用于区分用户运动的移动装置、区分用户运动的方法及其生成分层树模型的方法

摘要

本发明涉及一种用于区分用户运动的移动装置，区分用户运动的方法，以及为其生成分层树模型的方法。特别地，移动装置包括：加速度传感器；缓冲器，根据用户的具体运动来采集从加速度传感器输出的加速度数据；提取单元，基于缓冲器采集到的加速度数据来提取用户具体运动的特征元素；以及运动判断单元，通过将由提取单元提取的特征元素输入到预先构建的分层树模型来确定用户的具体运动属于哪一类，其中分层树模型是基于对于每个运动提取的特征元素而预先构建的，并且基于第一帧组和第二帧组来提取每个运动的特征元素，所述第一帧组是通过按预定时间单位划分为每个运动采集的加速度数据而形成的，所述第二帧组是通过按不同于预定时间单位的另一时间单位划分为每个运动采集的加速度数据从而使加速度数据的部分与第一帧组重叠而形成的。

说明书

技术领域

本文所描述的实施例一般地涉及用于区分用户运动行为的移动装置， 用于区分用户运动行为的方法，及其生成分层树模型的方法。

背景技术

近年来，诸如智能手机的移动装置广泛使用，使用装备在智能手机内 的如加速度传感器、陀螺传感器、地磁传感器、重力传感器、光传感器、 接近传感器和运动识别传感器的传感器的各种应用(APP)正在开发中。

特别地，也正在进行关于确定正在使用智能手机的用户在何种状态下 移动的技术的研究以及关于基于该确定技术来提供智能服务的技术的研 究。在该情况下，为了确定用户的运动行为，需要一种能够精炼从智能手 机内的传感器接收到的数据从而获得有意义的数据的技术。

在这方面，公开号为2011-0126057的韩国专利申请(发明名称：Device  for Determining Movement Sate,Method for Determining Movement State, and Recording Medium(用于确定运动状态的装置，用于确定运动状态的 方法和记录介质))描述了，通过将来自加速度传感器的输出的垂直分量 的加速度波动周期和水平分量的加速度波动周期彼此进行比较，来确定用 户的状态。

但是，对于能够以不同于上述技术的另一种方式来更精确地区分用户 运动行为的方法有持续的需求。特别是，利用GPS、麦克风等来区分用户 运动行为的常规技术存在的问题是，其增加了智能手机的电池消耗。

发明概述

技术问题

为了解决上述问题，一些示例实施例提供了用于生成分层树模型的方 法，其能够通过将从加速度传感器采集到的数据的部分重叠来提高提取运 动行为特性的精度。

另外，一些示例实施例提供了能够基于仅利用从加速度传感器采集到 的数据而构建的分层树模型以高可靠度区分用户具体运动行为对应哪种 运动行为的移动装置，以及利用该移动装置来区分用户运动行为的方法。

然而，本公开要解决的问题不限于上述，本领域技术人员通过下面的 说明能够清楚地理解其他问题。

技术方案

在一个示例实施例中，提供一种用于区分用户的运动行为的移动装 置。该移动装置包括：加速度传感器；缓冲器，根据用户的具体运动行为 来采集从加速度传感器输出的加速度数据；输出单元，基于在缓冲器中采 集的加速度数据来输出针对用户的具体运动行为的特征因子；以及运动行 为确定单元，通过将从提取单元提取的特征因子输入到预先构建的分层树 模型来区分用户的具体运动行为对应于哪种运动行为，其中分层树模型是 基于针对每个运动行为提取的特征因子来预先构建的，并且每个运动行为 的特征因子是基于第一帧组和第二帧组来提取的，第一帧组包括对于每个 运动行为单独采集且基于预设时间单位划分的加速度数据，第二帧组包括 对于每个运动行为单独采集且基于不同于预设时间单位的时间单位划分 的加速度数据，并且其中第二帧组的加速度数据的部分与第一帧组重叠。

在另一示例实施例中，提供一种生成用于区分具有预定装置的用户的 运动行为的分层树模型的方法。该方法包括：对于每个运动行为单独地采 集来自所述移动装置内的加速度传感器的加速度数据；基于预设时间单位 来划分每个运动行为的加速度数据以构建第一帧组；以及基于不同于预设 时间单位的时间单位来划分每个运动行为的加速度数据以构建第二帧组， 其中第二帧组的加速度数据的部分与第一帧组重叠；基于第一帧组和第二 帧组来提取区分于其他运动行为的特征因子的每个运动行为的特征因子； 以及基于每个运动行为的特征因子来构建分层树模型。

