行为需要用户穿戴或者直接身体接触检测装置,这样会影响用户睡眠的舒适度,干扰用户睡眠状态。
发明内容
本申请实施例提供一种用户行为识别方法及装置,解决现有技术检测当前用户是否有起夜行为需要用户穿戴或者直接身体接触检测装置,这样会影响用户睡眠的舒适度,干扰用户睡眠状态的问题。
本申请实施例提供的一种用户行为识别方法,包括:
获取用户的起夜行为数据;
根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型;
根据所述用户起夜行为分类模型识别所述用户的起夜行为。
优选地,所述方法还包括:
在训练所述用户的用户起夜行为分类模型完成之前,且在获取用户的起夜行为数据之后,获取预先训练的起夜行为分类通用模型,根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为。
优选地,所述方法还包括:
在获取用户的起夜行为数据之前,确定当前亮度低于预设的阈值。
优选地,所述用户的起夜行为数据包括:用户的起夜行为音频数据以及热红外传感数据。
优选地,所述方法还包括:
根据识别所述用户的起夜行为的结果,控制智能设备启停。
本申请实施例提供的一种用户行为识别装置,包括:
设备端,用于获取用户的起夜行为数据;
云端服务器,用于根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型;
设备端,用于根据所述用户起夜行为分类模型识别所述用户的起夜行为。
优选地,在所述云端服务器训练所述用户的用户起夜行为分类模型完成之前,且在所述设备端获取用户的起夜行为数据之后,所述设备端还用于,获取预先训练的起夜行为分类通用模型,根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为。
优选地,所述设备端还用于,在获取用户的起夜行为数据之前,确定当前亮度低于预设的阈值。
优选地,所述用户的起夜行为数据包括:用户的起夜行为音频数据以及热红外传感数据。
优选地,所述设备端还用于,根据识别所述用户的起夜行为的结果,控制智能设备启停。
本申请实施例提供一种用户行为识别方法及装置,该方法包括:获取用户的起夜行为数据,根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型,根据所述用户起夜行为分类模型识别所述用户的起夜行为。通过上述方法,检测当前用户是否有起夜行为的过程中,用户无需穿戴或者直接身体接触检测装置,不会影响用户睡眠的舒适度,降低对用户睡眠状态的干扰。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的用户行为识别的过程示意图;
图2为本申请实施例提供的一种识别用户起夜行为并控制小夜灯启停的实施方式;
图3为本申请实施例提供的一种用户行为识别装置组成结构框图;
图4为本申请实施例提供的另一种用户行为识别装置组成结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例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做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。
图1为本申请实施例提供的用户行为识别过程,具体包括以下步骤:
S101:获取用户的起夜行为数据。
在实际应用中,为了能够给用户提供更加优质的服务,服务商希望智能家电能够自动识别出当前用户的行为,并根据所识别出的用户行为为用户提供所需的服务,如,智能照明灯通过晚上实时识别用户的起夜行为,从而为用户提供照明服务。
进一步的,在本申请中,在识别用户当前是否有起夜行为时,可根据用户的起夜行为数据来进行识别,如,根据用户的起夜声音数据。
在此需要说明的是,由于在实际应用中,用户在起夜的过程中,通常会伴随着起床或走路的声音变化,以及行走的移动位移,也就是说,设备通过对周围环境的声音以及位移移动可以识别出用户当前是否存在起夜行为,因此,在本申请中,用户的起夜行为数据可以为用户的起夜行为音频数据以及热红外传感数据,其中,用户的起夜行为音频数据包含了用户起夜时所产生的声音,如,下床声音,走路声音等,而热红外传感数据包含了用户起夜时走路的移动位移。另外,起夜行为数据可以是一种类型的起夜行为数据,也可以是多种类型的起夜行为数据的组合。
在此还需要说明的是,所述用户的起夜行为音频数据是通过位于设备端中的麦克风阵列来采集得到的,其中,麦克风阵列是由多个麦克风组成的,麦克风的数量可根据实际情况来设定,而热红外传感数据是由位于设备端中的热红外传感器采集得到的,热红外传感器的数量也可根据实际情况来设定。
S102:根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型。
进一步的,由于需要通过机器自动识别用户的起夜行为,因此,在本申请中,可通过机器学习的方式针对使用设备端的每个用户训练建立用户起夜行为分类模型,后续,通过每个用户的用户起夜行为分类模型来识别用户的起夜行为。
在此需要说明的是,训练建立用户的用户起夜行为分类模型,可在设备端直接训练建立,也可以在通过设备端将获取到的用户的起夜行为数据发送给云端服务器来训练建立,后续,云端服务器将训练完成的用户起夜行为分类模型返回给设备端。
在此还需要说明的是,训练模型时所使用的用户的起夜行为数据均是用户在起夜过程中所产生的数据,如,起夜时所产生的音频数据。用户起夜行为分类模型是针对使用设备端(即,智能设备)的用户来训练建立的,主要用于识别使用该设备端的用户的起夜行为,而在本申请中,使用设备端的用户可以是已在设备端注册过账号或被设备端识别的人。
S103:根据所述用户起夜行为分类模型识别所述用户的起夜行为。
进一步的,在针对使用设备端的用户训练完成用户起夜行为分类模型后,当再次获取到使用设备端的用户的起夜行为数据时,可直接通过针对使用设备端的用户所训练完成的用户起夜行为分类模型来识别用户的起夜行为。
