CN111246415B - 用户场景位置变化判断方法 - Google Patents

用户场景位置变化判断方法 Download PDF

Info

Publication number
CN111246415B
CN111246415B CN201911306451.7A CN201911306451A CN111246415B CN 111246415 B CN111246415 B CN 111246415B CN 201911306451 A CN201911306451 A CN 201911306451A CN 111246415 B CN111246415 B CN 111246415B
Authority
CN
China
Prior art keywords
user
similarity
judging
scene
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911306451.7A
Other languages
English (en)
Other versions
CN111246415A (zh
Inventor
苏醒
吴星亮
黄英帆
李鹤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Mengxiang Network Technology Co ltd
Original Assignee
Guangzhou Mengxiang Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Mengxiang Network Technology Co ltd filed Critical Guangzhou Mengxiang Network Technology Co ltd
Priority to CN201911306451.7A priority Critical patent/CN111246415B/zh
Publication of CN111246415A publication Critical patent/CN111246415A/zh
Application granted granted Critical
Publication of CN111246415B publication Critical patent/CN111246415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种用户场景位置变化判断方法，具体包括以下步骤：通过被动监听WiFi信号获取用户所在场景内的扫描数据，计算WiFi信号的相似度；通过用户所用智能终端内置的加速度传感器计算用户的运动状态，通过记录的矢量长度和运动方向的变化，判断加速度方向，并通过对峰值次数叠加得到步伐数据；用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配。本发明通过分析环境数据，结合智能终端自带传感器，通过被动监听***回调数据的方式，有效判断用户是否发生位置改变，降低了用户误识别场景的误差。

