CN116401643A - 异常行为处理方法、存储介质及电子装置 - Google Patents
异常行为处理方法、存储介质及电子装置 Download PDFInfo
- Publication number
- CN116401643A CN116401643A CN202310329718.4A CN202310329718A CN116401643A CN 116401643 A CN116401643 A CN 116401643A CN 202310329718 A CN202310329718 A CN 202310329718A CN 116401643 A CN116401643 A CN 116401643A
- Authority
- CN
- China
- Prior art keywords
- behavior
- data
- abnormal
- user
- abnormal behavior
- 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
Links
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 180
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 152
- 230000003993 interaction Effects 0.000 claims abstract description 79
- 230000002452 interceptive effect Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 269
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 24
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种异常行为处理方法、存储介质及电子装置,涉及智能家电技术领域,该异常行为处理方法包括:获得用户待检测的交互行为数据;将交互行为数据和当前行为数据输入到异常行为检测模型中,得到异常行为检测模型输出的行为检测结果;异常行为检测模型是基于样本行为数据、以及样本行为数据对应的样本检测结果进行训练得到的;在行为检测结果为异常行为的情况下,针对异常行为执行相应的异常处理操作。本申请提供的方法,有效提高了对用户活动行为监测的准确性及活动信息的安全性,避免侵害用户隐私,能够提供准确的判断和主动服务,提升了用户的使用体验。
Description
技术领域
本申请涉及智能家电技术领域,尤其涉及一种异常行为处理方法、存储介质及电子装置。
背景技术
在养老健康监测场景中,监测数据的获取,往往与个人隐私存在矛盾,即用户行为监测面临着隐私性与准确性之间的问题。比如,如果使用摄像头监测老年人是否跌倒,可获得清晰准确的数据,但会对老年人的个人隐私造成侵害,出于隐私考虑,视觉信息不适合用于长期的日常监测。目前,在保护隐私的监测方式中,较被接受的监测方式是红外摄像头。红外摄像头通过热成像,可以获取老年人的姿态、动作、体温等信息。例如,当老年人全身都低于某个高度时,即判断为跌倒,需要扶助。但是,由于热成像能够观察的只有轮廓,容易造成误判。例如,当老人弯腰或下蹲时,全身均低于某个高度,但并非跌倒,这是仅依靠热成像较难以准确判断的。为了在保护用户隐私的同时,提高行为监测的准确度,以便及时做出告警,需要引入其他种类的非隐私数据。因此,如何提供一种更为安全、有效的用户异常行为监测及处理方案以提高行为监控准确度以及保证信息的安全性成为亟待解决的难题。
发明内容
本申请提供一种异常行为处理方法,用以解决现有技术中存在的异常行为监控及处理精度较低,用户活动信息容易泄露的缺陷。
本申请提供一种异常行为处理方法,包括:
获得用户待检测的交互行为数据;
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;
在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
进一步的,将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果,具体包括:
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,与异常行为检测模型中所述用户对应的预设用户画像数据进行比对,获得比对结果;其中,所述异常行为检测模型是基于所述用户的声纹特征匹配得到的;所述用户画像数据包含用户与语音交互设备之间的习惯交互行为数据、所述用户在对应时间点的习惯行为动作数据;若所述比对结果中数据的差异程度达到或者超过预设的差异程度阈值,则确定所述行为检测结果为异常行为。
进一步的,在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作,具体包括:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内未接收到用户针对所述语音问答信息的语音反馈信息的情况下,向对应的客户端发送预警提示信息。
进一步的,在得到所述异常行为检测模型输出的行为检测结果之后,还包括:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内接收到用户针对所述语音问答信息的语音反馈信息的情况下,则将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
进一步的,所述获得用户待检测的交互行为数据,具体包括:
获取用户使用语音交互设备的交互习惯信息;
基于所述交互习惯信息,确定用户与所述语音交互设备交互的目标时间段;在当前时间处于所述目标时间段的情况下,获取待检测的交互行为数据。
进一步的,所述异常行为检测模型用于基于对所述样本行为数据进行特征提取得到的表示特征,基于所述表示特征对所述交互行为数据和当前行为数据进行异常分析。
进一步的,在所述行为检测结果为标准行为的情况下,将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
本申请还提供一种异常行为处理装置,包括:
交互行为数据获得单元,用于获得用户待检测的交互行为数据;
交互行为检测单元,用于将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;
异常处理单元,用于在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
进一步的,所述交互行为检测单元,具体用于:
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,与异常行为检测模型中所述用户对应的预设用户画像数据进行比对,获得比对结果;其中,所述异常行为检测模型是基于所述用户的声纹特征匹配得到的;所述用户画像数据包含用户与语音交互设备之间的习惯交互行为数据、所述用户在对应时间点的习惯行为动作数据;若所述比对结果中数据的差异程度达到或者超过预设的差异程度阈值,则确定所述行为检测结果为异常行为。
进一步的,所述异常处理单元,具体用于:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内未接收到用户针对所述语音问答信息的语音反馈信息的情况下,向对应的客户端发送预警提示信息。
进一步的,在得到所述异常行为检测模型输出的行为检测结果之后,还包括:异常行为处理单元,用于在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内接收到用户针对所述语音问答信息的语音反馈信息的情况下,则将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
进一步的,所述交互行为数据获得单元,具体用于:
获取用户使用语音交互设备的交互习惯信息;
基于所述交互习惯信息,确定用户与所述语音交互设备交互的目标时间段;在当前时间处于所述目标时间段的情况下,获取待检测的交互行为数据。
进一步的,所述异常行为检测模型用于基于对所述样本行为数据进行特征提取得到的表示特征,基于所述表示特征对所述交互行为数据和当前行为数据进行异常分析。
进一步的,标准行为处理单元,用于在所述行为检测结果为标准行为的情况下,将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
本申请还提供一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行实现如上述任一种所述异常行为处理方法。
本申请还提供一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行实现如上述任一种所述异常行为处理方法。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述异常行为处理方法。
本申请提供的异常行为处理方法,通过获得用户待检测的交互行为数据,然后将交互行为数据和当前行为数据输入到异常行为检测模型中,得到异常行为检测模型输出的行为检测结果,在行为检测结果为异常行为的情况下,针对异常行为执行相应的异常处理操作。其能够通过记录用户与语音交互设备的交互行为,而不记录具体的交互内容,来避免侵害用户隐私,并有效提高了对用户活动行为监测的准确性及信息的安全性,避免侵害用户隐私,能够提供准确的判断和主动服务,提升了用户的使用体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种异常行为处理方法的硬件环境示意图;
图2是本申请提供的异常行为处理方法的流程示意图;
图3是本申请提供的异常行为处理方法的具体应用示意图;
图4是本申请提供的异常行为处理方法中的模型训练示意图;
图5是本申请提供的异常行为处理方法中的异常行为监测示意图;
图6是本申请提供的异常行为处理装置的结构示意图;
图7是本申请提供的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种异常行为处理方法。该异常行为处理方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(Intelligence House)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述异常行为处理方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
下面基于本申请所述的异常行为处理方法,对其实施例进行详细描述。如图2所示,其为本申请提供的异常行为处理方法的流程示意图,具体实现过程包括以下步骤:
步骤201:获得用户待检测的交互行为数据。
具体的,语音交互设备可以是指家庭中使用的智能音箱、智能手表等能够语音交互的设备。其中,智能音箱是目前家庭中,接受度较高、使用较广泛的一种语音交互设备。用户对智能音箱的使用习惯数据,不包含对话内容等隐私,但可以用来判断用户的健康状态。所述交互行为数据可以是指用户在每日的特定时间点使用语音交互设备的习惯交互行为,比如用户A每天每天早晨8点,由智能音箱闹钟叫醒,并向智能音箱询问当日天气的行为。
步骤202:将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果。其中,所述异常行为检测模型是基于样本行为数据、及所述样本行为数据对应的样本检测结果进行训练得到的。
具体的,可将所述交互行为数据和当前行为数据输入到异常行为检测模型中,与异常行为检测模型中所述用户对应的预设用户画像数据进行比对,获得比对结果。根据所述比对结果得到所述异常行为检测模型输出的所述行为检测结果。其中,所述用户画像数据包含用户与语音交互设备之间的习惯交互行为数据、所述用户在对应时间点的习惯行为动作数据。用户画像技术的应用较为广泛,例如,在电商平台、短视频网站上,用户的行为数据被用于分析、挖掘用户的倾向和喜好,并向其进行个性化的推荐。所述异常行为检测模型用于基于对所述样本行为数据进行特征提取得到的表示特征,基于表示特征对交互行为数据和当前行为数据进行异常分析。