在其他示例实施例中，提供一种利用移动装置来区分用户的运动行为 的方法。该方法包括：根据用户的具体运动行为，采集从移动装置内的加 速度传感器输出的加速度数据；基于加速度数据来提取针对用户的具体运 动行为的特征因子；以及通过将提取的特征因子输入到预先构建的分层树 模型，区分用户的具体运动行为对应于哪种运动行为，其中分层树模型是 基于对于每个运动行为提取的特征因子来预先构建的，并且每个运动行为 的特征因子是基于第一帧组和第二帧组来提取的，第一帧组包括对于每个 运动行为单独采集且基于预设时间单位划分的加速度数据，第二帧组包括 对于每个运动行为单独采集且基于不同于预设时间单位的时间单位划分 的加速度数据，并且其中第二帧组的加速度数据的部分与第一帧组重叠。

有益效果

作为上述示例实施例的技术手段中的一种，生成分层树模型的方法能 够通过基于第一帧组和第二帧组来提取每个运动行为的特征因子而更可 靠地、更精确地生成用于区分用户的具体运动行为对应于哪种运动行为的 分层树模型，第一帧组和第二帧组被构建成使得加速度数据的部分彼此重 叠。

另外，作为上述示例实施例的技术手段中的一种，利用移动装置来区 分用户运动行为的移动装置和方法能够仅仅基于加速度数据，利用预先构 建的分层树模型来精确地区分用户的具体运动行为对应于哪种运动行为， 分层树模型反映了对于每个运动行为最优提取的特征因子。另外，由于用 于区分操作的类似GPS、麦克风或其他的单独装置不是必要的，所以能够 更有效地使用移动装置的能量。

附图说明

图1示出了根据常规技术用于区分用户运动行为的方法。

图2是示出依照示例实施例用于区分用户运动行为的移动装置的构造 图。

图3示出了提取运动行为的特征因子的示例。

图4是示出依照示例实施例用于生成分层树模型的方法的流程图。

图5示出了依照另一示例实施例的用于生成分层树模型的方法。

图6是示出依照示例实施例的用于区分用户运动行为的方法的流程 图。

发明详述

下面，将参考附图详细说明示例实施例，以使本领域技术人员能够容 易地实施发明构思。然而，值得注意的是，本公开不限于示例实施例，而 是能够以多种其他方式来实现。在图中，不直接与说明相关的一些部件被 省去以增强附图的清晰性，在整篇文档中相似的附图标记指示相似的部 件。

在整篇文档中，术语“连接到”或“耦合到”用来指示一个元件与另 一元件的连接或耦合，并且包括元件“直接连接或耦合到”另一元件的情 况以及元件经由又一元件“电连接或耦合到”另一元件的情况。此外，在 文档中使用的术语“包括或包含”和/或“包括有或包含有”是指，除了 所描述的组件、步骤、操作和/或元件之外，不排除一个或多个其他的组件、 步骤、操作和/或额外元件的存在。

图1示出了根据常规技术的用于区分用户运动行为的方法。为了区分 用户的运动行为，可以执行对于每个运动行为生成模型的前期工作。

为了执行针对“步行”或“跑”运动行为生成模型的前期工作，可以 从如图1所示的智能手机内装备的加速度传感器采集数据(①)。可以使 用允许每秒有50个记录的加速度传感器。通过使用从在大约2个小时内 采集到的数据中提取的“步行”或“跑”的特征(②)，可以生成“用于 步行的高斯混合模型(GMM)”、“用于跑的高斯混合模型(GMM)”、或“借 助交通工具移动的高斯混合模型(GMM)”(③)。基于这些模型，可以计 算高斯的权重以及表示高斯的数据的均值/协方差，基于计算结果，可以区 分用户的实际运动行为。

