一种用户行为模式的识别系统和识别方法
【技术领域】
[0001] 本发明设及电子技术领域，尤其设及一种用户行为模式的识别系统和识别方法。
【背景技术】
[0002] 行为模式识别技术在随身运动检测、智能家居、互动式体感游戏、移动式健康看护 等方面拥有广泛的应用前景，现有技术中多采用基于计算机视觉的行为感知技术，但存在 观察范围有限、受光照条件影响较大、易被遮挡的缺陷，受限较大，应用范围较窄。
[0003] 因此，现有技术中行为模式识别技术存在应用范围窄的技术问题。
【发明内容】
[0004] 本发明实施例通过提供一种用户行为模式的识别系统和识别方法，用W解决现有 技术中行为模式识别技术存在的应用范围窄的技术问题。
[0005] 本发明实施例一方面提供了一种用户行为模式的识别系统，包括：
[0006] 采集单元，用于采集用户当前的行为特征数据，所述行为特征数据包括N个描述参 数对应的N个参数值，N为大于等于2的整数；
[0007] 特征向量生成单元，用于根据所述N个参数值，生成一维特征向量；
[000引对比投票单元，用于对比所述一维特征向量与预设的Μ种行为模式中每种行为模 式对应的特征向量之间的差异，并向差异最小的特征向量对应的行为模式投票；
[0009]模式识别单元，用于统计在预设时间段内的投票结果，将所述用户当前的行为模 式识别为获得投票最多的行为模式。
[0010]可选地，所述采集单元包括合轴加速度传感器三轴巧螺仪和GPS定位仪。
[0011] 可选地，所述特征向量生成单元具体用于：
[0012] 将通过所述Ξ轴加速度传感器采集的X轴加速度在时间窗内的数据的标准差作为 所述一维特征向量的第一个参数；
[0013] 将通过所述Ξ轴加速度传感器采集的Υ轴加速度参数在所述时间窗内的数据的标 准差作为所述一维特征向量的第二个参数；
[0014] 将通过所述Ξ轴加速度传感器采集的Ζ轴加速度参数在所述时间窗内的数据的标 准差作为所述一维特征向量的第Ξ个参数；
[0015] 将通过所述Ξ轴巧螺仪采集的X轴角速度参数在所述时间窗内的数据的标准差作 为所述一维特征向量的第四个参数；
[0016] 将通过所述Ξ轴巧螺仪采集的Υ轴角速度参数在所述时间窗内的数据的标准差作 为所述一维特征向量的第五个参数；
[0017] 将通过所述Ξ轴巧螺仪采集的Ζ轴角速度参数在所述时间窗内的数据的标准差作 为所述一维特征向量的第六个参数；
[0018] 将通过所述GI^定位仪采集的经度参数在所述时间窗内的数据的标准差作为所述 一维特征向量的第屯个参数；
[0019] 将通过所述GI^定位仪采集的缔度参数在所述时间窗内的数据的标准差作为所述 一维特征向量的第八个参数；
[0020] 将通过所述Ξ轴加速度传感器采集的所述X轴加速度参数、所述Y轴加速度参数和 所述Z轴加速度参数求平方和后开方，提取标准差作为所述一维特征向量的第九个参数；
[0021] 将通过所述Ξ轴巧螺仪采集的所述X轴角速度参数、所述Y轴角速度参数和所述Z 轴角速度参数求平方和后开方，提取标准差作为所述一维特征向量的第十个参数；
[0022] 将通过所述Ξ轴加速度传感器采集的所述X轴加速度参数、所述Y轴加速度参数和 所述Z轴加速度参数求平方和后开方，提取最大值作为所述一维特征向量的第十一个参数；
[0023] 将通过所述Ξ轴加速度传感器采集的所述X轴加速度参数、所述Y轴加速度参数和 所述Z轴加速度参数求平方和后开方，提取最小值作为所述一维特征向量的第十二个参数；
[0024] 将通过所述Ξ轴巧螺仪采集的所述X轴角速度参数、所述Y轴角速度参数和所述Z 轴角速度参数求平方和后开方，提取最大值作为所述一维特征向量的第十Ξ个参数；
[0025] 将通过所述Ξ轴巧螺仪采集的所述X轴角速度参数、所述Y轴角速度参数和所述Z 轴角速度参数求平方和后开方，提取最大值作为所述一维特征向量的第十四个参数；
