CN104680046A - 一种用户活动识别方法及装置 - Google Patents

Abstract

本发明实施例公开了一种用户活动识别方法及装置。所述方法应用于安装有传感器的智能终端，包括：获得所述传感器的第一数据；对第一数据按照第一算法进行计算获得第一活动识别结果；采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；将第二活动识别结果确定为用户活动。该方法提高了对用户活动识别的准确率。

Description

一种用户活动识别方法及装置

技术领域

本发明涉及数据处理技术领域，特别是涉及一种用户活动识别方法及装置。

背景技术

随着移动通信的发展，现在的智能移动终端中集成了多种功能强大的传感器装置，如加速度(Accelerometer)、环境光(Ambient Light)、全球定位***（Global Positioning System，GPS）,接近度传感器(ProximitySensor)、指南针（compass）、陀螺仪(gyroscope)、摄像头（Camera）等，智能终端能够实时捕捉各个传感器微小的变化，并作出相应的反应。

这些传感器在移动通信设备中的普遍应用为数据挖掘提供巨大的应用机会。对移动终端中传感器数据进行分析和挖掘以识别用户的动作与活动是当前热门的学科，在学术与商业上都有极大的价值。例如，利用智能手机对儿童在家和学校的活动进行检测，及早地检测儿童活动的异常，或者对可能面临的危险等向家长和老师进行预警等。

现有技术中，智能终端可以根据当前获得的传感器数据以及预先建立的知识库来识别当前用户的活动，该知识库中包含在先收集的传感器数据与对应的用户活动的训练数据。然而该方法完全基于传感器数据及有限的训练数据，对用户活动的识别准确率较低。

发明内容

本发明实施例中提供了一种用户活动识别方法及装置，能够提高用户活动的识别准确率。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面，提供一种用户活动识别方法，应用于安装有传感器的智能终端，所述方法包括：

获得所述传感器的第一数据；

对所述第一数据按照第一算法进行计算获得第一活动识别结果；

采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；

将所述第二活动识别结果确定为用户活动。

结合上述第一方面，在第一种实现方式中，所述第一活动识别结果为一个n种活动概率的向量；

所述采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正，获得第二活动识别结果，包括：

将所述修正模型表示为二值向量；

计算所述n种活动概率的向量与所述二值向量的乘积，获得概率分量；

在获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为所述第二活动识别结果。

结合上述第一方面，或第一方面的第一种实现方式，在第二种实现方式中，在所述将所述第二活动识别结果确定为用户活动之前，还包括：

判断所述第二活动识别结果的概率分量是否大于或等于阈值；

所述将所述第二活动识别结果确定为用户活动，包括：

在所述第二活动识别结果的概率分量大于或等于所述阈值时，则将所述第二活动识别结果确定为用户活动。

结合上述第一方面，或第一方面的第一种实现方式，或第一方面的第二种实现方式，在第三种实现方式中，还包括：

在所述第二活动识别结果的概率分量小于所述阈值时，向用户输出所述第二活动识别结果；

接收所述用户输入的对所述第二活动识别结果的反馈信息；

根据所述反馈信息确定用户活动。

结合上述第一方面，或第一方面的第一种实现方式，或第一方面的第二种实现方式，或第一方面的第三种实现方式，在第四种实现方式中，还包括：

当所述反馈信息中包含用户标注的用户活动时，将所述第一活动识别结果与所述反馈信息中的用户标注的用户活动作为一组历史数据增加至所述训练数据中，并根据增加了历史数据后的训练数据修正所述修正模型。

结合上述第一方面，或第一方面的第一种实现方式，或第一方面的第二种实现方式，或第一方面的第三种实现方式，或第一方面的第四种实现方式，在第五种实现方式中，在所述将所述第二活动识别结果确定为用户活动后，还包括：

根据所述用户活动，在知识库中查找与所述用户活动对应的应用程序，其中，所述知识库中存储有多种用户活动与应用程序的对应关系；

启动所述与所述用户活动对应的应用程序。

第二方面，提供一种用户活动识别装置，该装置应用于安装有传感器的智能终端，所述装置包括：

获取单元，用于获得所述传感器的第一数据；

识别单元，用于对所述获取单元获取的第一数据按照第一算法进行计算获得第一活动识别结果；

修正单元，用于采用根据训练数据建立的修正模型对所述识别单元识别出的第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；