另外，为了执行用于针对“借助公共汽车移动”或“借助地铁移动” 的运动行为生成模型的前期工作，可以从如图1所示装备在智能手机内的 加速度传感器和麦克风中的每一个采集数据(①)。可以使用允许每秒有 500个记录的麦克风。通过使用在大约2个小时内采集到的数据中提取的 “借助公共汽车移动”或“借助地铁移动”的特征(②)，可以生成“用 于借助公共汽车移动的隐马尔科夫模型(HMM)”或“用于借助地铁移动 的隐马尔科夫模型(HMM)”(③)。基于这些模型，可以估计状态变换参 数，并且基于估计结果，可以区分用户的实际运动行为。

也即，通过使用图1所示的技术，可以区分开用户的运动行为对应于 步行、跑、借助公共汽车移动和借助地铁移动中的哪一个。然而，在示例 实施例中提出的技术能够更精确地区分用户的运动行为，而不使用常规的 高斯混合模型(GMM)或隐马尔科夫模型(HMM)。

图2是示出根据示例实施例的区分用户运动行为的移动装置100的构 造图。参考图2，移动装置100包括加速度传感器110、缓冲器120、提取 单元130、分层树模型140、运动行为确定单元150、GPS 160、显示单元 170和通信单元180。然而，图2所示的移动装置100仅为本公开的示例 实施例，可以通过基于图2所示的组件的各种组合来进行修改。

在该情况下，移动装置100可以具体实施为能够通过网络来发送和接 收数据的便携式装置或计算机。此处，便携式装置例如为确保便携性和移 动性的无线通信装置，并且可以包括任意类型的手持式无线通信装置，如 个人通信系统(PCS)、全球移动通信系统(GSM)、个人数字蜂窝(PDC)、 个人手机系统(PHS)、个人数字助理(PDA)、国际移动远程通信(IMT) -2000、码分多址(CDMA)-2000、W码分多址(W-CDMA)、无线宽带 因特网(Wibro)终端、智能手机和智能平板设备。另外，计算机可以包 括例如笔记本、台式机、膝上型计算机、平板式PC以及其他，它们都装 备有网络浏览器。

另外，移动装置100可以通过网络连接到各种服务器。网络是指能够 实现在诸如终端和服务器的节点之间交换数据或信息的连接结构，网络的 示例包括但不限于移动无线电通信网络、卫星广播网络、模拟广播网络、 数字多媒体广播(DMB)网络、因特网、局域网(LAN)、无线局域网(LAN)、 广域网(WAN)、个域网(PAN)等等。包括能够区分在示例实施例中提 出的用户运动行为的功能的应用可以通过下载提供在移动装置100中，或 者在装置制造商制造装置时提供。

再次参考图2具体描述在示例实施例中提出的移动装置100的各组 件。

加速度传感器110设置在移动装置100内以测量速度变化。加速度传 感器110在传感方法、传感原理、外观条件以及其他方面不受具体限制。

缓冲器120根据用户的具体运动行为来采集从加速度传感器110输出 的加速度数据。缓冲器120是一种高速存储器装置，其在上述加速度传感 器100与提取单元130之间交换加速度数据，如下面将要说明，可以补偿 两个组件之间传输速度或处理速度方面的差异并且有利地将组件彼此组 合。

在该情况下，在缓冲器120中采集的加速度数据可以根据具体运动行 为的类型而变化，用户的具体运动行为可以是指例如“跑”、“步行”、“停 止”、“乘坐地铁”、“乘坐公共汽车”和“乘坐小汽车”的任何一种运动行 为。缓冲器120可以在大约3秒内采集从加速度传感器110输出的加速度 数据。

提取单元120基于在缓冲器120中采集的加速度数据来提取用户具体 运动行为的特征因子。

例如，提取单元130将根据用户的具体运动行为在大约3秒内从加速 度传感器110输出的加速度数据压缩成一个单位。对于压缩数据，提取单 元130可以提取垂直均值、垂直标准偏差、垂直平均交叉率、垂直75百 分位、垂直四分位、垂直谱的均值、垂直频率复杂度、水平均值、水平标 准偏差、水平平均交叉率、水平75百分位、水平四分位、水平谱均值、 水平频率复杂度、垂直-水平相关以及其他。

另外，提取单元130可以通过利用与分层树模型140提取每个运动行 为的特征因子的方法相同的方法来提取用户具体运动行为的特征因子，如 下面要说明的。然而，提取单元130可以通过另一方法来提取用户具体运 动行为的特征因子，不特别限制。

