本发明涉及智能监控
技术领域：
，特别是一种判断用户场景位置变化的方法。
背景技术：
：随着计算机技术和无线通信技术的飞速发展，通信终端的实时信息处理能力飞速增强，无线多媒体应用日渐成为业内关注的焦点。在视频监控
技术领域：
，网络化的数字视频监控已经逐步取代传统监控设备，更像智能化、无线传输技术方向迈进。目前在对用户位置的定位过程中，多采用智能终端中内置的各种app来实现，例如高德地图、百度地图等等，在定位时，需要由用户主动发起请求或者发起请求后保持软件在前台运行来获取当前位置的定位以及场景位置的变换，在此期间，智能终端功耗较高。技术实现要素：本发明需要解决的技术问题是提供一种低功耗、高精确度的用户场景位置变化判断方法。为解决上述技术问题，本发明所采取的技术方案如下。用户场景位置变化判断方法，具体包括以下步骤：a.通过被动监听wifi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间wifi信号的相似度；b.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，获得一条步行运动的正弦曲线轨迹；检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据；c.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。上述用户场景位置变化判断方法，步骤a包括以下步骤：a1.通过被动监听wifi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组；a2.将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算相邻组间wifi信号的相似度。上述用户场景位置变化判断方法，步骤a2中所述余弦相似度匹配算法为，根据采集的wifi信号数据中对应的两个向量的夹角的余弦值来计算其相似度；通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大。由于采用了以上技术方案，本发明所取得技术进步如下。本发明在无铺设硬件设备的前提下，通过分析环境数据，结合智能终端自带传感器，能够通过被动监听系统回调数据的方式，有效判断用户是否发生位置改变，降低了用户误识别场景的误差，提高了用户体验。附图说明图1为本发明的流程图；图2为本发明所述滤波算法中进行干扰数据过滤的前后对比图。具体实施方式下面将结合附图和具体实施例对本发明进行进一步详细说明。一种用户场景位置变化判断方法，通过对用户所在场景内的信号进行分析，结合用户佩戴的智能终端采集的数据来进行用户是否进行了场景的变换，其流程如图1所以，主要包括以下步骤。a.通过被动监听wifi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间wifi信号的相似度。本步骤的实现方式为：首先，通过被动监听wifi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组，从而能够对不同时间段内获取到的相邻组间wifi信号做相似度的对比。wifi信号被动监听的方法为：intentfilterfilter＝newintentfilter()；filter.addaction(wifimanager.scan_results_available_action)；context.registerreceiver(receiver,filter)；然后，将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算wifi信号的相似度。本实施例中，每个分组里面的wifi信号值可以看作是一组向量，例如:第一组扫描到的wifi信号列表和信号值为:wifia-62,wifib-52,wific-65,wifid-50，那么wifi信号值的向量为(-62,-52,-65,-50)。余弦相似度匹配算法是根据采集的wifi信号数据中对应的两个向量的夹角的余弦值来计算其相似度。0度角余弦值为1，90度角余弦值为0，180度角余弦值为-1，对于本发明中采集的信号数据，计算出的余弦值在0到1之间。通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大。本实施例中，例如某用户在某个场景中监听到的wifi信号数据如下表1所示。表1第一组wifiawifibwificwifidwifie信号值-50-62-58-56-62第二组wifiawifibwificwifidwifie信号值-60-45-5560-40将第一组、第二组数据进行向量的转换，转换后的结果为：第一组，(-50，-62，-58，-56，-62)；第二组，(-60，-45,-55，-60，-40)。然后，根据下式进行计算第一组和第二组中wifi信号的相似度。式中，x为第一组中的数据，y为第二组中的数据。计算第一组第二组数据中wifi信号相似度为：0.9748127333433314。此相似度越接近于0，说明用户发生位置变换的几率越大，具体是否确实发生了位置的变换，还需要通过步骤b综合判断。b.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，计算加速度传感器xyz的矢量长度，获得一条步行运动的正弦曲线轨迹。检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据。本发明中，可采用监听传感器通过android提供的api调用接口获取智能终端的运动状态数据。在进行智能终端数据采样的过程中，可采用滤波算法对采样数据中的白噪声进行过滤，剔除干扰数据。附图2为本实施例在对智能终端计算的运动状态数据进行采样时，过滤前和剔除干扰数据后的比对示意图，图中，较细实线为采集的原始数据线条，较粗实线为剔除干扰数据后线条。c.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。本发明中，设定运动位移的量为2步，如果得到用户走的步数大于等于2步，就认为用户场景位置发生变化；设定相似度至为0.994，当计算获得wifi信号相似度值小于0.994，就认为用户场景位置发生了变化。如匹配则用户发生了场景位置的变换，如不匹配，则没有发生场景位置的变换。在本实施例中，结合步骤a获得相似度差别和步骤b获得运动位移结果，可以看出与给定范围内的数据相匹配，说明用户已经发生了场景位置的变换。当前第1页1 2 3
技术特征：1.用户场景位置变化判断方法，其特征在于，具体包括以下步骤：
a.通过被动监听wifi信号获取用户所在场景内的扫描数据，运用余弦相似度匹配算法，计算相邻组间wifi信号的相似度；
b.通过用户所用智能终端内置的加速度传感器计算用户的运动状态，获得一条步行运动的正弦曲线轨迹；检测峰值，通过记录的矢量长度和运动方向的变化，判断加速度方向，并和保存的加速度方向比较，判断是否为峰值状态，并通过对峰值次数叠加得到步伐数据；
c.用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配，判定用户是否发生了场景位置变换。
2.根据权利要求1所述的用户场景位置变化判断方法，其特征在于：步骤a包括以下步骤：
a1.通过被动监听wifi信号获取用户所在场景内的扫描数据，将扫描数据按时间进行分组；
a2.将各个分组内的信号数据转换成向量，运用余弦相似度匹配算法，计算相邻组间wifi信号的相似度。
3.根据权利要求2所述的用户场景位置变化判断方法，其特征在于：步骤a2中所述余弦相似度匹配算法为，根据采集的wifi信号数据中对应的两个向量的夹角的余弦值来计算其相似度；通过比对数值大小获得相似度；越接近1则说明越相似，相似度越高，说明位置没有发生变化；越接近于0说明差异越大，相似度越低，说明发生位置改变几率越大。
技术总结本发明公开了一种用户场景位置变化判断方法，具体包括以下步骤：通过被动监听WiFi信号获取用户所在场景内的扫描数据，计算WiFi信号的相似度；通过用户所用智能终端内置的加速度传感器计算用户的运动状态，通过记录的矢量长度和运动方向的变化，判断加速度方向，并通过对峰值次数叠加得到步伐数据；用位置相似度算法判断用户发生位置变化的几率，结合智能终端的运动状态以及方向，判断智能终端的运动状态和运动位移，计算位置相似度差别和运动位移是否在给定范围内匹配。本发明通过分析环境数据，结合智能终端自带传感器，通过被动监听系统回调数据的方式，有效判断用户是否发生位置改变，降低了用户误识别场景的误差。
技术研发人员：苏醒;吴星亮;黄英帆;李鹤
受保护的技术使用者：广州市梦享网络技术有限公司
技术研发日：2019.12.18
技术公布日：2020.06.05
