[发明专利]基于多模融合的半监督场景分类识别方法、系统及装置

说明书

本发明提供了一种基于多模融合的半监督场景分类识别方法、系统及装置，该方法包括数据预处理、基于特征融合的动、静态场景二分类、基于特征融合的静态场景识别以及基于特征融合的半监督动态场景识别，本发明解决了现有技术在实际环境应用时，基于单模的加速度传感器或无线信号数据在精确的场景识别中分类效果不佳、普适性不足的问题，以及对于某些场景采集大量标定数据成本较高的问题，本发明的技术方案充分融合Wi‑Fi、蓝牙、传感器三类数据的互补优势，显著减少了标定工作量，同时使得模型较单独利用标定数据而言识别率有了明显提升。

技术领域

本发明属于场景分类识别方法技术领域，尤其涉及一种基于多模融合的半监 督场景分类识别方法，同时，本发明还提供一种基于多模融合的半监督场景分类 识别系统，同时，本发明还提供一种基于多模融合的半监督场景分类识别装置。

背景技术

近年来，随着Wi-Fi、蓝牙等无线网络技术的发展以及移动终端的小型化和普 及化，场景识别逐渐成为研究热点。场景识别的主要内容是感知移动设备所在的 场景，进而对用户提供自适应的内容、个性化的动态服务，现有的场景识别方法 主要分为如下几类：①利用环境中无线信号(如低功耗蓝牙、Wi-Fi、GPS等) 单模方法进行场景分类识别。②利用用户动作信息(如运动传感器数据)的单模 方法进行场景分类识别。③基于场景特点信息的场景分类识别。

在利用环境无线信号进行场景识别领域，Yiqiang Chen等在[Surroundingcontext and episode awareness using dynamic Bluetooth data]一文中利用环境 中动态的蓝牙信号，通过提取手机所处环境中蓝牙的数量、静态蓝牙的比例等特 征，进而识别用户所在场景，取得了一定的识别率；这种方法由于无线信号在某 些场景中覆盖范围不足，很难被广泛地应用到场景识别中。

在利用用户动作信息进行场景识别领域；叶等在《一种基于传感器与用户行 为数据分析的移动学习场景感知分类方法》一文中选取合适的传感器作为场景感 知的依据，进而分类出用户所处的场景。阮等在《基于支持向量机多分类器的室 内外场景感知算法》一文中挖掘出不同传感器在不同环境及不同行为下的特征， 然后设计多个支持向量机对室内外场景进行识别，最终获得了较好的识别率，这 种方法虽然可以完成分类识别的任务，并但是手机传感器采集的数据会因为手机 姿态不固定而随意度很大，因此这种方法的鲁棒性和普适性不强。

基于周围环境信息进行场景识别主要是基于场景信息的指纹算法。指纹算法 主要分为离线训练阶段和在线预测阶段，离线训练阶段的任务是采集需分类场景 的信号参数，例如Wi-Fi信号、蓝牙信号、温度、湿度等，然后将一组指纹信息 及其对应的场景类别形成指纹数据库，在线预测阶段的任务是根据终端设备实时 收集到的信号参数，采用匹配算法来确定与指纹数据库中哪条指纹最匹配，进而 确定终端的实际位置。但这种方法需要采集大量的标定数据作为指纹，极大的增 加了成本，并且分类效果非常依赖于离线训练阶段的数据与在线预测阶段的数据 是否处于同一分布，由于现实环境具有较大的波动性，Wi-Fi、蓝牙、温度、湿度 等都会随着时间的变化而发生明显的变化，最终导致离线阶段训练出来的模型不 能用来预测最新的数据，现有技术存在在实际环境中，精确的场景识别存在基于 单模的传感器或无线信号数据存在分类效果不佳、普适性不足的问题以及对于某 些场景采集大量标定数据成本较高的问题。

发明内容

本发明提供一种基于多模融合的半监督场景分类识别方法，以解决上述背景 技术中基于单模的传感器或单模无线信号数据存在分类效果不佳、普适性不足的 问题以及对于某些场景采集大量标定数据成本较高的问题。

本发明所解决的技术问题采用以下技术方案来实现：一种基于多模融合的半 监督场景分类识别方法，包括：

数据预处理：从环境中采集智能设备的相应的信号源，将采集的信号源分别 进行异常数据处理和缺失数据处理后通过特征提取作为第一输入；