运动行为确定单元150通过将由提取单元130提取的特征因子输入到 预先构建的分层树模型140中，来区分用户的某种运动行为对应于哪种运 动行为。也即，运动行为确定单元150可以在预先构建的分层树模型140 内搜索对于用户具体运动行为与提取的特征因子匹配的特征因子，并且根 据匹配结果来确定用户的具体运动行为对应于哪种运动行为。

特别地，基于为每个运动行为提取的特征因子来预先构建分层树模型 140。在该情况下，基于第一帧组和第二帧组来提取每个运动行为的特征 因子，下面将参考图3进行具体说明。图3示出了运动行为的特征因子的 提取的示例。

图3的第一视图示出了通过基于预设时间单位来划分为每个运动行为 单独采集的加速度数据来构建第一帧组。例如，如果基于3秒单位划分对 于“跑”运动行为所采集的加速度数据，则第一帧组可构造成包括帧1、 帧2和帧3，每个帧可包括150个“跑”样本数据。

图3中的第二视图示出了通过基于不同于预设时间单位的另一时间单 位划分为每个运动行为单独采集的加速度数据所构建的第二帧组，并且第 二帧组的加速度数据的部分可以与第一帧组的加速度数据的部分重叠。例 如，基于不同于3秒单位的另一时间单位来划分如上所述为同样的“跑” 运动行为采集的加速度数据，使得可构建包含帧1、帧2、和帧3的第二 帧组，每个帧可包括300个“跑”样本数据。在该情况下，在第一帧组和 第二帧组中加速度数据的部分彼此重叠。

结果，可构建分层树模型140，其反映出对于每个运动行为最佳提取 的特征因子。另外，运动行为确定单元150可以利用仅基于加速度数据预 先构建的分层树模型140来以高的可靠度区分用户的具体运动行为对应于 哪种运动行为。

此外，分层树模型140对于仅基于加速度数据来区分用户的运动行为 是至关重要的，在用户的实际具体运动行为发生之前预先构建，以便存储 在移动装置100或者通过网络与移动装置100连接的服务器或数据库内。

再次参考图2对分层树模型140和运动行为确定单元150的详细构造 进行说明。

分层树模型140可以包括多个分层模型以便至少连续两(2)次确定 用户的具体运动行为对应于哪种运动行为，且被构建成包含如图2所示的 第一分层模型141、第(2-1)分层模型142a和第(2-2)分层模型142b。 第一分层模型141是基于乘坐交通工具的行为和非乘坐交通工具的行为的 特征因子而预先构建的，第(2-1)分层模型142a是基于使用多个预设交 通工具的运动行为的特征因子而预先构建的，第(2-2)分层模型142b是 基于跑、步行和停止运动行为的特征因子而预先构建的。

运动行为确定单元150可以与分层树模型140来确定用户的具体运动 行为对应于哪种运动行为，并且包括与上述第一分层模型141相关联的第 一确定单元151以及与上述的第(2-1)分层模型142a和第(2-2)分层模 型142b相关联的第二确定单元152。也即，第一确定单元151可以通过将 从提取单元130提取的特征因子输入到第一分层模型141来确定用户的具 体运动行为对应于乘坐交通工具的行为和不乘坐交通工具中的哪一个。如 果第一确定单元151已经确定出用户的具体运动行为对应于乘坐交通工具 的行为，第二确定单元152可以通过将从提取单元130提取的特征因子输 入到第(2-1)分层模型142a来确定对于用户具体运动行为的乘坐行为采 取多个预设交通工具(例如，小汽车、地铁和公共汽车)中的哪一种。另 外，如果第一确定单元151已经确定出用户的具体运动行为对应于不乘坐 交通工具的行为，则第二确定单元152可以通过将从提取单元130提取的 特征因子输入到第(2-2)分层树模型142b来确定用户的具体运动行为对 应于跑、步行和停止行为中的哪一种。由于运动行为确定单元150根据分 层树模型140的树路径来至少连续两(2)次区分用户的运动行为，所以 其能够提高区分用户运动行为的精度。

GPS(全球定位系统)160设置在移动装置100内以接收移动装置100 的位置信息。在该情况下，位置信息可以包括由经度值和纬度值构成的二 维数据或者由经度值、纬度值和高度值构成的三维数据。

