住户行为辨识系统与住户行为辨识方法技术方案

一种住户行为辨识方法以及执行辨识方法的辨识系统，辨识系统包含存储装置以及处理器，且存储装置储存有非目标住户模型以及目标住户模型，辨识方法包括：以处理器接收多个传感器所传送的第一测试数据，而第一测试数据包含这些传感器的当前权重以及当前触发状态；以处理器依据非目标住户模型以及第一测试数据判断非目标住户于当前时间的行为；以处理器依据非目标住户于当前时间的行为调降部分的当前权重以形成包含更新权重及当前触发状态的第二测试数据；以及以处理器依据目标住户模型以及第二测试数据判断目标住户于当前时间的行为。

Household behavior identification system and household behavior identification method

【技术实现步骤摘要】
住户行为辨识系统与住户行为辨识方法
本专利技术有关于一种行为辨识系统及其辨识方法，尤指一种多人行为辨识系统及其辨识方法。
技术介绍
因应高龄化社会的来临，智能化的居家照护系统已成为未来科技的趋势，而行为辨识方法(humanactivityrecognition，HAR)为居家照护系统的重要技术之一。通过辨识老年人的居家行为且进行纪录，可作为照护老年人的参考依据。目前居家照护系统的行为辨识方法通常是针对单人进行行为辨识，因此在传感器数据的复杂程度上较低。然而在实际的日常居家环境中，通常会有多位居民一同生活，且可能同时发生多个行为以及不同的行为而造成传感器数据的复杂度会提高，导致行为辨识的准确率降低。有鉴于此，目前的确有需要一种改良的住户行为辨识装置及其辨识方法，以改善上述问题。
技术实现思路
依据本专利技术的一实施例的住户行为辨识系统及其辨识方法，可辨识多住户的行为且通过调整传感器的权重，提升了辨识准确度。本专利技术一实施例的住户行为辨识系统，用于辨识目标住户以及非目标住户于区域内的行为。住户行为辨识系统包括存储装置以及处理器，存储装置储存有非目标住户模型以及目标住户模型，第一测试数据包含多个传感器于当前时间的当前权重以及当前触发状态。处理器电性连接于存储装置，处理器依据非目标住户模型以及第一测试数据判断非目标住户于当前时间的行为，并依据非目标住户于当前时间的行为调降部分的当前权重以形成更新权重，以产生包含更新权重及当前触发状态的第二测试数据，且依据目标住户模型以及第二测试数据判断目标住户于当前时间的行为。本专利技术一实施例的住户行为辨识方法，用于辨识非目标住户以及目标住户于区域内的行为，住户行为辨识方法包括：以处理器接收传感器所传送的第一测试数据，而第一测试数据包含当前权重以及当前触发状态；以处理器依据非目标住户模型以及第一测试数据判断非目标住户于当前时间的行为；以处理器依据非目标住户于当前时间的行为调降部分的当前权重以形成更新权重，以产生包含更新权重及该当前触发状态的第二测试数据；以及以处理器依据目标住户模型以及第二测试数据判断目标住户于当前时间的行为。通过本专利技术一实施例所提供的住户行为辨识系统及其辨识方法，可同时针对多个住户进行行为的辨识，且住户不需穿戴传感器，亦不需住户的定位信息，更适合进行居家行为的辨识。由于通过推估非目标住户的行为来调整传感器的权重，使得传感器的测试数据可仿真成只有被目标住户的行为所触发的情形，有效地增加目标住户的行为的辨识准确度。以上的关于本公开内容的说明及以下的实施方式的说明用以示范与解释本专利技术的精神与原理，并且提供本专利技术的权利要求保护范围更进一步的解释。附图说明图1为依据本专利技术一实施例所绘示的住户行为辨识系统的功能方块图。图2为依据本专利技术一实施例所绘示的住户行为辨识方法的流程图。图3为依据本专利技术一实施例所绘示的住户行为辨识系统的使用状态示意图。【附图标记】100住户行为辨识系统102存储装置104处理器106非目标住户模型108目标住户模型200感测装置202传感器300取像装置302取像元件400非目标住户500目标住户具体实施方式以下在实施方式中详细叙述本专利技术的详细特征以及优点，其内容足以使任何本领域的技术人员了解本专利技术的
技术实现思路
并据以实施，且根据本说明书所公开的内容、权利要求保护范围及附图，任何本领域的技术人员可轻易地理解本专利技术相关的目的及优点。以下的实施例进一步详细说明本专利技术的观点，但非以任何观点限制本专利技术的范畴。图1为依据本专利技术一实施例所绘示的住户行为辨识系统的功能方块图，而住户行为辨识系统可用于辨识一区域内的多位住户的行为。如图1所示，住户行为辨识系统100包括有存储装置102及处理器104，存储装置102例如为非易失性存储器或硬盘，且存储装置102与处理器104电性连接。处理器104可用于与感测装置200以及取像装置300电性连接，其中感测装置200包含有多个传感器202，每一传感器202的种类没有限制，例如为红外线传感器、温度传感器、湿度传感器、距离传感器或压力传感器，而这些传感器202分别装设于区域内的不同位置。取像装置300包含有多个取像元件302，而这些取像元件302分别装设于区域内的不同位置。住户行为辨识系统100、感测装置200、取像装置300分别设有通讯元件，而感测装置200与取像装置300通过通讯元件持续地传送数据至住户行为辨识系统100。这些传感器202于当前时间产生第一测试数据，该第一测试数据包含有当前权重以及当前触发状态，其中当前权重包含所有传感器202于当前时间的权重，而当前触发状态包含所有传感器202于当前时间的触发状态。通过这些传感器202与这些取像元件302可于一过往期间产生训练数据，其中过往期间的时间点位于当前时间之前。训练数据包含过往权重、过往触发状态、目标住户行为数据以及非目标住户行为数据，其中过往权重包含所有传感器202于过往期间的权重，而过往触发状态包含所有传感器202于过往期间的触发状态。当处理器104于不同时间点分别接收到训练数据以及第一测试数据后，会将训练数据与第一测试数据储存至存储装置102。这些取像元件302用于提取所有住户在过往期间于区域内的行为以产生相异的多个影像，且经由这些影像将区域内的住户分类为非目标住户以及目标住户。详言之，传感器数据包含各传感器在某一时间点的触发状态，目标/非目标住户行为数据是通过取得某一时间点的影像数据进行识别处理后而获得目标/非目标住户当时的行为，而每一笔训练数据是由某一时间点的传感器数据以及目标/非目标住户行为数据来组成。因此，训练数据不仅有传感器数据，还包含有目标/非目标住户的行为数据，从而分别训练出目标/非目标住户模型。存储装置102内储存有学习算法，学习算法可包含隐马尔可夫模型、判定树、贝氏算法、条件随机域或支持向量机。处理器104可依据学习算法、非目标住户行为数据、过往权重以及过往触发状态产生非目标住户模型106，以及依据学习算法、目标住户行为数据、过往权重以及过往触发状态产生目标住户模型108。非目标住户的数量可为单个或多个，当非目标住户的数量为多个时，处理器104针对不同的非目标住户分别产生不同的非目标住户模型106。目标住户的数量也可为单个或多个，当目标住户的数量为多个时，处理器104针对不同的目标住户分别产生不同的目标住户模型108。当处理器104依据学习算法以及训练数据产生非目标住户模型106以及目标住户模型108后，会将非目标住户模型106以及目标住户模型108储存至存储装置102。住户行为辨识系统100在实际使用时，存储装置102内已预先储存有非目标住户模型106与目标住户模型108。当住户行为辨识系统100的处理器104接收到传感器202的第一测试数据后，处理器104将第一测试数据带入非目标住户模型106进行运算，该非目标住户模型106依据当前权重与当前触发状态推测本文档来自技高网...