Description

用户场景位置变化判断方法
技术领域
本发明涉及智能监控技术领域，特别是一种判断用户场景位置变化的方法。
背景技术
随着计算机技术和无线通信技术的飞速发展，通信终端的实时信息处理能力飞速增强，无线多媒体应用日渐成为业内关注的焦点。在视频监控技术领域，网络化的数字视频监控已经逐步取代传统监控设备，更像智能化、无线传输技术方向迈进。目前在对用户位置的定位过程中，多采用智能终端中内置的各种APP来实现，例如高德地图、百度地图等等，在定位时，需要由用户主动发起请求或者发起请求后保持软件在前台运行来获取当前位置的定位以及场景位置的变换，在此期间，智能终端功耗较高。
发明内容
本发明需要解决的技术问题是提供一种低功耗、高精确度的用户场景位置变化判断方法。
为解决上述技术问题，本发明所采取的技术方案如下。
用户场景位置变化判断方法，具体包括以下步骤：
A.通过被动监听WiFi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间WiFi信号的相似度；
B.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，获得一条步行运动的正弦曲线轨迹；检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据；
C.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。
上述用户场景位置变化判断方法，步骤A包括以下步骤：
A1.通过被动监听WiFi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组；
A2.将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算相邻组间WiFi信号的相似度。
上述用户场景位置变化判断方法，步骤A2中所述余弦相似度匹配算法为，根据采集的WiFi信号数据中对应的两个向量的夹角的余弦值来计算其相似度；通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大。
由于采用了以上技术方案，本发明所取得技术进步如下。
本发明在无铺设硬件设备的前提下，通过分析环境数据，结合智能终端自带传感器，能够通过被动监听***回调数据的方式，有效判断用户是否发生位置改变，降低了用户误识别场景的误差，提高了用户体验。
附图说明
图1为本发明的流程图；
图2为本发明所述滤波算法中进行干扰数据过滤的前后对比图。
具体实施方式
下面将结合附图和具体实施例对本发明进行进一步详细说明。
一种用户场景位置变化判断方法，通过对用户所在场景内的信号进行分析，结合用户佩戴的智能终端采集的数据来进行用户是否进行了场景的变换，其流程如图1所以，主要包括以下步骤。
A.通过被动监听WiFi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间WiFi信号的相似度。
本步骤的实现方式为：首先，通过被动监听WiFi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组，从而能够对不同时间段内获取到的相邻组间WiFi信号做相似度的对比。
WiFi信号被动监听的方法为：
IntentFilter filter＝new IntentFilter()；
filter.addAction(WifiManager.SCAN_RESULTS_AVAILABLE_ACTION)；
context.registerReceiver(receiver,filter)；
然后，将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算WiFi信号的相似度。
本实施例中，每个分组里面的WiFi信号值可以看作是一组向量，例如:第一组扫描到的WiFi信号列表和信号值为:wifi A-62,wifi B-52,wifi C-65,wifi D-50，那么WiFi信号值的向量为(-62,-52,-65,-50)。
余弦相似度匹配算法是根据采集的WiFi信号数据中对应的两个向量的夹角的余弦值来计算其相似度。0度角余弦值为1，90度角余弦值为0，180度角余弦值为-1，对于本发明中采集的信号数据，计算出的余弦值在0到1之间。通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大。
本实施例中，例如某用户在某个场景中监听到的WiFi信号数据如下表1所示。
表1
第一组 Wifi a Wifi b Wifi c Wifi d Wifi e
信号值 -50 -62 -58 -56 -62
第二组 Wifi a Wifi b Wifi c Wifi d Wifi e
信号值 -60 -45 -55 60 -40
将第一组、第二组数据进行向量的转换，转换后的结果为：第一组，(-50，-62，-58，-56，-62)；第二组，(-60，-45,-55，-60，-40)。然后，根据下式进行计算第一组和第二组中WiFi信号的相似度。
Figure BDA0002323256690000041
式中，x为第一组中的数据，y为第二组中的数据。
计算第一组第二组数据中WiFi信号相似度为：0.9748127333433314。此相似度越接近于0，说明用户发生位置变换的几率越大，具体是否确实发生了位置的变换，还需要通过步骤B综合判断。
B.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，计算加速度传感器xyz的矢量长度，获得一条步行运动的正弦曲线轨迹。检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据。本发明中，可采用监听传感器通过Android提供的api调用接口获取智能终端的运动状态数据。
在进行智能终端数据采样的过程中，可采用滤波算法对采样数据中的白噪声进行过滤，剔除干扰数据。附图2为本实施例在对智能终端计算的运动状态数据进行采样时，过滤前和剔除干扰数据后的比对示意图，图中，较细实线为采集的原始数据线条，较粗实线为剔除干扰数据后线条。
C.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。
本发明中，设定运动位移的量为2步，如果得到用户走的步数大于等于2步，就认为用户场景位置发生变化；设定相似度至为0.994，当计算获得WiFi信号相似度值小于0.994，就认为用户场景位置发生了变化。
如匹配则用户发生了场景位置的变换，如不匹配，则没有发生场景位置的变换。
在本实施例中，结合步骤A获得相似度差别和步骤B获得运动位移结果，可以看出与给定范围内的数据相匹配，说明用户已经发生了场景位置的变换。

Claims (1)

1.用户场景位置变化判断方法，其特征在于，具体包括以下步骤：
A.通过被动监听WiFi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间WiFi信号的相似度；
步骤A包括以下步骤：
A1.通过被动监听WiFi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组；
A2.将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算相邻组间WiFi信号的相似度；
所述余弦相似度匹配算法为，根据采集的WiFi信号数据中对应的两个向量的夹角的余弦值来计算其相似度；通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大；
B.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，获得一条步行运动的正弦曲线轨迹；检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据；
C.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。
CN201911306451.7A 2019-12-18 2019-12-18 用户场景位置变化判断方法 Active CN111246415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911306451.7A CN111246415B (zh) 2019-12-18 2019-12-18 用户场景位置变化判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911306451.7A CN111246415B (zh) 2019-12-18 2019-12-18 用户场景位置变化判断方法

Publications (2)

Publication Number Publication Date
CN111246415A CN111246415A (zh) 2020-06-05
CN111246415B true CN111246415B (zh) 2022-05-13

Family

ID=70873896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911306451.7A Active CN111246415B (zh) 2019-12-18 2019-12-18 用户场景位置变化判断方法

Country Status (1)

