CN109769213B - 用户行为轨迹记录的方法、移动终端及计算机存储介质 - Google Patents

Abstract

本申请提供了一种用户行为轨迹记录的方法，该方法包括：每隔预设时间对移动终端实时定位；采集每个实时位置的音频和图像信息；根据采集到的音频和图像信息识别每个实时位置用户的行为类别及场所类别，生成用于描述该行为类别和场所类别的第一标签和第二标签；按照时间顺序在电子地图上生成用户行为轨迹；将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频。本申请还提供了一种移动终端和计算机存储介质，本申请通过记录一段时间内用户的行为轨迹并生成用户行为轨迹视频描述用户在每个实时位置的行为类别及所处场所类别，用于用户掌握自己一定时间内的行为习惯，便于用户后期有计划性的对自己的行为做出调整。

Description

用户行为轨迹记录的方法、移动终端及计算机存储介质

技术领域

本发明涉及电子地图技术领域，尤其涉及一种用户行为轨迹记录的方法、移动终端及可读存储介质。

背景技术

目前，带有定位功能的移动终端，如移动手环，越来越普及，用户可以通过对手环定位，对用户一段时间的位置变化轨迹进行监控，但该方法只能对用户所处位置进行监控，而不能获取用户在一段时间的行为信息，不便于用户全面和准确的掌握自身在一段时间内的活动状况。

发明内容

本申请的主要目的在于提出一种用户行为轨迹记录的方法、移动终端及计算机存储介质，旨在解决目前只能通过移动终端对用户一段时间所处位置进行监控，而不能获取用户在一段时间的具体行为活动的问题。

为实现上述目的，本申请提供了一种用户行为轨迹记录的方法，所述方法包括：每隔预设时间，对移动终端的实时位置进行定位，获取定位信息并记录定位时间；采集移动终端在定位的每个实时位置的音频信息和图像信息；根据采集到的音频信息，识别上述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签；根据采集到的图像信息，识别上述每个实时位置用户所处的场所类别，并生成用于描述该场所类别的第二标签；根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹；将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频。

可选的，所述预设时间根据移动终端用户每天所处不同场所的变化频率进行修正，当用户每天所处不同场所变化频率大于预设次数时，将预设时间缩短，当用户每天所处不同场所变化频率小于预设次数时，将预设时间延长。

可选的，所述根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹包括：根据上述定位信息在电子地图上生成多个位置标记点，每个位置标记点处使用上述第一标签和/或第二标签描述该实时位置移动终端用户的行为类别和/或场所类别。

可选的，所述根据采集到的音频信息，识别上述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签包括：识别并提取采集到的音频信息中的有效音频信息；将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签。

可选的，所述识别采集到的音频信息中的有效音频信息包括：提前录入并生成有效音频信息模版，建立有效音频信息模版库；将在上述每个实时位置采集到的音频信息与所述有效音频信息模版库中的有效信息模版进行遍历相似度对比，识别并提取采集到的音频信息中的有效音频信息。

可选的，所述将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签包括：构建对应不同行为类别的样本集，所述样本集包含多个转化为文字信息的对应不同行为类别的音频信息；获取行为类别识别模型，并根据所述样本集对行为类别识别模型进行训练；根据训练后的行为类别识别模型，识别上述转化为文字信息的有效音频信息对应的行为类别，并生成用于描述该行为类别的第一标签。

可选的，所述将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频包括：对比所述每个实时位置的定位信息、第一标签以及第二标签，当所述第一标签与所述定位信息和第二标签均不匹配时，只将所述第二标签添加到所述用户行为轨迹上，当所述第二标签与第一标签和所述定位信息均不匹配时，只将所述第一标签添加到所述用户行为轨迹上。

可选的，所述用户行为轨迹上附加有多个悬浮按钮，用于接收用户点击操作播放在每个实时位置采集的音频信息与图像信息。

本申请一实施例还提供了一种移动终端，所述移动终端包括：触控屏；处理器；存储器，与所述处理器连接，所述存储器包含控制指令，当所述处理器读取所述控制指令时，控制所述移动终端实现上述用户行为轨迹记录的方法。

