一种时间序列信号的分类方法、装置以及电子设备与流程

本申请涉及信号分类的技术领域，具体而言，涉及一种时间序列信号的分类方法、装置以及电子设备。

背景技术：

时间序列信号指的是一种按照某一频率得到的时序信号序列。常见的时间序列信号主要是指音频信号和视频信号。现实场景中往往需要对整个时间序列信号进行类别分析，例如，根据某个司机的驾驶监控视频判断其是否有在玩手机或者是未按照规定佩戴安全带等不良驾驶行为等。

针对上述时间序列信号的分类问题，现有技术一般使用专用的时间序列建模方法对时间序列信号进行分类。常见的时间序列建模方法主要包括：lstm(longshort-termmemory，长短期记忆网络)、gru(gatedrecurrentunit，门循环单元)等rnn(recurrentneuralnetwork，循环神经网络)技术，以及hmm(hiddenmarkovmodel，隐马尔可夫模型)、crf(conditionalrandomfield，条件随机场)等基于随机过程的方法。由于上述方法比较复杂，因此，需要使用很多技巧才可以使得模型训练收敛。同时由于上述方法中模型的参数较多，需要海量的训练数据参与训练才可以对模型中的参数进行较好的拟合，因此，上述方法往往不适用于训练样本极为稀疏的情况。

综上，现有的时间序列信号的分类方法计算复杂，在数据稀疏的场景中应用受限。

技术实现要素：

有鉴于此，本申请实施例的目的在于提供一种时间序列信号的分类方法、装置以及电子设备，本申请能够通过对时间序列信号进行划分得到滑动窗口，进而统计滑动窗口内采样数据帧的概率值来确定时间序列信号的类别，从而根据时间序列信号的类别确定目标对象的操作行为，该方法计算简单有效，适用于稀疏数据的应用场景。

根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：

获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率；以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口的所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率；根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。

在本申请较佳的实施例中，确定所述时间序列信号中采样数据帧的概率值包括：按照预设采样频率对所述时间序列信号中的数据帧进行采样，得到所述采样数据帧；所述采样数据帧的数量为多个；对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

在本申请较佳的实施例中，对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值包括：采用机器学习模型对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：根据该位置下所述滑动窗口中的各个采样数据帧的概率值，计算所述滑动窗口中所有采样数据帧的总概率值；结合所述总概率值和所述滑动窗口中所述采样数据帧的数量，计算所述滑动窗口的平均概率值；将所述滑动窗口的平均概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：对该位置下所述滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；将所述概率值排序序列中位于中间位置的概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值包括：对该位置下所述滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；将所述加权概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息包括：基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值；根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息。

在本申请较佳的实施例中，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值包括：判断确定出的所述滑动窗口的概率值是否大于第一预设阈值；若确定出的所述滑动窗口的概率值大于所述第一预设阈值，则将所述滑动窗口的概率值作为所述时间序列信号所属于所述预设类别信息的概率值；若确定出的所述滑动窗口的值小于或者等于所述第一预设阈值，则确定所述滑动窗口的下一个滑动窗口，并将所述下一个滑动窗口作为确定出的所述滑动窗口，并返回执行判断确定出的所述滑动窗口的概率值是否大于所述第一预设阈值的步骤，直至确定出概率值大于所述第一预设阈值的滑动窗口为止。

在本申请较佳的实施例中，基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值还包括：若确定出的所有滑动窗口不包含概率值大于所述第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；将所述目标滑动窗口的概率值作为所述时间序列信号所属于预设类别信息的概率值。

在本申请较佳的实施例中，根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：若所述时间序列信号的概率值大于第二预设阈值，则确定所述时间序列信号属于所述预设类别信息，并将所述预设类别信息确定为所述时间序列信号的类别信息。

在本申请较佳的实施例中，所述时间序列信号的数量为多个；根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息包括：根据各个所述时间序列信号所属于每个预设类别信息的概率值，对多个所述时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的所述时间序列信号的排序序列；根据所述预设排序规则，在各个预设类别信息下的所述时间序列信号的排序序列中，将前n个时间序列信号的类别信息确定为所述预设类别信息；n为大于1的正整数。

