一种基于行为感知的行为效率提升方法
文献发布时间:2023-06-19 10:54:12
技术领域
本发明涉及行为感知技术领域,特别涉及一种基于行为感知的行为效率提升方法。
背景技术
随着社会经济的飞速发展,人们的生活节奏越来越快,使得需要加快人们的行为效率,人们可以借助行为感知设备与用户之间进行交互,通过解析信息提供更到位的服务,指导用户的行为,提高用户的行为效率。
但是,传统的监测系统对用户感知度低、数据质量不高以及显示结果单一,不具有吸引力,造成对用户的行为感知不全面,分析结果不准确以及分析结果推送时间不合理,最终导致用户的行为效率得到不提升。
针对以上不足,本发明提供一种基于行为感知的行为效率提升方法。
发明内容
本发明提供一种行为感知的行为效率提升方法,使用行为感知公共设备采集用户在公共空间的行为数据,用户的行为感知更全面,对行为数据进行处理分析,提高行为数据的质量,并将分析结果适时推送到用户的终端设备或云端服务器对应设备上进行多样显示,提高显示模式的吸引力,并合理调整推送分析结果时间,来辅助用户行为,提高用户的行为效率。
本发明提供一种基于行为感知的行为效率提升方法,包括:
采集用户的行为数据并传输到云端服务器;
基于所述云端服务器对所述行为数据进行标准化,过滤,降噪,存储,初步聚类处理;
基于所述云端服务器对经过处理的行为数据进行分析,得到分析结果;
将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上;
基于所述分析结果以及用户的需求设置,优化所述终端设备或云端服务器对应设备的显示和使用流程以及消息的适时推送,来辅助用户行为。
在一种可能实现的方式中,
采集用户的行为数据并传输到云端服务器包括:
基于公共空间的多个行为感知公共设备对捕捉到的人体进行扫描,并基于用户的登录信息确定所述人体是否为待检测用户;
若是,则按照采集规则获得所述待检测用户的面部表情、体态、着装、呼吸频率;
将所述待检测用户的面部表情、体态、着装、呼吸频率转化为所述行为感知公共设备可识别的行为数据,并将所述行为数据传输到云端服务器。
在一种可能实现的方式中,所述采集规则包括:
基于所述行为感知公共设备在预设时间间隔内获取所述待检测用户的多个人体图像;
分别截取所述多个人体图像的手臂部分和腿部部分,将所述手臂部分和腿部部分按照获取时间先后顺序进行融合,得到手臂和腿部的摆动幅度,从而确定所述待检测用户的体态;
分别截取所述多个人体图像的上身部分、下身部分,基于所述上身部分、下身部分进行检测获得所述待检测用户的着装;
分别截取所述多个人体图像的面部信息,将所述面部信息输入面部表情库的得到所述待检测用户的面部表情;
分别截取所述多个人体图像的腹部部分,将所述腹部部分按照获取时间先后顺序进行依次排列,得到腹部起伏信息,从而确定所述待检测用户的呼吸频率。
在一种可能实现的方式中,
基于所述云端服务器对所述行为数据进行标准化包括:
对所述行为数据中进行特征提取得到格式特征集合,其中,所述格式特征集合中包含有多个格式特征;
获取预设的标准化特征集合,其中所述标准化特征集合中包含有多个标准化特征,且所述标准化特征与所述格式特征一一对应;
将所述格式特征集合中格式特征与所述预设的标准化特征集合中对应的标准化特征进行比较,将所述格式特征不满足标准化特征的格式特征集合进行修正,得到格式修正结合;
按照所述格式修正结合对所述行为数据的格式进行修改,得到统一格式的行为数据。
在一种可能实现的方式中,
基于所述云端服务器对经过处理的行为数据进行分析,得到分析结果包括:
将包含有待检测用户面部表情的行为数据依次输入到情绪识别模型中,获得所述待检测用户的多个情绪,并确定所述多个情绪的类型及所述类型出现的次数,将出现次数最高的情绪类型作为所述待检测用户的心情状态;
基于所述待检测用户的体态、着装、呼吸频率确定用户的行为趋向和需求;
根据所述待检测用户的心情状态、行为趋向和需求共同组成分析结果。
在一种可能实现的方式中,
在得到分析结果之后,还包括:对所述分析结果进行检测,包括:
分别获取公共空间的多个行为感知公共设备对应的多个分析结果;