本申请一实施例还提供了一种计算机存储介质，所述计算机存储介质有一个或多个程序，所述一个或多个程序被一个或多个处理器执行，以实现上述用户行为轨迹记录的方法。

本申请提供的用户行为轨迹记录的方法、移动终端及计算机存储介质，通过记录一段时间内用户的行为轨迹并生成用户行为轨迹视频描述用户在每个实时位置的行为类别及所处场所类别，用于用户掌握自己一定时间内的行为习惯，便于用户后期有计划性的对自己的行为做出跟踪和调整。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施例。

附图说明

图1为实现本申请各个实施例一个可选的移动终端的硬件结构示意图；

图2为如图1所示的移动终端的通信网络系统示意图；

图3为本申请一实施例提供的用户行为轨迹记录的方法的流程图；

图4为图3所示方法步骤S14的一实施例的子流程图；

图5为图4所示方法步骤S140的一实施例的子流程图；

图6为图4所示方法步骤S142的一实施例的子流程图；

图7为本申请一实施例提供的用户行为轨迹记录的方法的示意图；

图8为本申请一实施例提供的移动终端的结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施例

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。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。

后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施例的构造也能够应用于固定类型的终端。

请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图1对移动终端的各个部件进行具体的介绍：

射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。

WiFi属于短距离无线传输技术，移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。

A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。

用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。

进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。

存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。

移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。

为了便于理解本发明实施例，下面对本发明的移动终端所基于的通信网络系统进行描述。

请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE(User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。

具体地，UE201可以是上述终端100，此处不再赘述。

E-UTRAN202包括eNodeB2021和其它eNodeB2022等。其中，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。

EPC203可以包括MME(Mobility Management Entity，移动性管理实体)2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033，SGW(Serving Gate Way，服务网关)2034，PGW(PDN Gate Way，分组数据网络网关)2035和PCRF(Policy andCharging Rules Function，政策和资费功能实体)2036等。其中，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。

IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem，IP多媒体子系统)或其它IP业务等。

虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统等，此处不做限定。

基于上述移动终端硬件结构以及通信网络系统，提出本发明方法各个实施例。

实施例一

图3本申请一实施例提供的用户行为轨迹记录的方法的流程图。该实施例的方法一旦被用户触发，则该实施例中的流程通过移动终端100自动运行，其中，各个步骤在运行的时候可以是按照如流程图中的顺序先后进行，也可以是根据实际情况多个步骤同时进行，在此并不做限定，若实施本申请所提供的用户行为轨迹记录方法，需要执行如下步骤：

步骤S10，每隔预设时间，对移动终端100的实时位置进行定位，获取定位信息并记录定位时间。

本实施例中，可以通过移动终端100内置的全球定位系统GPS(GlobalPositioning System)对移动终端100的实时位置进行定位。所述预设时间可以由用户根据自身需要自定义设定，用户可以根据一定时间内(例如一个月)用户每天所处不同场所的变化频率修正上述预设时间，当用户每天所处不同场所变化频率较大，例如大于预设次数，将预设时间缩短，从而使最终形成的用户行为轨迹更加详细和准确，反之，当用户每天所处不同场所变化频率较小，例如小于预设次数，就将预设时间延长，减少由于频繁对移动终端的实时位置进行定位引起不必要功耗，所述预设次数可以由用户自定义设置。

步骤S12，采集移动终端100在定位的每个实时位置的音频信息和图像信息。

本实施例中，所述音频信息包括用户在当前实时位置时，移动终端100可以采集到的音频信息，例如可以为用户在过马路时移动终端100可以采集到的音频信息、用户在教室上课时移动终端100可以采集到的音频信息。其中，可以通过移动终端100内置的麦克风获取上述音频信息，也可以通过移动终端100外部接入的麦克风获取上述音频信息，可由本领域技术人员根据实际需要进行选取。

本实施例中，移动终端100可以通过内置摄像头获取每个实时位置的图像信息，所述实时位置可以为家中、商场、游乐场、教室、人行道、马路以及操场等。例如，当实时位置为学校教室时，移动终端100启动摄像装置获取教室中人物、课桌椅，以及整体陈列布局的图像信息。