在本申请较佳的实施例中，所述时间序列信号包括：所述目标对象的视频或音频；所述方法还包括：基于所述时间序列信号所属的类别信息确定所述目标对象的操作行为。

在本申请较佳的实施例中，所述时间序列信号为所述目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；所述方法还包括：基于所述时间序列信号所属的类别信息确定所述目标对象的驾驶行为。

根据本申请的另一个方面，还提供了一种时间序列信号的分类装置，包括：获取并确定单元，用于获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述时间序列信号用于确定所述目标对象的驾驶行为，所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率；移动并确定单元，用于以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口的所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率；第一确定单元，用于根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。

在本申请较佳的实施例中，所述获取并确定单元包括：采样模块，用于按照预设采样频率对所述时间序列信号中的数据帧进行采样，得到所述采样数据帧；所述采样数据帧的数量为多个；分类检测模块，用于对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

在本申请较佳的实施例中，所述分类检测模块用于：采用机器学习模型对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

在本申请较佳的实施例中，所述移动并确定单元包括：第一计算模块，用于根据该位置下所述滑动窗口中的各个采样数据帧的概率值，计算所述滑动窗口中所有采样数据帧的总概率值；第二计算模块，用于结合所述总概率值和所述滑动窗口中所述采样数据帧的数量，计算所述滑动窗口的平均概率值；第一设定模块，用于将所述滑动窗口的平均概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，所述移动并确定单元包括：排序模块，用于对该位置下所述滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；第二设定模块，用于将所述概率值排序序列中位于中间位置的概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，所述移动并确定单元包括：加权计算模块，用于对该位置下所述滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；第三设定模块，用于将所述加权概率值作为所述滑动窗口的概率值。

在本申请较佳的实施例中，所述第一确定单元包括：第一确定模块，用于基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值；第二确定模块，用于根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息。

在本申请较佳的实施例中，所述第一确定模块还用于：判断确定出的所述滑动窗口的概率值是否大于第一预设阈值；若确定出的所述滑动窗口的概率值大于所述第一预设阈值，则将所述滑动窗口的概率值作为所述时间序列信号所属于所述预设类别信息的概率值；若确定出的所述滑动窗口的值小于或者等于所述第一预设阈值，则确定所述滑动窗口的下一个滑动窗口，并将所述下一个滑动窗口作为确定出的所述滑动窗口，并返回执行判断确定出的所述滑动窗口的概率值是否大于所述第一预设阈值的步骤，直至确定出概率值大于所述第一预设阈值的滑动窗口为止。

在本申请较佳的实施例中，所述第一确定模块还用于：若确定出的所有滑动窗口不包含概率值大于所述第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；将所述目标滑动窗口的概率值作为所述时间序列信号所属于预设类别信息的概率值。

在本申请较佳的实施例中，所述第二确定模块还用于：若所述时间序列信号的概率值大于第二预设阈值，则确定所述时间序列信号属于所述预设类别信息，并将所述预设类别信息确定为所述时间序列信号的类别信息。

在本申请较佳的实施例中，所述时间序列信号的数量为多个；所述第二确定模块还用于：根据各个所述时间序列信号所属于每个预设类别信息的概率值，对多个所述时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的所述时间序列信号的排序序列；根据所述预设排序规则，在各个预设类别信息下的所述时间序列信号的排序序列中，将前n个时间序列信号的类别信息确定为所述预设类别信息；n为大于1的正整数。

在本申请较佳的实施例中，所述时间序列信号包括：所述目标对象的视频或音频；所述装置还包括：第二确定单元，用于基于所述时间序列信号所属的类别信息确定所述目标对象的操作行为。

在本申请较佳的实施例中，所述时间序列信号为所述目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；所述装置还包括：第三确定单元，用于基于所述时间序列信号所属的类别信息确定所述目标对象的驾驶行为。