需要说明的是,在执行本步骤之前,需要预先进行模型训练。在训练阶段,用户使用智能音箱的语音交互功能,智能音箱通过声纹识别,将同一用户的使用数据整合,并上传云端。同时,其他物联网传感器(以红外传感器为例)监测用户行为、姿态数据,并上传云端。在云端,首先将不同设备来源的数据进行清洗及融合处理,成为多维度数据向量集。基于该多维度数据向量集,进行模型(即异常行为检测模型)训练,得到用户日常使用智能音箱和其他物联网传感器的用户画像数据,形成用户使用习惯模型(用户画像模型)。例如,用户A每天每天早晨8点,由智能音箱闹钟叫醒,并询问当日天气。同时,红外传感器可观察到用户姿态从平躺改变为坐姿,并在室内行走。这一套时间、语音交互、动作行为的组合,即为用户A的日常行为习惯,即目标行为数据。
在日常监测中,用户与智能音箱交互,红外传感器进行实时监控,数据传送至云端。多维度数据融合后,与训练阶段形成的用户使用习惯模型进行对比,如果相似度高于或等于预设相似度阈值,则判定没有异常行为,使用最新的目标行为数据更新异常行为检测模型,该异常行为检测模型中包含用户画像模型。如果相似度低于预设相似度阈值,则判定产生了异常行为,智能音箱此时可与用户交互,询问是否需要帮助,即生成语音问答信息。如用户明确回答不需要帮助,即获取的语音反馈信息,则更新用户画像模型。如用户无明确回答,则提供主动服务,如联系公寓管理人员、社区工作人员、报警等。在上述的训练和监测过程中,智能音箱除了提供用户数据外,还承担着与用户交互、确认异常行为,防止误判的功能。其中,声纹识别主要用于在多用户的情况下,区分不同用户,以便准确记录用户使用习惯。其他物联网传感器,根据自身功能,也可进行相应的分类。如红外摄像机,可以根据身高、身形、常态体温等对用户进行区分。所述目标行为数据包括交互行为数据和当前行为数据。
如图4和5所示,本发明在具体实施过程中,还需要对交互行为数据(音响使用数据)和当前行为数据(红外监测数据)进行数据融合,获得包含所述交互行为数据和当前行为数据的目标行为数据。将包含所述交互行为数据和当前行为数据的目标行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果。具体的,所述当前行为数据是指基于物联网传感器获取的用户的音箱使用数据。其中,所述物联网传感器可以是指红外传感器等,比如基于该红外传感器可观察到用户的姿态从平躺改变为坐姿,并在室内行走等当前行为数据。如图3所示,本申请结合语音交互设备301特有的功能与优势,与其他多种物联网传感器302结合,可以有效提高养老监测的准确性和有效性,同时避免隐私数据的泄露。也就是,通过引入语音交互技术,为监测数据提供更多维度,可以使自动判断结果更为准确,仅记录用户使用习惯交互行为,而不记录用户与语音交互设备的交互内容,避免侵害用户隐私,通过日常监测和异常检测,能够提供准确的判断和主动服务。其中,所述用户使用习惯交互行为包括用户习惯在特定时间点与语音交互设备交互的行为,比如用户A习惯每天每天早晨8点,由智能音箱闹钟叫醒,并询问当日天气。
在本发明实施例中,可通过智能音箱,并利用声纹识别技术,获取特定用户的交互行为数据,并获取红外传感器的当前行为数据,利用数据融合模块对两者进行数据融合,以便进行后续异常行为分析。
步骤203:在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
具体的,在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内未接收到用户针对所述语音问答信息的语音反馈信息的情况下,向对应的客户端(比如与语音交互设备绑定或关联的智能手机等)发送预警提示信息。另外,在预设时间阈值内接收到用户针对所述语音问答信息的语音反馈信息的情况下,本申请还可将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
除此之外,在所述行为检测结果为标准行为的情况下,将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。所述标准行为可以是指用户的正常行为,即未检测到异常行为状态的活动行为。
本申请适用于养老场景的日常健康监测方法。通过将智能音箱与其他物联网传感器结合,提供语音交互使用习惯数据,与其他监测数据融合,形成用户使用习惯模型。同时,使用声纹识别技术,智能可锁定某一用户,避免在多用户情况下,影响日常习惯模型的训练与使用。通过日常生活与该用户画像模型的对比监测,发现用户的异常行为。在发现异常行为后,可以通过智能音箱,与用户直接沟通确认,如用户需要帮助,可提供主动服务,如报警、通知社区人员等,具体过程如图5所示。通过使用用户的习惯行为数据,不涉及语音对话内容等隐私,隐私保护性高。智能音箱终端成本低、技术成熟、用户认知度高,结合智能音箱的养老健康检测具有可行性,并能提高监测的准确度。
本申请提供的异常行为处理方法,通过获得用户待检测的交互行为数据,并基于交互行为数据与用户的当前行为数据进行数据融合获得目标行为数据,然后将目标行为数据输入到异常行为检测模型中,得到异常行为检测模型输出的行为检测结果,在行为检测结果为异常行为的情况下,针对异常行为执行相应的异常处理操作。其能够通过记录用户与语音交互设备的交互行为,而不记录具体的交互内容,来避免侵害用户隐私,并有效提高了对用户活动行为监测的准确性及信息的安全性,避免侵害用户隐私,能够提供准确的判断和主动服务,提升了用户的使用体验。
下面对本申请提供的异常行为处理装置进行描述,下文描述的异常行为处理装置与上文描述的异常行为处理方法可相互对应参照。
参考图6所示,其为本申请提供的异常行为处理装置的结构示意图。本申请所述的异常行为处理装置,具体包括如下部分:
交互行为数据获得单元601,用于获得用户待检测的交互行为数据;
交互行为检测单元602,用于将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;
异常处理单元603,用于在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
进一步的,所述交互行为检测单元,具体用于:
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,与异常行为检测模型中所述用户对应的预设用户画像数据进行比对,获得比对结果;其中,所述异常行为检测模型是基于所述用户的声纹特征匹配得到的;所述用户画像数据包含用户与语音交互设备之间的习惯交互行为数据、所述用户在对应时间点的习惯行为动作数据;若所述比对结果中数据的差异程度达到或者超过预设的差异程度阈值,则确定所述行为检测结果为异常行为。
