本發(fā)明涉及大數(shù)據(jù)技術(shù)領(lǐng)域，具體涉及一種基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法。

背景技術(shù)：

隨著移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展，智能手機(jī)的用戶畫像或者說是用戶標(biāo)簽對(duì)于在龐大的移動(dòng)互聯(lián)網(wǎng)用戶群體中對(duì)精準(zhǔn)人群進(jìn)行品牌營(yíng)銷尤為關(guān)鍵。用戶畫像是將用戶信息標(biāo)簽化，即企業(yè)通過收集與分析用戶的消費(fèi)習(xí)慣、生活習(xí)慣和社會(huì)屬性等主要信息的數(shù)據(jù)后，抽象出用戶的商業(yè)全貌。移動(dòng)互聯(lián)網(wǎng)企業(yè)可以通過用戶畫像尋找匹配人群，精準(zhǔn)推送營(yíng)銷廣告或服務(wù)信息，最終實(shí)現(xiàn)個(gè)性化營(yíng)銷與服務(wù)推送。

經(jīng)過20多年的發(fā)展，隨著技術(shù)的進(jìn)步，手機(jī)無論從造型還是功能都發(fā)生了翻天覆地的變化，已經(jīng)不再是一個(gè)簡(jiǎn)單的通信工具，而是具有多樣化的功能。在這種情況下，各種傳感器在iphone、ipad、android系統(tǒng)和其它系統(tǒng)的智能手機(jī)中得到廣泛應(yīng)用。其中，加速度/運(yùn)動(dòng)傳感器、陀螺儀可通過感知設(shè)備的加速度/重力和運(yùn)動(dòng)狀態(tài)，從而得到當(dāng)前設(shè)備的姿態(tài)。

針對(duì)用戶的畫像研判，當(dāng)前已經(jīng)有了一些研究工作，主要集中在用戶的網(wǎng)絡(luò)日志和搜索內(nèi)容上。對(duì)網(wǎng)絡(luò)日志的書寫習(xí)慣和用語習(xí)慣、以及用戶的搜索內(nèi)容，通過基于文本的分類方法、統(tǒng)計(jì)分析和關(guān)聯(lián)預(yù)測(cè)方法，建立搜索內(nèi)容、用語習(xí)慣等與用戶基本屬性之間的聯(lián)系，從而預(yù)測(cè)用戶的性別、年齡、職業(yè)等用戶畫像屬性。

但是，對(duì)于智能手機(jī)，其瀏覽器一般沒有cookie，用戶的網(wǎng)絡(luò)日志難以獲取。用戶的搜索一般只能由搜索引擎公司獲得，第三方公司無法得到。因此，在手機(jī)上要獲取用戶信息，建立用戶畫像是比較困難的。因此一些新的方法被提出。例如專利《一種基于智能手機(jī)加速度傳感器的用戶基礎(chǔ)屬性預(yù)測(cè)方法》提出通過收集用戶智能手機(jī)的流量數(shù)據(jù)，例如app流量的精確使用情況，包括app的名字、使用時(shí)間和流量等特征數(shù)據(jù)，再通過svm模型對(duì)這些數(shù)據(jù)進(jìn)行分析，建立用戶分類預(yù)測(cè)模型。但是該方法的準(zhǔn)確性不是很高。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明的目的在于提供一種基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法，實(shí)現(xiàn)通過用戶使用智能手機(jī)的姿態(tài)行為的不同精確識(shí)別智能手機(jī)用戶性別的方法。