确定单元，用于将所述修正单元修正获得的第二活动识别结果确定为用户活动。

结合上述第二方面，在第一种实现方式中，所述第一活动识别结果为一个n种活动概率的向量；

所述修正单元包括：

表征子单元，用于将所述修正模型表示为二值向量；

计算子单元，用于计算所述n种活动概率的向量与所述表征子单元表征的二值向量的乘积，获得概率分量；

选择子单元，用于在所述计算子单元获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为所述第二活动识别结果。

结合上述第二方面，或第二方面的第一种实现方式，在第二种实现方式中，还包括：

第一判断单元，用于判断所述第二活动识别结果的概率分量是否大于或等于阈值；

所述确定单元，具体用于当所述第一判断单元判断所述第二活动识别结果的概率分量大于或等于所述阈值时，将所述第二活动识别结果确定为用户活动。

结合上述第二方面，或第二方面的第一种实现方式，或第二方面的第二种实现方式，在第三种实现方式中，还包括：

输出单元，用于当所述第一判断单元判断所述第二活动识别结果的概率分量小于所述阈值时，向用户输出所述第二活动识别结果；

信息接收单元，用于接收所述用户输入的对所述输出单元输出的所述第二活动识别结果的反馈信息；

所述确定单元，还用于根据所述信息接收单元接收到的反馈信息确定用户活动。

结合上述第二方面，或第二方面的第一种实现方式，或第二方面的第二种实现方式，或第二方面的第三种实现方式，在第四种实现方式中，还包括：

第二判断单元，用于判断所述信息接收单元接收到的反馈信息中是否包含用户标注的用户活动；

数据添加单元，用于当所述第二判断单元判断所述反馈信息中包含用户标注的用户活动时，将所述第一活动识别结果与所述用户标注的用户活动作为一组历史数据增加至所述训练数据中，并根据增加了历史数据后的训练数据修正所述修正模型。

结合上述第二方面，或第二方面的第一种实现方式，或第二方面的第二种实现方式，或第二方面的第三种实现方式，或第二方面的第四种实现方式，在第五种实现方式中，还包括：

查找单元，用于根据所述确定单元所确定的用户活动，在知识库中查找与所述用户活动对应的应用程序，其中，所述知识库中存储有用户活动与应用程序的对应关系；

启动单元，用于启动所述查找单元查找到的与所述用户活动对应的应用程序。

本发明实施例通过采用用户的相关信息及历史数据建立修正模型，对根据传感器数据计算获得的活动识别结果进行修正，可以提高对用户活动识别的准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种用户活动识别方法流程图；

图2为本发明实施例中对第一活动识别结果进行修正的方法流程图；

图3为本发明实施例另一种识别用户活动的方法流程图；

图4为本发明实施例一种识别用户活动装置的结构示意图；

图5为本发明实施例中一种修正单元的结构示意图；

图6为本发明实施例另一种用户活动识别装置的结构示意图；

图7为本发明实施例另一种用户活动识别装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方案作进一步详细的说明。

参见图1，为本发明实施例一种用户活动识别方法流程图。

本实施例方法应用于安装有至少一个传感器的智能终端，该用户活动识别方法可以包括：

步骤101，获得传感器的第一数据。

用户活动识别装置首先获得传感器采集的第一数据。其中，传感器可以是重力加速度传感器，线性加速度传感器，陀螺仪，距离传感器等传感器中的一个或多个，采集的第一数据可以是速度及其变化量，声音，光线，无线保真（Wireless-Fidelity，Wifi）设备标识（Identity，ID）与信号强度等数据。

步骤102，对第一数据按照第一算法进行计算获得第一活动识别结果。

为了便于计算，可以首先将该第一数据处理为用于计算第一活动识别结果所需的属性。然后采用预先建立的模型及算法计算第一数据，获得第一活动识别结果，该算法可以是主动学习算法，也可以是其他现有算法，此处不再一一列举。该第一活动识别结果可以表示为一个n种活动概率的向量，如(p1,p2,…,pn)，其中，pj为活动j的概率，j=1,……n。

其中，将该第一数据处理为用于计算第一活动识别结果所需的属性，例如,采集智能终端上的重力加速度传感器数据,得到一个加速度传感器在x,y,z三个方向上的连续数值序列。从当前时刻T开始向前取t时间宽度的数据窗口。从而获得(T-t,T)时间内的传感器数据，对该时间窗内x,y,z三个方向，以及三个方向上的数据矢量和方向上的数据分别计算平均值，标准差，最大值，最小值，以及经过离散傅里叶变换后的各方向分量的幅值。将上述计算后的值作为(T-t,T)这段时间内加速度传感器的属性特征。此外，属性值还可以通过(T-t,T)内的GPS数据，声音，光线，应用的使用情况作相应的计算和变换得到相应的属性值。特别的，针对GPS数据可以对GPS数据对应的地点的POI(地点的属性)作为属性，也可以将用户的GPS进行聚类后赋予的地点标识作为属性。

