用于活动识别和行为分析的方法和系统与流程

优先权声明本申请要求于2018年6月8日提交的印度非临时专利申请号201821021608的优先权。上述申请的全部内容通过引用结合于此。本文的公开内容总体上涉及活动监测，并且更具体地涉及用于能量高效的活动识别和行为分析的方法和系统。
背景技术：
：对活动(通常是智能家居或办公环境中的日常生活活动(adl))的识别倾向于使用两种不同的范例。可穿戴感测方法通常利用嵌入诸如智能手表和智能眼镜等可穿戴计算设备中的传感器来捕获细粒度的、特定于个体的运动和手势活动。然而，能量仍然是连续感测的关键挑战：低容量电池使得可穿戴设备需要频繁充电。相比之下，在诸如厨柜、家用电器和办公设备等日常“智能物体”中安装传感器通过间接观察人与这些物体的交互来支持adl检测，但无法在多租户环境中提供特定于个体的见解。技术实现要素：本公开的实施例提供了技术改进，作为本发明人在常规系统中认识到的一个或多个上述技术问题的解决方案。例如，在一个实施例中，提供了一种用于活动识别和行为分析的方法。所述方法包括：使用在低功率模式下操作的射频识别(rfid)阅读器无缝地感测从与至少一个主要物体相关联的至少一个无电池主传感器接收的传感器数据，其中，所述至少一个主要物体的使用对于发起与多个日常生活活动(adl)中的一个adl相关联的主要活动是强制性的。所述方法进一步包括：基于从与所述至少一个主要物体相关联的所述至少一个无电池主传感器接收的所述传感器数据的变化来检测发起所述主要活动的对象的移动性，其中，所述传感器数据的所述变化指示所述对象与所述至少一个主要物体的接近度。进一步地，所述方法包括：在针对所述主要活动检测到所述对象的移动性时触发所述rfid阅读器从所述低功率模式切换到高功率模式，其中，处于所述高功率模式的所述rfid阅读器从以下各项接收rf数据：由所述对象穿戴的至少一个无电池可穿戴标签，其中，所述至少一个无电池可穿戴标签包括rf供电的无源加速度计；以及多个无源rfid标签，所述多个无源rfid标签被标记到放置在所述至少一个主要物体附近的多个次要物体，其中，预定义了在执行与多个adl中的每个adl相关联的一个或多个次要活动的同时由所述对象使用以在不存在异常的情况下执行每个adl所需的、来自多个次要物体的一个或多个次要物体。此外，所述方法包括：在多个窗口间隔内分析从所述至少一个无电池可穿戴标签接收的rf数据，以针对每个窗口间隔将所述对象的所述主要活动标记为所述多个adl中的一个adl。此后，所述方法包括：在每个窗口间隔内分析从多个感兴趣的无源rfid标签接收的rf数据，以检测由所述对象使用所述一个或多个次要物体执行的所述一个或多个次要活动以及所述对象与同所标记主要活动相对应的一个或多个次要物体的交互。此外，所述方法包括：如果每个窗口间隔的所标记主要活动以及在每个窗口间隔内所检测到的一个或多个次要活动中所述对象与所述一个或多个次要物体的交互映射到预定义的主要物体和次要物体使用标准，则确定在每个窗口间隔中存在异常，其中，所述预定义标准被设置用于确认所述多个adl中的所述adl的预期执行。另一方面，提供了一种用于活动识别和行为分析的系统。所述系统包括：存储指令的存储器；一个或多个输入/输出(i/o)接口；以及一个或多个硬件处理器，经由所述一个或多个i/o接口耦合到所述存储器，其中，所述一个或多个硬件处理器由所述指令配置成：使用在低功率模式下操作的rfid阅读器无缝地感测从与至少一个主要物体相关联的至少一个无电池主传感器接收的传感器数据，其中，所述至少一个主要物体的使用对于发起与多个日常生活活动(adl)中的一个adl相关联的主要活动是强制性的。所述一个或多个硬件处理器进一步被配置成：基于从与所述至少一个主要物体相关联的所述至少一个无电池主传感器接收的所述传感器数据的变化来检测发起所述主要活动的对象的移动性，其中，所述传感器数据的所述变化指示所述对象与所述至少一个主要物体的接近度。所述一个或多个硬件处理器进一步被配置成：在针对所述主要活动检测到所述对象的移动性时触发所述rfid阅读器从所述低功率模式切换到高功率模式，其中，处于所述高功率模式的所述rfid阅读器从以下各项接收rf数据：由所述对象穿戴的至少一个无电池可穿戴标签，其中，所述至少一个无电池可穿戴标签包括rf供电的无源加速度计；以及多个无源rfid标签，所述多个无源rfid标签被标记到放置在所述至少一个主要物体附近的多个次要物体，其中，预定义了在执行与多个adl中的每个adl相关联的一个或多个次要活动的同时由所述对象使用以在不存在异常的情况下执行每个adl所需的、来自多个次要物体的一个或多个次要物体。