本發(fā)明通過以下技術(shù)手段解決上述問題：

一種基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法，包括如下步驟：

s1、使用智能手機(jī)操作系統(tǒng)提供的api，記錄智能手機(jī)一段時(shí)間內(nèi)加速傳感器、陀螺傳感器和方向傳感器返回的數(shù)據(jù)；

s2、通過加速傳感器和陀螺傳感器返回的數(shù)據(jù)采用算法得到智能手機(jī)用戶的運(yùn)動(dòng)狀態(tài)，對(duì)運(yùn)動(dòng)狀態(tài)進(jìn)行分類，記錄每個(gè)運(yùn)動(dòng)狀態(tài)下的加速傳感器、陀螺傳感器和方向傳感器的數(shù)據(jù)；

s3、對(duì)加速傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組；

s4、將每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別；

s5、對(duì)陀螺傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組；

s6、將每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別；

s7、對(duì)方向傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組；

s8、將每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別；

s9、將步驟s4、步驟s6和步驟s8結(jié)果加權(quán)平均得到最終的用戶的性別。

進(jìn)一步地，步驟s3-s4、步驟s5-s6和步驟s7-s8是同時(shí)進(jìn)行的。

進(jìn)一步地，所述運(yùn)動(dòng)狀態(tài)包括走路、跑步、上樓、下樓、乘坐交通工具、坐和靜止。

進(jìn)一步地，步驟s2中，采用android官方api文檔和iphone官方api文檔中敘述的算法得到智能手機(jī)用戶的運(yùn)動(dòng)狀態(tài)。

進(jìn)一步地，步驟s7具體包括如下步驟：

s71、方向傳感器數(shù)據(jù)記錄三個(gè)維度數(shù)據(jù)：智能手機(jī)繞著z軸旋轉(zhuǎn)的角度、智能手機(jī)繞著x軸旋轉(zhuǎn)的角度和智能手機(jī)繞著y軸旋轉(zhuǎn)的角度；

s72、對(duì)每個(gè)運(yùn)動(dòng)狀態(tài)下的方向傳感器數(shù)據(jù)按時(shí)間順序進(jìn)行統(tǒng)計(jì)，將突然上升或突然下降超過一定閥值的數(shù)據(jù)記錄為一個(gè)峰值；

s73、對(duì)相鄰兩個(gè)峰值之間的數(shù)據(jù)計(jì)算數(shù)據(jù)的平均值、最大值、最小值和標(biāo)準(zhǔn)差；

s74、所有數(shù)據(jù)的平均值、最大值、最小值和標(biāo)準(zhǔn)差按時(shí)間順序組成用戶的每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組。

進(jìn)一步地，s72中，所述閥值設(shè)為90°。

進(jìn)一步地，所述大數(shù)據(jù)分類算法模型為svm、adaboost或lda。

本發(fā)明通過用戶使用智能手機(jī)的姿態(tài)行為的不同，通過大數(shù)據(jù)方法統(tǒng)計(jì)大量人群的使用習(xí)慣，能對(duì)智能手機(jī)用戶的性別進(jìn)行準(zhǔn)確的識(shí)別，準(zhǔn)確度更高。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法的步驟圖；

圖2是本發(fā)明基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法的流程圖。

具體實(shí)施方式

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面將結(jié)合附圖和具體的實(shí)施例對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。需要指出的是，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例，基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1、圖2所示，本發(fā)明提供一種基于智能手機(jī)姿態(tài)行為大數(shù)據(jù)的用戶性別識(shí)別方法，包括如下步驟：

s1、使用智能手機(jī)操作系統(tǒng)提供的api，記錄智能手機(jī)一段時(shí)間內(nèi)加速傳感器、陀螺傳感器和方向傳感器返回的數(shù)據(jù)；

s2、通過加速傳感器和陀螺傳感器返回的數(shù)據(jù)采用算法得到智能手機(jī)用戶的運(yùn)動(dòng)狀態(tài)，相關(guān)算法在android官方api文檔和iphone官方api文檔中都有敘述，對(duì)運(yùn)動(dòng)狀態(tài)進(jìn)行分類，運(yùn)動(dòng)狀態(tài)包括走路、跑步、上樓、下樓、乘坐交通工具、坐和靜止，記錄每個(gè)運(yùn)動(dòng)狀態(tài)下的加速傳感器、陀螺傳感器和方向傳感器的數(shù)據(jù)；

s3、對(duì)加速傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組；

s4、將每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的加速特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別，大數(shù)據(jù)分類算法模型為svm(supportvectormachine)、adaboost或lda(lineardiscriminantanalysis)；

s5、對(duì)陀螺傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組；

s6、將每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的角速度特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別；

s7、對(duì)方向傳感器的數(shù)據(jù)進(jìn)行處理，得到每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組；