根据本申请的另一个方面，还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行上述内容所述的时间序列信号的分类方法的步骤。

根据本申请的另一个方面，还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述内容所述的时间序列信号的分类方法的步骤。

在本申请中，首先，获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值，然后，以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值，最后根据确定出到滑动窗口的概率值确定时间序列信号所属的类别信息，以根据类别信息确定目标对象的操作行为。本申请通过预设的滑动窗口在时间序列信号中的采样数据帧中移动，对于每次移动后的滑动窗口所在位置，通过统计该位置下滑动窗口内采样数据帧的概率值来确定滑动窗口的概率值，再根据确定出的滑动窗口的概率值确定时间序列信号的类别信息，最终根据时间序列信号的类别信息确定目标对象的操作行为。该时间序列信号的分类方法计算过程简单有效，适用于稀疏数据的应用场景。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种电子设备的结构示意图；

图2示出了本申请实施例所提供的一种时间序列信号的分类方法的流程图；

图3示出了本申请实施例所提供的对时间序列信号中数据帧进行采样得到采样数据帧，以及以预设的滑动窗口在采样数据帧中移动得到每次移动后的滑动窗口的示意图；

图4示出了本申请实施例所提供的确定时间序列信号中采样数据帧的概率值的方法流程图；

图5示出了本申请实施例所提供的第一种确定滑动窗口的概率值的方法流程图；

图6示出了本申请实施例所提供的第二种确定滑动窗口的概率值的方法流程图；

图7示出了本申请实施例所提供的第三种确定滑动窗口的概率值的方法流程图；

图8示出了本申请实施例所提供的根据确定出的滑动窗口的概率值确定时间序列信号所属的类别信息的方法流程图；

图9示出了本申请实施例所提供的确定时间序列信号的类别信息的示意图；

图10示出了本申请实施例所提供的一种时间序列信号的分类装置的示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

图1示出根据本申请的一些实施例的可以实现本申请提供的时间序列信号的分类方法的电子设备100的示例性硬件和软件组件的示意图。

电子设备100可以是通用计算机或特殊用途的计算机，两者都可以用于实现本申请的时间序列信号的分类方法。本申请尽管仅示出了一个计算机，但是为了方便起见，可以在多个类似平台上以分布式方式实现本申请描述的功能，以均衡处理负载。

例如，电子设备100可以包括连接到网络的网络端口110、用于执行程序指令的一个或多个处理器120、通信总线130、和不同形式的存储介质140，例如，磁盘、rom、或ram，或其任意组合。示例性地，计算机平台还可以包括存储在rom、ram、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备100还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(input/output，i/o)接口150。

上述存储介质140存储有处理器120可执行的机器可读指令，当电子设备运行时，处理器120与存储介质140之间通过总线通信，处理器执行机器可读指令，以执行时执行下述时间序列信号的分类方法的步骤。另外，存储介质也可以称为计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行下述时间序列信号的分类方法的步骤。

处理器120中的获取并确定单元用来获取目标对象的待分类的时间序列信号，并确定所述时间序列信号中采样数据帧的概率值；所述采样数据帧为对所述时间序列信号中的数据帧进行采样之后得到的，所述概率值用于表征所述采样数据帧所属于预设类别信息的概率。

之后，处理器120中的移动并确定单元用来基于以预设的滑动窗口在所述采样数据帧中移动，对于每次移动后的所述滑动窗口所在位置，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值；所述滑动窗口的概率值用于表征所述滑动窗口内的采样数据帧属于所述预设类别信息的概率。

接下来，处理器120中的第一确定单元根据确定出的所述滑动窗口的概率值确定所述时间序列信号所属的类别信息；所述类别信息用于确定所述目标对象的操作行为。

为了便于说明，在电子设备100中仅描述了一个处理器。然而，应当注意，本申请中的电子设备100还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若电子设备100的处理器执行步骤a和步骤b，则应该理解，步骤a和步骤b也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤a，第二处理器执行步骤b，或者第一处理器和第二处理器共同执行步骤a和b。