此外，所述一个或多个硬件处理器进一步被配置成：在多个窗口间隔内分析从所述至少一个无电池可穿戴标签接收的rf数据，以针对每个窗口间隔将所述对象的所述主要活动标记为所述多个adl中的一个adl。所述一个或多个硬件处理器进一步被配置成：在每个窗口间隔内分析从多个感兴趣的无源rfid标签接收的rf数据，以检测由所述对象使用所述一个或多个次要物体执行的所述一个或多个次要活动以及所述对象与同所标记主要活动相对应的一个或多个次要物体的交互。此外，一个或多个硬件处理器进一步被配置成：如果每个窗口间隔的所标记主要活动以及在每个窗口间隔内所检测到的一个或多个次要活动中所述对象与所述一个或多个次要物体的交互映射到预定义的主要物体和次要物体使用标准，则确定在每个窗口间隔中存在异常，其中，所述预定义标准被设置用于确认所述多个adl中的所述adl的预期执行。又一方面，提供了一种或多种非暂态机器可读信息存储介质，包括一个或多个指令，所述指令当由一个或多个硬件处理器执行时使得提供用于活动识别和行为分析的方法。所述方法包括：使用在低功率模式下操作的rfid阅读器无缝地感测从与至少一个主要物体相关联的至少一个无电池主传感器接收的传感器数据，其中，所述至少一个主要物体的使用对于发起与多个日常生活活动(adl)中的一个adl相关联的主要活动是强制性的。所述方法进一步包括：基于从与所述至少一个主要物体相关联的所述至少一个无电池主传感器接收的所述传感器数据的变化来检测发起所述主要活动的对象的移动性，其中，所述传感器数据的所述变化指示所述对象与所述至少一个主要物体的接近度。进一步地，所述方法包括：在针对所述主要活动检测到所述对象的移动性时触发所述rfid阅读器从所述低功率模式切换到高功率模式，其中，处于所述高功率模式的所述rfid阅读器从以下各项接收rf数据：由所述对象穿戴的至少一个无电池可穿戴标签，其中，所述至少一个无电池可穿戴标签包括rf供电的无源加速度计；以及多个无源次要rfid标签，所述多个无源次要rfid标签被标记到放置在所述至少一个主要物体附近的多个次要物体，其中，预定义了在执行与多个adl中的每个adl相关联的一个或多个次要活动的同时由所述对象使用以在不存在异常的情况下执行每个adl所需的、来自多个次要物体的一个或多个次要物体。此外，所述方法包括：在多个窗口间隔内分析从所述至少一个无电池可穿戴标签接收的rf数据，以针对每个窗口间隔将所述对象的所述主要活动标记为所述多个adl中的一个adl。此后，所述方法包括：在每个窗口间隔内分析从多个感兴趣的无源rfid标签接收的rf数据，以检测由所述对象使用所述一个或多个次要物体执行的所述一个或多个次要活动以及所述对象与同所标记主要活动相对应的一个或多个次要物体的交互。此外，所述方法包括：如果每个窗口间隔的所标记主要活动以及在每个窗口间隔内所检测到的一个或多个次要活动中所述对象与所述一个或多个次要物体的交互映射到预定义的主要物体和次要物体使用标准，则确定在每个窗口间隔中存在异常，其中，所述预定义标准被设置用于确认所述多个adl中的所述adl的预期执行。应当理解的是，前述概括描述和以下详细描述都仅是示例性和解释性的，并且不限制所要求保护的本发明。附图说明被结合在本公开中并且构成本公开的一部分的附图展示了本发明的示例性实施例、并且与本说明书一起用于解释本公开的原理：图1展示了根据本公开的实施例的用于能量高效的活动识别和行为分析的架构的示例性概述。图2是根据本公开的一些实施例的图1中描绘的系统的功能框图，所述系统提供能量高效的活动识别和行为分析。图3a和图3b是展示了根据本公开的一些实施例的用于能量高效的活动识别和行为分析的方法的流程图。图4展示了根据本公开的一些实施例的由图1的系统监测的对象执行的各种日常生活活动(adl)的图形表示。图5展示了根据本公开的一些实施例的用于图1的系统的实验设置。具体实施方式参考附图描述了示例性实施例。在附图中，附图标记最左边的(多个)数字标识附图标记首次出现的附图。在任何适当的情况下，贯穿这些附图使用了相同附图标记来指代相同或相似的零件。