具體包括如下步驟：

s71、方向傳感器數(shù)據(jù)記錄三個(gè)維度數(shù)據(jù)：智能手機(jī)繞著z軸旋轉(zhuǎn)的角度、智能手機(jī)繞著x軸旋轉(zhuǎn)的角度和智能手機(jī)繞著y軸旋轉(zhuǎn)的角度；

s72、對(duì)每個(gè)運(yùn)動(dòng)狀態(tài)下的方向傳感器數(shù)據(jù)按時(shí)間順序進(jìn)行統(tǒng)計(jì)，將突然上升或突然下降超過一定閥值(例如90°)的數(shù)據(jù)記錄為一個(gè)峰值；

s73、對(duì)相鄰兩個(gè)峰值之間的數(shù)據(jù)計(jì)算數(shù)據(jù)的平均值、最大值、最小值和標(biāo)準(zhǔn)差；

s74、所有數(shù)據(jù)的平均值、最大值、最小值和標(biāo)準(zhǔn)差按時(shí)間順序組成用戶的每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組。

s8、將每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組放到大數(shù)據(jù)分類算法模型中，首先使用已知性別的每個(gè)運(yùn)動(dòng)狀態(tài)下的方向特征值組作為樣本數(shù)據(jù)輸入到大數(shù)據(jù)分類算法模型中進(jìn)行訓(xùn)練，再用訓(xùn)練好的數(shù)據(jù)預(yù)測(cè)用戶的性別；

s9、將步驟s4、步驟s6和步驟s8結(jié)果加權(quán)平均得到最終的用戶的性別。

其中，步驟s3-s4、步驟s5-s6和步驟s7-s8是同時(shí)進(jìn)行的。

由于男女?dāng)y帶智能手機(jī)的習(xí)慣不同，導(dǎo)致手機(jī)的姿態(tài)不同。例如在走路時(shí)男子多將手機(jī)放在褲袋內(nèi)，女子多將手機(jī)放在手提包中。褲袋中的手機(jī)一般接近豎立的角度，手提包中的手機(jī)一般接近側(cè)臥的角度。在坐下時(shí)，男女的手機(jī)姿態(tài)都有可能是側(cè)臥角度；但褲袋中的手機(jī)會(huì)因?yàn)橥鹊男》冗\(yùn)動(dòng)而運(yùn)動(dòng)，手提包中的手機(jī)會(huì)一直靜止不動(dòng)。上下樓和乘坐交通工具時(shí)褲袋中的手機(jī)運(yùn)動(dòng)方向與手提包中的手機(jī)有著顯著差異。

由于現(xiàn)代智能手機(jī)內(nèi)部都配置了手機(jī)重力感應(yīng)技術(shù)，利用壓電效應(yīng)，測(cè)量?jī)?nèi)部一片重物重力正交兩個(gè)方向的分力大小，來判定水平方向，從而能夠感受手機(jī)在變換姿勢(shì)時(shí)，重心的變化。智能手機(jī)內(nèi)部的三軸陀螺儀測(cè)量手機(jī)的三維方向，能更精確地檢測(cè)手機(jī)的三維方向變化。加速度傳感器能感知手機(jī)在三維方向的加速度。這些傳感器可以用來測(cè)量手機(jī)的運(yùn)動(dòng)狀態(tài)和姿態(tài)。

本發(fā)明通過用戶使用智能手機(jī)的姿態(tài)行為的不同，通過大數(shù)據(jù)方法統(tǒng)計(jì)大量人群的使用習(xí)慣，能對(duì)智能手機(jī)用戶的性別進(jìn)行準(zhǔn)確的識(shí)別，準(zhǔn)確度更高。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。