本发明实施例中，获得第一活动识别结果的算法可以是任何有效的分类算法。以主动学习分类算法为例，主动学习算法的优点是在拥有大量未标注数据的情况下，算法能挑选出对分类效果有提升的数据让用户或者专家来进行人工标注，从而获得主要的标注数据来增强算法的分类效果。同时由于算法会对未标注数据进行挑选，这样可以大大地减少数据标注的工作量。在本发明中可以通过让用户反馈来完成对主要数据的标注，从而用最小的代价来优化分类的准确性。

对于难以分类的未标注数据可以采用支持向量机的算法，该算法会计算得到分类的支持向量，从而确定一个最佳的分类平面。对于未标注数据，计算每个未标注数据离分类平面的距离W。离分类平面越近的数据对分类效果的影响越大，因此将W小于某个值e的未标注数据挑选出来，让用户进行反馈得到该部分数据的标注，然后对模型进行重新的训练，从而使分类平面更加准确，从而使分类的效果得到提升。支持向量机算法是传统算法，相关领域的技术人员都应该了解。

步骤103，采用根据训练数据建立的修正模型对第一活动识别结果进行修正，获得第二活动识别结果。

本发明实施例与现有技术最重要的区别在于，不是选取第一活动识别结果中概率最大的活动确定为最终的用户活动，而是进一步对第一活动识别结果进行修正。

对第一活动识别结果进行修正之前，首先建立修正模型，建立修正模型的过程，可以是首先采集训练数据。该训练数据包括至少一组用户相关信息以及历史数据，该历史数据包括用户活动识别结果及其对应的用户标注的用户活动，其中，相互对应的用户活动识别结果和用户标注的用户活动可以是指针对用户的同一活动，根据传感器数据进行计算获得的用户活动识别结果和用户直接标注出的用户活动。用户相关信息至少包括用于确定上述历史数据中的用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项。用户个人信息可以包含用户的性别、年龄、职业等。可以将这些训练数据存储在专门的知识库中；然后根据这些训练数据建立修正模型（或修正规则），使得基于该修正模型可以采用用户相关信息对训练数据中的用户活动识别结果进行修正，修正结果为训练数据中与该用户活动识别结果相对应的用户标注的用户活动。在获得修正模型后，即可基于该修正模型对上步骤获得的第一活动识别结果进行修正。

其中，修正模型可以是预先定义的规则库，根据规则和规则上的推理对识别结果进行修正。规则库和推理可以使用Ontology（本体论）方式对规则进行表示并使用现有的Ontology推理引擎进行推理。将第一识别结果表示为一个n类活动的概率向量，然后通过推理引擎得出在特定地点、事件以及用户当前状态下可能从事的n类活动向量综合。以“吃饭”为例，该活动被定义为一种在特定地点发生的活动。对于该活动可能也有其他限制条件。而“餐厅”作为一个地点被定义为一个“房间”并且存在“餐桌”。根据用户当前的位置可以判断“餐厅”满足“吃饭”活动的限制。因此通过推理引擎进行一致性检查，从而确定此时用户的活动是“吃饭”。

在另一具体实现方式中，如果第一活动识别结果表示为一个n种活动概率的向量，该对第一活动识别结果的修正过程，如图2所示，具体可以包括如下步骤：

步骤201，将修正模型表示为二值向量。

步骤202，计算n种活动概率的向量与所述二值向量的乘积，获得概率分量。

步骤203，在获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为第二活动识别结果。

例如，根据用户当前的位置分别定义：

Eating(CURR_ACT);Restaurant(CURR_LOC);

在推理引擎中进行一致性验证：

performedIn(CURR_ACT,CURR_LOC);isConsistent();

isConsistent返回1，如果当前地点满足活动“吃饭”发生的条件；否则返回0。然后将通过计算学习算法得到的活动概率向量与推理得到的二值向量相乘。则概率向量中与二值向量中为“0”的分量被置“0”。从剩余的非“0”概率分量中选择概率最大的活动作为第二活动识别结果。