当从GPS 160接收到位置信息时，运动行为确定单元150可以基于位 置信息，通过分层树模型140来更精确地校正或核对区分结果。也即，从 GPS 160接收到的位置信息可以执行辅助功能以确定用户的具体运动行为 对应于哪种运动行为。

显示单元170在屏幕上显示上述运动行为确定单元150的确定结果。 通过屏幕，用户可以识别移动装置100的性能以区分用户运动行为。

通信单元180可以将上述运动行为确定单元150的确定结果传送到通 过网络与移动装置100连接的服务器或另一装置。服务器或另一装置可以 处理信息以将智能服务提供给用户。智能服务可以由设置在移动装置100 内的应用来提供，而不经过通信单元180。

另外，图2所示的每个组件可构造为一种“模块”。“模块”是指类似 于现场可编程门阵列(FPGA)和专用集成电路(ASIC)的软件组件或硬 件组件，并且执行一些功能。然而，模块不限于软件或硬件。模块可构造 为在可寻址存储介质中提供或者执行一个或多个处理器。由组件和模块提 供的功能可以彼此组合以得到更少量的组件或模块或者划分成另外的组 件或模块。

同时，参考图4和图5对依照每个示例实施例的用于生成分层树模型 的方法进行说明。也即，上述分层树模型140可以由下述方法来构建，以 便预先存储在移动装置100内或者通过网络与移动装置100连接的服务器 或数据库内。通过分层树模型140，可以区分具有移动装置100的用户的 具体运动行为对应于哪种运动行为。

图4是示出依照示例实施例的用于生成分层树模型的方法的流程图。 此处，移动装置100可以是管理人员为分层树模型140使用的测试终端或 者是设置有单独应用的终端。

为了生成分层树模型140，移动装置100针对每个运动行为从加速度 传感器100单独地采集加速度数据(S210)。例如，移动装置100可以区 分并采集“步行”运动行为的加速度数据和“公共汽车乘坐”行为的加速 度数据。

移动装置100通过利用第一帧组和第二帧组来提取每个运动行为的特 征因子(S220)，所述第一帧组是基于对于每个运动行为区分的加速度数 据构建的，第二帧组被构建成部分地与第一帧组重叠。如上参考图3的第 一视图所描述的，移动装置100通过基于预设时间单位来区分对于每个运 动行为区分的加速度数据来构建第一帧组(帧1、帧2和帧3)。另外，如 上文参考图3的第二视图所描述的，移动装置100通过基于不同于预设时 间单位的另一时间单位来划分为每个运动行为区分的加速度数据以及允 许加速度数据的部分与第一帧组的加速度数据重叠来构建第二帧组(帧1、 帧2和帧3)。基于已经构建的第一帧组和第二帧组，移动装置100可以高 可靠度提取能区分于其他运动行为的特征因子的各运动行为的特征因子。

移动装置100基于所提取的每个运动行为的特征因子来构建分层树模 型140(S230)。因此，可以生成能够仅利用移动装置100内的加速度传感 器来以高可靠度区分用户的具体运动行为对应于哪种运动行为的分层树 模型140。

图5示出了依照另一示例实施例的用于生成分层树模型的方法。

为了生成能够区分如“步行”、“跑”、“借助公共汽车移动”、“借助小 汽车移动”、“借助地铁移动”或其他的每个运动行为的分层树模型，移动 装置100从加速度传感器110采集加速度数据，如图5所示(①)。此后， 移动装置100区分每个运动行为的加速度数据以使每个运动行为能够形成 类(②)。例如，每个运动行为可以变成分层的，以使对应于“步行”和 “跑”行为的加速度数据布置在“不乘坐交通工具”行为之下。移动装置 100利用第一帧组和第二帧组来提取区分于其他运动行为的特征因子的每 个运动行为的特征因子(③)，第一帧组基于为每个运动行为区分的加速 度数据而构建，第二帧组构造成部分地与第一帧组重叠。基于所提取的每 个运动行为的特征因子，移动装置100按如图5所示的各种形式来构建分 层树模型140(④)。

同时，下面具体参考图6来描述基于如上文参考图4和图5所描述的 用于生成分层树模型的方法来区分用户运动行为的方法。图6是示出依照 示例实施例的用于区分用户运动行为的方法的流程图。也即，移动装置100 可以基于预先存储在移动装置100内或者通过网络与移动装置100连接的 服务器或数据库内的分层树模型140来区分用户运动行为。

