體感網及基于體感網的居家行為感知方法
【專利摘要】本發明公開了一種體感網及基于基于體感網的居家行為感知方法。體感網包括用戶、穿戴在用戶身上的無線傳感器節點及計算服務器節點。感知方法為：首先通過體感網對用戶的日常居家行為數據進行采集，數據通過無線方式匯集到服務器。數據預處理并特征提取后，利用滑動窗口技術進行數據分片。對于每個數據分片，利用基于模式匹配的算法來感知用戶居家行為。算法在感知到的基本行為的基礎上通過數值計算的方式來實現同時間段多重行為的感知。本發明對用戶行為干擾小，能實現隨時隨地的感知；基于模式匹配的感知算法能夠準確的感知用戶的行為；利用數值計算的方法，能夠準確感知在順序、交叉和并行等復雜執行情況下的居家行為。
【專利說明】體感網及基于體感網的居家行為感知方法
【技術領域】
[0001]本發明涉及一種體感網及基于體感網的居家行為感知方法，屬于計算機應用領域，利用體感網結合模式匹配算法，在不干擾用戶行為的基礎上，實現了針對復雜執行情況下的用戶居家行為感知功能。
【背景技術】
[0002]隨著無線傳感器網絡的發展和對物聯網應用的不斷探索，計算機系統能夠主動的感知外部環境數據并進行處理。人作為計算機系統服務的核心對象,需要計算機能夠主動的感知其需求并為之提供服務。考慮到對獨居老人和行動障礙病人的日常看護需求，有必要提出一種能夠隨時隨地觀察和認識人類用戶行為的自動化方法。目前基于視頻的用戶行為感知方法，由于存在侵犯用戶隱私，無法克服視線遮擋，對光照強度敏感等缺陷，不適宜用于對用戶日常行為的數據采集和感知工作。
[0003]在考慮單個用戶的日常行為時，除了需要考慮用戶順序執行每一項行為的情形以夕卜，還必須考慮到用戶執行情況的隨意性和復雜性。其中就包含了行為的交叉和并行執行情況。具體來說，用戶在日常生活中可能會出現暫停當前行為，轉而執行另一項行為，之后又恢復執行當前行為的交叉執行情況。另外可能的情形還包括用戶在同一時間執行多項行為的并行執行情況。傳統的根據單個行為設計的行為感知算法，僅能夠應對用戶順序執行每一項行為的情況，對于上述提到的復雜的多重行為執行情況則沒有特別進行處理，使得其對真實的用戶日常生活行為的感知能力較弱。
【發明內容】
[0004]為了克服傳統方法侵犯用戶隱私、應用場景受限并且無法應對日常生活中復雜執行情況下行為感知問題的不足，本發明提供一種體感網及基于體感網和模式匹配算法的單用戶多重行為感知方法。由于采用了可穿戴式的體感網作為基本感知手段，該方法能夠在不干擾用戶日常生活的基礎上，實現對用戶行為數據的準確捕獲。由于采用了基于模式匹配和數值計算方法的感知算法，該方法能夠對同時執行的多重用戶行為進行準確的感知。
[0005]為了解決上述問題，本發明提供了一種體感網，包括用戶、無線傳感器節點及計算服務器節點，其中，在用戶身體的各個部位，包括雙手手腕、雙腳腳踝、左右手臂、左右大腿、軀干、頭部共十個部位穿戴無線傳感器節點，在用戶雙手處佩戴射頻識別讀寫器，在日常生活用品上粘貼射頻識別標簽；每個無線傳感器節點以固定采樣頻率采集包括三維加速度、溫度、光線、濕度、射頻識別標簽編號在內的數據；無線傳感器節點將數據封裝成網絡封包，以無線傳輸的方式發送到計算服務器節點。
[0006]在體感網基礎上，本發明還提供了一種基于體感網的復雜居家行為感知方法，其包含以下步驟:
1)構建體感網，并以體感網中的無線傳感器節點感知用戶行為數據；
2)無線傳感器節點通過無線網絡將原始的用戶行為數據發送到計算服務器；原始數據通過數據預處理算法提取特征，得到隨時間排列的特征數據序列；利用滑動窗口技術對特征數據序列進行分片；
3)利用模式匹配方法對每段用戶行為實例數據進行感知，獲取實例中包含的基本用戶居家行為類別；
4)利用數值計算方法，判斷每段行為實例數據中的行為構成，形成多重居家行為感知結果。
[0007]步驟I)的具體過程為:
1)在用戶的身體的雙手手腕、雙腳腳踝、左右手臂、左右大腿、軀干、頭部共十個部位穿戴無線傳感器節點；
2)在用戶雙手處佩戴高頻射頻識別讀寫器，在日常生活用品上粘貼高頻射頻識別標
簽;
3)每個無線傳感器節點以固定采樣頻率采集包括三維加速度、溫度、光線、濕度數據，射頻識別讀寫器則讀取讀取標簽編號數據。
[0008]步驟2)的具體過程為:
2.1)無線傳感器節點將數據封裝成網絡封包，以無線傳輸的方式發送到計算服務器節點；網絡底層采用Zigbee網絡協議，節點發送功率為Odbm ；
2.2)計算服務器根據收到的數據包的先后次序排列形成原始數據序列；
2.3)在原始數據序列上，應用滑動窗口方法在每一小段數據中提取包括平均加速度、平均溫度、平均光線強度、平均濕度、加速度方差、加速度相關系數、加速度數據的熵、能量、以及射頻識別標簽號所對應的生活用品在內的特征數據；