虽然本文描述了所公开原理的示例和特征，但是在不脱离所公开实施例的范围的情况下，修改、调整和其他实施方式是可能的。以下详细描述旨在被认为仅是示例性的，真正范围由下面的权利要求来指示。本文的实施例提供了一种用于能量高效的活动识别和行为分析的方法和系统。所公开的架构利用了对在对象的日常生活活动(adl)期间被监测的对象执行的物理活动进行的廉价、无电池感测的混合模式。所述感测将物体交互感测与特定于个人的可穿戴感测相结合，以识别智能空间(比如家庭或办公室)中的各个活动。所公开的方法和系统量化概率方法，所述概率方法对每个独立事件使用对用户-物品交互的纵向观察来计算对象(可替代地称为用户)的异常行为。在所公开的方法中，不仅通过adl(例如，进食)的存在或不存在来定义异常，还将adl分析为主要活动和一个或多个次要活动的组合。因此，对于诸如进食等示例adl，所述方法监测坐在椅子上的主要活动，所述主要活动指示对象已经发起了感兴趣的adl。然而，所述方法进一步监测是否执行了一个或多个次要活动。例如，期望执行对与进餐期间杯子使用相关的次要活动的监测。通常来说，用户是否在进餐期间多次与他/她的杯子交互。这使得能够识别adl期间对象的表现度量。因此，所述方法提供的监测不仅仅检测面向物体的adl。提及所述方法的几个应用，由系统识别的这种细粒度异常使得能够更好地量化例如老年用户的痴呆等健康状况中的认知障碍的发作或进展。现在参考附图，更具体地参考图1至图5，类似的附图标记贯穿附图始终表示相应的特征，示出了优选实施例，并且在以下示例性系统和/或方法的上下文中描述了这些实施例。图1展示了根据本公开的实施例的用于能量高效的活动识别和行为分析的架构100的示例性概述。架构100包括用于对被观察的对象112进行能量高效的活动识别和行为分析的系统102，需要监测所述对象的各种日常生活活动(adl)。根据与adl的主要活动相关的一个或多个主要物体以及与同相同adl相关联的一个或多个次要活动相关联的一个或多个次要物体(也称为环境物体)，在系统102中很好地定义了执行来自多个adl的每个活动的方式。如架构100中所描绘的，混合感测机构包括多种类型的传感器和用于从这些传感器读取数据的射频识别(rfid)阅读器104。a)一种类型的传感器是由对象112穿戴的无电池可穿戴标签108。例如，这可以是需要rfid阅读器的高功率操作的加速度计标签。使用无电池可穿戴标签能够实现低成本、特定于个体的感测(此类标签目前价格为10至12美元，比可穿戴智能手表低两个数量级)，而无需定期拆卸以进行再充电。b)附接到一个或多个主要物体(例如，椅子)的一个或多个无电池主传感器(例如，无电池主传感器106)。c)附接到多个次要物体(例如，杯子、书本等)的多个次要无源rfid标签。在实施例中，基于要监测的adl中涉及的动作(可替代地称为活动)的复杂性，可以要求对象112穿戴一个或多个无电池可穿戴标签。进一步地，如图1所描绘的，主要物体106(例如，此处为椅子)指的是要由对象112使用的(强制性)物体，用于针对预定义的adl中的adl发起和执行预期的主要活动。为了在执行adl的同时监测对象112并判定是否在有或没有任何异常的情况下执行adl，系统102被配置成识别要执行的主要活动，并且分析对象112在主要活动的相应一个或多个次要活动中对一个或多个次要物体110的使用方式。如架构100中所描绘的，为了确定被监测的对象112的诸如日常生活活动(adl)等活动和行为，系统102在对象发起并执行活动时借助于对象的环境中的主要物体和次要物体来识别被监测对象112的环境。对象112穿戴无电池可穿戴标签108，所述无电池可穿戴标签通常是可以提供与对象的移动相对应的信号或数据的rfid加速度计。为了监测和记录由对象执行的活动，由架构100的感测元件读取来自无电池可穿戴标签108的数据，所述架构配备有rfid阅读器104。对于无电池可穿戴标签，可以使用具有内置3轴加速度计的无源rfid标签，例如farsenskineotm。rfid阅读器是通常固定的硬件设备，并且使用rf波为rfid标签供电，并从其覆盖范围内的各种rf传感器收集所需的rf数据。示例rfid阅读器包括thinkmagictm、astraextm等。通常，rfid阅读器需要在高功率模式下操作以从周围的rfid标签读取数据，因此对于无缝监测，预期rfid阅读器104的功耗较高，因为rfid阅读器必须连续地在高功率模式下操作，从而耗尽rfid阅读器104的电池，导致有效地破坏无缝监测。