[发明专利]一种行为辨识及模型训练的方法和装置

说明书

本说明书实施例提供一种行为辨识及模型训练的方法和装置，其中，所述方法包括：获取训练数据，训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据以及实体对象的隐状态；所述传感器数据是在不同实体对象的行为交互过程中采集得到；初始化多个模型参数，每个模型参数包括不同实体对象对应的参数，且模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率以及不同实体对象的隐状态之间的转移概率；根据模型参数进行模型训练，其中，在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，则使用实体对象与另一实体对象之间的隐状态的转移概率；并且当达到模型训练结束条件时，获得行为辨识模型。

技术领域

本说明书涉及机器学习技术领域，特别涉及一种行为辨识及模型训练的方法和装置。

背景技术

随着各种家庭娱乐设备、可穿戴设备的广泛使用，产生了大量可用于行为识别的数据。例如，在人与设备交互的场景中，如，用户使用热水器烧水，或者用户使用清洁设备打扫卫生等，可以通过温度传感器、电容传感器等多种传感器采集用户在对设备使用过程中产生的数据，进而识别用户进行的行为。

相关技术中，在根据传感器采集的数据训练用于进行行为识别的模型时，可以对训练集样本的传感器数据进行人工打标，比如，为采集的某条传感器数据打标为对应的用户行为是烧水，即这是用户在进行烧水行为时产生的。这种人工打标的方式效率较低，并且训练得到的模型在行为识别的效果上也不够好。

发明内容

有鉴于此，本说明书一个或多个实施例提供一种行为辨识及模型训练的方法和装置，以提高行为辨识的效率和准确率。

具体地，本说明书一个或多个实施例是通过如下技术方案实现的：

第一方面，提供一种行为辨识模型的训练方法，所述方法基于耦合隐马尔科夫链进行所述行为辨识模型的训练；所述方法包括：

获取训练数据，所述训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据、以及所述实体对象的隐状态；所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；

初始化多个模型参数，每个所述模型参数包括所述不同实体对象对应的参数，且所述模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率、以及不同实体对象的隐状态之间的转移概率；

根据所述模型参数进行模型训练，其中，在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，则使用所述实体对象与另一实体对象之间的隐状态的转移概率；并且当达到模型训练结束条件时，获得所述行为辨识模型。

第二方面，提供一种行为辨识方法，所述方法包括：

获取在目标时刻采集的传感器数据，所述传感器数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据；且所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；

通过本公开任一所述的行为辨识模型的训练方法训练得到的模型，确定在所述目标时刻所述传感器数据对应的隐状态最佳路径；

根据所述隐状态最佳路径，确定所述传感器数据对应的实体对象行为。

第三方面，提供一种行为辨识模型的训练装置，所述装置包括：

数据获取模块，用于获取训练数据，所述训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据、以及所述实体对象的隐状态；所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；

参数处理模块，用于初始化多个模型参数，每个所述模型参数包括所述不同实体对象对应的参数，且所述模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率、以及不同实体对象的隐状态之间的转移概率；