确定所述公共空间的多个行为感知公共设备位置信息,并基于所述位置信息获取所述行为感知公共设备在对待检测用户进行检测前的第一信号强度值,所述行为感知公共设备在对待检测用户进行检测后的第二信号强度值;
判断所述第一信号强度值和第二信号强度值是否小于预设信号强度值;
若是,则将所述第一信号强度值对应的行为感知公共设备的分析结果进行剔除;
否则,则获取所述行为感知公共设备在对待检测用户进行检测时的第三信号强度值,并判断所述第三信号值是否小于所述第一信号强度值和第二信号强度值,且所述第二信号强度值小于等于所述第一信号强度值;
若是,则将所述第一信号强度值对应的行为感知公共设备的分析结果进行剔除;
否则,保留所述第一信号强度值对应的行为感知公共设备的分析结果;
同时,基于所述行为感知公共设备的历史采集数据,获取所述行为感知公共设备的使用时间,并计算在预设时间段内所述行为感知公共设备的设备使用率,并将设备使用率超过70%的行为感知公共设备对应的分析结果进行保留,其余分析结果进行剔除;
将保留的分析结果作为最终的分析结果。
在一种可能实现的方式中,
基于所述分析结果以及用户的需求设置,优化所述终端设备或云端服务器对应设备的显示和使用流程以及消息的适时推送,来辅助用户行为,包括:
对包含有待检测用户的心情状态、行为趋向和需求的分析结果进行解析,提取所述分析结果的第一目标特征,并获取所述终端设备或云端服务器对应设备的最近一次分析结果的第二目标特征;
其中,所述第一目标特征和第二目标特征包含有心情状态特征、行为趋向特征和用户需求特征;
将所述第一目标特征和第二目标特征的对应特征进行差异比较,获取对应特征的重叠部分和差异部分,从而计算出心情状态特征、行为趋向特征和用户需求特征分别对应的心情状态差异比、行为趋向差异比和用户需求差异比;
将所述心情状态差异比、行为趋向差异比和用户需求特征差异比按照从大到小的顺序设置优先级,并判断所述优先级最高的差异比是否在预设差异比范围内;
若大于所述预设差异比范围,则缩短所述分析结果推送到所述终端设备的周期;
若在所述预设差异比范围内,则不改变所述分析结果推送到所述终端设备的周期;
若小于所述预设差异比范围,则延长所述分析结果推送到所述终端设备的周期;
按照所述优先级的先后顺序对所述心情状态、行为趋向和用户需求的分析结果按照用户选定模式进行显示;
其中,所述显示的模式包括全屏显示、多模块显示或缩略图显示模式。
在一种可能实现的方式中,
获得分析结果,并将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上的过程中,还包括:对所述分析结果进行命中率判断,其判断步骤包括:
基于公共空间的行为感知公共设备确定所述用户的多个相邻用户的分析结果;
根据如下公式计算心情状态、行为趋向和用户需求的分析结果的权重值:
其中,当i=1时,Q
其中,当分析结果对应的优先级为第一优先级时,p
获取用户对分析结果的采纳情况,并根据如下公式计算所述分析结果的命中率;
其中,K表示分析结果的命中率,t表示误差系数,取值为0.45,H
判断所述分析结果的命中率是否大于预设命中率,若是,将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上;
否则,基于所述云端服务器对所述行为数据以及命中率小于预设命中率的分析结果的进行处理分析,得到新的分析结果,并推送所述新的分析结果至所述终端设备或云端服务器对应设备上。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于行为感知的行为效率提升方法的流程图;
图2为本发明实施例中一种基于行为感知的行为效率提升方法的另一结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明实施例提供一种基于行为感知的行为效率提升方法,如图1所示,包括:
采集用户的行为数据并传输到云端服务器;
基于所述云端服务器对所述行为数据进行标准化,过滤,降噪,存储,初步聚类处理;
基于所述云端服务器对经过处理的行为数据进行分析,得到分析结果;