这是监测adl的现有系统面临的一个主要障碍。然而，利用本文公开的系统102，rfid阅读器104可以固定在架构100的环境内的某个位置，并且由系统102设置为通常在低功率模式下操作。即使在低功率模式下，rfid阅读器104也能够从与主要物体(椅子)相关联的主传感器106读取数据。因此，系统102不将rfid阅读器104设置在高功率模式，除非并且直到检测到某个事件。例如，事件可以是检测到指示对象112发起adl的主要活动。通过无电池主传感器106感测事件的检测，所述主传感器是rfid无源外部传感器标签。例如，架构100利用椅子下面的压力(压电)传感器来帮助识别对象112何时坐在椅子上。此外部压力传感器连接到无源rfid标签(例如，sl900a无源rfid标签)，所述标签可以由rfid阅读器104在低功率模式下读取。外部压力传感器和rfid标签组装在一起被称为无电池主传感器106。在检测到事件时，系统102被配置成将rfid阅读器触发到高功率模式，其中，rfid阅读器现在能够从周围的任何rfid标签读取rf数据，所述标签诸如无电池可穿戴传感器108和/或附接到多个次要物体110的多个无源rfid标签110。主传感器可以是被标记到环境中的一个或多个主要物体的无电池力或压力传感器。主要物体是需要或必须由对象112使用以执行被分类为主要活动的活动的物体，所述主要活动进一步被分类为一个或多个次要活动。例如，主要物体可以是与主要活动“就坐”相关联的椅子。当执行主要活动时，rfid阅读器104可以在低功率模式下通过从环境中位于其rf范围内的一个或多个主传感器108读取无缝扫描的数据来检测主要活动。然而，主要活动“就坐”可能进一步包括次要活动“饮用”或“读书”或“两者”。因此，次要活动与一个或多个次要物体110相关联或由对象使用所述一个或多个次要物体来执行，所述次要物体是诸如杯子、书等环境物体(eo)。每个环境物体使用无源rfid标签(可替代地称为物体标签)进行标记，所述标签是标准无源rfid标签。所公开的系统102将由主传感器106指示的检测出主要活动用作事件来触发监测次要活动，并触发rfid阅读器104的高功率模式。此后，开始次要活动监测。进一步地，通过读取被标记到次要物体的无源rfid标签110来监测次要活动，所述无源rfid标签提供对象112的手势活动指示。在rfid阅读器104的高功率模式下：(a)从与对象的环境中的次要物体相关联的多个无源rfid标签110收集rf数据，并且(b)从由对象112穿戴的无电池可穿戴设备108收集rf数据。然后，系统102执行对由rfid阅读器104从次要物体的rfid无源标签110和无电池可穿戴传感器108收集的rf数据的分析，以识别对象112的特定手势驱动的活动(包括主要活动和一个或多个次要活动的adl)。进一步地，系统102执行窗口分析以在每个观察窗口间隔内记录对象112的当前活动。系统102进一步通过分析从对象穿戴的至少一个无电池可穿戴标签(108)和被标记到多个次要物体的多个无源rfid标签(110)接收的rf数据来执行事件分析。针对在诸如数天或数月等较长时期内的记录活动来检测对象112所表现出的异常行为。结合图3a和图3b的流程图解释了窗口分析和事件分析。图2是根据本公开的实施例的图1中描绘的系统的功能框图，所述系统提供能量高效的活动识别和行为分析。在实施例中，系统102包括处理器204、(多个)通信接口设备(可替代地称为(多个)输入/输出(i/o)接口)206、以及可操作地耦合到一个或多个硬件处理器204(可替代地称为处理器204)的一个或多个数据存储设备或存储器202。在实施例中，硬件处理器可以实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路系统和/或基于操作指令操纵信号的任何设备。除了其他能力之外，(多个)处理器被配置成取出并执行存储在存储器中的计算机可读指令。在实施例中，系统102可以实施在各种计算系统中，诸如，膝上型计算机、笔记本、手持设备、工作站、大型计算机、服务器、网络云等。(多个)i/o接口206可以包括诸如web接口、图形用户界面等各种软件和硬件接口，并且可以促进各种网络n/w和协议类型内的多个通信，所述各种网络n/w和协议包括诸如lan、电缆等有线网络以及诸如wlan、蜂窝或卫星等无线网络。