室内空间用户行为的智能手机识别

Original 2017-06-19 黄鹤，刘春成 测绘科学

点上方蓝字“测绘科学”关注

摘要

针对地磁匹配中经常会出现相似点，造成定位偏差较大的问题，该文提出利用智能手机识别用户室内行为方式的方法，为地磁匹配算法提供筛选条件。开发了智能手机传感器数据采集工具，获取用户在室内环境下的行为数据。原始数据首先利用一阶低通滤波和平滑滤波算法进行去噪处理，再经过数据分割和特征提取后，应用于行为识别过程。行为识别模型的建立主要使用两种方法，K最近邻算法和隐式马尔可夫模型，并研究了两种方法的不足以及改进途径。通过针对识别准确度的对比实验，在输入最合适的数据的条件下，隐式马尔可夫模型的准确度略优于K最近邻算法。两种方法的识别准确率均在95%以上，能够有效地提高地磁定位精度。利用室内用户行为数据辅助地磁室内定位，很好地改善了地磁数据单一、定位精度较低的问题。

引用格式

引用格式：黄鹤，刘春成，李晶,等．室内空间用户行为的智能手机识别 [J].测绘科学,2017,42(6):144-148.

正文

当前，智能手机终端以及移动互联网的发展给人们的生活带来巨大的改变。其中，最为明显的就是人们对于位置服务的需求在不断增加，越来越多的应用场景需要依靠智能手机和移动互联网所提供的位置信息判断用户需求，并提供相应服务^[1]。相比于室外场景下定位与导航业务的成熟而言，室内空间的用户定位与导航技术还处于发展阶段。在室内环境下，GPS信号的有效性大大下降。因此国内外大量的研究者投入到室内定位与导航技术的探索中^[2-12]。在众多可供研究的技术中，基于地磁场的室内定位技术具有建设成本低、定位精度高、节能环保可持续的优点。但是，随着研究的深入，逐渐发现地磁数据量庞大，经常在地磁匹配中出现相似点，造成定位偏差较大的问题。为了解决这一问题，采用识别用户在室内环境中行为的方式，为地磁匹配算法提供定位结果的筛选条件。

行为识别主要依靠对传感器数据的采集和分析，可以利用固定在手臂、头顶或者腿部的传感器节点感知用户行为，但大多数情况下上述方式对于用户而言并不方便^[13]。因此，基于智能手机传感器的行为识别研究成为新的研究方向^[14]。当前大多数智能手机终端内置有多种微型传感器，例如智能手机中的加速度传感器能够获取用户运动过程中的加速度数据，从而分析用户运动状态，判断用户的运动倾向^[15]。利用开源平台可以获取用户运动过程中行为数据集合^[16]，经过对数据集的处理和分析能够识别用户的行为 49 30663 49 15263 0 0 1964 0 0:00:15 0:00:07 0:00:08 3015 49 30663 49 15263 0 0 1723 0 0:00:17 0:00:08 0:00:09 3216态。

本文在深入研究人体行为识别领域的相关理论的基础上，提出了利用智能手机传感器数据感知人体运动行为的方法。该方法使用Android智能手机获取用户运动过程中的加速度传感器、方向传感器和磁传感器数据，建立原始行为数据集，通过对该数据集进行预处理和特征提取，并利用K最近邻(K-nearest neighbor，KNN)算法和隐式马尔科夫模型(hidden Markov model，HMM)方法方法建立的行为模型进而完成对用户行为的识别。

本文由地磁室内定位技术出发，研究了利用智能手机传感器进行室内用户的行为识别的方法。在Android开源平台上开发了行为数据采集的应用工具，设计了不同的数据采集模式，使用户行为收集更为简单快捷；针对采集到的原始行为数据，经过一系列的处理，提取了其时域和频域特征；结合智能手机传感器分析用户不同行为方式的数据特征，结果表明手机传感器可以作为行为识别数据采集设备；对K最近邻算法和隐式马尔可夫模型进行阐述和分析，分别利用了不同的处理方式进行改善，达到了提高算法运行效率和识别准确度的目的；最后利用以上研究成果，对行为识别模型进行实验测试，最终得出KNN算法和HMM方法的平均识别准确率均在95%以上，其中后者略优于前者，其主要原因是HMM方法没有单纯的使用统计学度量信息，而是综合考虑了行为数据变化的历史过程信息，可以敏锐的感知在行为数据中包含的变化规律。由于数据去噪只是一个优化的过程，无法将所有的噪声剔除，所以识别结果并不能实现百分之百准确，但实验结果基本上达到了理想的效果。

往期热点文章链接

地理国情信息提取的若干问题研究

全球经纬度网格的雷达探测范围真三维建模

中国地图藏南地名的表示

《坤舆万国全图》与《利玛窦中国札记》中外译本考疑