进一步的,所述异常处理单元,具体用于:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内未接收到用户针对所述语音问答信息的语音反馈信息的情况下,向对应的客户端发送预警提示信息。
进一步的,在得到所述异常行为检测模型输出的行为检测结果之后,还包括:异常行为处理单元,用于在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内接收到用户针对所述语音问答信息的语音反馈信息的情况下,则将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
进一步的,所述交互行为数据获得单元,具体用于:
获取用户使用语音交互设备的交互习惯信息;
基于所述交互习惯信息,确定用户与所述语音交互设备交互的目标时间段;在当前时间处于所述目标时间段的情况下,获取待检测的交互行为数据。
进一步的,所述异常行为检测模型用于基于对所述样本行为数据进行特征提取得到的表示特征,基于所述表示特征对所述交互行为数据和当前行为数据进行异常分析。
进一步的,标准行为处理单元,用于在所述行为检测结果为标准行为的情况下,将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
本申请提供的异常行为处理装置,通过获得用户待检测的交互行为数据;基于所述交互行为数据与用户的当前行为数据进行数据融合,获得目标行为数据;将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。本申请能够通过记录用户与语音交互设备的交互行为,而不记录具体的交互内容,来避免侵害用户隐私,并有效提高了对用户活动行为监测的准确性及信息的安全性,避免侵害用户隐私,能够提供准确的判断和主动服务,提升了用户的使用体验。
图7示例了一种电子装置的实体结构示意图。如图7所示,该电子装置可以包括:处理器(processor)701、通信接口(Communications Interface)704、存储器(memory)702和通信总线703,其中,处理器701,通信接口704,存储器702通过通信总线703完成相互间的通信。处理器701可以调用存储器702中的逻辑指令,以执行异常行为处理方法,该方法包括:获得用户待检测的交互行为数据;基于所述交互行为数据与用户的当前行为数据进行数据融合,获得目标行为数据;将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
此外,上述的存储器702中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在计算机可读的存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的异常行为处理方法,该方法包括:获得用户待检测的交互行为数据;基于所述交互行为数据与用户的当前行为数据进行数据融合,获得目标行为数据;将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
又一方面,本申请还提供一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述各方法提供的异常行为处理方法,该方法包括:获得用户待检测的交互行为数据;基于所述交互行为数据与用户的当前行为数据进行数据融合,获得目标行为数据;将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种异常行为处理方法,其特征在于,包括:
获得用户待检测的交互行为数据;
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;
其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;
在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
2.根据权利要求1所述的异常行为处理方法,其特征在于,将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果,具体包括:
将所述交互行为数据和当前行为数据输入到异常行为检测模型中,与异常行为检测模型中所述用户对应的预设用户画像数据进行比对,获得比对结果;其中,所述异常行为检测模型是基于所述用户的声纹特征匹配得到的;所述用户画像数据包含用户与语音交互设备之间的习惯交互行为数据、所述用户在对应时间点的习惯行为动作数据;若所述比对结果中数据的差异程度达到或者超过预设的差异程度阈值,则确定所述行为检测结果为异常行为。
3.根据权利要求1所述的异常行为处理方法,其特征在于,在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作,具体包括:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内未接收到用户针对所述语音问答信息的语音反馈信息的情况下,向对应的客户端发送预警提示信息。
4.根据权利要求1所述的异常行为处理方法,其特征在于,在得到所述异常行为检测模型输出的行为检测结果之后,还包括:在所述行为检测结果为异常行为的情况下,针对所述异常行为通过语音交互设备生成语音问答信息,在预设时间阈值内接收到用户针对所述语音问答信息的语音反馈信息的情况下,则将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
5.根据权利要求1所述的异常行为处理方法,其特征在于,所述获得用户待检测的交互行为数据,具体包括:
获取用户使用语音交互设备的交互习惯信息;
基于所述交互习惯信息,确定用户与所述语音交互设备交互的目标时间段;在当前时间处于所述目标时间段的情况下,获取待检测的交互行为数据。
6.根据权利要求1-5任意一项所述的异常行为处理方法,其特征在于,所述异常行为检测模型用于基于对所述样本行为数据进行特征提取得到的表示特征,基于所述表示特征对所述交互行为数据和当前行为数据进行异常分析。
7.根据权利要求4所述的异常行为处理方法,其特征在于,还包括:在所述行为检测结果为标准行为的情况下,将所述交互行为数据作为新的样本行为数据,基于所述新的样本行为数据对所述异常行为检测模型进行更新处理。