2.4)將特征數據按照時間先后排列形成特征數據序列；
2.5)對特征數據序列的數值進行離散化，得到離散化后的特征數據序列；
2.6)利用滑動窗口對離散化后的特征數據序列進行分片，每個分片中包含用戶行為數據。
[0009]步驟3)的具體過程為:
3.1)利用每個行為的模式對每個分片中包含的特征數據進行匹配，一個模式PTi是一個離散化后的特征數據集合，包含行為Ai區別于其他所有行為的最顯著的特征數據，通過統計模式PTi在行為Ai中出現的概率并除以PTi在其他所有行為中出現的概率，得到模式PTi 的區分度 DisRate (PTi)；
3.2)—旦匹配成功，則通過如下公式計算行為Ai的得分S (Ai)，該得分逼近行為是Ai的
概率
【權利要求】
1.一種體感網，包括用戶、無線傳感器節點及計算服務器節點，其特征在于: 在用戶身體的各個部位，包括雙手手腕、雙腳腳踝、左右手臂、左右大腿、軀干、頭部共十個部位穿戴無線傳感器節點，在用戶雙手處佩戴射頻識別讀寫器，在日常生活用品上粘貼射頻識別標簽；每個無線傳感器節點以固定采樣頻率采集包括三維加速度、溫度、光線、濕度、射頻識別標簽編號在內的數據；無線傳感器節點將數據封裝成網絡封包，以無線傳輸的方式發送到計算服務器節點。
2.一種基于體感網的復雜居家行為感知方法，其特征在于包含以下步驟: .1)構建體感網，并以體感網中的無線傳感器節點感知用戶行為數據； .2)無線傳感器節點通過無線網絡將原始的用戶行為數據發送到計算服務器；原始數據通過數據預處理算法提取特征，得到隨時間排列的特征數據序列；利用滑動窗口技術對特征數據序列進行分片； .3)利用模式匹配方法對每段用戶行為實例數據進行感知，獲取實例中包含的基本用戶居家行為類別； .4)利用數值計算方法，判斷每段行為實例數據中的行為構成，形成多重居家行為感知結果。
3.根據權利要求2所述的基于體感網的復雜居家行為感知方法，其特征在于步驟I)的具體過程為: .1)在用戶的身體的雙手手腕、雙腳腳踝、左右手臂、左右大腿、軀干、頭部共十個部位穿戴無線傳感器節點； . 2)在用戶雙手處佩戴高頻射頻識別讀寫器，在日常生活用品上粘貼高頻射頻識別標簽; 3)每個無線傳感器節點以固定采樣頻率采集包括三維加速度、溫度、光線、濕度數據，射頻識別讀寫器則讀取讀取標簽編號數據。
4.根據權利要求2或3所述的基于體感網的復雜居家行為感知方法，其特征在于步驟.2)的具體過程為: .2.1)無線傳感器節點將數據封裝成網絡封包，以無線傳輸的方式發送到計算服務器節點；網絡底層采用Zigbee網絡協議，節點發送功率為Odbm ； . 2.2)計算服務器根據收到的數據包的先后次序排列形成原始數據序列； .2.3)在原始數據序列上，應用滑動窗口方法在每一小段數據中提取包括平均加速度、平均溫度、平均光線強度、平均濕度、加速度方差、加速度相關系數、加速度數據的熵、能量、以及射頻識別標簽號所對應的生活用品在內的特征數據； .2.4)將特征數據按照時間先后排列形成特征數據序列； .2.5)對特征數據序列的數值進行離散化，得到離散化后的特征數據序列； .2.6)利用滑動窗口對離散化后的特征數據序列進行分片，每個分片中包含用戶行為數據。
5.根據權利要求2或3所述的基于體感網的復雜居家行為感知方法，其特征在于步驟3)的具體過程為: .3.1)利用每個行為的模式對每個分片中包含的特征數據進行匹配，一個模式PTi是一個離散化后的特征數據集合，包含行為Ai區別于其他所有行為的最顯著的特征數據，通過統計模式PTi在行為Ai中出現的概率并除以PTi在其他所有行為中出現的概率，得到模式PTi 的區分度 DisRate (PTi)； ` 3.2)—旦匹配成功，則通過如下公式計算行為Ai的得分S (Ai)，該得分逼近行為是Ai的概率
6.根據權利要求2或3所述的基于體感網的復雜居家行為感知方法，其特征在于步驟4)的具體過程為: 在獲取每一個分片所可能包含的行為及其可能性S(Ai)后，猜測可能包含的多重行為的結構并估算其可能性；當多重行為的組合為Aa+Ab時，首先利用一個閾值th來估算是否在當前的觀測值中，包含了 Aa和Ab的數據，即首先判斷有S(Aa)Hh且S (Ab)Hh,在此前提下通過如下公式計算其組合得分S(Aa+Ab):
【文檔編號】H04W84/18GK103458051SQ201310420651
【公開日】2013年12月18日 申請日期:2013年9月16日 優先權日:2013年9月16日
【發明者】呂建, 汪亮, 陶先平 申請人:南京大學