[发明专利]基于行进状态感知和专注度感知的非干扰式危险预警方法

摘要

在用户使用智能手机行进过程中实时进行危险预警的方法，步骤为：采集用户使用智能手机过程中的传感器数据和用户交互数据，采集的数据首先被标注后用于离线地预训练出行进状态感知模块中用于感知手机状态和用户状态的分类模型，其次作为实际危险预警进程的输入数据。在实际的危险预警进程中，首先由行进状态感知模块检测出手机的状态和用户的状态，然后将手机状态和采集的用户交互数据输入专注度感知模块量化用户使用智能手机的专注度，最后结合专注度值、用户状态、行进速度三者综合评估用户当前的危险系数并合理发出危险预警。本发明通过非干扰式地从智能手机上获取各类传感器数据以及用户与手机之间的交互数据，为用户提供危险预警。

主权项

1.基于行进状态感知和专注度感知的非干扰式危险预警方法，包括以下步骤：/n(1)通过实现一个后台服务自动地采集智能手机的数据，包括各类传感器的数据，例如加速度传感器、陀螺仪、距离传感器，同时通过getevent命令去获取用户和智能手机的交互数据；数据采集的场景分为两类：/n11)第一类数据用于在实际的危险预警之前，离线的训练出用于实时感知行进状态的分类模型，数据采集需要寻找多名志愿者在不同用户状态和手机状态下使用手机；用户状态包括走路、跑步、骑自行车、骑电瓶车以及其它五种，其它可以是用户静止、乘公交等状态；手机状态包括“贴耳打电话”、“身前使用”、其它三种，这里的“身前使用”指的是手机被用户纵向或者横向手持于身前使用的姿势，其它指的是手机被平放、被用户抓在手中正常走路等状态；/n12)第二类数据实时采集，在真实的危险预警场景下即时地感知用户的行进状态、专注度以及行进速度，从而实现危险预警；/n(2)根据步骤(11)采集的数据，预先训练出用于行进状态感知模块的分类模型：/n21)将数据分成两份，一份用于训练行进状态感知模块中的用户状态检测模型，一份用于训练模块中的手机状态检测模型；/n22)针对用于训练手机状态检测模型的数据，正确标注不同数据在采集时智能手机实际所处的状态；/n23)针对用于训练用户状态检测模型的数据，正确标注不同数据在采集时用户实际所处的状态；/n24)根据采集的数据和标记的类别进行机器学习，将步骤(22)和步骤(23)的数据输入支持向量机训练分类模型，同时通过十折交叉验证调整参数，提高分类效果；/n(3)在实际的危险预警进程中，将步骤(12)采集的传感器数据输入步骤(2)训练的分类模型，感知用户状态和手机状态；/n(4)根据步骤(3)得到的不同的手机状态，结合步骤(12)的数据，实时感知用户使用智能手机的专注度：/n41)当手机状态为“贴耳打电话”时，设置此时的用户专注度为定值，即参数focus＝0.5；/n42)当手机状态为“身前使用”时，此时的用户专注度可以通过公式(1)计算得到；/n