步骤104，将第二活动识别结果确定为用户活动。

本发明实施例通过采用用户的相关信息及历史数据建立修正模型，对根据传感器数据计算获得的活动识别结果进行修正，可以提高对用户活动识别的准确率。

参见图3，为本发明实施例另一种识别用户活动的方法流程图。

本实施例方法同样应用于安装有至少一个传感器的智能终端，该识别用户活动的方法可以包括：

步骤301，获得传感器的第一数据。

步骤302，对第一数据按照第一算法进行计算获得第一活动识别结果。

步骤303，采用根据训练数据建立的修正模型对第一活动识别结果进行修正，获得第二活动识别结果。

步骤301至303与前述实施例中的步骤101至103类似，其中，步骤303中获得第二活动识别结果的过程可以参照步骤201至203。

在获得第二活动识别结果的概率分量后，进一步执行步骤304。

步骤304，判断第二活动识别结果的概率分量是否大于或等于阈值。

若大于或等于阈值，则执行步骤305，若小于阈值，则执行步骤306。其中，该阈值的大小可以根据用户需要进行设置，此处不做限定。

步骤305，将第二活动识别结果确定为用户活动。

在确定用户活动后，转入步骤310至311。

步骤306，向用户输出第二活动识别结果。

若该第二活动识别结果的概率分量小于阈值，则需要进一步确定该识别结果是否正确，此时首先向用户输出该第二活动识别结果，以供用户判断。

步骤307，接收用户输入的对第二活动识别结果的反馈信息。

用户判断第二活动识别结果是否正确，若正确，则可以直接反馈用于表示正确的信息；若不正确，用户可以反馈表示不正确的信息，并进一步在反馈信息中标注出用户活动，也可以只反馈标注出的用户活动。

步骤308，根据反馈信息确定用户活动。

在接收到用户的反馈信息后，若用户反馈正确，则将第二活动识别结果确定为用户活动，若用户反馈不正确或用户反馈标注出的用户活动，则将该用户标注的用户活动确定为最终的用户活动，并进一步执行步骤309。

步骤309，当反馈信息中包含用户标注的用户活动时，将第一活动识别结果与用户标注的用户活动作为一组历史数据增加至训练数据中，并根据增加了历史数据后的训练数据修正前述修正模型。

在获得用户标注的用户活动后，即可获得新的一组根据传感器数据计算获得的用户活动识别结果和用户标注的用户活动的对应数据，将该组对应数据作为历史数据增加至训练数据中，进而可以根据增加了上述历史数据的新的训练数据修正已经建立的修正模型，以使修正模型更准确。

在步骤305以及步骤308之后，还可以进一步执行步骤310至311。

步骤310，根据用户活动，在知识库中查找与用户活动对应的应用程序，其中，知识库中存储有用户活动与应用程序的对应关系。

预先建立用户活动和应用程序的对应关系，例如，睡觉（属于用户活动）对应静音设置（属于应用程序）等。该对应关系可以是用户根据自己的需求预先设置的。该对应关系可以与训练数据一起存储在知识库中。

在上步骤确定最终的用户活动后，即可查找该对应关系获得该用户活动对应的应用程序，并执行步骤311。

步骤311，启动与用户活动对应的应用程序。

本发明实施例不仅通过采用用户的相关信息及历史数据建立修正模型，对根据传感器数据计算获得的活动识别结果进行修正，提高了对用户活动识别的准确率，而且可以根据用户活动提供相应的应用服务。

例如，根据传感器的第一数据计算获得第一活动识别结果中“躺”的概率分量最大，然后根据用户的相关信息如年龄：30，地点：卧室，时间：12:30等以及历史数据建立的修正模型，对第一活动识别结果进行修正，修正后获得的第二活动识别结果为“睡觉”，此时，可以将预先设置的睡觉对应的静音设置应用触发，将智能终端的声音改为静音。再例如，根据传感器的第一数据计算获得第一活动识别结果中“躺”的概率分量最大，然后根据用户的相关信息如年龄：70，地点：餐厅，时间：8：:00等以及历史数据建立的修正模型，对第一活动识别结果进行修正，修正后获得的第二活动识别结果为“摔倒”，此时，可以将预先设置的摔倒对应的报警设置应用触发，由智能终端发出报警铃声或发出报警短信、电话等。