步骤S14，根据采集到的音频信息，识别上述每个实时位置移动终端用户的行为类别，生成用于描述该行为类别的第一标签。

本实施例中，可以通过机器学习技术根据采集到的音频信息，确定用户行为类别，例如行走、上课、吃饭以及睡觉等类别，并生成与该分类对应的行为标签，例如行走、上课、吃饭以及睡觉等文字标签。

步骤S16，根据采集到的图像信息，识别上述每个实时位置用户所处的场所类别，并生成用于描述该场所类别的第二标签。

本实施例中，还可以通过机器学习技术，根据采集到的图像信息，识别每个实时位置用户所处的场所类别，例如教室、家中及图书馆等，并生成与该场所类别对应的第二标签，该标签可以用文字表示，例如家中、商场、教室以及马路等，本实施例中，当无法根据采集到的图像信息识别实时位置所处的场所类别时，还可以通过用户人工识别，并由用户自定义添加所述第二标签。

本实施例中，所述机器学习技术主要通过机器学习模型完成上述每个实时位置所处场所类别的识别，所述机器学习模型为可以进行图像识别的人工智能算法模型，包括：卷积神经网络模型CNN、循环神经网络模型RNN和深度神经网络模型DNN。其中，卷积神经网络模型CNN是一种多层神经网络，可以将数据量庞大的图像识别问题不断降维，最终使其能够被训练，因此，本实施例中的机器学习模型可以为CNN模型。在CNN网络结构的演化上，出现过许多优秀的CNN网络，包括：LeNet，AlexNet，VGG-Net，GoogLeNet，ResNet。其中，ResNet提出了一种减轻网络训练负担的残差学习框架，这种网络比以前使用过的网络本质上层次更深，解决了其他神经网络随着网络加深，准确率下降的问题。因此，本申请实施例中，所述机器学习模型可以为卷积神经网络模型CNN中的ResNet模型。需要说明的是，此处仅是举例说明，其他可以进行图像识别的机器学习模型同样适用于本申请，此处不进行赘述。

步骤S18，根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹。

本实施例中，可以根据定位信息在电子地图上生成多个位置标记点，所述位置标记点可以为圆圈，所述电子地图可以为移动终端100安装的高德地图、百度地图等电子地图应用程序，所述电子地图应用程序可以提供实时定位、同步轨迹，以及跟踪导航等多种功能。

步骤S20，将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频。

如图7所示，本实施例中，所述用户行为轨迹视频可以包括在电子地图上显示用户在一定时间段(例如一天)的行为轨迹，并在该行为轨迹每个位置标记点处使用第一标签和/或第二标签标描述该实时位置用户的行为类别以及所处的场所类别，进一步的，还可以在每个位置标记点处附加多个按钮，供用户点击播放在该实时位置的获取的音频信息与图像信息，使所述用户行为轨迹记录更丰富和立体，便于用户更好掌握一定时间内自己的行为习惯。

本实施例中，还可以包括：对比所述每个实时位置的定位信息、第一标签以及第二标签，当所述第一标签与所述定位信息和第二标签均不匹配时，只将所述第二标签添加到所述用户行为轨迹上，当所述第二标签与第一标签和所述定位信息均不匹配时，只将所述第一标签添加到所述用户行为轨迹上。例如实时位置的定位信息为图书馆、所述第一标签为阅读，如果第二标签为教室，第二标签与所述定位信息和第一标签均不匹配，此时不将第二标签添加到所述用户行为轨迹上，而只将所述第一标签添加到用户行为轨迹上。反之，只将第二标签添加到用户行为轨迹上。本实施例通过对比每个实时位置的定位信息、第一标签以及第二标签，忽略可能不正确的第一标签或者第二标签，避免了现有音频信息和图像信息识别的误差，使最终生成的用户行为轨迹视频更为准确。

本实施例通过记录一段时间内用户的行为轨迹并生成用户行为轨迹视频描述用户在每个实时位置的行为类别及所处场所类别，用于用户掌握自己一定时间内的行为习惯，便于用户后期有计划性的对自己的行为做出跟踪和调整。

