[发明专利]基于图相似的行为识别方法及系统

说明书

本发明公开了一种基于图相似的行为识别方法及系统。该方法包括以下步骤：利用无线传感器网络采集各类原始数据，并对原始数据进行预处理；基于处理后的数据进行分层图建模，先利用事件发生引起的数据变化构建事件图模型，然后对由事件构建的用户行为序列集构建行为图模型。在事件图查询中，将事件图的特征结构按照重要程度排序构建特征结构序列，将图的相似性查询转换为特征结构序列的相似性查询，并对传统序列匹配算法加以改进；在行为图查询中，基于结构相似的特征选择算法，按照基于特征结构序列的图查询方法进行查询，实现行为识别。本发明提出的分层图建模和图相似查询算法使得行为识别准确度和效率比传统基于统计或时序的方法有明显提高。

技术领域

本发明涉及无线传感器网络的行为识别方法和系统，具体涉及一种基于图相似的行为识别方法及系统。

背景技术

用户行为识别是指通过技术手段获取用户行为的外在表现，在此基础上将用户行为认定为属于某一个类别的过程。该领域中行为被定义为被检测对象的动作类型或者行为模式。当前，人口老龄化正在成为一种世界性的趋势，随着这种趋势发展，对老年人进行智能健康关护成为急需解决的问题之一，受到来自社会各界的普遍关注。行为识别技术通过对老年人行为的监控，可以实时获取其生活状态，确保生命安全。同时，当前社会忙碌、快节奏的生活方式给人们带来了许多心理问题，该问题在青少年和工作压力大的人群中尤为突出，很多情况下由于异常行为发现的不及时造成重大悲剧。此外，行为识别还在智能家居、智能办公和运动、娱乐等方面与有广泛的前景和经济价值，成为多个行业的关注热点。

长期以来行为识别领域的工作主要集中在基于计算机视觉的行为识别，即将摄像头作为感知手段，通过对拍摄的图像序列进行分析处理，识别用户的行为。但是，这种方法存在诸如摄像头的使用受到光照、安装位置和角度等因素的限制、存在监控盲区、对用户隐私的侵入性较强、部署成本较高和计算复杂等不足，难以大规模推广应用，使用范围受到较大限制。

除此之外，当前行为识别领域中所选择的数据模型对传感器数据之间的相关性考虑不够，查询算法时间复杂度较高，造成检测识别的性能不佳。从识别对象方面，当前用户行为识别大多集中在单人的简单行为识别，主要是基于静态或时序的数据。也有个别研究涉及包括交叉和并行情况下的单人复杂行为的识别，但是计算复杂度较高。此外，对于多人的复杂行为识别研究，虽然在计算机视觉领域已经取得了初步的进展，但是在无线传感器网络领域当前仍缺乏相关的研究成果。并且在实际应用中，基于无线传感器网络的用户行为识别系统采集的传感器数据类型多、数量大、关联性密切，如何组织这些数据，并从中抽象出用户行为的特征最终实现用户行为的识别是急需解决的难点问题。

发明内容

发明目的：针对以上不足，本发明提出一种在无线传感器网络中基于图相似的行为识别方法，能够有效地对数据进行建模并且准确地识别出用户行为。

本发明的另一目的在于提供一种基于图相似的行为识别系统。

技术方案：一种基于图相似的行为识别方法，包括以下步骤：

1、利用无线传感器网络采集各类原始数据，并对原始数据进行预处理。

对原始数据的预处理包括数据清理、数据集成与筛选，其中，数据清理包括填充数据缺失值，平滑噪声数据，识别并删除孤立点；数据集成与筛选包括将来自各传感器节点的数据进行合并，并统一存储在数据库中，再剔除其中的冗余数据。

2、基于处理后的数据进行分层图建模，包括以下步骤：

21)基于数据快照图建立传感器数据模型，再利用事件发生引起的数据变化建立事件图模型，构建样本事件图数据库；

22)利用基于特征结构序列的图相似查询算法查询样本事件图数据库，得到相似事件；

23)基于相似事件构建事件图序列，识别基本行为并构建行为序列，对由事件构建的行为序列集建立行为图模型，构建行为图数据库；