用户行为数据的上传方法、用户行为的识别方法及装置的制造方法
【技术领域】
[0001] 本发明涉及数据业务技术领域，尤其是涉及一种用户行为数据的上传方法、用户 行为的识别方法及装置。
【背景技术】
[0002] 详细的用户活动识别可以全面监测用户活动，形成活动日志，记录用户的主要活 动，并可在此基础上，根据用户的活动分析结果，对用户进行运动指导和建议，全面改善用 户的身体健康状况。
[0003] 现有技术中通常通过加速度原始数据识别用户行为，现有行为识别算法是基于加 速度原始数据进行特征提取与分类器识别。直接采用这些算法实现行为分析有两种策略： (1)增强终端传输能力，将原始数据或特征上传到后端平台计算；（2)增强终端计算能力， 在终端实现行为识别；而实际应用中，这两种策略都很难实现。其中（1)需要的数据传输量 大，会增加系统能耗和硬件成本；(2)需要较强的硬件处理能力，会增加硬件成本。两者均 不适合目前穿戴式设备广泛采用的低成本、低功耗硬件平台。
【发明内容】
[0004] 本发明的目的是提供一种用户行为数据的上传方法、用户行为的识别方法及装 置，克服了在行为分析中增强终端传输能力，将原始数据或特征上传至后端平台计算这种 策略存在的缺陷，同时克服了增强终端计算能力，在终端实现行为识别这种策略存在的缺 陷。
[0005] 为了实现上述目的，本发明提供了一种用户行为数据的上传方法，包括：采集终端 获取预定时长的时间段内用户的加速度数据，根据该加速度数据确定并记录该时间段内该 用户的行为种类；按照预设周期，统计该预设周期内记录的该用户各种行为种类的出现频 率，并生成动频向量，所述动频向量的各个分量是按照预定顺序排序后的各种行为种类，且 各个分量的值是对应各种行为种类的出现频率；将所述动频向量上传至平台。
[0006] 可选的，所述加速度数据包括三轴加速度数值，所述根据该加速度数据确定并记 录该时间段内该用户的行为种类包括：计算所述三轴加速度数值的平方的和值；确定所述 和值所属的预设数值区间，并将所述预设数值区间对应的行为种类，作为该时间段内该用 户的行为种类，其中，不同的行为种类对应于不同的预设数值区间。
[0007] 可选的，所述预定时长的范围为1~60S。
[0008] 依据本发明的另一个方面，提供了一种用户行为的识别方法，包括：接收采集终 端周期性发送的动频向量，所述动频向量的各个分量是按照预定顺序排序后的各种行为种 类，各个分量的值是对应各种行为种类在预设周期内的出现频率，所述行为种类是根据预 定时长的时间段内用户的加速度数据所确定的；基于所述动频向量识别该用户的行为。
[0009] 可选的，在所述基于所述动频向量识别该用户的行为之后，所述方法还包括：将该 用户的行为传送至该用户的显示终端。
[0010] 可选的，所述基于所述动频向量识别该用户的行为包括：对所述动频向量与各种 行为种类的特征向量进行比较，将与所述动频向量最为相似的特征向量的行为种类，作为 该用户在所述预设周期的行为种类。
[0011] 可选的，所述对所述动频向量与各种行为种类的特征向量进行比较，将与所述动 频向量最为相似的特征向量的行为种类作为该用户在所述预设周期的行为种类，包括：计 算所述动频向量与所述特征向量的最大相似性；将最大相似性对应的特征向量的行为种类 作为该用户在所述预设周期的行为种类。
[0012] 可选的，在对所述动频向量与各种行为种类的特征向量进行比较之前，进一步按 照预设权重，对所述动频向量的各个分量进行加权，其中，各个分量具有预设的重要性指 标，重要性指标较高的分量具有较高的权重。
[0013] 依据本发明的另一个方面，提供了一种采集终端，包括：获取模块，用于获取预定 时长的时间段内用户的加速度数据，根据该加速度数据确定并记录该时间段内该用户的行 为种类；处理模块，用于按照预设周期，统计该周期内记录的该用户各种行为种类的出现频 率，并生成动频向量，所述动频向量的各个分量是按照预定顺序排序后的各种行为种类，且 各个分量的值是对应各种行为种类的出现频率；第一传输模块，用于将所述动频向量上传 至平台。
[0014] 可选的，所述获取模块包括第一计算单元和第一比较单元，所述第一计算单元用 于计算所述三轴加速度数值的平方的和值；所述第一比较单元用于确定所述和值所属的预 设数值区间，并将所述预设数值区间对应的行为种类，作为该时间段内该用户的行为种类， 其中，不同的行为种类对应于不同的预设数值区间。