实施例二

如图4所示，基于实施例一的用户行为轨迹记录方法，所述步骤S14根据采集到的音频信息，识别所述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签可以包括:

步骤S140，识别并提取采集到的音频信息中的有效音频信息。

本实施例中，所述有效音频信息可以包括用户自己的声音、其他人的声音以及环境声音，所述环境声音为汽车鸣笛、音乐播放等人声之外的其他音频信息，用于帮助识别当前实时位置用户所处的环境，例如有汽车鸣笛和汽车引擎的声音，可以推断用户身处室外，例如马路，进一步帮助识别用户在该实时位置的行为。，进一步的，所述其他人的声音可以为儿童的声音、少年的声音、青年的声音、成人的声音、中年的声音以及老人的声音。

步骤S142，将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签。

实施例三

如图5所示，基于实施例二，所述步骤S140可以包括：

步骤S1401，提前录入并生成有效音频信息模版，建立有效音频信息模版库。所述有效音频信息模版可以为用户自己的音频信息模版、其他人的音频信息模版以及环境声音的音频信息模版；

步骤S1402，将在上述每个实时位置采集到的音频信息与所述有效音频信息模版库中的有效信息模版进行遍历相似度对比，识别并提取采集到的音频信息中的有效音频信息。

实施例四

如图6所示，基于实施例二，所述步骤S142可以包括：

步骤S1420，构建对应不同行为类别的样本集，所述样本集包含多个转化为文字信息的对应不同行为类别的音频信息。本实施例中，用户可以在其从事不同行为类别时，通过移动终端100录入当前音频信息并转化成文字，构建对应于用户从事不同行为时的样本集，例如对应上课、对话，以及游玩等行为类别样本集。

步骤S1421，获取行为类别识别模型，并根据所述样本集对行为类别识别模型进行训练。

需要说明的是，行为类别识别模型为机器学习算法，机器学习算法可以通过不断特征学习来对数据进行识别，其中，机器学习算法可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等。

形象的说，可以将行为类别识别模型想象成一个小孩子，你带小孩去不同场所做不同的行为，例如上课，你告诉小孩这是上课，然后换到图书馆，你告诉他，这是读书，久而久之，小孩就会产生认知模式。这个学习过程，就叫“训练”。所形成的认知模式，就是“模型”。训练之后，这时，再到一个新的场所，你问小孩，你在干什么？他会回答是上课或者是读书，这个就叫“识别”。

步骤1422，根据训练后的行为类别识别模型，识别上述转化为文字信息的有效音频信息对应的行为类别，并生成用于描述该行为类别的第一标签。

实施例五

图8为本申请实施例提供的移动终端100的结构组成示意图，移动终端100包括：处理器；存储器，与所述处理器连接，所述存储器包含控制指令，当所述处理器读取所述控制指令时，控制所述移动终端100实现如下步骤：

每隔预设时间，对移动终端100的实时位置进行定位，获取定位信息并记录定位时间；采集移动终端100在定位的每个实时位置的音频信息和图像信息；根据采集到的音频信息，识别上述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签；根据采集到的图像信息，识别上述每个实时位置用户所处的场所类别，并生成用于描述该场所类别的第二标签；根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹；将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频。

本实施例中，可以通过移动终端100内置的全球定位系统GPS(GlobalPositioning System)对移动终端100的实时位置进行定位。所述预设时间可以由用户根据自身需要自定义设定，用户可以根据一定时间内(例如一个月)用户每天所处不同场所的变化频率修正上述预设时间，当用户每天所处不同场所变化频率较大，例如大于预设次数，将预设时间缩短，从而使最终形成的用户行为轨迹更加详细和准确，反之，当用户每天所处不同场所变化频率较小，例如小于预设次数，就将预设时间延长，减少由于频繁对移动终端的实时位置进行定位引起不必要功耗，所述预设次数可以由用户自定义设置。

本实施例中，所述音频信息包括用户在当前实时位置时移动终端100可以采集到的音频信息，例如用户在过马路时移动终端100可以采集到的音频信息、用户在教室上课时移动终端100可以采集到的音频信息等。其中，可以通过移动终端100内置的麦克风获取上述音频信息，也可以通过移动终端100外部接入的麦克风获取上述音频信息，可由本领域技术人员根据实际需要进行选取。