在实施例中，(多个)i/o接口设备可以包括用于将多个设备彼此连接或连接到另一个服务器的一个或多个端口。i/o接口206被配置成经由rfid阅读器104接收：(a)来自与至少一个主要物体相关联的至少一个无电池主传感器106的传感器数据；(b)来自对象112所穿戴的至少一个无电池可穿戴标签108的rf数据；以及(c)来自多个无源rfid标签110的rf数据，所述多个无源rfid标签被标记到放置在至少一个主要物体附近的多个次要物体。存储器202可以包括本领域中已知的任何计算机可读介质，包括例如：易失性存储器，诸如静态随机存取存储器(sram)和动态随机存取存储器(dram)；和/或非易失性存储器，诸如只读存储器(rom)、可擦除可编程rom、闪存、硬盘、光盘和磁带。在实施例中，存储器202可以包括活动识别器(图2中未示出)以识别由对象112执行的活动(adl)。而且，存储器202可以包括窗口分析器(未示出)，所述窗口分析器进一步包括物体扫描器(未示出)，所述物体扫描器用于执行窗口分析以提供用户在观察窗口或观察窗口间隔内的当前活动(短期行为)。而且，存储器202可以包括事件分析器(未示出)，所述事件分析器用于识别跨越几天或一个月时间跨度的预定义窗口间隔内的长期行为。进一步地，存储器202包括可以存储预定义adl的数据库208。存储器202可以进一步存储窗口分析器和事件分析器的结果以供专家进行分析，并通过sms向对象的服务人员生成警报通知。在实施例中，数据库208可以在系统100外部(未示出)，并且可通过i/o接口106访问。存储器202可以进一步包括与由本公开的系统100和方法的处理器204执行的每个步骤的输入/输出相关的信息。图3a和图3b是展示了根据本公开的一些实施例的用于能量高效的活动识别和行为分析的方法300的流程图。在实施例中，系统102包括可操作地耦合到处理器204并且被配置成存储用于由处理器204执行方法300的步骤的指令的一个或多个数据存储设备或存储器202。现在将参考如图2所描绘的系统102的组件或块和如图3所描绘的流程图的步骤来解释本公开的方法300的步骤。虽然可以按顺序次序描述处理步骤、方法步骤、技术等，但是这样的处理、方法和技术可以被配置为以替代次序工作。换言之，可能被描述的步骤的任何顺序或次序不一定指示要求要按此次序来执行步骤。本文描述的过程的步骤可以以任何实际的次序执行。进一步地，可以同时执行一些步骤。参考方法300的步骤，在本公开的实施例中，在步骤302处，处理器204被配置成经由在低功率模式下操作的rfid阅读器104无缝地感测从与至少一个主要物体相关联的至少一个无电池主传感器106接收的传感器数据。如图1中所提到的，至少一个主要物体106的使用对于发起来自多个日常生活活动(adl)的一个adl相关联的主要活动是强制性的。参考方法300的步骤，在步骤304处，处理器204被配置成基于从与至少一个主要物体相关联的至少一个无电池主传感器106接收的传感器数据的变化来检测与主要活动的发起相关联的对象112的移动性。传感器数据的变化指示对象与至少一个主要物体的接近度。参考方法300的步骤，在步骤306处，处理器204被配置成在针对主要活动检测到对象112的移动性时触发rfid阅读器104从低功率模式切换到高功率模式。处于高功率模式的rfid阅读器104从以下各项接收rf数据：(a)由对象穿戴的至少一个无电池可穿戴标签108，其中，至少一个无电池可穿戴标签包括rf供电的无源加速度计；以及(b)多个无源rfid标签，被标记到放置在至少一个主要物体附近的多个次要物体，其中，预定义了在不存在异常的情况下执行多个adl中的每个adl的同时需要由对象使用的一个或多个次要物体。参考方法300的步骤，在本公开的实施例中，在步骤308处，实施活动识别器的处理器204被配置成分析在多个窗口间隔内从至少一个无电池可穿戴标签108接收的rf数据，以便针对每个窗口间隔将对象的主要活动标记为多个adl中的一个活动。使用活动识别器来实施步骤308中描述的功能。下面的分析框架进一步解释了活动识别器的活动识别过程。参考方法300的步骤，在本公开的实施例中，在步骤310处，实施窗口分析器和物体扫描器的处理器204被配置成在每个窗口间隔内分析从感兴趣的多个无源rfid标签接收的rf数据，以基于多个次要物体以及在主要活动期间对象与次要物体的交互来检测由对象执行的多个次要活动。