CN110349373B - 基于二元传感器的行为识别方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种基于二元传感器的行为识别方法，包括以下步骤：S1：对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；S2：基于空间约束和时间约束对步骤S1得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；S3：将步骤S2得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；S4：从步骤S3得到的行为模式候选集合中识别出具体的行为模式。本发明还公开了基于二元传感器的行为识别装置及计算机存储介质。本发明使用方便，不会侵犯隐私，准确性高，计算复杂度低，成本低。

Description

基于二元传感器的行为识别方法、装置及存储介质

技术领域

本发明涉及行为识别，特别是涉及养老院或者独居老人的行为识别。

背景技术

现有技术公开了申请号为201310489096.8、发明名称为“一种养老院老人危险行为监测方法”的发明专利申请，其中提出了基于目标跟踪和行为识别相结合的方法对养老院老人日常生活中的活动状态进行监测并对老人的危险和异常行为进行报警的方案。但该方案需要将大量摄像机布置于居家环境中，进行全方位多角度的监控，容易侵犯老人的隐私。

现有技术还公开了一种基于可穿戴传感器的监测方法，但是需要每天都穿戴，使用起来很不方便。

发明内容

发明目的：本发明的目的是提供一种基于二元传感器的行为识别方法、装置及存储介质，能够解决现有技术中存在的“容易侵犯隐私”、“使用不方便”的技术问题。

技术方案：本发明所述的基于二元传感器的行为识别方法，包括以下步骤：

S1：对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；

S2：基于空间约束和时间约束对步骤S1得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；

S3：将步骤S2得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；

S4：从步骤S3得到的行为模式候选集合中识别出具体的行为模式。

进一步，所述步骤S1中，预处理的过程为：对二元传感器采集到的数据中的无效数据进行过滤；所述无效数据满足以下三个条件中的至少一个条件：

条件1：数据为空值；

条件2：数据生成时间大于上限或者小于下限；

条件3：数据中的二元传感器ID不正确。

进一步，所述步骤S2具体包括以下步骤：

S21：令i＝1；

S22；将第i天预处理后的二元传感器数据Dⁱ按照空间进行划分：Dⁱ＝{D^i，1，…，D^{i ，a}}；其中，D^i，j表示第i天第j个空间内的预处理后的二元传感器数据，1≤j≤a，a表示将第i天预处理后的二元传感器数据Dⁱ划分出的空间总数，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k个数据，1≤k≤β_i，j，β_i，j表示第i天第j个空间内的预处理后的二元传感器数据的总量，β_i，j≥1；