将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上;
基于所述分析结果以及用户的需求设置,优化所述终端设备或云端服务器对应设备的显示和使用流程以及消息的适时推送,来辅助用户行为。
在该实施例中,所述基于行为感知的行为效率提升方法的实现设备如图2所示,包括行为感知公共设备、云端服务器、用户的终端设备或云端服务器对应设备。
在该实施例中,采集用户的行为数据的设备为公共空间的行为感知公共设备。
在该实施例中,所述显示的模式有多种,包括全屏显示、多模块显示或缩略图显示。
上述设计方案的有益效果是:使用公共空间的行为感知公共设备采集用户的行为数据,对用户行为感知的灵敏度高,对用户的行为感知更全面,对所述行为数据进行处理,提高了行为数据的质量;对经过处理的行为数据进行分析,得到分析结果,并将分析结果适时推送到用户的终端设备或云端服务器对应设备上进行多样显示,提高用户的吸引力,并合理调整推送分析结果时间,来辅助用户行为,提高用户的行为效率。
实施例2:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,采集用户的行为数据并传输到云端服务器包括:
基于公共空间的多个行为感知公共设备对捕捉到的人体进行扫描,并基于用户的登录信息确定所述人体是否为待检测用户;
若是,则按照采集规则获得所述待检测用户的面部表情、体态、着装、呼吸频率;
将所述待检测用户的面部表情、体态、着装、呼吸频率转化为所述行为感知公共设备可识别的行为数据,并将所述行为数据传输到云端服务器。
在该实施例中,所述用户的登录信息为用户的姓名、年龄、职业、终端设备以及面部图像,将基于公共空间的多个行为感知公共设备对捕捉到的人体进行扫描得到的面部扫面图与登录信息记录的面部图像进行匹配,确定待检测用户,并基于登录信息记录姓名、年龄、职业、的确定待检测用户的身份,并获取用户的终端设备。
上述设计方案的有益效果是:通过用户的登录信息来获取待检测用户,确定用户的身份,实现了对用户精准确定,按照采集规则对用户进行相应的采集,使得对用户的行为感知更加全面,获得的行为数据更具有代表性。
实施例3:
基于实施例2的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,所述采集规则包括:
基于所述行为感知公共设备在预设时间间隔内获取所述待检测用户的多个人体图像;
分别截取所述多个人体图像的手臂部分和腿部部分,将所述手臂部分和腿部部分按照获取时间先后顺序进行融合,得到手臂和腿部的摆动幅度,从而确定所述待检测用户的体态;
分别截取所述多个人体图像的上身部分、下身部分,基于所述上身部分、下身部分进行检测获得所述待检测用户的着装;
分别截取所述多个人体图像的面部信息,将所述面部信息输入面部表情库的得到所述待检测用户的面部表情;
分别截取所述多个人体图像的腹部部分,将所述腹部部分按照获取时间先后顺序进行依次排列,得到腹部起伏信息,从而确定所述待检测用户的呼吸频率。
在该实施例中,所述预设时间间隔为0.1s。
在该实施例中,将所述手臂部分和腿部部分按照获取时间先后顺序进行融合为将在预设时间间隔内获取的多张手臂部分和腿部部分图像进行依次叠加,得到最终的手臂和腿部摆动幅度图像,并基于预设时间间隔得到手臂和腿部的摆动幅度。
上述设计方案的有益效果为:通过所述采集规则分别获得用户上身部分、下身部分、手臂部分、腿部部分、面部信息、腹部部分,从而更加有针对性进行处理得到用户的面部表情、体态、着装、呼吸频率,提高了用户的行为感知的准确度,实现了对用户全面的行为感知。
实施例4:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,基于所述云端服务器对所述行为数据进行标准化包括:
对所述行为数据中进行特征提取得到格式特征集合,其中,所述格式特征集合中包含有多个格式特征;
获取预设的标准化特征集合,其中所述标准化特征集合中包含有多个标准化特征,且所述标准化特征与所述格式特征一一对应;
