一种基于AI技术的智能穿戴行为分类方法及系统与流程

本发明涉及智能穿戴领域，具体是一种基于ai技术的智能穿戴行为分类方法及系统。

背景技术：

1、智能穿戴设备是指应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，包括手表、手环、眼镜、服饰等多种形态。这类设备通常具备多种功能，如健康监测、运动追踪、日常互动等，并已广泛应用于医疗、工业、军事、教育、娱乐等多个领域。

2、智能穿戴设备中最为常见的就是智能穿戴手表，而为了提高用户佩戴智能穿戴手表的体验感，通过将智能穿戴行为分类，可以更清晰地界定不同产品的功能和定位。分类有助于识别不同用户群体的具体需求，从而指导产品研发和市场推广。例如，运动爱好者可能更倾向于选择具有丰富运动监测功能的智能穿戴手表，而老年人则可能更关注健康监测和紧急呼叫功能。

3、现有技术存在如下问题：现有智能穿戴行为分类方法通常注重于根据市场需求来区分，却忽视了使用场景分类，容易在非必要场景中唤醒智能手表分散注意力或影响休息，给用户带来很大的困扰。

4、因此，本领域技术人员提供了一种基于ai技术的智能穿戴行为分类方法及系统，以解决上述背景技术中提出的问题。

技术实现思路

1、针对现有技术中的缺陷，本发明提供一种基于ai技术的智能穿戴行为分类方法，包括以下步骤：

2、智能穿戴手表采集用户的行为数据，将行为数据发送至ai分析平台；其中，所述行为数据包括实时生理体征数据、实时运动数据及定位数据；

3、基于所采集到的以往用户行为数据以及对应的时间，对预先建立的分类器进行训练，得到场景分类模型；

4、基于所采集到的实时用户行为数据，结合当前网络时间与场景分类模型，分析出用户当前所处场景；

5、捕捉用户手腕运动姿势，结合用户当前所处场景，对当前手腕运动姿势进行分类，根据分类结果决定是否唤醒智能穿戴手表的屏幕；

6、基于用户在手腕运动姿势分类后对智能穿戴手表的操作，决定是否更新用户当前所处场景。

7、作为本发明进一步的方案：所述场景分类模型的具体训练过程为：

8、将以往用户行为数据对应的时间按照工作日和休息日进行划分；

9、将属于工作日的用户行为数据划分到工作日集群，将属于休息日的用户行为数据划分到休息日集群；

10、将一天均分为八个时间段，根据划分的时间段将工作日集群与休息日集群内的用户行为数据规划到对应的子集群中；

11、导入以往用户行为数据对应的场景信息，以此为各个子集群中的用户行为数据添加场景标签，场景标签包括用户所处场景的标记以及是否开启免打扰的标记。

12、作为本发明进一步的方案：所述用户当前所处场景的具体分析过程为：

13、根据所采集到的实时生理体征数据，生成实时生理体征雷达图a，其中，生理体征数据包括心率、血压、血氧饱和度以及皮肤电导率；

14、根据所采集到的实时运动数据，生成实时运动雷达图b，其中，实时运动数据包括步频、呼吸频率、卡路里消耗量以及速度；

15、根据所采集到的定位数据，确定用户当前所在位置p；

16、根据当前网络时间，确定所采集到的实时用户行为数据对应时间段的子集群；

17、基于对应时间段子集群中的用户行为数据，生成以往同时间段的生理体征雷达图ai，运动雷达图bi，所在位置pi，i=1···n，其中，n为正整数；

18、将实时用户行为数据对应的实时生理体征雷达图a、实时运动雷达图b、当前所在位置p与以往同时间段的各组生理体征雷达图ai，运动雷达图bi，所在位置pi进行一一匹配，筛选出与实时用户行为数据最匹配的十个以往同时间段用户行为数据；

19、将所筛选的十个以往同时间段用户行为数据对应的场景标签提取出来；

20、基于所提取的场景标签，将重复次数最多的场景标签作为用户当前所处场景输出。

21、作为本发明进一步的方案：所述智能穿戴手表支持wi-fi定位功能，在确定用户当前所在位置时，若用户当前所在位置p为用户住宅地或工作地，则智能穿戴手表通过识别用户住宅地或工作地的wi-fi信号强度，结合wi-fi位置数据库来实现进一步定位。