S23：令j＝1；

S24：将

划分到第i天第j个空间内的第1个数据子集合D^i，j，1中，并将

记为

表示D^i，j，1中的第1个元素；

S25：如果β_i，j＝1，则进行步骤S29；如果β_i，j＞1，则进行步骤S26；

S26：令k₁＝1；

S27：判断

这一条件是否成立，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁+1个数据，

time表示

这一数据采集的时刻，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁个数据，

time表示

这一数据采集的时刻，λ表示时间阈值：如果条件成立，则将

划分到与

相同的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；如果条件不成立，则将

划分到序号比

所在数据子集合的序号多1的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；

S28：令k₁＝k₁+1，然后返回步骤S27；

S29：判断j是否等于a：如果是，则进行步骤210；否则，令j＝j+1，然后返回步骤S24；

S210：判断i是否等于最大天数：如果是，则结束；否则，令i＝i+1，然后返回步骤S22。

进一步，所述步骤S3具体包括以下步骤：

S31：令j＝1；

S32：令i＝1；

S33：令r＝1；

S34：将步骤S2得到的第i天第j个空间内的第r个数据子集合D^i，j，r转换为第i天第j个空间内的第r个字符串S^i，j，r，

D^i，j，r中的各元素分别转换成S^{i ，j，r}中的字符，其中

表示S^i，j，r中的第w个字符，也即

由D^i，j，r中第w个元素转换而来，β_i，j，r表示S^i，j，r中字符的总个数；

S35：令m＝1；

S36：得到第i天第j个空间内第r个字符串S^i，j，r中所有长度为m的子字符串的集合

S37：判断m≥τ是否成立，τ为长度阈值：如果成立，则将

记为一个有效子字符串集合，有效子字符串集合中的所有子字符串均为有效子字符串，然后进行步骤S38；否则，将

丢弃，然后进行步骤S39；

S38：将

中的所有有效子字符串转换为相应的哈希值；

S39：判断m是否等于β_i，j，r：如果是，则进行步骤S310；否则，令m＝m+1，然后返回步骤S36；

S310：判断r是否等于第i天第j个空间内数据子集合的总个数：如果等于，则进行步骤S311；否则，令r＝r+1，然后返回步骤S34；

S311：判断i是否等于最大天数：如果等于，则进行步骤S312；否则，令i＝i+1，然后返回步骤S34；

S312：根据连续x天第j个空间内所有有效子字符串转换成的哈希值，统计每个有效子字符串出现的次数，将出现次数不小于次数阈值的有效子字符串存入到第j个空间的潜在行为模式集合中；x≥2；

S313：如果第j个空间的潜在行为模式集合中包含一个完整的字符串，则将该字符串的所有有效子字符串剔除，从而形成第j个空间的行为模式候选集合；

S314：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S34。

进一步，所述步骤S4具体包括以下步骤：

S41：令j＝1；

S42：将第j个空间的行为模式候选集合中的各个元素分别与第j个空间的预定义行为模式集合中的各个元素进行比较：如果第j个空间的行为模式候选集合中的一个元素与第j个空间的预定义行为模式集合中的一个元素之间的相似度为1，则判定第j个空间的行为模式候选集合中的该元素为一个行为模式；如果第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的相似度均不为1，则判断第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的最大相似度是否超过相似度阈值，如果超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素判定为一个行为模式，如果未超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素存入人工检测集合中；

S43：通过人工检测的方式判断人工检测集合中的各元素是否为行为模式：如果是，则将相应元素加入到预定义行为模式集合中；否则，则丢弃；

S44：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S42。

本发明所述的基于二元传感器的行为识别装置，包括：

数据预处理模块：用于对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；

数据分段模块：用于基于空间约束和时间约束对数据预处理模块得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；

行为模式候选集合生成模块：用于将数据分段模块得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；

行为模式识别模块：用于从行为模式候选集合生成模块得到的行为模式候选集合中识别出具体的行为模式。

本发明所述的计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的基于二元传感器的行为识别方法的步骤。

有益效果：本发明与现有技术相比，具有如下的有益效果：

1)本发明是基于二元传感器进行行为识别，不需要穿戴，使用方便，也不需要大量摄像机，不会侵犯用户隐私；

2)本发明综合考虑了空间约束和时间约束，这样能够提高行为识别的准确性；

3)本发明将二元传感器数据映射并转换成一维字符串，而不是多维字符串，这样能够降低计算复杂度；

4)本发明基于智能家居中普遍存在的二元传感器，不用新增大量的二元传感器，这样能够降低成本。

附图说明

图1为本发明具体实施方式中方法的流程图；

图2为本发明具体实施方式中基于空间约束的数据分段示意图；

图3为本发明具体实施方式中基于时间约束和空间约束的数据分段示意图；

图4为本发明具体实施方式中装置的结构示意图。

具体实施方式

本具体实施方式公开了一种基于二元传感器的行为识别方法，如图1所示，包括以下步骤：

S1：对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；

S2：基于空间约束和时间约束对步骤S1得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；

S3：将步骤S2得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；

S4：从步骤S3得到的行为模式候选集合中识别出具体的行为模式。

步骤S1中，预处理的过程为：对二元传感器采集到的数据中的无效数据进行过滤；所述无效数据满足以下三个条件中的至少一个条件：

条件1：数据为空值；

条件2：数据生成时间大于上限或者小于下限；

条件3：数据中的二元传感器ID不正确。

步骤S2具体包括以下步骤：

S21：令i＝1；

S22；将第i天预处理后的二元传感器数据Dⁱ按照空间进行划分，如图2所示：Dⁱ＝{D^i，1，…，D^i，a}；其中，D^i，j表示第i天第j个空间内的预处理后的二元传感器数据，1≤j≤a，a表示将第i天预处理后的二元传感器数据Dⁱ划分出的空间总数，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k个数据，1≤k≤β_i，j，β_i，j表示第i天第j个空间内的预处理后的二元传感器数据的总量，β_i，j≥1；