本实施例中，移动终端100可以通过内置摄像头获取每个实时位置的图像信息，所述实时位置可以为家中、商场、游乐场、教室、人行道、马路以及操场等。例如，当实时位置为学校教室时，移动终端100启动摄像装置获取教室中人物、课桌椅，以及整体陈列布局的图像信息。

本实施例中，可以通过机器学习技术根据采集到的音频信息确定用户行为类别，例如行走、上课、吃饭以及睡觉等类别，并生成与该分类对应的行为标签，例如行走、上课、吃饭以及睡觉等文字标签。

本实施例中，还可以通过机器学习技术根据采集到的图像信息识别每个实时位置所处的场所类别，例如教室、家中及图书馆等，并生成与该场所类别对应的第二标签，该标签可以用文字表示，例如家中、商场、教室以及马路等，本实施例中，当无法根据采集到的图像信息识别实时位置所处的场所类别时，还可以通过用户人工识别，并由用户自定义添加所述第二标签。

本实施例中，所述根据上述定位信息及定位时间按照时间顺序在电子地图上生成用户行为轨迹还可以包括：根据上述定位信息在电子地图上生成多个位置标记点，所述位置标记点可以为圆圈，所述电子地图可以为移动终端100安装的高德地图、百度地图等电子地图应用程序，所述电子地图应用程序可以提供实时定位、同步轨迹，以及跟踪导航等多种功能。

本实施例中，所述将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频还可以包括：对比所述每个实时位置的定位信息、第一标签以及第二标签，当所述第一标签与所述定位信息和第二标签均不匹配时，只将所述第二标签添加到所述用户行为轨迹上，当所述第二标签与第一标签和所述定位信息均不匹配时，只将所述第一标签添加到所述用户行为轨迹上。例如实时位置的定位信息为图书馆、所述第一标签为阅读，如果第二标签为教室，第二标签与所述定位信息和第一标签均不匹配，此时不将第二标签添加到所述用户行为轨迹上，而只将所述第一标签添加到用户行为轨迹上。反之，只将第二标签添加到用户行为轨迹上。本实施例通过对比每个实时位置的定位信息、第一标签以及第二标签，忽略可能不正确的第一标签或者第二标签，避免了现有音频信息和图像信息识别的误差，使最终生成的用户行为轨迹视频更为准确。

进一步的，本实施例中，所述用户行为轨迹视频可以包括在电子地图上显示用户在一定时间段(例如一天)的行为轨迹，并在该行为轨迹每个位置标记点处使用第一标签和/或第二标签标描述该实时位置用户的行为类别以及所处的场所类别，进一步的，还可以在用户行为轨迹每个位置标记点处附加多个按钮，供用户点击播放在每个实时位置获取的所述音频信息与图像信息，使所述用户行为轨迹记录更丰富和立体，便于用户更好掌握一定时间内自己的行为习惯。

进一步的，本实施例中，所述根据采集到的音频信息，识别所述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签可以包括：

A，识别并提取采集到的音频信息中的有效音频信息。

具体可以包括：所述识别采集到的音频信息中的有效音频信息具体可以包括：提前录入并生成有效音频信息模版，建立有效音频信息模版库；将在上述每个实时位置采集到的音频信息与所述有效音频信息模版库中的有效信息模版进行遍历相似度对比，识别并提取采集到的音频信息中的有效音频信息。本实施例中，所述有效音频信息模版可以为用户自己的音频信息模版、其他人的音频信息模版以及环境声音的音频信息模版。本实施例中，所述有效音频信息可以包括用户自己的声音、其他人的声音以及环境声音，所述环境声音为汽车鸣笛、音乐播放等人声之外的其他音频信息，用于帮助识别当前实时位置用户所处的环境，例如有汽车鸣笛和汽车引擎的声音，可以推断用户身处马路，进一步帮助识别用户在该实时位置的行为。所述其他人的声音可以为儿童的声音、少年的声音、青年的声音、成人的声音、中年的声音以及老人的声音。