[0026] 将通过所述GPS定位仪采集的所述GPS速度参数在所述时间窗内的数据的最大值 作为所述一维特征向量的第十五个参数；
[0027] 将通过所述GPS定位仪采集的所述GPS速度参数在所述时间窗内的数据的最小值 作为所述一维特征向量的第十六个参数；
[0028] 将通过所述GPS定位仪采集的所述GPS速度参数在所述时间窗内的数据的最小值 作为所述一维特征向量的第十屯个参数。
[0029] 可选地，所述预设的Μ种行为模式包括:静止、走路、骑自行车、开车、乘坐地铁、乘 坐轻轨、乘坐公交车、使用健身自行车和室内轨道车。
[0030] 本发明实施例第二方面提供了一种用户行为模式的识别方法，包括：
[0031] 采集用户当前的行为特征数据，所述行为特征数据包括Ν个描述参数对应的Ν个参 数值，Ν为大于等于2的整数；
[0032] 根据所述Ν个参数值，生成一维特征向量；
[0033] 对比所述一维特征向量与预设的Μ种行为模式中每种行为模式对应的特征向量之 间的差异，并向差异最小的特征向量对应的行为模式投票；
[0034] 统计在预设时间段内的投票结果，将所述用户当前的行为模式识别为获得投票最 多的行为模式。
[0035] 可选地，所述Ν个描述参数包括：
[0036] X轴加速度参数、Υ轴加速度参数、Ζ轴加速度参数、X轴角速度参数、Υ轴角速度参 数、Ζ轴角速度参数、经度参数、缔度参数和GI^速度参数。
[0037] 可选地，所述根据所述N个参数值，生成一维特征向量，具体包括：
[0038] 将所述X轴加速度在时间窗内的数据的标准差作为所述一维特征向量的第一个参 数；
[0039] 将所述Y轴加速度参数在所述时间窗内的数据的标准差作为所述一维特征向量的 第二个参数；
[0040] 将所述Z轴加速度参数在所述时间窗内的数据的标准差作为所述一维特征向量的 第Ξ个参数；
[0041] 将所述X轴角速度参数在所述时间窗内的数据的标准差作为所述一维特征向量的 第四个参数；
[0042] 将所述Υ轴角速度参数在所述时间窗内的数据的标准差作为所述一维特征向量的 第五个参数；
[0043] 将所述Ζ轴角速度参数在所述时间窗内的数据的标准差作为所述一维特征向量的 第六个参数；
[0044] 将所述经度参数在所述时间窗内的数据的标准差作为所述一维特征向量的第屯 个参数；
[0045] 将所述缔度参数在所述时间窗内的数据的标准差作为所述一维特征向量的第八 个参数；
[0046] 将所述X轴加速度参数、所述Υ轴加速度参数和所述Ζ轴加速度参数求平方和后开 方，提取标准差作为所述一维特征向量的第九个参数；
[0047] 将所述X轴角速度参数、所述Υ轴角速度参数和所述Ζ轴角速度参数求平方和后开 方，提取标准差作为所述一维特征向量的第十个参数；
[0048] 将所述X轴加速度参数、所述Υ轴加速度参数和所述Ζ轴加速度参数求平方和后开 方，提取最大值作为所述一维特征向量的第十一个参数；
[0049] 将所述X轴加速度参数、所述Υ轴加速度参数和所述Ζ轴加速度参数求平方和后开 方，提取最小值作为所述一维特征向量的第十二个参数；
[0050] 将所述X轴角速度参数、所述Υ轴角速度参数和所述Ζ轴角速度参数求平方和后开 方，提取最大值作为所述一维特征向量的第十Ξ个参数；
[0051] 将所述X轴角速度参数、所述Υ轴角速度参数和所述Ζ轴角速度参数求平方和后开 方，提取最大值作为所述一维特征向量的第十四个参数；
[0052] 将所述GI^速度参数在所述时间窗内的数据的最大值作为所述一维特征向量的第 十五个参数；
[0053] 将所述GI^速度参数在所述时间窗内的数据的最小值作为所述一维特征向量的第 十六个参数；
[0054] 将所述GI^速度参数在所述时间窗内的数据的最小值作为所述一维特征向量的