[发明专利]用于数据的带注释捕获以及活动的群建模的方法和系统

权利要求书

1.一种计算机系统，包括：

-第一设备，包括第一类型的第一传感器，所述第一设备被配置为生成第一数据集，每个第一数据集包括至少基于来自所述第一传感器的传感器读数的观测向量，所述来自所述第一传感器的传感器读数与至少一个人的行为、以及所述至少一个人感兴趣的情况中的至少一个有关，所述第一设备被配置为将所述第一数据集传递给第二设备；

-所述第二设备，包括与所述第一类型不同的第二类型的第二传感器，所述第二设备被配置为从所述第二传感器捕获第二数据集，每个第二数据集至少包括与所述人的行为和所述人感兴趣的情况中的至少一个有关的变量数据，所述变量数据按时间由对应的第一数据集引用；

-远程服务器，包括处理逻辑，所述处理逻辑被配置为使选定类型的模型通过通信链路可供所述第二设备使用，所述选定类型的模型是使用用于所述至少一个人和至少第二人的第一数据集和第二数据集而计算的；

所述计算机系统的特征在于：所述第一设备或所述第二设备中的一个进一步被配置为生成包括状态向量的第三数据集，所述状态向量包括对表征用户的行为和所述用户感兴趣的情况中的至少一个的状态的估计，所述估计是基于与所述用户的行为以及所述用户感兴趣的情况中的至少一个有关的来自所述第一传感器的至少传感器读数在所述模型中的输入的。

2.如权利要求1所述的计算机系统，其中，选定类型的所述模型通过由所述第一设备、所述第二设备以及所述远程服务器中的至少一个执行的处理而进一步被定制成所述至少一个人的特征。

3.如权利要求1至2中的一项所述的计算机系统，其中，所述第一数据集和所述第二数据集中的至少一个进一步包括与表征所述至少一个人、所述人的行为和所述人感兴趣的情况中的至少一个的一个或多个特征有关的固定数据。

4.如权利要求1至2中的一项所述的计算机系统，其中，选定类型的所述模型是观测系统和通用近似中的一个。

5.如权利要求4所述的计算机系统，其中，所述观测模型是卡尔曼过滤器。

6.如权利要求4所述的计算机系统，其中，所述通用近似是神经网络和分类器中的一个。

7.如权利要求6所述的计算机系统，其中，所述分类器是隐式马尔科夫模型和动态时间规整函数中的一个。

8.如权利要求1至2中的一项所述的计算机系统，其中，所述传感器读数通过包括加速度计、陀螺仪和磁力计中的至少一个的传感器来生成。

9.如权利要求1至2中的一项所述的计算机系统，其中，所述第一设备和所述第二设备中的至少一个包括语音或图像输入能力和字符输入能力中的至少一个。

10.一种用于创建用于估计用户的行为和所述用户感兴趣的情况中的至少一个的模型的方法，所述方法包括：

-利用第一设备来捕获至少包括观测向量的第一数据集的步骤，所述观测向量至少基于与至少一个人的行为和所述至少一个人感兴趣的情况中的至少一个有关的来自第一类型的第一传感器的传感器读数；

-将所述第一数据集传递给第二设备的步骤；

-利用所述第二设备中与所述第一类型不同的第二类型的第二传感器捕获第二数据集的步骤，每个第二数据集至少包括与所述人的行为和所述人感兴趣的情况中的至少一个有关的变量数据，所述变量数据按时间由对应的第一数据集引用；

所述方法进一步包括在远程服务器上选择适于处理所述第一数据集和所述第二数据集的模型的类型的步骤，以及在所述远程服务器上基于所述第一数据集和所述第二数据集的变换之间的比较来计算所述模型的参数的步骤，所述模型考虑到用于所述至少一个人和至少第二人的第一数据集和第二数据集。

11.如权利要求10所述的创建模型的方法，其中，所述比较是基于所述第一数据集与所述第二数据集的变换之间的拟合函数的优化的。