以上是对本发明方法实施例的描述，下面对实现上述方法的装置进行介绍。

参见图4，为本发明实施例一种识别用户活动装置的结构示意图。

该装置应用于安装有传感器的智能终端，也可以就是安装有传感器的智能终端本身。该装置可以包括：

获取单元401，用于获得所述传感器的第一数据。

识别单元402，用于对所述获取单元401获得的第一数据按照第一算法进行计算获得第一活动识别结果。

修正单元403，用于采用根据训练数据建立的修正模型对所述识别单元402识别出的第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项。

确定单元404，用于将所述修正单元403修正获得的第二活动识别结果确定为用户活动。

获取单元401获得传感器的第一数据后，由识别单元402根据一定的算法，例如主动学习算法，计算获得第一活动识别结果，该第一活动识别结果可以表示为一个n种活动概率的向量，如(p1,p2,…,pn)，其中，pj为活动j的概率，j=1,……n。然后，修正单元403根据预先建立起来的修正模型对该第一活动识别结果进行修正，获得第二活动识别结果，其中，修正模型是根据至少一组用户相关信息以及历史数据建立的。最终，由确定单元404将第二活动识别结果确定为用户活动。

本发明实施例通过上述单元采用用户的相关信息及历史数据建立修正模型，对根据传感器数据计算获得的活动识别结果进行修正，可以提高对用户活动识别的准确率。

在本发明的另一实施例中，该第一活动识别结果可以表示为一个n种活动概率的向量；如图5所示，修正单元403可以进一步包括：

表征子单元501，用于将所述修正模型表示为二值向量；

计算子单元502，用于计算所述n种活动概率的向量与所述表征子单元501表征的二值向量的乘积，获得概率分量；

选择子单元503，用于在计算子单元502获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为所述第二活动识别结果。

参见图6，为本发明实施例另一种用户活动识别装置的结构示意图。

该装置除了可以包括获取单元601、识别单元602、修正单元603和确定单元604之外，还可以进一步包括：

第一判断单元605，用于判断所述第二活动识别结果的概率分量是否大于或等于阈值；

输出单元606，用于当第一判断单元605判断所述第二活动识别结果的概率分量小于所述阈值时，向用户输出所述第二活动识别结果；

信息接收单元607，用于接收用户输入的对所述输出单元606输出的所述第二活动识别结果的反馈信息；

所述确定单元604，具体用于当所述第一判断单元605判断所述第二活动识别结果的概率分量大于或等于所述阈值时，将所述第二活动识别结果确定为用户活动；还用于当第一判断单元605判断第二活动识别结果的概率分量小于所述阈值时，根据信息接收单元607接收到的所述反馈信息确定用户活动。

第二判断单元608，用于判断所述信息接收单元607接收到的反馈信息中是否包含用户标注的用户活动。

数据添加单元609，用于当第二判断单元608判断信息接收单元607接收到的所述反馈信息中包含用户标注的用户活动时，将所述第一活动识别结果与所述用户标注的用户活动作为一组历史数据增加至所述训练数据中，并根据增加了历史数据后的训练数据修正所述修正模型。

查找单元610，用于根据所述确定单元604确定出的用户活动，在知识库中查找与所述用户活动对应的应用程序，其中，所述知识库中存储有用户活动与应用程序的对应关系；

启动单元611，用于启动查找单元610查找到的与所述用户活动对应的应用程序。

本发明实施例通过上述单元不仅采用用户的相关信息及历史数据建立修正模型，对根据传感器数据计算获得的活动识别结果进行修正，提高了对用户活动识别的准确率，而且可以根据用户活动提供相应的应用服务。

如图7所示，本发明实施例还提供了另一种用户活动识别装置，该装置可以应用在安装有传感器的智能终端上，该装置包括处理器710，存储器720和收发器730。

其中，处理器710、存储器720、收发器730通过总线740相互连接；总线740可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。

收发器730用于接收所述传感器的第一数据。

存储器720中存储有训练数据以及一段程序代码，其中，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；具体地，所述程序代码包括计算机操作指令。存储器720可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。

处理器710，用于读取存储器720中的程序代码，并执行以下步骤：

对所述第一数据按照第一算法进行计算获得第一活动识别结果；

采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正；

将所述第二活动识别结果确定为用户活动。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

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***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个***，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接口，装置或单元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单元可以是或者也可以不是物理上分开的，作为单元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，在本发明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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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）或处理器（processor）执行本发明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、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种用户活动识别方法，其特征在于，应用于安装有传感器的智能终端，所述方法包括：