[0015] 可选的，所述获取模块获取预定时长的时间段内用户的加速度数据中的预定时长 的范围为1~60S。
[0016] 依据本发明的另一个方面，提供了一种用户行为的识别系统，包括：接收模块，用 于接收采集终端周期性发送的动频向量，所述动频向量的各个分量是按照预定顺序排序后 的各种行为种类，各个分量的值是对应各种行为种类在预设周期内的出现频率，所述行为 种类是根据预定时长的时间段内用户的加速度数据所确定的；识别模块，用于基于所述动 频向量识别该用户的行为。
[0017] 可选的，所述识别系统还包括第二传输模块，所述第二传输模块用于将该用户的 行为传送至该用户的显示终端。
[0018] 可选的，所述识别模块包括第二比较单元，所述第二比较单元用于对所述动频向 量与各种行为种类的特征向量进行比较，将与所述动频向量最为相似的特征向量的行为种 类，作为该用户在所述预设周期的行为种类。
[0019] 可选的，所述第二比较单元用于对所述动频向量与各种行为种类的特征向量进行 比较，将与所述动频向量最为相似的特征向量的行为种类，作为该用户在所述预设周期的 行为种类包括：计算所述动频向量与所述特征向量的最大相似性；将最大相似性对应的特 征向量的行为种类作为该用户在所述预设周期的行为种类。
[0020] 可选的，所述识别模块还包括第二计算单元，所述第二计算单元用于，在对所述动 频向量与各种行为种类的特征向量进行比较之前，进一步按照预设权重，对所述动频向量 的各个分量进行加权，其中，各个分量具有预设的重要性指标，重要性指标较高的分量具有 较高的权重。
[0021 ] 本发明的有益效果是：本发明通过在采集终端对采集到的加速度数据进行处理形 成动频向量，然后将动频向量上传至平台，平台基于动频向量识别该用户的行为，本发明通 过采集终端与平台的结合，避免了在采集终端进行复杂的运算，降低了对硬件的处理能力 的要求，从而减少了硬件成本，另外，通过将动频向量上传至平台，降低了对采集终端的传 输能力的要求，从而减少了采集终端的能量消耗，最终实现了在不增加成本的基础上，对用 户的行为进行识别。
【附图说明】
[0022] 图1表示本发明的实施例中采集终端在用户行为数据的上传方法中的步骤流程 图；
[0023] 图2表示本发明的实施例中平台在用户行为的识别方法中的步骤流程图；
[0024] 图3表示本发明的实施例中平台基于动频向量识别该用户的行为的步骤流程图；
[0025] 图4表示本发明的实施例中RAD数据库中展示的一条分析结果中的用户的加速度 数据；
[0026] 图5表示根据图4中的加速度数据得出的识别结果；
[0027] 图6表示本发明的实施例中采集终端的结构框图；以及
[0028] 图7表示本发明的实施例中的识别系统的结构框图。
【具体实施方式】
[0029] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开 的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例 所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围 完整的传达给本领域的技术人员。
[0030] 如图1所示，为本发明的实施例中采集终端在用户行为数据的上传方法中的步骤 流程图，包括如下步骤：
[0031] 步骤S101，获取预定时长的时间段内用户的加速度数据，根据加速度数据确定并 记录该时间段内该用户的行为种类。
[0032] 在本实施例中，采集终端获取预定时长的时间段内用户的加速度数据，优选的，在 采集终端，为减少内存占用，所述预定时长的范围可以为1~60S。
[0033] 优选的，加速度数据可以为三轴加速度三个轴向上的数值，采集终端可以通过对 三轴加速度三个轴向的数值进行处理来得到该用户的行为种类。具体处理可以是，根据三 个轴向的加速度数值进行初步处理，得到一个处理结果；然后，确定该处理结果对应的行为 种类，并作为该时间段内该用户的行为种类。
[0034] 举例来说，初步处理可以是，计算三轴加速度三个轴向数值的平方的和值。采集终 端先