用于区分用户运动的移动装置、区分用户运动的方法及其生成分层树模型的方法
【技术领域】
[0001]本文所描述的实施例一般地涉及用于区分用户运动行为的移动装置，用于区分用户运动行为的方法，及其生成分层树模型的方法。
【背景技术】
[0002]近年来，诸如智能手机的移动装置广泛使用，使用装备在智能手机内的如加速度传感器、陀螺传感器、地磁传感器、重力传感器、光传感器、接近传感器和运动识别传感器的传感器的各种应用(APP)正在开发中。
[0003]特别地，也正在进行关于确定正在使用智能手机的用户在何种状态下移动的技术的研宄以及关于基于该确定技术来提供智能服务的技术的研宄。在该情况下，为了确定用户的运动行为，需要一种能够精炼从智能手机内的传感器接收到的数据从而获得有意义的数据的技术。
[0004]在这方面，公开号为2011-0126057的韩国专利申请(发明名称:Device forDetermining Movement Sate, Method for Determining Movement State, and RecordingMedium(用于确定运动状态的装置，用于确定运动状态的方法和记录介质))描述了，通过将来自加速度传感器的输出的垂直分量的加速度波动周期和水平分量的加速度波动周期彼此进行比较，来确定用户的状态。
[0005]但是，对于能够以不同于上述技术的另一种方式来更精确地区分用户运动行为的方法有持续的需求。特别是，利用GPS、麦克风等来区分用户运动行为的常规技术存在的问题是，其增加了智能手机的电池消耗。
[0006]发明概述
[0007]技术问题
[0008]为了解决上述问题，一些示例实施例提供了用于生成分层树模型的方法，其能够通过将从加速度传感器采集到的数据的部分重叠来提高提取运动行为特性的精度。
[0009]另外，一些示例实施例提供了能够基于仅利用从加速度传感器采集到的数据而构建的分层树模型以高可靠度区分用户具体运动行为对应哪种运动行为的移动装置，以及利用该移动装置来区分用户运动行为的方法。
[0010]然而，本公开要解决的问题不限于上述，本领域技术人员通过下面的说明能够清楚地理解其他问题。
[0011]技术方案
[0012]在一个示例实施例中，提供一种用于区分用户的运动行为的移动装置。该移动装置包括:加速度传感器；缓冲器，根据用户的具体运动行为来采集从加速度传感器输出的加速度数据；输出单元，基于在缓冲器中采集的加速度数据来输出针对用户的具体运动行为的特征因子；以及运动行为确定单元，通过将从提取单元提取的特征因子输入到预先构建的分层树模型来区分用户的具体运动行为对应于哪种运动行为，其中分层树模型是基于针对每个运动行为提取的特征因子来预先构建的，并且每个运动行为的特征因子是基于第一帧组和第二帧组来提取的，第一帧组包括对于每个运动行为单独采集且基于预设时间单位划分的加速度数据，第二帧组包括对于每个运动行为单独采集且基于不同于预设时间单位的时间单位划分的加速度数据，并且其中第二帧组的加速度数据的部分与第一帧组重置。
[0013]在另一示例实施例中，提供一种生成用于区分具有预定装置的用户的运动行为的分层树模型的方法。该方法包括:对于每个运动行为单独地采集来自所述移动装置内的加速度传感器的加速度数据；基于预设时间单位来划分每个运动行为的加速度数据以构建第一帧组；以及基于不同于预设时间单位的时间单位来划分每个运动行为的加速度数据以构建第二帧组，其中第二帧组的加速度数据的部分与第一帧组重叠；基于第一帧组和第二帧组来提取区分于其他运动行为的特征因子的每个运动行为的特征因子；以及基于每个运动行为的特征因子来构建分层树模型。
[0014]在其他示例实施例中，提供一种利用移动装置来区分用户的运动行为的方法。该方法包括:根据用户的具体运动行为，采集从移动装置内的加速度传感器输出的加速度数据；基于加速度数据来提取针对用户的具体运动行为的特征因子；以及通过将提取的特征因子输入到预先构建的分层树模型，区分用户的具体运动行为对应于哪种运动行为，其中分层树模型是基于对于每个运动行为提取的特征因子来预先构建的，并且每个运动行为的特征因子是基于第一帧组和第二帧组来提取的，第一帧组包括对于每个运动行为单独采集且基于预设时间单位划分的加速度数据，第二帧组包括对于每个运动行为单独采集且基于不同于预设时间单位的时间单位划分的加速度数据，并且其中第二帧组的加速度数据的部分与第一帧组重叠。
[0015]有益效果
[0016]作为上述示例实施例的技术手段中的一种，生成分层树模型的方法能够通过基于第一帧组和第二帧组来提取每个运动行为的特征因子而更可靠地、更精确地生成用于区分用户的具体运动行为对应于哪种运动行为的分层树模型，第一帧组和第二帧组被构建成使得加速度数据的部分彼此重叠。
[0017]另外，作为上述示例实施例的技术手段中的一种，利用移动装置来区分用户运动行为的移动装置和方法能够仅仅基于加速度数据，利用预先构建的分层树模型来精确地区分用户的具体运动行为对应于哪种运动行为，分层树模型反映了对于每个运动行为最优提取的特征因子。另外，由于用于区分操作的类似GPS、麦克风或其他的单独装置不是必要的，所以能够更有效地使用移动装置的能量。
【附图说明】
[0018]图1示出了根据常规技术用于区分用户运动行为的方法。
[0019]图2是示出依照示例实施例用于区分用户运动行为的移动装置的构造图。
[0020]图3示出了提取运动行为的特征因子的示例。
[0021]图4是示出依照示例实施例用于生成分层树模型的方法的流程图。
[0022]图5示出了依照另一示例实施例的用于生成分层树模型的方法。
[0023]图6是示出依照示例实施例的用于区分用户运动行为的方法的流程图。
[0024]发明详述
[0025]下面，将参考附图详细说明示例实施例，以使本领域技术人员能够容易地实施发明构思。然而，值得注意的是，本公开不限于示例实施例，而是能够以多种其他方式来实现。在图中，不直接与说明相关的一些部件被省去以增强附图的清晰性，在整篇文档中相似的附图标记指示相似的部件。
[0026]在整篇文档中，术语“连接到”或“耦合到”用来指示一个元件与另一元件的连接或耦合，并且包括元件“直接连接或耦合到”另一元件的情况以及元件经由又一元件“电连接或耦合到”另一元件的情况。此外，在文档中使用的术语“包括或包含”和/或“包括有或包含有”是指，除了所描述的组件、步骤、操作和/或元件之外，不排除一个或多个其他的组件、步骤、操作和/或额外元件的存在。
[0027]图1示出了根据常规技术的用于区分用户运动行为的方法。为了区分用户的运动行为，可以执行对于每个运动行为生成模型的前期工作。
[0028]为了执行针对“步行”或“跑”运动行为生成模型的前期工作，可以从如图1所示的智能手机内装备的加速度传感器采集数据(①)。可以使用允许每秒有50个记录的加速度传感器。通过使用从在大约2个小时内采集到的数据中提取的“步行”或“跑”的特征(②)，可以生成“用于步行的高斯混合模型(GMM) ”、“用于跑的高斯混合模型(GMM) ”、或“借助交通工具移动的高斯混合模型(GMM)”(③)。基于这些模型，可以计算高斯的权重以及表示高斯的数据的均值/协方差，基于计算结果，可以区分用户的实际运动行为。
[0029]另外，为了执行用于针对“借