S23：令j＝1；

S24：将

划分到第i天第j个空间内的第1个数据子集合D^i，j，1中，并将

记为

表示D^i，j，1中的第1个元素；

S25：如果β_i，j＝1，则进行步骤S29；如果β_i，j＞1，则进行步骤S26；

S26：令k₁＝1；

S27：判断

这一条件是否成立，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁+1个数据，

time表示

这一数据采集的时刻，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁个数据，

time表示

这一数据采集的时刻，λ表示时间阈值：如果条件成立，则将

划分到与

相同的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；如果条件不成立，则将

划分到序号比

所在数据子集合的序号多1的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；

S28：令k₁＝k₁+1，然后返回步骤S27；

S29：判断j是否等于a：如果是，则进行步骤210；否则，令j＝j+1，然后返回步骤S24；

S210：判断i是否等于最大天数：如果是，则结束；否则，令i＝i+1，然后返回步骤S22。

图2是基于空间约束进行数据分段的示意图，可见，图2将第i天预处理后的二元传感器数据Dⁱ划分成了厨房、卧室和卫生间这3个空间的数据，斜纹线填充的球代表厨房的数据，方格线填充的球代表卧室的数据，无填充的球代表卫生间的数据。

其中厨房的数据

卧室的数据

卫生间的数据

图3是基于时间约束和空间约束进行数据分段的示意图，斜纹线填充的球代表厨房的数据，方格线填充的球代表卧室的数据，无填充的球代表卫生间的数据。可见，图3将3个空间内的数据分别划分成了多个数据子集合，例如将厨房的数据划分成了D^i，1，1和D^i，1，2这两个数据子集合，将卧室的数据划分成了D^i，2，1和D^i，2，2这两个数据子集合，将卫生间的数据划分成了D^i，3，1这一个数据子集合。其中，

步骤S2得到的所有数据子集合共同构成了分段后的二元传感器数据。

步骤S3具体包括以下步骤：

S31：令j＝1；

S32：令i＝1；

S33：令r＝1；

S34：将步骤S2得到的第i天第j个空间内的第r个数据子集合D^i，j，r转换为第i天第j个空间内的第r个字符串S^i，j，r，

D^i，j，r中的各元素分别转换成S^{i ，j，r}中的字符，其中

表示S^i，j，r中的第w个字符，也即

由D^i，j，r中第w个元素转换而来，β_i，j，r表示S^i，j，r中字符的总个数；

S35：令m＝1；

S36：得到第i天第j个空间内第r个字符串S^i，j，r中所有长度为m的子字符串的集合

S37：判断m≥τ是否成立，τ为长度阈值：如果成立，则将

记为一个有效子字符串集合，有效子字符串集合中的所有子字符串均为有效子字符串，然后进行步骤S38；否则，将

丢弃，然后进行步骤S39；

S38：将

中的所有有效子字符串转换为相应的哈希值；

S39：判断m是否等于β_i，j，r：如果是，则进行步骤S310；否则，令m＝m+1，然后返回步骤S36；

S310：判断r是否等于第i天第j个空间内数据子集合的总个数：如果等于，则进行步骤S311；否则，令r＝r+1，然后返回步骤S34；

S311：判断i是否等于最大天数：如果等于，则进行步骤S312；否则，令i＝i+1，然后返回步骤S34；

S312：根据连续x天第j个空间内所有有效子字符串转换成的哈希值，统计每个有效子字符串出现的次数，将出现次数不小于次数阈值的有效子字符串存入到第j个空间的潜在行为模式集合中；x≥2；

S313：如果第j个空间的潜在行为模式集合中包含一个完整的字符串，则将该字符串的所有有效子字符串剔除，从而形成第j个空间的行为模式候选集合；

S314：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S34。

关于步骤S34，这里给出一个实施例：可以基于二元传感器的ID将二元传感器的数据转换为字符，如表1所示。

表1映射表

如果图3中

数据对应的二元传感器的ID为1，

数据对应的二元传感器的ID为4，则将

映射为c₁，将

映射为c₄。

步骤S36-S37可采用现有技术中的滑动窗口方法抽取出所有有效子字符串，这里给出一个实施例：假设S^i，j，k＝{a，e，d，f}，长度阈值τ＝2，则将滑动窗口方法中的窗口阈值设为2，也即有2、3和4这三种不同的窗口尺寸。当窗口尺寸为2时，有效子字符串为