Country Link
CN (1) CN111246415B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7657394B1 (en) * 2007-03-12 2010-02-02 Livermore Software Technology Corporation Direct determination of rigid body motion using data collected from independent accelerometers
CN103674025A (zh) * 2013-12-26 2014-03-26 深圳超多维光电子有限公司 一种智能终端位移计算方法和装置
CN106123897A (zh) * 2016-06-14 2016-11-16 中山大学 基于多特征的室内融合定位方法
CN106250435A (zh) * 2016-07-26 2016-12-21 广东石油化工学院 一种基于移动终端噪声地图的用户场景识别方法
CN107145834A (zh) * 2017-04-12 2017-09-08 浙江工业大学 一种基于物理属性的自适应行为识别方法
CN108507572A (zh) * 2018-05-28 2018-09-07 清华大学 一种基于mems惯性测量单元的姿态定位误差修正方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7657394B1 (en) * 2007-03-12 2010-02-02 Livermore Software Technology Corporation Direct determination of rigid body motion using data collected from independent accelerometers
CN103674025A (zh) * 2013-12-26 2014-03-26 深圳超多维光电子有限公司 一种智能终端位移计算方法和装置
CN106123897A (zh) * 2016-06-14 2016-11-16 中山大学 基于多特征的室内融合定位方法
CN106250435A (zh) * 2016-07-26 2016-12-21 广东石油化工学院 一种基于移动终端噪声地图的用户场景识别方法
CN107145834A (zh) * 2017-04-12 2017-09-08 浙江工业大学 一种基于物理属性的自适应行为识别方法
CN108507572A (zh) * 2018-05-28 2018-09-07 清华大学 一种基于mems惯性测量单元的姿态定位误差修正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Weighted Algorithm Based on Physical Distance and Cosine Similarity for Indoor Localization;Xiaoyu Han 等;《2019 14th IEEE Conference on Industrial Electronics and Applications (ICIEA)》;20190916;全文 *
步数检测方法及在手腕式计步器中的应用研究;谢如花;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140215;正文第2-5章 *

Also Published As

Publication number Publication date
CN111246415A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
US9852511B2 (en) Systems and methods for tracking and detecting a target object
CN110149656B (zh) 无线信号覆盖测试方法及装置
CN101923637B (zh) 一种移动终端及其人脸检测方法和装置
CN110351766B (zh) 针对5g nr进行多小区盲检及测量处理的方法
CN107862295A (zh) 一种基于WiFi信道状态信息识别面部表情的方法
CN112101351A (zh) 一种基于投影的文本行旋转校正方法及装置
CN111246415B (zh) 用户场景位置变化判断方法
CN112732682B (zh) 时空轨迹数据的处理方法、装置及计算机存储介质
CN110348369B (zh) 一种视频场景分类方法、装置、移动终端及存储介质
CN109598216B (zh) 一种基于卷积的射频指纹特征提取方法
CN115670397B (zh) 一种ppg伪迹识别方法、装置、存储介质及电子设备
CN110211150B (zh) 一种具有尺度协调机制的实时视觉目标识别方法
CN116705059A (zh) 一种音频半监督自动聚类方法、装置、设备及介质
CN114676739B (zh) 一种基于Faster-RCNN的无线信号的时序动作检测和识别方法
CN111161296B (zh) 基于离散小波变换的多尺度边缘检测方法
CN114429628A (zh) 图像处理方法、装置、可读存储介质及电子设备
EP3848778B1 (en) Fingertip detection method, fingertip detection means, fingertip detection device, and medium
CN108961333B (zh) 一种图像区域像素面积的高效计算方法
CN111651485A (zh) 基于rssi趋势相似度的伴随关系的分析方法和装置
CN105989351A (zh) 一种指纹图像背景分割的方法
Zhao et al. A study of individual identification of radiation source based on feature extraction and deep learning
CN117593295B (zh) 一种手机数据线生产缺陷无损检测方法
CN109981141B (zh) 电缆通信测量过程中针对测量数据进行抗干扰处理的方法
CN117133027B (zh) 一种复杂背景下掌静脉识别中手掌边界分割方法
CN114071705B (zh) 一种时延扩展获取方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method for Judging Location Changes in User Scenarios

Effective date of registration: 20230908

Granted publication date: 20220513

Pledgee: Bank of China Limited by Share Ltd. Guangzhou Panyu branch

Pledgor: GUANGZHOU MENGXIANG NETWORK TECHNOLOGY CO.,LTD.

Registration number: Y2023980055816

PE01 Entry into force of the registration of the contract for pledge of patent right