一种穿戴设备双源时序数据人工智能行为评估推送系统的制作方法
本发明涉及穿戴式智能视觉采集设备、用户行为时序数据采集与人工智能评估,具体涉及一种穿戴设备双源时序数据人工智能行为评估推送系统,适用于无固定工位、多点分散、高频上门的民生服务作业场景下的服务行为自动采集、真实行为评估与低侵入式智能服务推送。
背景技术:
1、本发明涉及穿戴式智能视觉采集设备、用户行为时序数据采集与人工智能评估技术领域,尤其涉及一种适用于无固定工位、多点分散、高频上门的民生服务作业场景的行为数据采集、真实行为评估与低侵入式智能服务推送系统。
2、在居家养老、上门陪护、家政保洁、家电维修、社区巡诊、物业巡检等民生服务行业中,服务人员的服务行为监管、工作量统计与服务质量评估是服务管理机构运营管理的核心环节。针对该类场景的服务行为记录与评估,现有技术主要存在以下三类技术方案。
3、第一类为基于移动端应用程序的工单绑定式监管方案。该方案中,服务管理机构通过移动端应用程序向服务人员派发工单,服务人员到达服务现场后需主动开启应用程序、接收工单、手动触发服务开始、手动拍照打卡、服务结束后手动触发服务结束并提交工单归档,整套服务记录流程完全建立在服务人员对移动端应用程序的高频主动操作之上。服务管理机构再通过读取工单数据、签到数据及表单数据,对服务人员的服务行为进行统计与评估。
4、第二类为基于穿戴式记录设备的离线录像方案。该方案中,服务人员佩戴穿戴式执法记录仪或工作记录仪,设备具备离线音视频录制功能,服务过程中由设备录制音视频数据并本地存储,服务结束后通过数据线或读卡器将录像文件导出至管理平台,由管理人员人工抽查或通过人工智能视频分析工具对录像内容进行事后核查。该类设备虽然实现了录像功能的离线化,但设备本身不具备行为数据自动分析能力,录像文件的导出、归档与分析仍依赖人工操作或事后批量处理,无法实现服务行为的实时评估与自动统计。
5、第三类为基于可穿戴定位设备的位置追踪方案。该方案中,服务人员佩戴内置蓝牙、wifi 或全球卫星定位模块的智能工牌或定位器,管理平台通过定位数据推断服务人员的在岗状态与服务时长。该类方案仅能获取位置信息,无法采集服务人员的实际操作行为、设备使用状态与服务场景视觉信息,评估维度单一,难以区分真实服务与虚假在岗。
6、上述现有技术方案在上门服务场景的实际应用中至少存在以下不足之处。
7、其一,现有技术高度依赖服务人员对移动端应用程序的人工操作,流程强制性强、操作负担重。在上门服务场景下,服务点位分散、服务频次密集、作业环境复杂、服务节奏碎片化,要求服务人员每次上门均反复开启、操作、关闭应用程序并完成多项手动确认步骤,操作流程繁琐冗余,严重影响真实服务效率,服务人员普遍存在操作抵触情绪。穿戴式记录设备虽无需在服务过程中操作手机,但录像文件的导出与分析仍需事后人工介入,无法实现服务过程的自动化闭环管理。
8、其二,现有技术以工单数据、签到数据或定位数据间接推断服务人员的真实服务行为,评估结果与实际服务状态存在偏差。该间接推断方式无法排除有工单但未实际服务、签到后挂机未作业、虚假打卡、表单事后补填、定位漂移等数据失真情形,无法真实量化服务人员的实际上门时长、在岗状态及服务频次,导致服务管理机构对服务人员活跃度、用户粘性及服务质量的评估失真。
9、其三,现有技术的数据采集维度单一,缺乏多源交叉校验机制,单一数据源失效即导致行为数据缺失。基于应用程序的方案仅依赖工单与表单数据,基于穿戴式记录设备的方案仅依赖音视频录像文件,基于定位设备的方案仅依赖位置数据,均未构建相互独立、互为兜底的多源行为时序数据采集机制。当某一数据源出现日志损坏、文件丢失、定位异常等情形时,缺乏其他数据源进行交叉校验与异常补全,行为时序数据的完整性与可靠性难以保障。
10、其四,现有技术在服务行为留痕与服务对象隐私保护之间存在难以调和的矛盾。基于可见光穿戴式记录设备的方案为保证服务留痕完整性而持续录制可见光视频,不可避免地采集服务对象的面部特征、居家环境布局、个人物品标识等具有身份识别性的敏感视觉信息,在私人住所等高度隐私敏感场景中引发服务对象的隐私顾虑;而基于工单或定位的方案虽不采集视觉信息,但又无法提供足够的行为留痕证据。行业内缺乏一种既能完整采集服务行为时序数据、又能从感知源头保护服务对象隐私的技术方案。