参见图2所示的一种时间序列信号的分类方法的流程图。

图2所示的时间序列信号的分类方法可以应用在终端设备上，也可以应用在服务器，该方法包括如下步骤：

步骤s202，获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值；采样数据帧为对时间序列信号中的数据帧进行采样之后得到的，概率值用于表征采样数据帧所属于预设类别信息的概率；

在本实施例中，目标对象可以为驾驶员，业务员(比如，银行的业务员，话务员等等)，而目标对象的待分类的时间序列信号可以为驾驶员的驾驶监控视频，也可以为业务员办理业务时的业务监控视频等。当然，本实施例对上述目标对象不进行具体限制，对上述的时间序列信号也不进行限制。时间序列信号可以为其它任意的一种按照某一频率得到的时序信号序列，而当时间序列信号为其它按照某一频率得到的时序信号序列时，在对其进行分类时，其功能可根据具体的应用场景而确定。

比如，当时间序列信号为驾驶员的驾驶监控视频时，该时间序列信号可以用于确定驾驶员的驾驶行为；而当时间序列信号为业务员的业务监控视频时，该时间序列信号可以用于确定业务员的业务办理行为。

在得到时间序列信号后，进一步确定时间序列信号中采样数据帧的概率值，其中的采样数据帧为对时间序列信号中的数据帧进行采样之后得到的，概率值用于表征采样数据帧所属于预设类别信息的概率。比如，当时间序列信号为驾驶员的驾驶监控视频时，预设类别信息可以为：接打手机的类别，未按规定系安全带的类别等等。采样数据帧即为对驾驶监控视频进行采样得到的驾驶监控视频帧，驾驶监控视频帧的概率值用于表征该驾驶监控视频帧属于接打手机的类别的概率，以及该驾驶监控视频帧属于未按规定系安全带的类别的概率。

需要说明的是，上述的预设类别信息可以为一个，也可以为多个，本实施例对其不进行具体限定。

下文中再对确定时间序列信号中采样数据帧的概率值的过程进行具体介绍，在此不再赘述。

步骤s204，以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口的所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值；滑动窗口的概率值用于表征滑动窗口内的采样数据帧属于预设类别信息的概率；

在得到采样数据帧以及采样数据帧的概率值之后，进一步以预设的滑动窗口在采样数据帧中移动。

在移动时，先获取预设的滑动窗口，预设的滑动窗口通过滑动窗口步长和滑动窗口长度确定，然后，以预设的滑动窗口在采样数据帧中移动。

如图3所示，图3中示出了对时间序列信号中数据帧进行采样得到采样数据帧的过程，以及以预设的滑动窗口在采样数据帧中移动得到每次移动后的滑动窗口的过程。

如图3所示，带有箭头的横线表示时间轴，上面一行由时间轴和在时间轴上的矩形所构成的图形表示时间序列信号，其中的每个矩形代表了时间序列信号中的一个数据帧。通过对时间序列信号中的数据帧进行采样后，采样得到的采样数据帧如图3中第二行中的矩形，通过对第一行的矩形进行采样得到第二行的矩形的过程可以得出，采样时的采样频率为2秒/帧。在得到采样数据帧后，进一步以预设的滑动窗口在采样数据帧中移动，如图3中的第二行可知，该预设的滑动窗口的滑动窗口长度为3，滑动窗口步长为2，如此在采样数据帧中移动，每移动一次，就能得到一个该位置下的滑动窗口。当然，本实施例对上述的采样频率的值，滑动窗口长度的值，滑动窗口步长的值不进行具体限定，还可以为其它任意值。

在确定出滑动窗口后，就能够按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值，下文中再对确定滑动窗口的概率值的过程进行详细描述，在此不再赘述。

步骤s206，根据确定出的滑动窗口的概率值确定时间序列信号所属的类别信息；类别信息用于确定目标对象的操作行为。

下文中再对该过程进行详细描述，在此不再赘述。

本发明的时间序列信号的分类方法可以在数据稀疏的应用场景中应用。比如，在司机的驾驶监控视频中，不良驾驶行为具有稀疏性，本发明中的方法能够对其不良驾驶行为进行检测分类。

