[发明专利]基于智能手机姿态行为大数据的用户性别识别方法

权利要求书

1.一种基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，包括如下步骤：

S1、使用智能手机操作系统提供的API，记录智能手机一段时间内加速传感器、陀螺传感器和方向传感器返回的数据；

S2、通过加速传感器和陀螺传感器返回的数据采用算法得到智能手机用户的运动状态，对运动状态进行分类，记录每个运动状态下的加速传感器、陀螺传感器和方向传感器的数据；

S3、对加速传感器的数据进行处理，得到每个运动状态下的加速特征值组；

S4、将每个运动状态下的加速特征值组放到大数据分类算法模型中，首先使用已知性别的每个运动状态下的加速特征值组作为样本数据输入到大数据分类算法模型中进行训练，再用训练好的数据预测用户的性别；

S5、对陀螺传感器的数据进行处理，得到每个运动状态下的角速度特征值组；

S6、将每个运动状态下的角速度特征值组放到大数据分类算法模型中，首先使用已知性别的每个运动状态下的角速度特征值组作为样本数据输入到大数据分类算法模型中进行训练，再用训练好的数据预测用户的性别；

S7、对方向传感器的数据进行处理，得到每个运动状态下的方向特征值组；

S8、将每个运动状态下的方向特征值组放到大数据分类算法模型中，首先使用已知性别的每个运动状态下的方向特征值组作为样本数据输入到大数据分类算法模型中进行训练，再用训练好的数据预测用户的性别；

S9、将步骤S4、步骤S6和步骤S8结果加权平均得到最终的用户的性别。

2.根据权利要求1所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，步骤S3-S4、步骤S5-S6和步骤S7-S8是同时进行的。

3.根据权利要求1所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，所述运动状态包括走路、跑步、上楼、下楼、乘坐交通工具、坐和静止。

4.根据权利要求1所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，步骤S2中，采用Android官方API文档和IPhone官方API文档中叙述的算法得到智能手机用户的运动状态。

5.根据权利要求1所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，步骤S7具体包括如下步骤：

S71、方向传感器数据记录三个维度数据：智能手机绕着Z轴旋转的角度、智能手机绕着X轴旋转的角度和智能手机绕着Y轴旋转的角度；

S72、对每个运动状态下的方向传感器数据按时间顺序进行统计，将突然上升或突然下降超过一定阀值的数据记录为一个峰值；

S73、对相邻两个峰值之间的数据计算数据的平均值、最大值、最小值和标准差；

S74、所有数据的平均值、最大值、最小值和标准差按时间顺序组成用户的每个运动状态下的方向特征值组。

6.根据权利要求5所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，S72中，所述阀值设为90°。

7.根据权利要求1所述的基于智能手机姿态行为大数据的用户性别识别方法，其特征在于，所述大数据分类算法模型为SVM、AdaBoost或LDA。