一种活动识别方法及系统的制作方法
【技术领域】
[0001] 本发明涉及数据分析技术领域，具体涉及一种活动识别方法及系统。
【背景技术】
[0002] 随着定位技术的快速发展和普及，无论是全球卫星定位系统，还是基于无线蜂窝 网的手机定位技术，都让人们能更高效地认知周边地理环境。送些位置信息不但可用于定 位、导航W及提供一些基于位置的服务，也可用于表达用户在地理空间的历史行为。例如， 将一个用户孤立的位置点按照时间顺序连成路线，便可表达该用户过去的历史轨迹。多条 历史轨迹的累积便可用来反映用户的生活规律和行为特征。进一步地，从大量的用户数据 集合中则可分析出一个区域内人们的生活模式和社会规律，如热点地区、经典旅行路线和 交通状况等。
[0003] 现有技术中存在一些利用用户手机的各种传感器采集数据，并进行分析的方法， 例如在人类活动感应联合挑战赛HASC(Human Activity Sensing ConsortiunOQiallenge 中，研究者可W通过分析用户手机的加速度，巧螺仪，GI^等传感器数据，识别用户的动作和 语义地点等?旨息。
[0004] 但是，传感器数据和标注信息等物理空间数据由于用户的隐私，很难大规模的获 取，通常只能通过科学竞赛中利用志愿者的方式进行采集，难W获得大规模的高质量且有 活动标注的数据；并且，现有技术中也只能使用传感器类数字信号来识别用户活动，可解释 性较差。
【发明内容】
[0005] 本发明实施例所要解决的技术问题是提供一种活动识别方法及系统，用于解决物 理空间数据难W获取导致样本数量匿乏的问题，提高活动识别的准确性和可解释性。
[0006] 本发明第一方面提供一种活动识别方法，包括：
[0007] 接收用户数据；
[0008] 通过活动识别模型对所述用户数据进行识别，获取用户活动信息；所述活动识别 模型是根据物理空间数据和虚拟空间数据进行训练得到的，所述物理空间数据是从物理空 间获取的，所述虚拟空间数据是从虚拟空间获取的。
[0009] 在第一方面的第一种可能的实施方式中，在所述通过活动识别模型对所述用户数 据进行识别之前，所述方法还包括：
[0010] 获取物理空间数据和虚拟空间数据；
[0011] 对所述物理空间数据进行分析，得到包括物理空间特征的物理空间样本数据；
[0012] 对所述虚拟空间数据进行分析，得到包括虚拟空间特征的虚拟空间样本数据；
[0013] 利用所述物理空间特征和所述虚拟空间特征的共有特征，对所述物理空间样本数 据和所述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数据；
[0014] 将所述新的样本数据代入训练模型进行训练，得到活动识别模型。
[0015] 结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式 中，所述利用所述物理空间特征和所述虚拟空间特征的共有特征，对所述物理空间样本数 据和所述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数据包括：
[0016] 将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数据进行特 征迁移，得到包含物理空间特征和虚拟空间特征的新的样本数据。
[0017] 结合第一方面的第二种可能的实施方式，在第一方面的第Η种可能的实施方式 中，所述将包括相同特征的物理空间样本数据和虚拟空间样本数据进行特征迁移，得到包 含物理空间特征和虚拟空间特征的新的样本数据具体包括：
[0018] 判断是否存在与第一物理空间样本数据包括相同特征或相同子特征的第一虚拟 空间样本数据，如果存在，将所述第一虚拟空间样本数据包括的特征迁移到所述第一物理 空间样本数据，得到包括物理空间特征和虚拟空间特征的新的样本数据；所述第一物理空 间样本数据为任意一个物理空间样本数据。
[0019] 结合第一方面的第一种可能的实施方式，在第四种可能的实施方式中，所述利用 所述物理空间特征和所述虚拟空间特征的共有特征，对所述物理空间的样本数据和所述虚 拟空间的样本数据进行特征对齐或迁移，得到新的样本数据包括：
[0020] 将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样本数据进行特 征对齐，得到包含物理空间特征的新的样本数据和包含虚拟空间特征的新的样本数据。