移动装置100采集根据用户的具体运动行为而从移动装置100内的加 速度传感器110输出的加速度数据(S310)。在该情况下，用户的具体运 动行为可以是“跑”、“步行”、“停止”、“地铁乘坐”、“公共汽车乘坐”和 “小汽车乘坐”中的任一种运动行为。

随后，移动装置100基于加速度数据来提取用户具体运动行为的特征 因子(S320)。在该情况下，提取方法可以与上文参考图4和图5所描述 的相同，但是不特别限于此。

通过将所提取的特征因子输入到预先构建的分层树模型，移动装置 100区分用户的具体运动行为对应于哪种运动行为(S330)。在该情况下， 已经基于为每个运动行为提取的特征因子预先构建了分层树模型。另外， 已经基于第一帧组和第二帧组提取了每个运动行为的特征因子，第一帧组 是通过基于预设时间单位划分为每个运动行为单独采集的加速度数据而 构建的，第二帧组是通过基于不同于预设时间单位的另一时间单位来划分 为每个运动行为单独采集的加速度数据以及允许加速度数据的部分与第 一帧组重叠而构建的。

具体地，在330中，移动装置100可以通过至少连续两(2)次的确 定处理来区分用户的具体运动行为对应于哪种运动行为。

更具体地，移动装置100可以经过用于区分用户的具体运动行为对应 于乘坐交通工具行为和不乘坐交通工具中的哪一种的第一确定处理。此 后，如果用户的具体运动行为对应于乘坐交通工具的行为，则移动装置100 可以区分对于用户具体运动行为的乘坐行为采取多种预设交通工具中的 哪一种。如果用户的具体运动行为对应于不乘坐交通工具的行为，则移动 装置100可以区分用户的具体运动行为对应于跑、步行和停止中的哪种运 动行为。

在区分出用户的具体运动行为对应于哪种运动行为之后，移动装置 100可以进一步确定是否从GPS 160接收到位置信息(S340)。如果已经接 收到位置信息(是)，则移动装置100基于位置信息来校正在S330中区分 的运动行为结果(S350)，然后，推断校正结果作为用户运动行为(S360)。 如果尚未接收到位置信息(否)，则移动装置100可以推断出在S330中区 分的运动行为结果作为用户的运动行为(S360)。

如上所述，利用如示例实施例中提出的移动装置来区分用户运动行为 的移动装置和方法能够利用反映为每个运动行为最佳提取的特征因子的 预先构建的分层树模型，仅基于加速度数据来精确地区分用户的具体运动 行为对应于哪种运动行为。另外，由于用于区分操作的如GPS或麦克风的 单独的装置不是必要的，所以能够更有效地利用移动装置的能量。

示例实施例能够具体实施在存储介质中，存储介质包含能够由计算机 或处理器执行的指令代码，如由计算机或处理器执行的程序模块。计算机 可读介质可以是任何能够由计算机访问的任何可用介质，并且包括所有的 易失性的/非易失性的以及可移除的/非可移除的介质。此外，计算机可读 介质可以包括所有的计算机存储介质和通信介质。计算机存储介质包括由 用于存储如计算机可读指令代码、数据结构、程序模块或其他数据的信息 的某种方法或技术来实施的所有的易失性的/非易失性的以及可移除的/非 可移除的介质。通信介质通常包括计算机可读指令代码、数据结构、程序 模块、或诸如载波或其他传输机制的调制数据信号的其他数据，并且包括 信息传输介质。

为了示例的目的提供了示例实施例的上述说明，本领域技术人员将理 解的是，可以做出各种改变和改进，而不改变示例实施例的技术构思和实 质特征。因此，显然，上述示例实施例在所有方面是示例性的，而不限制 本公开。例如，描述为单个类型的每个组件能够以分布式方式来实施。同 样，描述为分布式的组件能够以组合的方式来实施。

发明构思的范围由下面的权利要求书及其等同方案限定，而不是通过 示例实施例的详细说明限定。应当理解的是，根据权利要求书及其等同方 案的含义和范围构思的所有改进方案和实施例包含在发明构思的范围内。