[发明专利]基于传感器的分离式部署的人体行为识别健康管理系统

说明书

本发明公开了基于传感器的分离式部署的人体行为识别健康管理系统。本发明系统包括客户端的用户交互模块、数据采集模块，服务端的模型识别模块、数据分析模块、建议模块。客户端部署在智能手机或者智能手环等用户个人终端上，用于与用户交互及采集用户的行为数据。服务端部署在远程的主机或服务器上，用于识别人体的行为数据以及进行相应的数据分析，从而提供建议。客户端与服务端通过网络进行通信。本发明提供了便于部署的分离式的人体行为识别系统，提供了更加全面的识别行为的种类以及更加完善有效的服务提醒，同时也进一步提高了识别的准确度以及速度，便于针对用户提供更加深度个性化的服务。

技术领域

本发明涉及人机交互、人工智能中机器学习的模式识别领域，具体涉及基于传感器的分离式部署的人体行为识别健康管理系统。

背景技术

人体行为识别问题作为普适计算领域中人机交互问题的一个重要问题，对于推动新型人机交互方式以及使得计算机更好的理解和辅助用户完成任务起着重要的作用。人体行为识别问题从理论上来讲属于机器学习中的模式识别问题，目前主要有两种解决方案，以图像视频识别为主和以传感器识别为主，两种方案都有许多相应的研究，但图像识别方案一般需要固定的场所，便携性较低，不适合个人用户使用。对于解决这两种方案，传统机器学习方法以及深度学习方法针对特定的行为，在离线计算环境下已经有较好的解决方案。

随着计算设备的不断发展以及传感器技术的进步，移动计算设备开始展现出不可估量的潜力。智能手机或智能手环等便携式计算设备能够为人体行为识别系统提供一个更加灵活边界的载体，同时也为人体行为识别系统的应用提供了更多的探索，如个人用户的运动和健康监控等方面。

现有的各种解决方案的缺点在于：

使用简单的统计特征如波形特征学习，对不同用户具有偏差，需要每次针对不同用户重新学习，时间成本较高。对于采用单一机器学习的方法，准确率不够高。而对于基于卷积神经网络的深度学习方法进行模式分类的方案，其训练好的分类模型较大，在移动端使用时计算速度较慢，处理的时间较长，不具有实时性。并且这些方案只使用了当前行为信息，没有利用到历史行为信息，也没有利用用户的个人信息，不能针对用户提供更加深度个性化的服务。并且目前智能手环对行为进行自动识别的种类还比较少，不能够全面的识别用户的行为，不能够根据行为种类提供准确的用户提醒信息。而手动识别不同类别则需要用户自己上传运动数据，过程繁琐。

发明内容

本发明的目的是克服现有系统不足，提出了基于传感器的分离式部署的人体行为识别健康管理系统。提供便于部署的分离式的人体行为识别系统，能够提供更加全面的识别行为的种类以及更加完善有效的服务提醒，同时也进一步提高识别的准确度，以及更快识别速度。

为了解决上述问题，本发明提出了基于传感器的分离式部署的人体行为识别健康管理系统，所述系统包括：

由客户端与服务端两部分构成，客户端包括用户交互模块、数据采集模块，部署在智能手机或者智能手环等用户个人终端上，用于与用户进行交互和采集用户的行为数据。服务端包括模型识别模块、数据分析模块、建议模块，部署在远程的主机或服务器上，用于识别人体的行为数据以及进行相应的数据分析，从而提供建议。客户端与服务端通过网络进行通信。

优选地，所述用户交互模块由用户个人信息管理、个人行为记录、建议提醒构成，为用户提供基本的交互操作，包括用户个人信息管理，展示其个人的行为的历史情况，展示建议提示等。

优选地，所述数据采集模块对用户的行为数据进行采集，使用客户端所在硬件的传感器收集相应的数据，包括3轴加速度传感器数据，惯性传感器数据，并将采集到的数据进行预处理从而降低网络传输的数据量。

优选地，所述模型识别模块采用机器学习的方法，利用服务端的计算硬件，将用户上传的数据进行快速准确的识别，并将识别的结果反馈给用户交互模块作为反馈，以及将识别结果传递给建议模块。