B，将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签。

具体可以包括：构建对应不同行为类别的样本集，所述样本集包含多个转化为文字信息的对应不同行为类别的音频信息；获取行为类别识别模型，并根据所述样本集对行为类别识别模型进行训练；根据训练后的行为类别识别模型，识别上述转化为文字信息的有效音频信息对应的行为类别，并生成用于描述该行为类别的第一标签。本实施例中，用户可以在其从事不同行为类别时，通过移动终端100录入当前音频信息并转化成文字，构建对应于用户从事不同行为时的样本集，例如对应上课、对话，以及游玩等行为类别样本集。需要说明的是，行为类别识别模型为机器学习算法，机器学习算法可以通过不断特征学习来对数据进行识别，其中，机器学习算法可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等。形象的说，可以将行为类别识别模型想象成一个小孩子，你带小孩去不同场所做不同的行为，例如上课，你告诉小孩这是上课，然后换到图书馆，你告诉他，这是读书，久而久之，小孩就会产生认知模式。这个学习过程，就叫“训练”。所形成的认知模式，就是“模型”。训练之后，这时，再到一个新的场所，你问小孩，你在干什么？他会回答是上课或者是读书，这个就叫“识别”。

本实施例通过记录一段时间内用户的行为轨迹并生成用户行为轨迹视频描述用户在每个实时位置的行为类别及所处场所类别，用于用户掌握自己一定时间内的行为习惯，便于用户后期有计划性的对自己的行为做出跟踪和调整。

实施例六

本申请实施例还提供一种计算机存储介质，计算机存储介质有一个或多个程序，一个或多个程序被一个或多个处理器执行，以实现如下步骤：

每隔预设时间，对移动终端100的实时位置进行定位，获取定位信息并记录定位时间；采集移动终端100在定位的每个实时位置的音频信息和图像信息；根据采集到的音频信息，识别上述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签；根据采集到的图像信息，识别上述每个实时位置用户所处的场所类别，并生成用于描述该场所类别的第二标签；根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹；将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频。

本实施例中，可以通过移动终端100内置的全球定位系统GPS(GlobalPositioning System)对移动终端100的实时位置进行定位。所述预设时间可以由用户根据自身需要自定义设定，用户可以根据一定时间内(例如一个月)用户每天所处不同场所的变化频率修正上述预设时间，当用户每天所处不同场所变化频率较大，例如大于预设次数，将预设时间缩短，从而使最终形成的用户行为轨迹更加详细和准确，反之，当用户每天所处不同场所变化频率较小，例如小于预设次数，就将预设时间延长，减少由于频繁对移动终端的实时位置进行定位引起不必要功耗，所述预设次数可以由用户自定义设置。

本实施例中，所述音频信息包括用户在当前实时位置时移动终端100可以采集到的音频信息，例如用户在过马路时移动终端100可以采集到的音频信息、用户在教室上课时移动终端100可以采集到的音频信息等。其中，可以通过移动终端100内置的麦克风获取上述音频信息，也可以通过移动终端100外部接入的麦克风获取上述音频信息，可由本领域技术人员根据实际需要进行选取。

本实施例中，移动终端100可以通过内置摄像头获取每个实时位置的图像信息，所述实时位置可以为家中、商场、游乐场、教室、人行道、马路以及操场等。例如，当实时位置为学校教室时，移动终端100启动摄像装置获取教室中人物、课桌椅，以及整体陈列布局的图像信息。

本实施例中，可以通过机器学习技术根据采集到的音频信息确定用户行为类别，例如行走、上课、吃饭以及睡觉等类别，并生成与该分类对应的行为标签，例如行走、上课、吃饭以及睡觉等文字标签。

本实施例中，还可以通过机器学习技术根据采集到的图像信息识别每个实时位置所处的场所类别，例如教室、家中及图书馆等，并生成与该场所类别对应的第二标签，该标签可以用文字表示，例如家中、商场、教室以及马路等，本实施例中，当无法根据采集到的图像信息识别实时位置所处的场所类别时，还可以通过用户人工识别，并由用户自定义添加所述第二标签。

