体感网及基于体感网的居家行为感知方法
【专利摘要】本发明公开了一种体感网及基于基于体感网的居家行为感知方法。体感网包括用户、穿戴在用户身上的无线传感器节点及计算服务器节点。感知方法为：首先通过体感网对用户的日常居家行为数据进行采集，数据通过无线方式汇集到服务器。数据预处理并特征提取后，利用滑动窗口技术进行数据分片。对于每个数据分片，利用基于模式匹配的算法来感知用户居家行为。算法在感知到的基本行为的基础上通过数值计算的方式来实现同时间段多重行为的感知。本发明对用户行为干扰小，能实现随时随地的感知；基于模式匹配的感知算法能够准确的感知用户的行为；利用数值计算的方法，能够准确感知在顺序、交叉和并行等复杂执行情况下的居家行为。
【专利说明】体感网及基于体感网的居家行为感知方法
【技术领域】
[0001]本发明涉及一种体感网及基于体感网的居家行为感知方法，属于计算机应用领域，利用体感网结合模式匹配算法，在不干扰用户行为的基础上，实现了针对复杂执行情况下的用户居家行为感知功能。
【背景技术】
[0002]随着无线传感器网络的发展和对物联网应用的不断探索，计算机系统能够主动的感知外部环境数据并进行处理。人作为计算机系统服务的核心对象,需要计算机能够主动的感知其需求并为之提供服务。考虑到对独居老人和行动障碍病人的日常看护需求，有必要提出一种能够随时随地观察和认识人类用户行为的自动化方法。目前基于视频的用户行为感知方法，由于存在侵犯用户隐私，无法克服视线遮挡，对光照强度敏感等缺陷，不适宜用于对用户日常行为的数据采集和感知工作。
[0003]在考虑单个用户的日常行为时，除了需要考虑用户顺序执行每一项行为的情形以夕卜，还必须考虑到用户执行情况的随意性和复杂性。其中就包含了行为的交叉和并行执行情况。具体来说，用户在日常生活中可能会出现暂停当前行为，转而执行另一项行为，之后又恢复执行当前行为的交叉执行情况。另外可能的情形还包括用户在同一时间执行多项行为的并行执行情况。传统的根据单个行为设计的行为感知算法，仅能够应对用户顺序执行每一项行为的情况，对于上述提到的复杂的多重行为执行情况则没有特别进行处理，使得其对真实的用户日常生活行为的感知能力较弱。
【发明内容】
[0004]为了克服传统方法侵犯用户隐私、应用场景受限并且无法应对日常生活中复杂执行情况下行为感知问题的不足，本发明提供一种体感网及基于体感网和模式匹配算法的单用户多重行为感知方法。由于采用了可穿戴式的体感网作为基本感知手段，该方法能够在不干扰用户日常生活的基础上，实现对用户行为数据的准确捕获。由于采用了基于模式匹配和数值计算方法的感知算法，该方法能够对同时执行的多重用户行为进行准确的感知。
[0005]为了解决上述问题，本发明提供了一种体感网，包括用户、无线传感器节点及计算服务器节点，其中，在用户身体的各个部位，包括双手手腕、双脚脚踝、左右手臂、左右大腿、躯干、头部共十个部位穿戴无线传感器节点，在用户双手处佩戴射频识别读写器，在日常生活用品上粘贴射频识别标签；每个无线传感器节点以固定采样频率采集包括三维加速度、温度、光线、湿度、射频识别标签编号在内的数据；无线传感器节点将数据封装成网络封包，以无线传输的方式发送到计算服务器节点。
[0006]在体感网基础上，本发明还提供了一种基于体感网的复杂居家行为感知方法，其包含以下步骤:
1)构建体感网，并以体感网中的无线传感器节点感知用户行为数据；
2)无线传感器节点通过无线网络将原始的用户行为数据发送到计算服务器；原始数据通过数据预处理算法提取特征，得到随时间排列的特征数据序列；利用滑动窗口技术对特征数据序列进行分片；
3)利用模式匹配方法对每段用户行为实例数据进行感知，获取实例中包含的基本用户居家行为类别；
4)利用数值计算方法，判断每段行为实例数据中的行为构成，形成多重居家行为感知结果。
[0007]步骤I)的具体过程为:
1)在用户的身体的双手手腕、双脚脚踝、左右手臂、左右大腿、躯干、头部共十个部位穿戴无线传感器节点；
2)在用户双手处佩戴高频射频识别读写器，在日常生活用品上粘贴高频射频识别标
签;
3)每个无线传感器节点以固定采样频率采集包括三维加速度、温度、光线、湿度数据，射频识别读写器则读取读取标签编号数据。
[0008]步骤2)的具体过程为:
2.1)无线传感器节点将数据封装成网络封包，以无线传输的方式发送到计算服务器节点；网络底层采用Zigbee网络协议，节点发送功率为Odbm ；
2.2)计算服务器根据收到的数据包的先后次序排列形成原始数据序列；
2.3)在原始数据序列上，应用滑动窗口方法在每一小段数据中提取包括平均加速度、平均温度、平均光线强度、平均湿度、加速度方差、加速度相关系数、加速度数据的熵、能量、以及射频识别标签号所对应的生活用品在内的特征数据；
