[发明专利]识别用户行为的方法、装置及智能可穿戴设备

说明书

本发明实施例公开了一种识别用户行为的方法、装置及智能可穿戴设备，涉及终端应用技术领域，主要目的在于解决识别用户行为误差较大，不能适应复杂动作的问题。本发明的技术方案包括：获取用户行为对应的原始数据；将所述原始数据输入卷积神经网络模型，并根据所述卷积神经网络模型中的滤波器参数识别所述原始数据对应的用户行为类别。

技术领域

本发明实施例涉及终端应用技术领域，特别是涉及一种识别用户行为的方法、装置及智能可穿戴设备。

背景技术

伴随着智能可穿戴设备行业的迅猛发展，智能可穿戴设备的应用领域也越来越广泛。例如：智能手表，其除了提供时间信息外，还可以实时监测用户行为，以便为更多的应用提供数据来源，给用户带来更智能的使用体验。

目前，在智能可穿戴设备识别用户行为时，使用原始的传感器数据，包括融合加速度计和陀螺仪的数据来提取一些简单的特征，通过简单的阈值对这些特征进行分类，以实现用户行为状态的识别。

发明人在具体实施过程中发现现有技术中，在识别用户行为时，所采集的原始的传感器数据往往过于理想，通常是人工分割好的，不能因人而异的做出判断，用户行为的识别结果受外界因素的影响较大，因此存在识别用户行为的误差较大，不能适应复杂动作的问题。如此一来，由于对用户行为识别的准确度不够，不能识别复杂的用户行为，降低了用户体验。

发明内容

有鉴于此，本发明实施例提供的一种识别用户行为的方法、装置及智能可穿戴设备，主要目的在于解决识别用户行为误差较大，不能适应复杂动作的问题。

为了解决上述问题，本发明实施例主要提供如下技术方案：

第一方面，本发明实施例提供了一种识别用户行为的方法，该方法包括：

获取用户行为对应的原始数据；

将所述原始数据输入卷积神经网络模型，并根据所述卷积神经网络模型中的滤波器参数识别所述原始数据对应的用户行为类别。

可选的，在将所述原始数据输入卷积神经网络模型之前，所述方法还包括：

基于用户行为类别的标记数据对所述卷积神经网络模型进行训练。

可选的，所述基于用户行为类别的标记数据对所述卷积神经网络模型进行训练包括：

对已知用户行为类别的原始数据进行标记，得到所述标记数据；所述已知用户行为类别包含至少两种；

提取所述标记数据中的特征数据；

将所述特征数据输入所述卷积神经网络模型进行训练，得到卷积神经网络模型的滤波器参数，卷积神经网络模型中的每一层代表一个滤波器参数，所述滤波器参数与用户行为类别存在映射关系。

可选的，所述根据所述卷积神经网络模型中的滤波器参数识别所述原始数据对应的用户行为类别包括：

基于所述卷积神经网络模型中，每种用户行为类别对应的每层滤波器参数对所述原始数据进行比对识别；

确定所述原始数据分别与每种用户行为类别的相似度；

将相似度最大的用户行为类别作为所述原始数据对应的用户行为类别。

可选的，将所述原始数据输入卷积神经网络模型包括：

基于所述卷积神经网络模型的输入窗口对所述原始数据执行格式规范处理；

提取处理后的原始数据的特征数据，并将所述特征数据通过输入窗口输入到所述卷积神经网络模型中。

可选的，所述方法还包括：