[发明专利]一种用户吃饭行为识别的方法及装置

说明书

本发明提供了一种用户吃饭行为识别的方法及装置，涉及家庭行为识别技术领域，解决现有方法不适于不同生活习惯的用户，存在隐私暴露、识别区域固定的问题，该方法包括获取多个历史样本点的特征代表向量，每个特征代表向量是根据多个传感器在样本采样时间段上采集的数据生成的，多个传感器在用户生活区域预定位置，特征代表向量包括用户吃饭行为相关的多个维度元素；根据多个历史样本点的分布密度，确定用户进行了吃饭行为的样本点中心；生成当前采样时间段的特征代表向量，获取当前采样时间段的特征代表向量与样本点中心的距离；根据距离，确定用户是否进行了吃饭行为。本发明的方案适于不同生活习惯的用户，不存在隐私暴露、识别区域固定的问题。

技术领域

本发明涉及家庭行为识别技术领域，特别涉及一种用户吃饭行为识别的方法及装置。

背景技术

目前，可以通过PIR(Passive Infrared Detector，被动式红外探测器)传感器、视频传感器的识别结果是否满足一定规则来判断人是否在吃饭。例如，如果PIR传感器检测到有人进入厨房，则判断该人可能要吃饭，再利用视频传感器的图像视频识别技术可以直接识别出进入厨房的人是否在吃饭。

但是，由于不同人的生活习惯差异较大，同样的规则不能适合所有用户，直接利用PIR传感器的识别结果判断进入厨房的人是否在吃饭，判断结果未必准确。而基于与视频传感器的方案存在隐私暴露的问题，且只能识别固定区域内的吃饭行为(如坐在饭桌旁边吃饭)。

发明内容

本发明要解决的技术问题是提供一种用户吃饭行为识别的方法及装置，解决现有吃饭行为识别方法不能适用于具有不同生活习惯的所有用户，且存在视频传感器带来的隐私暴露、识别区域固定的问题。

为解决上述技术问题，本发明的实施例提供一种用户吃饭行为识别的方法，包括：

获取预先生成的多个历史样本点的特征代表向量，每个历史样本点的特征代表向量是根据多个传感器在对应的样本采样时间段上采集到的数据所生成的，所述多个传感器分别在用户生活区域的预定位置，且所述特征代表向量包括与用户吃饭行为相关的多个维度的元素；

根据所述多个历史样本点的分布密度，在所述多个历史样本点中，确定用户进行了吃饭行为的样本点中心；

获取所述多个传感器在当前采样时间段内采集的数据，生成当前采样时间段的特征代表向量，并获取当前采样时间段的特征代表向量与所述样本点中心之间的距离；

根据所述距离，确定用户在当前采样时间段内是否进行了吃饭行为。

其中，所述根据所述距离，确定用户在当前采样时间段内是否进行了吃饭行为，包括：

根据预设样本点异常比例，在所述多个历史样本点中确定用户未进行吃饭行为的判断临界线；

判断所述距离是否小于所述判断临界线与所述样本点中心之间的距离；

若判断结果为是，则确定用户在当前采样时间段内进行了吃饭行为，否则，确定用户在当前采样时间段内未进行吃饭行为。

其中，所述根据所述多个历史样本点的分布密度，在所述多个历史样本点中，确定用户进行了吃饭行为的样本点中心，包括：

采用均值漂移MeanShift算法，获取所述多个历史样本点的分布密度最大处，并确定所述分布密度最大处为用户进行了吃饭行为的样本点中心。

其中，所述获取当前采样时间段的特征代表向量与所述样本点中心之间的距离，包括：

获取当前采样时间段的特征代表向量与所述样本点中心之间的欧式距离。