使用还包括物体扫描器的窗口分析器(未示出)来实施步骤310中描述的功能。下面的一般分析框架进一步解释了窗口分析过程。参考方法300的步骤，在本公开的实施例中，在步骤312处，处理器204被配置成做出以下确定：如果每个窗口间隔的所标记主要活动和每个窗口间隔内对象112与的多个次要活动中所检测的次要物体的交互映射到预定义的标准集，则确定在每个窗口间隔中存在异常。预定义标准例如可以是：对于进餐(adl)，必须使用椅子(主要物体)以指示发起主要活动(就坐)，并且使用第一次要物体(杯子)至少一次以及使用第二次要物体(勺子)至少10次。与使用次要物体有关的对象动作是与adl(进餐)相关联的次要活动。此映射确认了多个adl中的adl的预期执行。参考方法300的步骤，在本公开的实施例中，在步骤314处，处理器204被配置成当传感器数据的变化指示对象不在至少一个主要物体附近时将rfid阅读器切换回低功率模式。参考方法300的步骤，在本公开的实施例中，在步骤316处，实施事件分析器的处理器204被配置成通过在包括多个的窗口间隔的预定义时间跨度内分析所接收的rf数据来执行事件分析，以便确定对象在较长时间间隔内执行adl时的表现。下面解释活动识别器的分析框架。在实施例中，方法300可以进一步包括：在相应窗口间隔内检测到存在异常时生成警报通知，以及在通信设备上通过电子邮件或sms向专家报告事件分析以进行进一步分析和动作。下面提供了系统102在检测到用于计算异常adl的主要活动之后实施的通用分析框架。对于给定的设置，令a表示活动语法，使得：a＝{a1,a2,..,ai,...,an|n∈r}(1)其中，n表示正被监测的adl总数。从加速度计标签(无电池可穿戴传感器108)收集的数据被缓冲以获得固定持续时间的数据窗口(即，窗口间隔大小由ws表示)。一旦获得数据窗口，就应用指数平滑滤波器来消除噪声和伪像，并且然后识别用户(对象)的当前活动。活动识别(步骤308)：为了预测当前活动，针对每个传入数据窗口计算一组统计特征，诸如各个轴的均值、方差，每次取2轴的协方差和相关性，以及所有3轴的幅值。首先使用二元分类器分析特征向量以识别对象的不动性。如果对象被分类为移动的，则使用(之前以监督方式训练的)随机森林分类器来预测当前活动标记。令ak表示第k个数据窗口内来自机器学习模型的输出活动标记。物体扫描器(步骤310)：与活动识别功能并行地，物体扫描器(窗口分析功能)分析来自无源物体标签(无源rfid标签110)的数据，以识别环境中不同次要物体的存在以及与所述次要物体的交互。对于窗口分析，与无电池可穿戴传感器108并行地感测环境。令x表示这些次要物体的集合：xi＝1:当物体存在时(即，读取到标签)＝0；当物体不存在时(2b)这里，系统102假设使用物体xi执行活动ai。此外，所有活动ai彼此独立，并且可以在使用或不使用物体xi的情况下执行活动ai。可能存在这样的情况，其中，次要物体可能存在于场景中但未被使用。为了监测次要物体的使用，系统102利用无源rfid标签110的接收信号强度指示符(rssi)值的变化。图4a、图4b和图4c中描绘的接收rssi值的图形表示指示当如在(a)进食或(b)打字中使用次要物体(运动或移动)时与当未使用比较物体时(静态)相比rssi值如何变化。系统102利用二进制分类器，使用诸如来自每个次要标签的反射信号的rssi的方差和标准偏差等特征来识别是否正在使用或不使用特定的次要物体。然后，将次要物体使用输出与相应窗口间隔内基于手势的活动识别融合。此外，长期保持对这种次要物体使用的跟踪可以用作用于预测人(对象)的活动的元数据。例如，如果一个人(对象)在服药期间使用特定杯子饮用茶和水，则根据所述关系，系统可以使用个性化使用模式来触发此物体的活动模型。逐窗分析(步骤312)：然后分析来自活动识别流和物体扫描器的输出以检测当前窗口是否异常。如果物体xi不存在或存在但在执行活动ai时未被使用(仅在训练数据中具有较高支持(即在adl的训练事件中主动使用)的次要物体被认为用于这种异常的决定)，则认为窗口异常。仅当＝0，或者如果xi＝1且物体扫描器断言对象xi未被使用，则窗口被注释为异常。令zw定义为给定窗口的异常状态。zw＝0∶当xi＝1且物体被使用时。＝1∶否则。(3)窗口分析器的输出是窗口及其异常状态的集合。