[0021] 结合第一方面的第四种可能的实施方式，在第五种可能的实施方式中，所述将包 括相同特征的物理空间样本数据和虚拟空间样本数据进行特征对齐，得到包含物理空间特 征的新的样本数据和包含虚拟空间特征的新的样本数据具体包括：
[0022] 判断是否存在与第二物理空间样本数据包括相同特征或相同子特征的第二虚拟 空间样本数据，如果存在，将所述第二物理空间样本数据和所述第二虚拟空间样本数据均 作为所述新的样本数据；所述第二物理空间样本数据为任意一个物理空间样本数据。
[0023] 结合第一方面的任意一种可能的实施方式，在第一方面的第六种可能的实施方式 中，所述训练模型为二项逻辑回归模型；
[0024] 所述将所述新的样本数据代入训练模型进行训练，得到活动识别模型包括：
[0025] 将所述新的样本数据代入二项逻辑回归模型，利用极大似然估计法估计所述逻辑 回归模型的参数，得到活动识别模型。
[0026] 本发明第二方面提供一种活动识别系统，包括：
[0027] 接收单元，用于接收用户数据；
[0028] 活动识别单元，用于通过活动识别模型对所述用户数据进行识别，获取用户活动 信息；所述活动识别模型是根据物理空间数据和虚拟空间数据进行训练得到的，所述物理 空间数据是从物理空间获取的，所述虚拟空间数据是从虚拟空间获取的。
[0029] 在第二方面的第一种可能的实施方式中，所述系统还包括：
[0030] 获取单元，用于获取物理空间数据和虚拟空间数据；
[0031] 第一分析单元，用于对所述物理空间数据进行分析，得到包括物理空间特征的物 理空间样本数据；
[0032] 第二分析单元，用于对所述虚拟空间数据进行分析，获取包括虚拟空间特征的虚 拟空间样本数据；
[0033] 对齐迁移单元，用于利用所述物理空间特征和所述虚拟空间特征的共有特征，对 所述物理空间样本数据和所述虚拟空间样本数据进行特征对齐或迁移，得到新的样本数 据；
[0034] 训练单元，用于将所述新的样本数据代入训练模型进行训练，得到活动识别模型。
[0035] 结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式 中，所述对齐迁移单元包括：
[0036] 迁移模块，用于将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样 本数据进行特征迁移，得到包含物理空间特征和虚拟空间特征的新的样本数据。
[0037] 结合第二方面的第二种可能的实施方式，在第Η种可能的实施方式中，所述迁移 模块包括：
[0038] 第一判断子模块，用于判断存在与第一物理空间样本数据包括相同特征或相同子 特征的第一虚拟空间样本数据；
[0039] 特征迁移子模块，用于当所述第一判断子模块的判断结果为是，将将所述第一虚 拟空间样本数据包括的特征迁移到所述第一物理空间样本数据，得到包括物理空间特征和 虚拟空间特征的新的样本数据；所述第一物理空间样本数据为任意一个物理空间样本数 据。
[0040] 结合第一方面的第一种可能的实施方式，在第四种可能的实施方式中，所述对齐 迁移单元包括：
[0041] 对齐模块，用于将包括相同特征或相同子特征的物理空间样本数据和虚拟空间样 本数据特征对齐，得到包含物理空间特征的新的样本数据和包含虚拟空间特征的新的样本 数据。
[0042] 结合第一方面的第四种可能的实施方式，在第五种可能的实施方式中，所述对齐 模块包括：
[0043] 第二判断子模块，用于判断是否存在与第二物理空间样本数据包括相同特征或相 同子特征的第二虚拟空间样本数据；
[0044] 特征对齐子模块，用于当所述第二判断子模块的判断结果为是，将所述第二物理 空间样本数据和所述第二虚拟空间样本数据均作为所述新的样本数据；所述第二物理空间 样本数据为任意一个物理空间样本数据。
[0045] 结合第一方面的任意一种可能的实施方式，在第一方面的第六种可能的实施方式 中，所述训练模型为二项逻辑回归模型；
[0046] 所述训练单元具体用于将所述新的样本数据代入二项逻辑回归模型，利用极大似 然估计法估计所述逻辑回归模型的参数，得到活动识别模型。
[0047] 本发明实施例中提供的活动识别方法及系统通过利用由物理空间数据和虚拟空 间数据进行训练而建立的活动识别模型来进行活动识别，可W解决物理空间活动标注和数 据匿乏的问题，同时也能增加物理空间数据特征的维度，提高活动识别的准确性和可解释 性。