在本申请中，首先，获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值，然后，以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值，最后根据确定出到滑动窗口的概率值确定时间序列信号所属的类别信息，以根据类别信息确定目标对象的操作行为。本申请通过预设的滑动窗口在时间序列信号中的采样数据帧中移动，对于每次移动后的滑动窗口所在位置，通过统计该位置下滑动窗口内采样数据帧的概率值来确定滑动窗口的概率值，再根据确定出的滑动窗口的概率值确定时间序列信号的类别信息，最终根据时间序列信号的类别信息确定目标对象的操作行为。该时间序列信号的分类方法计算过程简单有效，适用于稀疏数据的应用场景。

上述内容对本发明的时间序列信号的分类方法进行了简要描述，下面对其中涉及到的具体内容进行详细介绍。

由于时间序列信号的局部性原理，在实际的应用场景中，并不需要对时间序列信号中的每一数据帧都进行概率计算和判断。所以，可以采用跳帧取样和跨步滑动的形式进行后续的计算，从而节省大量的计算成本。

在本发明的一个可选实施例中，参考图4，步骤s202，确定时间序列信号中采样数据帧的概率值包括如下步骤：

步骤s401，按照预设采样频率对时间序列信号中的数据帧进行采样，得到采样数据帧；采样数据帧的数量为多个；

步骤s402，对每个采样数据帧进行分类检测，得到每个采样数据帧的概率值。

在实现时，可以采用机器学习模型对每个采样数据帧进行分类检测，得到每个采样数据帧的概率值。

需要说明的是，该机器学习模型的可以根据具体的应用场景来确定。比如，若是对驾驶员的接打手机行为进行的分类检测，那么该机器学习模型即为检测接打手机行为的分类模型；若是对驾驶员未按规定系安全带的行为进行的分类检测，那么该机器学习模型即为检测未按规定系安全带行为的分类模型等等。

在通过机器学习模型进行分类检测时，由于模型性能的限制，有可能对某一采样数据帧的分类检测出现误判。发明人考虑到只从某几个采样数据帧的分类检测结果来确定目标对象的操作行为的方式准确性差，为此，发明人设计了如下三种实现方案来平滑掉误判结果，进而提高分类的准确性，具体是通过滑动窗口内的多帧采样数据帧的概率值归一化的方式进行信息融合，信息融合的实现方案描述如下几个实现方案。

实现方案一：

在本发明的一个可选实施例中，参考图5，步骤s204，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值包括如下步骤：

步骤s501，根据该位置下滑动窗口中的各个采样数据帧的概率值，计算滑动窗口中所有采样数据帧的总概率值；

步骤s502，结合总概率值和滑动窗口中采样数据帧的数量，计算滑动窗口的平均概率值；

步骤s503，将滑动窗口的平均概率值作为滑动窗口的概率值。

通过上述的描述可知，实现方案一是通过求均值的方式减弱某一错误数据帧的概率值的影响，从而使得整个时间序列信号不再受个别错误数据帧的概率值的影响造成的分类错误。

实现方案二：

在本发明的一个可选实施例中，参考图6，步骤s204，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值还包括如下步骤：

步骤s601，对该位置下滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；

步骤s602，将概率值排序序列中位于中间位置的概率值作为滑动窗口的概率值。

需要说明的是，如果在概率值排序序列中，位于中间位置的概率值的数量为两个，那么可以取位于中间位置的两个概率值的平均值，并将该平局值作为滑动窗口的概率值。

通过上述的描述可知，实现方案二是通过取中位数的方式减弱某一错误数据帧的概率值的影响，从而使得整个时间序列信号不再受个别错误数据帧的概率值的影响造成的分类错误。

实现方案三：

在本发明的一个可选实施例中，参考图7，步骤s204，按照该位置下所述滑动窗口中的各个采样数据帧的概率值确定所述滑动窗口的概率值还包括如下步骤：

步骤s701，对该位置下滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；

步骤s702，将加权概率值作为滑动窗口的概率值。

实现时，可以预先为滑动窗口中的每个采样数据帧的概率值设定一个权重，然后通过采样数据帧的概率值和对应的权重进行加权计算，得到加权概率值，并将得到的加权概率值作为滑动窗口的概率值。