通过上述方法,检测当前用户是否有起夜行为的过程中,用户无需穿戴或者直接身体接触检测装置,不会影响用户睡眠的舒适度,降低对用户睡眠状态的干扰。
进一步的,由于在实际应用中,不同的设备端的使用者是不同的,而用户起夜行为分类模型是针对使用设备端的每个用户训练建立的,因此,当用户在购买并使用智能设备后,新的设备端里是不存在用户的用户起夜行为分类模型的,需要采集用户的起夜行为数据,并进行训练。
而在训练的这段时间内,设备端仍然需要识别用户的起夜行为,并为用户提供所需的服务,因此,在本申请中,在训练所述用户的用户起夜行为分类模型完成之前,且在获取用户的起夜行为数据之后,获取预先训练的起夜行为分类通用模型,根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为。
在此需要说明的是,预先训练的起夜行为分类通用模型是通过采集一批测试人员的起夜行为数据(如,起夜行为音频数据以及热红外传感数据)训练而成的,主要用于区分用户当前是否存在起夜行为,后续还可以在如图3和图4所示的云端服务器中不断采集测试人员或者当前用户的起夜行为数据训练优化起夜行为分类通用模型,并将优化后的起夜行为分类通用模型更新到如图3和图4所示的设备端中,替换掉设备端中已有的起夜行为分类通用模型。
进一步的,在实际应用中,用户在白天也会产生一些和晚上相同的起夜行为数据,如,用户午睡起床时的声音以及行走的移动位移会和晚上起床时的声音以及行走的移动位移相似或相同,但这种情况并不属于用户的起夜行为,也无需为用户提供起夜服务,如,智能灯无需为用户提供开灯服务,因此,在本申请中,为了提高识别用户当前是否存在起夜行为的准确性,可以在获取用户的起夜行为数据之前,可以通过光线传感器实时监测当前环境是否足够暗,是否是夜晚,具体的,通过光线传感器确定当前亮度低于预设的阈值,若低于阈值,则识别用户当前是否存在起夜行为,若超过阈值,则不识别用户当前是否存在起夜行为。
进一步的,在本申请中,当对用户的起夜行为识别完毕后,可根据识别用户的起夜行为的结果,控制智能设备启动和停止,如,控制智能灯的启动和停止。
进一步的,本申请给出了一种识别用户起夜行为并控制小夜灯启停的实施方式,如图2所示。
S201:获取光线亮度。
S202:当前亮度是否低于预设的阈值,若是,执行步骤S203,若否,执行步骤S2010。
S203:获取用户起夜行为音频数据。
S204:获取用户起夜行为热红外传感数据。
S205:是否存在用户起夜行为分类模型,若是,执行步骤S206,若否,执行步骤S207。
S206:根据所述用户起夜行为分类模型识别所述用户的起夜行为。
S207:获取预先训练的起夜行为分类通用模型,根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为。
S208:确定用户当前是否存在起夜行为,若是,执行步骤S209,若否,执行步骤S2010。
S209:亮起小夜灯。
S2010:保持小夜灯关闭。
以上为本申请实施例提供的用户行为识别方法,基于同样的思路,本申请实施例还提供一种用户行为识别装置,如图3所示,该装置包括:
设备端301,用于获取用户的起夜行为数据;
云端服务器302,用于根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型;
设备端301,用于根据所述用户起夜行为分类模型识别所述用户的起夜行为。
在所述云端服务器302训练所述用户的用户起夜行为分类模型完成之前,且在所述设备端301获取用户的起夜行为数据之后,所述设备端301还用于,获取预先训练的起夜行为分类通用模型,根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为。
所述设备端301还用于,在获取用户的起夜行为数据之前,确定当前亮度低于预设的阈值。
所述用户的起夜行为数据包括:用户的起夜行为音频数据以及热红外传感数据。
所述设备端301还用于,根据识别所述用户的起夜行为的结果,控制智能设备启停。
在此需要说明的是,在本申请中,预先训练的起夜行为分类通用模型在云端服务器中完成,且,在用户购买使用智能设备之前就已经在云端服务器训练完成并存储在智能设备内。
另外,本申请还提供了另一种用户行为识别装置,如图4所示,该装置包括:
设备端401以及云端服务器402;
所述设备端401包括:获取模块4011,识别模块4012以及控制模块4013;
所述获取模块4011包括:光线传感器40111,麦克风40112,热红外传感器40113;所述识别模块4012包括:起夜行为分类通用模型识别模块40121以及用户起夜行为分类模型识别模块40122;
所述云端服务器402包括:起夜行为分类通用模型训练模块4021以及用户起夜行为分类模型训练模块4022;
所述获取模块4011,用于获取用户的起夜行为数据;
所述识别模块4012,用于根据所获取的用户的起夜行为数据,识别用户的起夜行为;
所述控制模块4013,用于根据识别所述用户的起夜行为的结果,控制智能设备启停;
所述光线传感器40111,用于采集当前光线亮度;
所述麦克风40112,用于采集用户的起夜行为音频数据;
所述热红外传感器40113,用于采集用户的起夜行为热红外传感数据;
所述起夜行为分类通用模型识别模块40121,用于根据所述用户的起夜行为数据,通过所述起夜行为分类通用模型,识别所述用户的起夜行为;
所述用户起夜行为分类模型识别模块40122,用于根据所述用户起夜行为分类模型识别所述用户的起夜行为;
所述起夜行为分类通用模型训练模块4021,用于据所述用户的起夜行为数据训练起夜行为分类通用模型;
所述用户起夜行为分类模型训练模块4022,用于根据所述用户的起夜行为数据,训练所述用户的用户起夜行为分类模型。
在此需要说明的是,所述云端服务器中的训练模块会将训练完成以及优化后的识别模型发送给所述设备端,所述设备端会根据所接收的识别模型更新已有的模型。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。