8.一种异常行为处理装置,其特征在于,包括:
交互行为数据获得单元,用于获得用户待检测的交互行为数据;
交互行为检测单元,用于将所述交互行为数据和当前行为数据输入到异常行为检测模型中,得到所述异常行为检测模型输出的行为检测结果;其中,所述异常行为检测模型是基于样本行为数据、以及所述样本行为数据对应的样本检测结果进行训练得到的;
异常处理单元,用于在所述行为检测结果为异常行为的情况下,针对所述异常行为执行相应的处理操作。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一项所述的异常行为处理方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的异常行为处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310329718.4A CN116401643A (zh) | 2023-03-30 | 2023-03-30 | 异常行为处理方法、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310329718.4A CN116401643A (zh) | 2023-03-30 | 2023-03-30 | 异常行为处理方法、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116401643A true CN116401643A (zh) | 2023-07-07 |
Family
ID=87017205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310329718.4A Pending CN116401643A (zh) | 2023-03-30 | 2023-03-30 | 异常行为处理方法、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401643A (zh) |
-
2023
- 2023-03-30 CN CN202310329718.4A patent/CN116401643A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080968B (zh) | 一种独居老人意外发生联动控制预警方法及系统 | |
US11754986B2 (en) | Systems and methods for evaluating sensor data of internet-of-things (IoT) devices and responsively controlling control devices | |
US10482901B1 (en) | System and method for beep detection and interpretation | |
EP2353153A1 (en) | A system for tracking a presence of persons in a building, a method and a computer program product | |
Suryadevara et al. | Wireless sensors network based safe home to care elderly people: A realistic approach | |
CN111405604B (zh) | 一种基于网络流量的监控预警方法及装置 | |
Suryadevara et al. | Wireless sensors network based safe home to care elderly people: behaviour detection | |
US11043090B1 (en) | Detecting events based on the rhythm and flow of a property | |
JP6152853B2 (ja) | 制御方法及びプログラム | |
CN116401643A (zh) | 异常行为处理方法、存储介质及电子装置 | |
CN111052708B (zh) | 识别电子设备的异常使用 | |
CN114915514B (zh) | 意图的处理方法和装置、存储介质及电子装置 | |
CN116308955A (zh) | 一种基于ai人工智能进行康养管理的智慧社区 | |
Floeck et al. | Monitoring patterns of inactivity in the home with domotics networks | |
US11854367B1 (en) | Detecting events based on the rhythm and flow of a property | |
CN114782704A (zh) | 状态信息的确定方法、装置、存储介质及电子装置 | |
CN115494737A (zh) | 智能家电的控制方法、存储介质及电子装置 | |
CN114691731A (zh) | 使用偏好的确定方法和装置、存储介质及电子装置 | |
Fernandez-Carmona et al. | Entropy-based abnormal activity detection fusing RGB-D and domotic sensors | |
CN106092133A (zh) | 启动访客模式的判定方法、装置 | |
CN112183243A (zh) | 一种智慧社区老人监护方法、系统、装置和存储介质 | |
CN110830339A (zh) | 一种基于家庭大脑的智慧家庭服务系统 | |
CN116343420A (zh) | 告警处理方法、装置、存储介质及电子装置 | |
CN110084996A (zh) | 住户异常状态的预警方法、装置、设备及可读存储介质 | |
CN117012010A (zh) | 家电设备的控制方法及装置、存储介质及电子装置 |
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 |