通过上述的描述可知，实现方案三是通过加权平均的方式减弱某一错误数据帧的概率值的影响，从而使得整个时间序列信号不再受个别错误数据帧的概率值的影响造成的分类错误。

当然，本实施例中只给出了上述三种实现方案，在具体应用时，还可以采用其它的实现方案。比如，去掉滑动窗口中采样数据帧的概率最大值和概率最小值，将剩余的概率值求平均，得到的均值作为滑动窗口的概率值等等。本发明不对上述三种实现方案进行具体限制，由上述三种实现方案所衍生的其它实现方案都在本发明的保护范围之内。

上述内容对确定滑动窗口的概率值的过程进行了详细介绍，下面对确定时间序列信号所属的类别信息的过程进行详细描述。

在本发明的一个可选实施例中，步骤s206，根据确定出的滑动窗口的概率值确定时间序列信号所属的类别信息包括如下步骤：

首先，基于确定出的滑动窗口的概率值确定时间序列信号所属于预设类别信息的概率值；

参考图8，该过程具体包括如下步骤：

步骤s801，判断确定出的滑动窗口的概率值是否大于第一预设阈值；

步骤s802，若确定出的滑动窗口的概率值大于第一预设阈值，则将滑动窗口的概率值作为时间序列信号所属于预设类别信息的概率值；

需要说明的是，如果确定出的滑动窗口的概率值大于第一预设阈值，则不再将滑动窗口继续后移，也就是不再计算后续的滑动窗口的概率值，就直接将大于第一预设阈值的滑动窗口的概率值作为时间序列信号所属于预设类别信息的概率值。这样的方案能够减少后续冗余的计算，大大减少了计算量。由此可见，本发明中的时间序列信号的分类方法计算简单，准确性好。

步骤s803，若确定出的滑动窗口的值小于或者等于第一预设阈值，则确定滑动窗口的下一个滑动窗口，并将下一个滑动窗口作为确定出的滑动窗口，并返回执行步骤s801，直至确定出概率值大于第一预设阈值的滑动窗口为止。

步骤s804，若确定出的所有滑动窗口不包含概率值大于第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；

步骤s805，将目标滑动窗口的概率值作为时间序列信号所属于预设类别信息的概率值。

也就是如果预设的滑动窗口移动遍历至所有的采样数据帧后，得到确定出的所有滑动窗口不包含概率值大于第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口，将目标滑动窗口的概率值作为时间序列信号所属于预设类别信息的概率值。

用数学表达式表示为：其中，l表示滑动窗口长度，pi表示滑动窗口中各个采样数据帧的概率值，e表示时间序列信号所属于预设类别信息的概率值，max(·)表示最大值操作，这里只是以求均值的方式进行的举例说明。

其次，在确定出的滑动窗口的概率值确定时间序列信号所属于预设类别信息的概率值之后，可以根据时间序列信号所属于各个预设类别信息的概率值确定时间序列信号的类别信息。

具体实现时，可以采用如下任一方案：

方案(一)、若时间序列信号的概率值大于第二预设阈值，则确定时间序列信号属于预设类别信息，并将预设类别信息确定为时间序列信号的类别信息。

为了便于理解，下面进行举例说明：

比如，预设类别信息为接打手机的类别信息，若时间序列信号的概率值为0.8，而第二预设阈值为0.7，则确定该时间序列信号的类别信息属于接打手机的类别。该第二预设阈值可以与上述第一预设阈值相等，也可以与上述的第一预设阈值不等，本发明实施例对第二预设阈值的大小不进行具体限定。该第二预设阈值用于表示属于预设类别信息的阈值。