令w表示活动窗口的集合，使得：w＝{w1,w2,...wk|k∈r}(4a)wk＝<ak,zwk>|ak∈a(4b)其中，k表示窗口的时间索引，ak是分配给此时间窗口的输出活动标记，并且zwk是相应的异常状态。逐事件分析(步骤316)：以“w”作为输入，此事件分析功能或模块计算不同活动的事件发生和相应的事件异常(如果有的话)。这个分析阶段是纵向离线进行的(每天、每月等的结束时)。基于ai的平均持续时间ti计算要发生的活动事件。令t是这种持续时间值ti的集合，t＝{t1,t2,...,ti,...,tn}(5)令c是n个活动中每个活动的阈值计数的集合，表示在时间ti中被预测为标记ai的最小窗口数，使得系统将其检测为ai的事件发生。根据经验，可以假设所述阈值计数应当在距活动ai的事件的平均持续时间一个标准偏差(σi)内的某处。c＝{c1,c2,...cn|ci＝(ti-σi)/ws}(6)计算事件：对于活动检测窗口大小ws并且对于给定的活动aj，令ti是事件的持续时间。因此窗口的总数将是(ti*60sec)/ws，其中，如果ci窗户被分类为ai，则已经发生活动ai的事件。事件的这种计算在后处理块中完成。令e表示一天中所有事件的集合。e＝{e1,e2,...ej|j∈r}(7a)ej＝<ai,zej>(7b)其中，ej是在进一步由活动标记ai的元组表示的给定天中检测到的第j个事件，其中，发生了这一事件并且其异常状态为zej。识别事件异常：一旦将窗口集合识别为事件，就分析每个这样的事件以识别事件异常(ea)。如果此事件中活动ai的大多数窗口被注释为窗口异常，则此事件被视为由ze表示的异常，如下：ze＝1:当对于e中的大多数窗口，zwk＝1时＝0:否则(8)推理引擎：每天结束时分析所有此类事件的集合，以检查是否针对任何给定活动(ai)检测到甚至单个事件异常。当检测到事件异常时，计算并存储某些概率值(下文给出)以用于将来的分析和推断目的。其中，p指示在不使用标记物体的情况下执行的事件(针对活动ai)的分数。非常低的概率值指示个人已经使用标记的物体来完成他的大部分活动，而高值指示偏离这种adl的正常进行。另一方面，p(e)给出了对象在执行其通常的adl的同时使用适当物体的规律性的总体概率测量。图5展示了根据本公开的一些实施例的用于图1的包括系统102的架构100的实验设置。称为兴趣表(如图5中所示)的一个用例是康复中心的场景，所述场景由执行大部分重要的日常琐事的桌子和椅子组成。在此，椅子是定义就坐情境的物体，并且预期活动在活动识别和行为分析器的活动语法中定义，所述活动语法由a＝{进食，打字，阅读}给出，即n＝|a|＝3。经训练的机器学习模型m用于在10秒的窗口(ws)内执行活动识别。分别与每个活动相对应的标记物体(eo)包括x＝{勺子，膝上型计算机，书}。机会性地触发感测系统，其中，系统中的rfid阅读器分别在两种功率模式下工作：a)低功率(20dbm)以读取放置在椅子(主要物体)上的压力传感器标签以感测就坐情境；以及b)高功率(30dbm)以读取由对象穿戴的加速度计标签(ws)。系统以低功率模式启动以监测就坐情境。一旦如从椅子上的po标签感测到椅子(主要物体)被占用，功率模式就改变为高，并且还扫描环境以获知存在的所标记次要物体(可替代地称为具有eo标签的环境物体(eo))。然后缓冲并分析来自对象112所穿戴的无电池可穿戴标签108的实时加速度计数据。当对象离开时，rfid阅读器104无法从无电池可穿戴标签108读取加速度计数据。为了确保这一点，通过椅子上的压力传感器(po标签)的状态进行健全性检查。在不存在对象的情况下，rfid阅读器104切换到低功率模式，否则触发错误警报。实验结果：针对上述用例进行了实验。所有数据均在实验室环境1中收集。要求参与者穿戴可穿戴标签，坐在椅子上并且每项活动执行5分钟，即进食、打字和阅读(如图5所示)。一旦压力传感器可以感测到对象的占用，就使用rfid阅读器(采样率5hz)感测加速度计数据并且将其记录为用于各个活动的不同文件。数据收集涉及20名健康对象。在每10秒窗口内计算特征，并使用随机森林分类器生成训练模型。表1给出了10倍交叉验证测试的混淆矩阵，准确度为96％。表1：混乱矩阵进食阅读打字进食531137阅读654319打字219514学习模型也在实时部署中进行测试，在该部署中，5个未知的测试对象进行3分钟的活动(每个活动1分钟，连续地进行)，其中，顺序为进食、打字和阅读。