【技术保护点】
1.一种住户行为辨识系统，用于辨识一目标住户以及一非目标住户于一区域内的行为，该住户行为辨识系统包括：/n一存储装置，储存有一非目标住户模型以及一目标住户模型；以及/n一处理器，电性连接于该存储装置且用于接收一第一测试数据，该第一测试数据包含多个传感器于一当前时间的一当前权重以及一当前触发状态，该处理器依据该非目标住户模型以及该第一测试数据判断该非目标住户于该当前时间的行为，并依据该非目标住户于该当前时间的行为、该第一测试数据以及该非目标住户模型调降部分的该当前权重以形成一更新权重，以产生包含该更新权重及该当前触发状态的一第二测试数据，且依据该目标住户模型以及该第二测试数据判断该目标住户于该当前时间的行为。/n

【技术特征摘要】
20181114 TW 1071403191.一种住户行为辨识系统，用于辨识一目标住户以及一非目标住户于一区域内的行为，该住户行为辨识系统包括：
一存储装置，储存有一非目标住户模型以及一目标住户模型；以及
一处理器，电性连接于该存储装置且用于接收一第一测试数据，该第一测试数据包含多个传感器于一当前时间的一当前权重以及一当前触发状态，该处理器依据该非目标住户模型以及该第一测试数据判断该非目标住户于该当前时间的行为，并依据该非目标住户于该当前时间的行为、该第一测试数据以及该非目标住户模型调降部分的该当前权重以形成一更新权重，以产生包含该更新权重及该当前触发状态的一第二测试数据，且依据该目标住户模型以及该第二测试数据判断该目标住户于该当前时间的行为。


2.如权利要求1所述的住户行为辨识系统，还包括一取像装置，该取像装置电性连接于该处理器以及该存储装置，该取像装置提取该非目标住户在一过往期间的行为以及提取该目标住户在该过往期间的行为以产生相异的多个影像，该过往期间发生于该当前时间之前。


3.如权利要求2所述的住户行为辨识系统，其中这些传感器在该过往期间产生一训练数据，该训练数据包含这些传感器于该过往期间的过往权重以及过往触发状态、该目标住户在该过往期间的行为、以及该非目标住户在该过往期间的行为，该处理器依据一学习算法、该过往权重、该过往触发状态以及该非目标住户在该过往期间的行为产生该非目标住户模型，以及该处理器依据该学习算法、该过往权重、该过往触发状态以及该目标住户在该过往期间的行为产生该目标住户模型。


4.如权利要求3所述的住户行为辨识系统，其中该学习算法包含隐马尔可夫模型、判定树、贝氏算法、条件随机域或支持向量机。


5.如权利要求1所述的住户行为辨识系统，其中该更新权重包含一第一权重以及一第二权重，该第一权重的值...

【专利技术属性】
技术研发人员：李俊贤，吴俊贤，陈瑞文，黄瑞星，钟茂仁，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：中国台湾;71