本实施例中，所述根据上述定位信息及定位时间按照时间顺序在电子地图上生成用户行为轨迹还可以包括：根据上述定位信息在电子地图上生成多个位置标记点，所述位置标记点可以为圆圈，所述电子地图可以为移动终端100安装的高德地图、百度地图等电子地图应用程序，所述电子地图应用程序可以提供实时定位、同步轨迹，以及跟踪导航等多种功能。

本实施例中，所述将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频还可以包括：对比所述每个实时位置的定位信息、第一标签以及第二标签，当所述第一标签与所述定位信息和第二标签均不匹配时，只将所述第二标签添加到所述用户行为轨迹上，当所述第二标签与第一标签和所述定位信息均不匹配时，只将所述第一标签添加到所述用户行为轨迹上。例如实时位置的定位信息为图书馆、所述第一标签为阅读，如果第二标签为教室，第二标签与所述定位信息和第一标签均不匹配，此时不将第二标签添加到所述用户行为轨迹上，而只将所述第一标签添加到用户行为轨迹上。反之，只将第二标签添加到用户行为轨迹上。本实施例通过对比每个实时位置的定位信息、第一标签以及第二标签，忽略可能不正确的第一标签或者第二标签，避免了现有音频信息和图像信息识别的误差，使最终生成的用户行为轨迹视频更为准确。

进一步的，本实施例中，所述用户行为轨迹视频可以包括在电子地图上显示用户在一定时间段(例如一天)的行为轨迹，并在该行为轨迹每个位置标记点处使用第一标签和/或第二标签标描述该实时位置用户的行为类别以及所处的场所类别，进一步的，还可以在用户行为轨迹每个位置标记点处附加多个按钮，供用户点击播放在每个实时位置获取的所述音频信息与图像信息，使所述用户行为轨迹记录更丰富和立体，便于用户更好掌握一定时间内自己的行为习惯。

进一步的，本实施例中，所述根据采集到的音频信息，识别所述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签可以包括：

A，识别并提取采集到的音频信息中的有效音频信息。

具体可以包括：所述识别采集到的音频信息中的有效音频信息具体可以包括：提前录入并生成有效音频信息模版，建立有效音频信息模版库；将在上述每个实时位置采集到的音频信息与所述有效音频信息模版库中的有效信息模版进行遍历相似度对比，识别并提取采集到的音频信息中的有效音频信息。本实施例中，所述有效音频信息模版可以为用户自己的音频信息模版、其他人的音频信息模版以及环境声音的音频信息模版。本实施例中，所述有效音频信息可以包括用户自己的声音、其他人的声音以及环境声音，所述环境声音为汽车鸣笛、音乐播放等人声之外的其他音频信息，用于帮助识别当前实时位置用户所处的环境，例如有汽车鸣笛和汽车引擎的声音，可以推断用户身处马路，进一步帮助识别用户在该实时位置的行为。所述其他人的声音可以为儿童的声音、少年的声音、青年的声音、成人的声音、中年的声音以及老人的声音。

B，将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签。

具体可以包括：构建对应不同行为类别的样本集，所述样本集包含多个转化为文字信息的对应不同行为类别的音频信息；获取行为类别识别模型，并根据所述样本集对行为类别识别模型进行训练；根据训练后的行为类别识别模型，识别上述转化为文字信息的有效音频信息对应的行为类别，并生成用于描述该行为类别的第一标签。本实施例中，用户可以在其从事不同行为类别时，通过移动终端100录入当前音频信息并转化成文字，构建对应于用户从事不同行为时的样本集，例如对应上课、对话，以及游玩等行为类别样本集。需要说明的是，行为类别识别模型为机器学习算法，机器学习算法可以通过不断特征学习来对数据进行识别，其中，机器学习算法可以包括：决策树模型、逻辑回归模型、贝叶斯模型、神经网络模型、聚类模型等。形象的说，可以将行为类别识别模型想象成一个小孩子，你带小孩去不同场所做不同的行为，例如上课，你告诉小孩这是上课，然后换到图书馆，你告诉他，这是读书，久而久之，小孩就会产生认知模式。这个学习过程，就叫“训练”。所形成的认知模式，就是“模型”。训练之后，这时，再到一个新的场所，你问小孩，你在干什么？他会回答是上课或者是读书，这个就叫“识别”。