方案(二)、时间序列信号的数量为多个；根据各个时间序列信号所属于每个预设类别信息的概率值，对多个时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的时间序列信号的排序序列；根据预设排序规则，在各个预设类别信息下的时间序列信号的排序序列中，将前n个时间序列信号的类别信息确定为预设类别信息；n为大于1的正整数，如图9所示，其中示出了时间序列信号的排序序列，将前5个时间序列信号的类别信息确定为预设类别信息。

为了便于理解，下面对该种方案也进行举例说明：假设时间序列信号分别为a、b和c，在接打手机的类别信息中，根据在接打手机的类别信息各个时间序列信号的概率值(比如在接打手机的类别信息下，时间序列信号a的概率值为0.9，时间序列信号b的概率值为0.85，时间序列信号c的概率值为0.8)，对各个时间序列信号按照概率值从大到小的顺序进行排列，得到在接打手机的类别信息下的各个时间序列信号的排序序列为a、b、c，进而将该排序序列中的前2个时间序列信号(即时间序列信号a和时间序列信号b)的类别信息确定为接打手机的类别信息。

在本实施例中，上述预设排序规则是指按照各个时间序列信号的概率值从大到小的排序规则。另外，本发明实施例对上述的数值n不进行具体限定，还可以为其它值。

在本发明的一个可选实施例中，时间序列信号包括：目标对象的视频或音频；在得到时间序列信号所属的类别信息后，基于时间序列信号所属的类别信息确定目标对象的操作行为。

在一个具体的应用场景中，时间序列信号为目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；在得到时间序列信号所属的类别信息后，基于时间序列信号所属的类别信息确定目标对象的驾驶行为。

比如，时间序列信号所属的类别信息为接打手机的类别信息，那么基于此，可以确定目标对象的驾驶行为为驾驶员在驾驶过程中有接打手机的行为。

当然，本发明实施例对上述的应用场景不进行具体限定，还可以为其它任意的场景。

本发明中的时间序列信号的分类方法在确保分类准确性的前提下，计算量小，过程简单，可以应用于数据稀疏的应用场景中。

图10是示出本申请的一些实施例的时间序列信号的分类装置的框图，该时间序列信号的分类装置实现的功能对应上述方法执行的步骤。该装置可以理解为上述终端设备，也可以理解为上述服务器，还可以理解为终端设备的处理器，或者服务器的处理器，当然，也可以理解为独立于上述终端设备、服务器或处理器之外的在终端设备或在服务器控制下实现本申请功能的组件，如图所示，时间序列信号的分类装置可以包括：获取并确定单元10、移动并确定单元20和第一确定单元30。

获取并确定单元10，用于获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值；时间序列信号用于确定目标对象的驾驶行为，采样数据帧为对时间序列信号中的数据帧进行采样之后得到的，概率值用于表征采样数据帧所属于预设类别信息的概率；

移动并确定单元20，用于以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口的所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值；滑动窗口的概率值用于表征滑动窗口内的采样数据帧属于预设类别信息的概率；

第一确定单元30，用于根据确定出的滑动窗口的概率值确定时间序列信号所属的类别信息；类别信息用于确定目标对象的操作行为。

在本申请中，首先，获取目标对象的待分类的时间序列信号，并确定时间序列信号中采样数据帧的概率值，然后，以预设的滑动窗口在采样数据帧中移动，对于每次移动后的滑动窗口所在位置，按照该位置下滑动窗口中的各个采样数据帧的概率值确定滑动窗口的概率值，最后根据确定出到滑动窗口的概率值确定时间序列信号所属的类别信息，以根据类别信息确定目标对象的操作行为。本申请通过预设的滑动窗口在时间序列信号中的采样数据帧中移动，对于每次移动后的滑动窗口所在位置，通过统计该位置下滑动窗口内采样数据帧的概率值来确定滑动窗口的概率值，再根据确定出的滑动窗口的概率值确定时间序列信号的类别信息，最终根据时间序列信号的类别信息确定目标对象的操作行为。该时间序列信号的分类方法计算过程简单有效，适用于稀疏数据的应用场景。

