[发明专利]基于概率图模型的行为识别系统及方法、设备及存储介质

说明书

本发明公开了一种基于概率图模型的行为识别系统、方法、设备及存储介质，其中，该方法包括：获取,通过一个或多个传感器处理器，一个或多个传感器信号；处理,通过一个或多个传感器处理器，时域中的原始传感器信号获得该系统的特征向量；确定,通过一个或多个传感器处理器，一个二元状态,二元状态信息可以包括静止和移动,部分特征可以是信号的能量或方差；若确定处于非静止状态，确定,通过一个活动识别器，人类各个方面的活动，基于特征向量的处理。本发明只对非静止状态的特征向量进行处理，从而提升了特征向量的有效处理率。此外，利用概率图模型分析行为特征向量，既提升了检测准确率，也降低了受观测时域分割变化的影响。

技术领域

本发明涉及行为识别技术领域，具体涉及一种基于概率图模型的行为识别系统及方法、设备及存储介质。

背景技术

过去几十年里，活动行为识别广受关注。识别现实环境中实时活动行为的类型，将为许多分析系统提供基础，特别是在人工智能领域。活动行为识别的目的之一在于提供用户活动行为有关信息，从而能让计算设备主动协助用户完成任务，还可自动借助控制事件来更改或调整设备。近年来，移动计算设备装备了功能强大的MEMS(Micro-Electro-Mechanical System，微机电系统)传感器和高速处理器，为各种便携式设备应用程序提供先进的活动行为识别能力。加速计、陀螺仪传感器或传感器组合等各种类型的MEMS主要用于为人类活动行为分类。有些方法采用人类活动有关周期模式的动态模型来获取行走、跑步、驾车等行为的周期性。有些活动行为识别方法则采用概率图模型。在这个方面，大部分工作均运用隐马尔可夫模型。

通过使用MEMS传感器(尤其是3轴加速计)来识别人类活动具有一定意义。一般来说，该技术提出了一种阈值方法模型来将观察到的传感器活动识别为有意义的人类行为状态。虽然阈值方法模型可以有效地相对于观测的时间分割变化，但是当应用于长而复杂的时间观测序列的推理时，它倾向于缺乏随机观测之间的条件依赖结构。因此，包含“边缘”的人类活动行为识别的概率可能很高。

发明内容

本发明第一方面提供了一种基于概率图模型的行为识别系统，包括：

一个或多个传感器；

一个或多个传感器处理器，所述传感器处理器被配置为对所述一个或多个传感器信号进行处理以从传感器信号的时域数据中提取特征向量，并根据所述特征向量中的第一部分特征确定用户的二元状态；其中，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；

一个活动识别器，所述活动识别器被配置为基于概率图模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。

优选地，所述概率图模型包括隐马尔可夫模型。

优选地，所述活动识别器在执行在“基于概率图模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态”的步骤中，使用维特比算法进行行为识别的概率计算。

优选地，该系统还包括：

调节器，用于根据所确定的用户行为状态对电子计算设备的事件进行预测、更改和/或调整。

本发明第二方面提供了一种基于概率图模型的行为识别方法，包括：

获取一个或多个传感器信号；

对所述一个或多个传感器信号进行处理，以从传感器信号的时域数据中提取特征向量；

根据所述特征向量中的第一部分特征确定用户的二元状态，所述二元状态为静止状态或活动状态，所述第一部分特征包括传感器信号能量和/或传感器信号方差；

基于概率图模型对所述特征向量进行分析，以对处于活动状态的用户进行行为识别，确定用户行为状态。

优选地，所述概率图模型包括隐马尔可夫模型。