单独考虑每个活动计算的平均误差(mae)分别为0、0.2和0.17。在实验期间可以观察到的是，涉及从一个活动到另一个活动的转变的窗口有时被错误地分类，因此导致总mae为0.12。使用3个物体来训练基于rssi的物体使用二进制分类器。rssi数据是从在使用时和未使用时处于不同状态下的无源rfid标签中收集的。使用随机森林分类器，10倍交叉验证报告了82％的准确度。系统102提供无电池可穿戴以及利用低成本的无电池rfid标签的物体跟踪框架来支持细粒度adl识别，从而在“物理分析”技术的范围中提供新的设计选择。通过使用10秒的适度大的窗口大小值，系统102可以以高精度区分这三个adl。系统102可以用于在执行adl时研究用户的微观物体交互，从而提供用于监测用户随时间的有序性变化的方式。基于微观人类-物体交互的这种有序性测量可以在预期老年患者中的认知疾病(例如，痴呆)的发作或进展时提供有价值的见解。书面说明书描述了本文的发明主题以便使本领域的任何技术人员能够制造和使用实施例。本发明主题实施例的范围由权利要求来限定，并且可以包括本领域技术人员能够想到的其他修改。如果这种其他修改具有与权利要求中的字面语言并非不同的类似要素，或者如果它们包括与权利要求的字面语言无实质不同的等效要素，则它们预期在权利要求的保护范围内。将理解的是，保护范围延伸至这样的程序以及还有其中具有消息的计算机可读装置；当程序在服务器或移动设备或任何合适的可编程设备上运行时，这种计算机可读存储装置包含用于实施所述方法的一个或多个步骤的程序代码装置。硬件设备可以是可以被编程的任何类型的设备，包括例如任何类型的计算机，例如服务器或个人计算机等、或其任何组合。所述设备还可以包括可以是例如硬件装置的装置，例如专用集成电路(asic)、现场可编程门阵列(fpga)，或者可以是硬件和软件装置的组合，例如asic和fpga、或具有位于其中的软件处理组件的至少一个微处理器和至少一个存储器。因此，所述装置可以包括硬件装置和软件装置。本文描述的方法实施例可以以硬件和软件实施。所述设备还可以包括软件装置。可替代地，实施例可以例如使用多个cpu在不同的硬件设备上实施。本文的实施例可以包括硬件和软件元件。被以软件实施的实施例包括但不限于固件、驻留软件、微代码等。由本文描述的各种部件所执行的功能可以在其他部件或其他部件的组合中实施。为了本说明书的目的，计算机可用介质或计算机可读介质可以是可以包括、存储、传达、传播或传输用于由指令执行系统、设备或装置使用或者与其结合使用的程序的任何设备。所展示的步骤被阐述以解释所示出的示例性实施例，并且应当预期正在进行的技术开发将改变执行特定功能的方式。出于说明而非限制的目的，本文提供了这些实施例。进一步地，为了方便描述，在此已经任意定义了功能构建块的界限。可以限定可替代的界限，只要其特定的功能和关系被适当执行即可。基于本文包含的教导，替代方案(包括本文描述的那些的等同物、扩展、变化、偏差等)对于(多个)相关领域的技术人员而言将是显而易见的。这些替代方案落入所公开实施例的范围内。而且，词语“包括(comprising)”、“具有(having)”、“包含(containing)”和“包括(including)”以及其他类似形式在意义上是等同的并且是开放式的，因为在这些词中的任何一个之后的一个或多个项并不意味着是这一个或多个项的详尽列表，或不限于所列出的一个或多个项。还必须注意，除非上下文明确地另有说明，否则如在此和所附权利要求中所使用的单数形式“一个(a)”、“一种(an)”以及“所述(the)”包括复数个指代物。此外，可以使用一个或多个计算机可读存储介质来实施与本公开一致的实施例。计算机可读存储介质指的是可以存储处理器可读的信息或数据的任何类型的物理存储器。因此，计算机可读存储介质可以存储用于由一个或多个处理器执行的指令，包括用于使(多个)处理器执行与本文描述的实施例一致的步骤或阶段的指令。术语“计算机可读介质”应当被理解为包括有形项并且排除载波和瞬时信号，即，是非暂态的。示例包括随机存取存储器(ram)、只读存储器(rom)、易失性存储器、非易失性存储器、硬盘驱动器、cdrom、dvd、闪存驱动器、磁盘和任何其他已知的物理存储介质。本公开和示例旨在被认为仅是示例性的，而所公开实施例的实际范围由以下权利要求来指示。当前第1页12