可选地，所述获取并确定单元包括：

采样模块，用于按照预设采样频率对所述时间序列信号中的数据帧进行采样，得到所述采样数据帧；所述采样数据帧的数量为多个；

分类检测模块，用于对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

可选地，所述分类检测模块用于：

采用机器学习模型对每个所述采样数据帧进行分类检测，得到每个所述采样数据帧的概率值。

可选地，所述移动并确定单元包括：

第一计算模块，用于根据该位置下所述滑动窗口中的各个采样数据帧的概率值，计算所述滑动窗口中所有采样数据帧的总概率值；

第二计算模块，用于结合所述总概率值和所述滑动窗口中所述采样数据帧的数量，计算所述滑动窗口的平均概率值；

第一设定模块，用于将所述滑动窗口的平均概率值作为所述滑动窗口的概率值。

可选地，所述移动并确定单元包括：

排序模块，用于对该位置下所述滑动窗口中的所有采样数据帧的概率值进行排序，得到概率值排序序列；

第二设定模块，用于将所述概率值排序序列中位于中间位置的概率值作为所述滑动窗口的概率值。

可选地，所述移动并确定单元包括：

加权计算模块，用于对该位置下所述滑动窗口中的所有采样数据帧的概率值进行加权计算，得到加权概率值；

第三设定模块，用于将所述加权概率值作为所述滑动窗口的概率值。

可选地，所述第一确定单元包括：

第一确定模块，用于基于确定出的所述滑动窗口的概率值确定所述时间序列信号所属于预设类别信息的概率值；

第二确定模块，用于根据所述时间序列信号所属于各个预设类别信息的概率值确定所述时间序列信号的类别信息。

可选地，所述第一确定模块还用于：

判断确定出的所述滑动窗口的概率值是否大于第一预设阈值；

若确定出的所述滑动窗口的概率值大于所述第一预设阈值，则将所述滑动窗口的概率值作为所述时间序列信号所属于所述预设类别信息的概率值；

若确定出的所述滑动窗口的值小于或者等于所述第一预设阈值，则确定所述滑动窗口的下一个滑动窗口，并将所述下一个滑动窗口作为确定出的所述滑动窗口，并返回执行判断确定出的所述滑动窗口的概率值是否大于所述第一预设阈值的步骤，直至确定出概率值大于所述第一预设阈值的滑动窗口为止。

可选地，所述第一确定模块还用于：

若确定出的所有滑动窗口不包含概率值大于所述第一预设阈值的滑动窗口，则在确定出的所有滑动窗口中确定概率值最高的目标滑动窗口；

将所述目标滑动窗口的概率值作为所述时间序列信号所属于预设类别信息的概率值。

可选地，所述第二确定模块还用于：

若所述时间序列信号的概率值大于第二预设阈值，则确定所述时间序列信号属于所述预设类别信息，并将所述预设类别信息确定为所述时间序列信号的类别信息。

可选地，所述时间序列信号的数量为多个；所述第二确定模块还用于：

根据各个所述时间序列信号所属于每个预设类别信息的概率值，对多个所述时间序列信号按照预设排序规则进行排序，得到各个预设类别信息下的所述时间序列信号的排序序列；

根据所述预设排序规则，在各个预设类别信息下的所述时间序列信号的排序序列中，将前n个时间序列信号的类别信息确定为所述预设类别信息；n为大于1的正整数。

可选地，所述时间序列信号包括：所述目标对象的视频或音频；所述装置还包括：

第二确定单元，用于基于所述时间序列信号所属的类别信息确定所述目标对象的操作行为。

可选地，所述时间序列信号为所述目标对象在驾驶过程中的驾驶监控视频或驾驶监控音频；所述装置还包括：

第三确定单元，用于基于所述时间序列信号所属的类别信息确定所述目标对象的驾驶行为。

本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任一所述的时间序列信号的分类方法的步骤。

上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过lan、wan、蓝牙、zigbee、或nfc等形式的连接，或其任意组合。两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。