将所述格式特征集合中格式特征与所述预设的标准化特征集合中对应的标准化特征进行比较,将所述格式特征不满足标准化特征的格式特征集合进行修正,得到格式修正结合;
按照所述格式修正结合对所述行为数据的格式进行修改,得到统一格式的行为数据。
在该实施例中,所述格式特征包括图像格式特征、数值格式特征、文本格式特征。
在该实施例中,所述标准化特征包括与图像格式特征、数值格式特征、文本格式特征分别对应的标准图像特征、标准数值特征、标准文本特征,例如标准图像特征规定图像的分辨率为640*480,标准数值特征规定数值的表示方式为小数,标准文本特征规定文本的大小不超过10个字。
上述设计方案的有益效果是:通过对行为数据进行标准化得到统一格式的行为数据,提高了行为数据的质量,从而提高了分析结果的准确度。
实施例5:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,基于所述云端服务器对经过处理的行为数据进行分析,得到分析结果包括:
将包含有待检测用户面部表情的行为数据依次输入到情绪识别模型中,获得所述待检测用户的多个情绪,并确定所述多个情绪的类型及所述类型出现的次数,将出现次数最高的情绪类型作为所述待检测用户的心情状态;
基于所述待检测用户的体态、着装、呼吸频率确定用户的行为趋向和需求;
根据所述待检测用户的心情状态、行为趋向和需求共同组成分析结果。
在该实施例中,基于所述待检测用户的体态、着装、呼吸频率确定用户的行为趋向和需求中,例如用户当前的体态为快走,着装为正装,呼吸频率为每分钟30次,以及根据周围环境判断用户的行为趋向很有可能为在上班路上并且很着急,所以需要向用户提供周围的路况、交通情况以及附近站点公交到站情况等。
上述设计方案的有益效果是:通过用户的面部表情、体态、着装、呼吸频率进行分析,得到用户的心情状态、行为趋向和需求,共同组成分析结果,使得分析结果更全面准确。
实施例6:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,在得到分析结果之后,还包括:对所述分析结果进行检测,包括:
分别获取公共空间的多个行为感知公共设备对应的多个分析结果;
确定所述公共空间的多个行为感知公共设备位置信息,并基于所述位置信息获取所述行为感知公共设备在对待检测用户进行检测前的第一信号强度值,所述行为感知公共设备在对待检测用户进行检测后的第二信号强度值;
判断所述第一信号强度值和第二信号强度值是否小于预设信号强度值;
若是,则将所述第一信号强度值对应的行为感知公共设备的分析结果进行剔除;
否则,则获取所述行为感知公共设备在对待检测用户进行检测时的第三信号强度值,并判断所述第三信号值是否小于所述第一信号强度值和第二信号强度值,且所述第二信号强度值小于等于所述第一信号强度值;
若是,则将所述第一信号强度值对应的行为感知公共设备的分析结果进行剔除;
否则,保留所述第一信号强度值对应的行为感知公共设备的分析结果;
同时,基于所述行为感知公共设备的历史采集数据,获取所述行为感知公共设备的使用时间,并计算在预设时间段内所述行为感知公共设备的设备使用率,并将设备使用率超过70%的行为感知公共设备对应的分析结果进行保留,其余分析结果进行剔除;
将保留的分析结果作为最终的分析结果。
在该实施例中,所述预设信号强度值为保证对待检测用户进行检测的最低信号强度值,若检测到的信号强度值小于所述预设信号强度值,将导致检测结果不准确,影响分析结果。
上述设计方案的有益效果是:通过对公共空间的行为感知公共设备的信号进行检测,以及获取行为感知公共设备的历史采集数据计算使用率,对基于从不符合要求的行为感知公共设备获得的分析结果进行剔除,提高了分析结果的精确度。
实施例7:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,基于所述分析结果以及用户的需求设置,优化所述终端设备或云端服务器对应设备的显示和使用流程以及消息的适时推送,来辅助用户行为,包括:
对包含有待检测用户的心情状态、行为趋向和需求的分析结果进行解析,提取所述分析结果的第一目标特征,并获取所述终端设备或云端服务器对应设备的最近一次分析结果的第二目标特征;