当窗口尺寸为3时，有效子字符串为

当窗口尺寸为4时，有效子字符串为

可见，字符串S^i，j，k＝{a，e，d，f}的所有有效子字符串为：

步骤S313中，如果第j个空间的潜在行为模式集合中包含一个完整的字符串，之所以可将该字符串的所有有效子字符串剔除，是因为如果一个完整的字符串出现在了潜在行为模式集合中，那么该字符串的所有有效子字符串也会存在于潜在行为模式集合中。例如：一个行为“淋浴”可被表示为字符串“abcd”，其中a代表“开灯”，b代表“被红外传感器感知到”，c代表“被压力传感器感知到”，d代表“关灯”。如果每年“淋浴”出现的次数大于300次，那么它的子字符串a、b、c、d出现的次数也会是大于300次。因此，为了进一步降低计算复杂度，本具体实施方式将潜在行为模式集合中已包含的完整字符串中的所有有效子字符串剔除。

步骤S4具体包括以下步骤：

S41：令j＝1；

S42：将第j个空间的行为模式候选集合中的各个元素分别与第j个空间的预定义行为模式集合中的各个元素进行比较：如果第j个空间的行为模式候选集合中的一个元素与第j个空间的预定义行为模式集合中的一个元素之间的相似度为1，则判定第j个空间的行为模式候选集合中的该元素为一个行为模式；如果第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的相似度均不为1，则判断第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的最大相似度是否超过相似度阈值，如果超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素判定为一个行为模式，如果未超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素存入人工检测集合中；

S43：通过人工检测的方式判断人工检测集合中的各元素是否为行为模式：如果是，则将相应元素加入到预定义行为模式集合中；否则，则丢弃；

S44：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S42。

步骤S42中的相似度通过现有技术中的相似度函数计算得到。

本具体实施方式还公开了基于二元传感器的行为识别装置，如图4所示，包括：

数据预处理模块：用于对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；

数据分段模块：用于基于空间约束和时间约束对数据预处理模块得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；

行为模式候选集合生成模块：用于将数据分段模块得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；

行为模式识别模块：用于从行为模式候选集合生成模块得到的行为模式候选集合中识别出具体的行为模式。

本具体实施方式还公开了一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时，实现所述的基于二元传感器的行为识别方法的步骤。

Claims (5)

1.基于二元传感器的行为识别方法，其特征在于：包括以下步骤：

S1：对二元传感器采集到的数据进行预处理，得到预处理后的二元传感器数据；

S2：基于空间约束和时间约束对步骤S1得到的预处理后的二元传感器数据进行分段处理，得到分段后的二元传感器数据；

S3：将步骤S2得到的分段后的二元传感器数据映射并转换成一维字符串，对一维字符串进行处理，得到行为模式候选集合；

S4：从步骤S3得到的行为模式候选集合中识别出具体的行为模式；

所述步骤S2具体包括以下步骤：

S21：令i＝1；

S22；将第i天预处理后的二元传感器数据Dⁱ按照空间进行划分：Dⁱ＝{D^i，1，…，D^i，a}；其中，D^i，j表示第i天第j个空间内的预处理后的二元传感器数据，1≤j≤a，a表示将第i天预处理后的二元传感器数据Dⁱ划分出的空间总数，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁个数据，1≤k₁≤β_i，j，β_i，j表示第i天第j个空间内的预处理后的二元传感器数据的总量，β_i，j≥1；

