年龄段识别模型的训练方法、年龄段识别方法以及装置与流程

本申请涉及模型训练，更具体地，涉及一种年龄段识别模型的训练方法、年龄段识别方法以及装置。

背景技术：

1、随着科学技术的发展，电子设备的使用越来越广泛，功能越来越多，已经成为人们日常生活中的必备之一。目前，电子设备可以用于进行用户年龄段的识别并根据识别到的年龄段进行相应的处理，但是，电子设备在进行用户年龄段的识别时，一般通过人脸等显式的识别方式，这种识别方式应用场景受限。

技术实现思路

1、鉴于上述问题，本申请提出了一种年龄段识别模型的训练方法、年龄段识别方法以及装置，以解决上述问题。

2、第一方面，本申请实施例提供了一种年龄段识别模型的训练方法，所述方法包括：获取多个训练用户各自对应的年龄信息，并获取电子设备在多个所述训练用户各自的使用过程中对应的屏幕滑动数据和传感器数据；对多个所述屏幕滑动数据和多个所述传感器数据进行预处理，获得多个所述训练用户各自对应的行为向量；对多个所述行为向量进行特征提取，获得多个所述训练用户各自对应的行为特征；通过深度神经网络模型对多个所述年龄信息和多个所述行为特征进行学习，获得年龄段识别模型。

3、第二方面，本申请实施例提供了一种年龄段识别方法，所述方法包括：获取电子设备在待识别用户的使用过程中对应的待识别屏幕滑动数据和待识别传感器数据；对所述待识别屏幕滑动数据和所述待识别传感器数据进行预处理，获得所述待识别用户对应的行为向量；对所述待识别用户对应的行为向量进行特征提取，获得所述待识别用户对应的行为特征；将所述待识别用户对应的行为特征输入至上述年龄段识别模型，获得所述年龄段识别模型输出的所述待识别用户所属的年龄段。

4、第三方面，本申请实施例提供了一种年龄段识别模型的训练装置，所述装置包括：训练数据获取模块，用于获取多个训练用户各自对应的年龄信息，并获取电子设备在多个所述训练用户各自的使用过程中对应的屏幕滑动数据和传感器数据；训练数据预处理模块，用于对多个所述屏幕滑动数据和多个所述传感器数据进行预处理，获得多个所述训练用户各自对应的行为向量；特征提取模块，用于对多个所述行为向量进行特征提取，获得多个所述训练用户各自对应的行为特征；模型训练模块，用于通过深度神经网络模型对多个所述年龄信息和多个所述行为特征进行学习，获得年龄段识别模型。

5、第四方面，本申请实施例提供了一种年龄段识别装置，所述装置包括：待识别数据获取模块，用于获取电子设备在待识别用户的使用过程中对应的待识别屏幕滑动数据和待识别传感器数据；待识别数据预处理模块，用于对所述待识别屏幕滑动数据和所述待识别传感器数据进行预处理，获得所述待识别用户对应的行为向量；特征提取模块，用于对所述待识别用户对应的行为向量进行特征提取，获得所述待识别用户对应的行为特征；年龄段识别模块，用于将所述待识别用户对应的行为特征输入至上述年龄段识别模型，获得所述年龄段识别模型输出的所述待识别用户所属的年龄段。

6、第五方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时所述处理器执行上述方法。

7、第六方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述方法。

8、本申请实施例提供的年龄段识别模型的训练方法、年龄段识别方法以及装置，通过获取多个训练用户各自对应的年龄信息，并获取电子设备在多个训练用户各自的使用过程中对应的屏幕滑动数据和传感器数据，对多个屏幕滑动数据和多个传感器数据进行预处理，获得多个训练用户各自对应的行为向量，对多个行为向量进行特征提取，获得多个训练用户各自对应的行为特征，通过深度网络模型对多个训练用户和多个行为特征进行学习，获得年龄段识别模型，从而通过将屏幕触控数据和传感器数据作为训练数据，对深度神经网络模型进行训练得到年龄段识别模型，可以实现通过对用户隐式身份信息识别的方式提升群体识别效果，以提升所能应用到的场景。

技术特征：

1.一种年龄段识别模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过深度神经网络模型对多个所述年龄信息和多个所述行为特征进行学习，获得年龄段识别模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述行为特征包括与所述屏幕滑动数据对应的滑动特征和与所述传感器数据对应的传感器特征，所述对多个所述行为特征进行数据增强，获得多个所述训练用户各自对应的增强行为特征，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述通过深度神经网络模型对多个所述年龄信息和多个所述行为特征进行学习，获得年龄段识别模型，包括：

5.根据权利要求4所述的方法，其特征在于，所述通过窗口滑动的方式对多个所述行为特征进行特征处理，获得多个所述训练用户各自对应的目标行为特征，包括：

6.根据权利要求1-3任一项所述的方法，其特征在于，所述通过深度神经网络模型对多个所述年龄信息和多个所述行为特征进行学习，获得年龄段识别模型，包括：

7.根据权利要求1-3任一项所述的方法，其特征在于，所述对多个所述屏幕滑动数据和多个所述传感器数据进行预处理，获得多个所述训练用户各自对应的行为向量，包括：

8.根据权利要求1-3任一项所述的方法，其特征在于，在所述对多个所述行为向量进行特征提取，获得多个所述训练用户各自对应的行为特征之后，还包括：

9.根据权利要求1-3任一项所述的方法，其特征在于，所述训练用户的年龄大于或等于年龄阈值，其中，所述年龄阈值用于表征老年人对应的最低年龄。

10.根据权利要求9所述的方法，其特征在于，所述行为特征包括滑动的最远距离点的关联特征和加速度计的关联特征。

11.一种年龄段识别方法，其特征在于，所述方法包括：

12.根据权利要求11所述的方法，其特征在于，所述将所述待识别用户对应的行为特征输入至年龄段识别模型，获得所述年龄段识别模型输出的所述待识别用户所属的年龄段，包括：

13.一种年龄段识别模型的训练装置，其特征在于，所述装置包括：

14.一种年龄段识别装置，其特征在于，所述装置包括：

15.一种电子设备，其特征在于，包括存储器和处理器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时所述处理器执行如权利要求1-12任一项所述的方法。

16.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-12任一项所述的方法。

技术总结本申请公开了一种年龄段识别模型的训练方法、年龄段识别方法以及装置，涉及模型训练技术领域。获取多个训练用户各自对应的年龄信息，并获取电子设备在多个训练用户各自的使用过程中对应的屏幕滑动数据和传感器数据，对多个屏幕滑动数据和多个传感器数据进行预处理，获得多个训练用户各自对应的行为向量，对多个行为向量进行特征提取，获得多个训练用户各自对应的行为特征，通过深度网络模型对多个训练用户和多个行为特征进行学习，获得年龄段识别模型。本申请通过将屏幕触控数据和传感器数据作为训练数据对深度神经网络模型进行训练得到年龄段识别模型，可以实现通过对用户隐式身份信息识别的方式提升群体识别效果，以提升所能应用到的场景。技术研发人员：杨明慧,周亚杰,王欢,蔺琛皓,沈超,潘蓝兰受保护的技术使用者：OPPO广东移动通信有限公司技术研发日：技术公布日：2024/9/12