其中,所述第一目标特征和第二目标特征包含有心情状态特征、行为趋向特征和用户需求特征;
将所述第一目标特征和第二目标特征的对应特征进行差异比较,获取对应特征的重叠部分和差异部分,从而计算出心情状态特征、行为趋向特征和用户需求特征分别对应的心情状态差异比、行为趋向差异比和用户需求差异比;
将所述心情状态差异比、行为趋向差异比和用户需求特征差异比按照从大到小的顺序设置优先级,并判断所述优先级最高的差异比是否在预设差异比范围内;
若大于所述预设差异比范围,则缩短所述分析结果推送到所述终端设备的周期;
若在所述预设差异比范围内,则不改变所述分析结果推送到所述终端设备的周期;
若小于所述预设差异比范围,则延长所述分析结果推送到所述终端设备的周期;
按照所述优先级的先后顺序对所述心情状态、行为趋向和需求的分析结果按照用户选定模式进行显示;
其中,所述显示的模式包括全屏显示、多模块显示或缩略图显示模式。
在该实施例中,所述心情状态特征、行为趋向特征和用户需求特征是指可以用来表征心情状态、行为趋向和用户需求的关键字。
在该实施例中,所述特征的重叠部分指第一目标和第二目标特征中特征相似的部分。
在该实施例中,所述特征的差异部分指第一目标和第二目标特征中特征存在差异的部分。
上述设计方案的有益效果是:通过将本次的分析结果与最近一次的分析结果进行差异比较,合理的调整分析结果推送到所述终端设备的时间,不至于因为推送太频繁使用户得到分析结果不具有新颖性,或者推送太慢而使用户错过有用的分析结果,其次,通过将分析结果进行多样显示,提高用户的吸引力。
实施例8:
基于实施例1的基础上,本发明实施例提供一种基于行为感知的行为效率提升方法,获得分析结果,并将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上的过程中,还包括:对所述分析结果进行命中率判断,其判断步骤包括:
基于公共空间的行为感知公共设备确定所述用户的多个相邻用户的分析结果;
根据如下公式计算心情状态、行为趋向和用户需求的分析结果的权重值:
其中,当i=1时,Q
其中,当分析结果对应的优先级为第一优先级时,p
获取用户对分析结果的采纳情况,并根据如下公式计算所述分析结果的命中率;
其中,K表示分析结果的命中率,t表示误差系数,取值为0.45,H
判断所述分析结果的命中率是否大于预设命中率,若是,将所述分析结果推送到所述用户的终端设备或云端服务器对应设备上;
否则,基于所述云端服务器对所述行为数据以及命中率小于预设命中率的分析结果的进行处理分析,得到新的分析结果,并推送所述新的分析结果至所述终端设备或云端服务器对应设备上。
在该实施例中,所述相邻用户的分析结果由心情状态、行为趋向和用户需求组成。
在该实施例中,所述对分析结果的采纳情况例如可以是采纳分析结果中的行为趋向、用户需求,不采纳分析结果中的心情状态。
在该实施例中,所述误差系数表示在获取用户采纳情况时的误差。
在该实施例中,所述心情状态的代表值指针对不同的心情状态用不同的数值来表示,例如开心的代表值为0.9,伤心的代表值为0.1。
在该实施例中,所述行为趋向的代表指针对不同的行为趋向用不同的数值来表示,例如躺的代表值为0.1,走的代表值为0.7,跑的代表值为0.9。
在该实施例中,所述用户需求的代表值指针对不同的用户需求用不同的数值来表示。
在该实施例中,所述命中率指用户采纳分析结果中心情状态、行为趋向和用户需求的概率。
上述设计方案的有益效果是:通过多个相邻用户的分析结果来获取用户心情状态、行为趋向和用户需求的权重值,可以考虑到相邻用户对所检测用户行为的影响,通过用户对分析结果的采纳情况和权重值,使得到分析结果的命中率更加精确,将满足命中率要求的分析结果推送至用户终端设备或云端服务器对应设备上,将不满足命中率要求的分析结果基于返回至云端服务器进行再次分析,得到有效的分析结果,可以更好的辅助用户行为,提高用户的行为效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
- 一种基于行为感知的行为效率提升方法
- 一种基于群体感知的船舶违章行为感知方法