S23：令j＝1；

S24：将

划分到第i天第j个空间内的第1个数据子集合D^i，j，1中，并将

记为

表示D^i，j，1中的第1个元素；

S25：如果β_i，j＝1，则进行步骤S29；如果β_i，j＞1，则进行步骤S26；

S26：令k₁＝1；

S27：判断

这一条件是否成立，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁+1个数据，

表示

这一数据采集的时刻，

表示第i天第j个空间内的预处理后的二元传感器数据中的第k₁个数据，

表示

这一数据采集的时刻，λ表示时间阈值：如果条件成立，则将

划分到与

相同的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；如果条件不成立，则将

划分到序号比

所在数据子集合的序号多1的数据子集合中，然后判断k₁+1是否等于β_i，j，如果等于则进行步骤S29，不等于则进行步骤S28；

S28：令k₁＝k₁+1，然后返回步骤S27；

S29：判断j是否等于a：如果是，则进行步骤S210；否则，令j＝j+1，然后返回步骤S24；

S210：判断i是否等于最大天数：如果是，则结束；否则，令i＝i+1，然后返回步骤S22。

2.根据权利要求1所述的基于二元传感器的行为识别方法，其特征在于：所述步骤S1中，预处理的过程为：对二元传感器采集到的数据中的无效数据进行过滤；所述无效数据满足以下三个条件中的至少一个条件：

条件1：数据为空值；

条件2：数据生成时间大于上限或者小于下限；

条件3：数据中的二元传感器ID不正确。

3.根据权利要求1所述的基于二元传感器的行为识别方法，其特征在于：所述步骤S3具体包括以下步骤：

S31：令j＝1；

S32：令i＝1；

S33：令r＝1；

S34：将步骤S2得到的第i天第j个空间内的第r个数据子集合D^i，j，r转换为第i天第j个空间内的第r个字符串S^i，j，r，

D^i，j，r中的各元素分别转换成S^i，j，r中的字符，其中

表示S^i，j，r中的第w个字符，也即

由D^i，j，r中第w个元素转换而来，β_i，j，r表示S^i，j，r中字符的总个数；

S35：令m＝1；

S36：得到第i天第j个空间内第r个字符串S^i，j，r中所有长度为m的子字符串的集合

S37：判断m≥τ是否成立，τ为长度阈值：如果成立，则将

记为一个有效子字符串集合，有效子字符串集合中的所有子字符串均为有效子字符串，然后进行步骤S38；否则，将

丢弃，然后进行步骤S39；

S38：将

中的所有有效子字符串转换为相应的哈希值；

S39：判断m是否等于β_i，j，r：如果是，则进行步骤S310；否则，令m＝m+1，然后返回步骤S36；

S310：判断r是否等于第i天第j个空间内数据子集合的总个数：如果等于，则进行步骤S311；否则，令r＝r+1，然后返回步骤S34；

S311：判断i是否等于最大天数：如果等于，则进行步骤S312；否则，令i＝i+1，然后返回步骤S34；

S312：根据连续x天第j个空间内所有有效子字符串转换成的哈希值，统计每个有效子字符串出现的次数，将出现次数不小于次数阈值的有效子字符串存入到第j个空间的潜在行为模式集合中；x≥2；

S313：如果第j个空间的潜在行为模式集合中包含一个完整的字符串，则将该字符串的所有有效子字符串剔除，从而形成第j个空间的行为模式候选集合；

S314：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S34。

4.根据权利要求3所述的基于二元传感器的行为识别方法，其特征在于：所述步骤S4具体包括以下步骤：

S41：令j＝1；

S42：将第j个空间的行为模式候选集合中的各个元素分别与第j个空间的预定义行为模式集合中的各个元素进行比较：如果第j个空间的行为模式候选集合中的一个元素与第j个空间的预定义行为模式集合中的一个元素之间的相似度为1，则判定第j个空间的行为模式候选集合中的该元素为一个行为模式；如果第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的相似度均不为1，则判断第j个空间的行为模式候选集合中所有元素与第j个空间的预定义行为模式集合中所有元素之间的最大相似度是否超过相似度阈值，如果超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素判定为一个行为模式，如果未超过则将最大相似度所对应的第j个空间的行为模式候选集合中的元素存入人工检测集合中；

S43：通过人工检测的方式判断人工检测集合中的各元素是否为行为模式：如果是，则将相应元素加入到预定义行为模式集合中；否则，则丢弃；

S44：判断j是否等于a：如果是，则结束；否则，令j＝j+1，然后返回步骤S42。

5.一种计算机存储介质，所述计算机存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1-4中任意一项所述的基于二元传感器的行为识别方法的步骤。

Images