获得所述传感器的第一数据；

对所述第一数据按照第一算法进行计算获得第一活动识别结果；

采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；

将所述第二活动识别结果确定为用户活动。

2.根据权利要求1所述的方法，其特征在于，所述第一活动识别结果为一个n种活动概率的向量；

所述采用根据训练数据建立的修正模型对所述第一活动识别结果进行修正，获得第二活动识别结果，包括：

将所述修正模型表示为二值向量；

计算所述n种活动概率的向量与所述二值向量的乘积，获得概率分量；

在获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为所述第二活动识别结果。

3.根据权利要求2所述的方法，其特征在于，在所述将所述第二活动识别结果确定为用户活动之前，还包括：

判断所述第二活动识别结果的概率分量是否大于或等于阈值；

所述将所述第二活动识别结果确定为用户活动，包括：

在所述第二活动识别结果的概率分量大于或等于所述阈值时，将所述第二活动识别结果确定为用户活动。

4.根据权利要求3所述的方法，其特征在于，还包括：

在所述第二活动识别结果的概率分量小于所述阈值时，向用户输出所述第二活动识别结果；

接收所述用户输入的对所述第二活动识别结果的反馈信息；

根据所述反馈信息确定用户活动。

5.根据权利要求4所述的方法，其特征在于，还包括：

当所述反馈信息中包含用户标注的用户活动时，将所述第一活动识别结果与所述反馈信息中的用户标注的用户活动作为一组历史数据增加至所述训练数据中，并根据增加了历史数据后的训练数据修正所述修正模型。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，在所述将所述第二活动识别结果确定为用户活动后，还包括：

根据所述用户活动，在知识库中查找与所述用户活动对应的应用程序，其中，所述知识库中存储有用户活动与应用程序的对应关系；

启动所述与所述用户活动对应的应用程序。

7.一种用户活动识别装置，其特征在于，该装置应用于安装有传感器的智能终端，所述装置包括：

获取单元，用于获得所述传感器的第一数据；

识别单元，用于对所述获取单元获取的第一数据按照第一算法进行计算获得第一活动识别结果；

修正单元，用于采用根据训练数据建立的修正模型对所述识别单元识别出的第一活动识别结果进行修正，获得第二活动识别结果，所述训练数据包括至少一组用户相关信息及历史数据，所述历史数据包括用户活动识别结果及其对应的用户标注的用户活动，所述用户相关信息至少包括用于确定所述用户活动识别结果的传感器数据的获得时间及地点、用户个人信息、应用使用状态信息中的一项；

确定单元，用于将所述修正单元修正获得的第二活动识别结果确定为用户活动。

8.根据权利要求7所述的装置，其特征在于，所述第一活动识别结果为一个n种活动概率的向量；

所述修正单元包括：

表征子单元，用于将所述修正模型表示为二值向量；

计算子单元，用于计算所述n种活动概率的向量与所述表征子单元表征的二值向量的乘积，获得概率分量；

选择子单元，用于在所述计算子单元获得的所述概率分量中，选择数值最大的概率分量所对应的活动作为所述第二活动识别结果。

9.根据权利要求8所述的装置，其特征在于，还包括：

第一判断单元，用于判断所述第二活动识别结果的概率分量是否大于或等于阈值；

所述确定单元，具体用于当所述第一判断单元判断所述第二活动识别结果的概率分量大于或等于所述阈值时，将所述第二活动识别结果确定为用户活动。

10.根据权利要求9所述的装置，其特征在于，还包括：

输出单元，用于当所述第一判断单元判断所述第二活动识别结果的概率分量小于所述阈值时，向用户输出所述第二活动识别结果；

信息接收单元，用于接收所述用户输入的对所述输出单元输出的所述第二活动识别结果的反馈信息；

所述确定单元，还用于根据所述信息接收单元接收到的反馈信息确定用户活动。

11.根据权利要求10所述的装置，其特征在于，还包括：

第二判断单元，用于判断所述信息接收单元接收到的反馈信息中是否包含用户标注的用户活动；

数据添加单元，用于当所述第二判断单元判断所述反馈信息中包含用户标注的用户活动时，将所述第一活动识别结果与所述用户标注的用户活动作为一组历史数据增加至所述训练数据中，并根据增加了历史数据后的训练数据修正所述修正模型。

12.根据权利要求7至11中任意一项所述的装置，其特征在于，还包括：

查找单元，用于根据所述确定单元所确定的用户活动，在知识库中查找与所述用户活动对应的应用程序，其中，所述知识库中存储有用户活动与应用程序的对应关系；

启动单元，用于启动所述查找单元查找到的与所述用户活动对应的应用程序。