目标对象的异常行为识别方法、装置及存储介质与流程
本申请涉及智能家居,具体而言,涉及一种目标对象的异常行为识别方法、装置及存储介质。
背景技术:
1、随着人工智能技术的发展,智能家居监测系统成为保障用户安全的重要手段。现有系统通过部署传感器采集行为数据,并在异常时报警,但在实际应用中仍存在缺陷。
2、相关技术中,通常采用固定阈值或简单规则进行判断,这种采用固定阈值的方式,无法适应用户日常行为的自然波动,易将正常波动误判为异常,进而导致事件识别准确率低的问题。
3、因此,亟需一种目标对象的异常行为识别方法,以有效提升异常行为识别的准确率。
技术实现思路
1、本申请实施例提供了一种目标对象的异常行为识别方法、装置及存储介质,以至少解决异常行为识别准确性较低的问题。
2、根据本申请实施例的一方面,提供一种目标对象的异常行为识别方法,包括:获取至少一个家居设备在当前时刻上传的第一设备数据;在确定所述第一设备数据为异常设备数据的情况下,获取所述至少一个家居设备在当前时刻的第一在前时间段内上传的第二设备数据;从频次维度、时刻维度、时长维度以及时序维度分别对所述第一在前时间段的第二设备数据进行特征提取,得到所述频次维度、所述时刻维度、所述时长维度以及所述时序维度分别对应的行为特征,并基于所述第一在前时间段所属的行为时段,确定与所述第一在前时间段对应的概率密度函数;将各所述行为特征映射至所述概率密度函数对应的统计分布中,计算各所述行为特征在所述统计分布中的概率密度值,基于各所述概率密度值确定各所述行为特征分别对应的行为偏离度,以及基于所述第二设备数据构建设备行为序列,确定所述设备行为序列对应的行为完整度;基于各所述行为偏离度、所述行为完整度对所述目标对象进行异常行为判断,得到异常行为识别结果。
3、根据本申请实施例的另一方面,还提供了一种目标对象的异常行为识别装置,包括:第一获取模块,用于获取至少一个家居设备在当前时刻上传的第一设备数据;第二获取模块,用于在确定所述第一设备数据为异常设备数据的情况下,获取所述至少一个家居设备在当前时刻的第一在前时间段内上传的第二设备数据;处理模块,用于从频次维度、时刻维度、时长维度以及时序维度分别对所述第一在前时间段的第二设备数据进行特征提取,得到所述频次维度、所述时刻维度、所述时长维度以及所述时序维度分别对应的行为特征,并基于所述第一在前时间段所属的行为时段,确定与所述第一在前时间段对应的概率密度函数;将各所述行为特征映射至所述概率密度函数对应的统计分布中,计算各所述行为特征在所述统计分布中的概率密度值,基于各所述概率密度值确定各所述行为特征分别对应的行为偏离度,以及基于所述第二设备数据构建设备行为序列,确定所述设备行为序列对应的行为完整度;判断模块,用于基于各所述行为偏离度、所述行为完整度对所述目标对象进行异常行为判断,得到异常行为识别结果。
4、根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述目标对象的异常行为识别方法。
5、根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述目标对象的异常行为识别方法。
6、根据本申请实施例的又一方面,还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述目标对象的异常行为识别方法。
7、通过本申请,通过第一设备数据初筛结合第二设备数据回溯的两级处理机制,仅在第一设备数据为异常设备数据时才进行第二设备数据的深度分析,进一步基于第二设备数据,从频次维度、时刻维度、时长维度以及时序维度分别对第二设备数据进行特征提取,得到频次维度、时刻维度、时长维度以及时序维度分别对应的行为特征,并将各行为特征映射至概率密度函数对应的统计分布中,计算各行为特征在统计分布中的概率密度值,基于各概率密度值确定各行为特征分别对应的行为偏离度,并基于第二设备数据构建设备行为序列,确定设备行为序列对应的行为完整度,通过引入行为偏离度与行为完整度展开目标对象的异常行为判断,有效克服了现有技术仅依赖单一阈值导致的误报率高问题,从而大幅提高了异常行为识别的准确性。
1.一种目标对象的异常行为识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,基于所述历史设备数据确定历史设备行为序列,包括:
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述行为关联图包括:通过有向边连接的多个行为节点;确定所述设备行为序列对应的行为完整度,包括:
6.根据权利要求1所述的方法,其特征在于,基于各所述行为偏离度、所述行为完整度对所述目标对象进行异常行为判断,得到异常行为识别结果,包括:
7.根据权利要求6所述的方法,其特征在于,匹配度阈值的确定方式,包括:
8.一种目标对象的异常行为识别装置,其特征在于,包括:
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com