2.4)将特征数据按照时间先后排列形成特征数据序列；
2.5)对特征数据序列的数值进行离散化，得到离散化后的特征数据序列；
2.6)利用滑动窗口对离散化后的特征数据序列进行分片，每个分片中包含用户行为数据。
[0009]步骤3)的具体过程为:
3.1)利用每个行为的模式对每个分片中包含的特征数据进行匹配，一个模式PTi是一个离散化后的特征数据集合，包含行为Ai区别于其他所有行为的最显著的特征数据，通过统计模式PTi在行为Ai中出现的概率并除以PTi在其他所有行为中出现的概率，得到模式PTi 的区分度 DisRate (PTi)；
3.2)—旦匹配成功，则通过如下公式计算行为Ai的得分S (Ai)，该得分逼近行为是Ai的
概率
【权利要求】
1.一种体感网，包括用户、无线传感器节点及计算服务器节点，其特征在于: 在用户身体的各个部位，包括双手手腕、双脚脚踝、左右手臂、左右大腿、躯干、头部共十个部位穿戴无线传感器节点，在用户双手处佩戴射频识别读写器，在日常生活用品上粘贴射频识别标签；每个无线传感器节点以固定采样频率采集包括三维加速度、温度、光线、湿度、射频识别标签编号在内的数据；无线传感器节点将数据封装成网络封包，以无线传输的方式发送到计算服务器节点。
2.一种基于体感网的复杂居家行为感知方法，其特征在于包含以下步骤: .1)构建体感网，并以体感网中的无线传感器节点感知用户行为数据； .2)无线传感器节点通过无线网络将原始的用户行为数据发送到计算服务器；原始数据通过数据预处理算法提取特征，得到随时间排列的特征数据序列；利用滑动窗口技术对特征数据序列进行分片； .3)利用模式匹配方法对每段用户行为实例数据进行感知，获取实例中包含的基本用户居家行为类别； .4)利用数值计算方法，判断每段行为实例数据中的行为构成，形成多重居家行为感知结果。
3.根据权利要求2所述的基于体感网的复杂居家行为感知方法，其特征在于步骤I)的具体过程为: .1)在用户的身体的双手手腕、双脚脚踝、左右手臂、左右大腿、躯干、头部共十个部位穿戴无线传感器节点； . 2)在用户双手处佩戴高频射频识别读写器，在日常生活用品上粘贴高频射频识别标签; 3)每个无线传感器节点以固定采样频率采集包括三维加速度、温度、光线、湿度数据，射频识别读写器则读取读取标签编号数据。
4.根据权利要求2或3所述的基于体感网的复杂居家行为感知方法，其特征在于步骤.2)的具体过程为: .2.1)无线传感器节点将数据封装成网络封包，以无线传输的方式发送到计算服务器节点；网络底层采用Zigbee网络协议，节点发送功率为Odbm ； . 2.2)计算服务器根据收到的数据包的先后次序排列形成原始数据序列； .2.3)在原始数据序列上，应用滑动窗口方法在每一小段数据中提取包括平均加速度、平均温度、平均光线强度、平均湿度、加速度方差、加速度相关系数、加速度数据的熵、能量、以及射频识别标签号所对应的生活用品在内的特征数据； .2.4)将特征数据按照时间先后排列形成特征数据序列； .2.5)对特征数据序列的数值进行离散化，得到离散化后的特征数据序列； .2.6)利用滑动窗口对离散化后的特征数据序列进行分片，每个分片中包含用户行为数据。
5.根据权利要求2或3所述的基于体感网的复杂居家行为感知方法，其特征在于步骤3)的具体过程为: .3.1)利用每个行为的模式对每个分片中包含的特征数据进行匹配，一个模式PTi是一个离散化后的特征数据集合，包含行为Ai区别于其他所有行为的最显著的特征数据，通过统计模式PTi在行为Ai中出现的概率并除以PTi在其他所有行为中出现的概率，得到模式PTi 的区分度 DisRate (PTi)； ` 3.2)—旦匹配成功，则通过如下公式计算行为Ai的得分S (Ai)，该得分逼近行为是Ai的概率
6.根据权利要求2或3所述的基于体感网的复杂居家行为感知方法，其特征在于步骤4)的具体过程为: 在获取每一个分片所可能包含的行为及其可能性S(Ai)后，猜测可能包含的多重行为的结构并估算其可能性；当多重行为的组合为Aa+Ab时，首先利用一个阈值th来估算是否在当前的观测值中，包含了 Aa和Ab的数据，即首先判断有S(Aa)Hh且S (Ab)Hh,在此前提下通过如下公式计算其组合得分S(Aa+Ab):
【文档编号】H04W84/18GK103458051SQ201310420651
【公开日】2013年12月18日 申请日期:2013年9月16日 优先权日:2013年9月16日
【发明者】吕建, 汪亮, 陶先平 申请人:南京大学