本实施例通过记录一段时间内用户的行为轨迹并生成用户行为轨迹视频描述用户在每个实时位置的行为类别及所处场所类别，用于用户掌握自己一定时间内的行为习惯，便于用户后期有计划性的对自己的行为做出跟踪和调整。

本实施例中，所述计算机可读存储介质存储有一个或者多个程序。其中，计算机可读存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。

上述各实施例中的对应的技术特征在不导致方案矛盾或不可实施的前提下，可以相互使用。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施例的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施例。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机、计算机、服务器、空调器，智能手环或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施例，上述的具体实施例仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本申请的保护之内。

Claims (9)

1.一种用户行为轨迹记录的方法，应用于移动终端，其特征在于，所述方法包括：

每隔预设时间，对移动终端的实时位置进行定位，获取定位信息并记录定位时间；

采集移动终端在定位的每个实时位置的音频信息和图像信息；

根据采集到的音频信息，识别上述每个实时位置移动终端用户的行为类别，生成用于描述该行为类别的第一标签；

根据采集到的图像信息，识别上述每个实时位置上述用户所处的场所类别，并生成用于描述该场所类别的第二标签；

根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹；

将所述第一标签和/或第二标签添加到生成的用户行为轨迹上，并生成用户行为轨迹视频；

其中，所述根据采集到的音频信息，识别上述每个实时位置用户的行为类别，生成用于描述该行为类别的第一标签包括：

识别并提取采集到的音频信息中的有效音频信息；

将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签。

2.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，

所述预设时间根据移动终端用户每天所处不同场所的变化频率进行修正，当用户每天所处不同场所变化频率大于预设次数时，将预设时间缩短，当用户每天所处不同场所变化频率小于预设次数时，将预设时间延长。

3.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，所述根据上述定位信息及定位时间，按照时间顺序在电子地图上生成用户行为轨迹包括：根据上述定位信息在电子地图上生成多个位置标记点，每个位置标记点处使用上述第一标签和/或第二标签描述该实时位置移动终端用户的行为类别和/或场所类别。

4.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，所述识别采集到的音频信息中的有效音频信息包括：

提前录入并生成有效音频信息模版，建立有效音频信息模版库；

将在上述每个实时位置采集到的音频信息与所述有效音频信息模版库中的有效信息模版进行遍历相似度对比，识别并提取采集到的音频信息中的有效音频信息。

5.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，所述将上述识别并提取到的有效音频信息转化为文字信息，根据该文字信息识别每个实时位置用户的行为类别，并生成用于描述该行为类别的第一标签包括：

构建对应不同行为类别的样本集，所述样本集包含多个转化为文字信息的对应不同行为类别的音频信息；

获取行为类别识别模型，并根据所述样本集对行为类别识别模型进行训练；

根据训练后的行为类别识别模型，识别上述转化为文字信息的有效音频信息对应的行为类别，并生成用于描述该行为类别的第一标签。

6.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，所述将所述第一标签和/或第二标签添加到用户行为轨迹上，并生成用户行为轨迹视频包括：

对比所述每个实时位置的定位信息、第一标签以及第二标签，当所述第一标签与所述定位信息和第二标签均不匹配时，只将所述第二标签添加到所述用户行为轨迹上，当所述第二标签与第一标签和所述定位信息均不匹配时，只将所述第一标签添加到所述用户行为轨迹上。

7.如权利要求1所述的用户行为轨迹记录的方法，其特征在于，所述用户行为轨迹上附加有多个悬浮按钮，用于接收用户点击操作播放在每个实时位置获取的音频信息与图像信息。

8.一种移动终端，其特征在于，所述移动终端包括：

触控屏；

处理器；

存储器，与所述处理器连接，所述存储器包含控制指令，当所述处理器读取所述控制指令时，控制所述移动终端实现权利要求1-7任一项用户移动轨迹记录的方法。

9.一种计算机存储介质，其特征在于，所述计算机存储介质有一个或多个程序，所述一个或多个程序被一个或多个处理器执行，以实现权利要求1至7任一项用户移动轨迹记录的方法。

Images