22、作为本发明进一步的方案：所述筛选出与实时用户行为数据最匹配的十个以往同时间段用户行为数据的具体过程为：

23、将a与对应的ai进行相似度比对，获得第一相似度权重值v1；

24、将b与对应的bi进行相似度比对，获得第二相似度权重值v2；

25、将p与对应的pi进行匹配，计算二者直线距离并标记为l；

26、计算以往同时间段的用户行为数据与实时用户行为数据的匹配度s=（v1*v2/l）*100%；

27、将s最大的十个以往同时间段用户行为数据筛选出来。

28、作为本发明进一步的方案：所述匹配度s在进行筛选时，若所筛选出的十个最大匹配度s均小于预设匹配度，则触发更新事件，智能穿戴手表通知用户并由用户导入当前场景信息。

29、作为本发明进一步的方案：所述将重复次数最多的场景标签作为用户当前所处场景输出的过程中，若重复次数最多的场景标签为多种，则提取每种场景标签对应的以往同时间段用户行为数据与实时用户行为数据的匹配度，再计算每种场景标签对应的匹配度之和，将匹配度之和最大的场景标签作为用户当前所处场景输出。

30、作为本发明进一步的方案：所述对当前手腕运动姿势进行分类的具体过程为：

31、获取用户当前所处场景，即对应的场景标签；

32、将所捕捉到的手腕运动姿势分别与预设的四个手腕姿势进行相似度比对，若任意一组比对的相似度大于预设值，则进入下一步骤，若四组比对的相似度均小于等于预设值，则将当前手腕运动姿势规划到第一序列；

33、提取场景标签并根据标记判断用户当前所处场景下是否开启免打扰，若开启免打扰，则将当前手腕运动姿势规划到第二序列，若不开启免打扰，则将当前手腕运动姿势规划到第三序列；

34、若用户当前手腕运动姿势被规划到第一序列或第二序列，则不唤醒智能穿戴手表的屏幕；若用户当前手腕运动姿势被规划到第三序列，则唤醒智能穿戴手表的屏幕。

35、作为本发明进一步的方案：所述基于用户在手腕运动姿势分类后对智能穿戴手表的操作，更新状态识别模型的具体过程为：

36、若当前手腕运动姿势规划到第一序列，且用户在手腕运动姿势分类后对智能穿戴手表进行重复唤醒或手动唤醒，则对预设手腕姿势进行更新，即用当前用户手腕运动姿势随机替换掉四个预设手腕姿势中的一个，其中，重复唤醒是指用户在预设时间段内抬起手腕的次数超过预设值；

37、若当前手腕运动姿势规划到第二序列，且用户在手腕运动姿势分类后对智能穿戴手表进行重复唤醒或手动唤醒，则触发更新事件，智能穿戴手表通知用户并由用户导入当前场景信息。

38、本技术还公开一种基于ai技术的智能穿戴行为分类系统，采用基于ai技术的智能穿戴行为分类方法，包括智能穿戴手表与ai分析平台，所述ai分析平台包括场景分类模块、场景分析模块、姿势分类模块、更新模块；

39、所述智能穿戴手表用于采集用户的行为数据，将行为数据发送至ai分析平台；其中，所述行为数据包括实时生理体征数据、实时运动数据及定位数据；

40、所述场景分类模块基于所采集到的以往用户行为数据以及对应的时间，对预先建立的分类器进行训练，得到场景分类模型；

41、所述场景分析模块基于所采集到的实时用户行为数据，结合当前网络时间与场景分类模型，分析出用户当前所处场景；

42、所述姿势分类模块用于捕捉用户手腕运动姿势，结合用户当前所处场景，对当前手腕运动姿势进行分类，根据分类结果决定是否唤醒智能穿戴手表的屏幕；

43、所述更新模块基于用户在手腕运动姿势分类后对智能穿戴手表的操作，决定是否更新用户当前所处场景。

44、本发明的有益效果体现在：

45、本技术不仅能够对用户当前使用场景进行细致分类，还可以根据所分类后的使用场景分析是否唤醒智能穿戴手表的屏幕，避免在非必要场景中唤醒智能手表分散用户注意力或影响休息，进而避免给用户带来困扰，便于使用。