11、其五,现有技术中的流量运营、消息推送及用户转化体系均依托移动端应用程序的前台活跃与高频点击实现,而上门服务天然具备硬件设备高频使用、移动端应用程序低频操作的特征,现有技术无法在服务人员极少开启移动端应用程序的场景下完成行为数据采集、真实行为评估与合规服务触达,导致服务管理机构面临强制服务人员高频开启应用程序则加重操作负担、不强制开启则缺乏运营数据的两难局面。
12、综上所述,现有上门服务监管技术存在过度依赖人工强制应用程序流程、依赖间接数据推断真实行为、数据采集维度单一且缺乏交叉校验、服务留痕与隐私保护难以兼顾、硬件高频使用与应用程序低频操作的矛盾无法化解等问题,行业内缺少一种脱离工单强制流程、无需频繁开启移动端应用程序、基于穿戴式视觉采集装置离线真实行为自动采集、具备多源时序数据交叉校验能力、能够从感知源头保护隐私并低侵入实现行为评估与服务推送的技术方案。
技术实现思路
1、本发明所要解决的技术问题是:现有居家养老、上门陪护、上门巡检等民生服务作业场景下的监管与统计方案过度依赖人工强制应用程序流程,需用户高频主动开启应用并手动触发工单启停、拍照打卡、表单提交等操作,人机交互负担重;传统方案以工单、签到、定位数据间接推断真实行为,易出现 "有工单未实际服务、签到挂机、虚假打卡、表单补填造假、定位漂移" 等数据失真情形,无法真实反映服务状态;现有技术数据采集维度单一,缺乏多源交叉校验机制,单一数据源失效即导致行为数据缺失;可见光穿戴式记录设备持续全分辨率录像与服务对象隐私保护之间存在难以调和的矛盾,行业缺乏从感知源头脱敏的技术方案;强制绑定应用程序启停流程造成用户抵触、系统工具使用意愿低,形成 "要么强制用户高频开启应用程序、要么完全无数据无运营无转化" 的技术两难困境。
2、为解决上述技术问题,本发明提供一种穿戴设备双源时序数据人工智能行为评估推送系统,包括智能穿戴终端、移动端服务端及云端智能服务平台。
3、所述智能穿戴终端为可穿戴视觉采集装置,配置离线自治工作机制,脱离移动端服务端独立完成设备行为记录与时间戳固化存储,设备自主工作全程无弹窗、无消息推送、无功能干扰。所述可穿戴视觉采集装置配置至少两个相互独立的行为时序数据采集通道,各通道输出的行为时序数据互为兜底、交叉校验,完整留存用户穿戴设备使用行为时序数据。所述可穿戴视觉采集装置包括帧式摄像头、事件驱动视觉传感器、热成像视觉传感器、飞行时间深度传感器及多模态融合视觉传感器中的任意一种。当采用帧式摄像头时,所述至少两个行为时序数据采集通道包括设备底层结构化行为日志采集通道和媒体文件时序元数据采集通道;当采用事件驱动视觉传感器时,所述至少两个行为时序数据采集通道包括设备底层结构化行为日志采集通道和事件驱动时序数据采集通道;当采用热成像视觉传感器、飞行时间深度传感器或多模态融合视觉传感器时,所述至少两个行为时序数据采集通道包括设备底层结构化行为日志采集通道以及至少一路对应模态视觉数据的时序元数据采集通道。
4、其中,设备底层结构化行为日志采集通道实时采集并记录可穿戴视觉采集装置的设备启停、屏幕状态、功能启停、待机运行、异常工况的全量行为事件,每条行为事件绑定设备标准实时时间戳,并配置日志自动轮转机制,稳定留存预设周期内的全量历史行为日志数据;其余采集通道依托可穿戴视觉采集装置采集生成的对应模态数据的原生时序元数据,在底层行为日志缺失、损坏、读取异常时,自动反向还原用户设备使用时段、使用频次、使用时长核心行为数据,作为用户行为评估的兜底数据支撑。
5、所述事件驱动视觉传感器支持隐私保护模式切换,包括纯事件模式、混合模式及取证模式三种工作模式;纯事件模式下仅输出异步事件流数据、不输出任何图像帧,从视觉感知源头消除身份识别信息;混合模式下同时输出事件流数据与低分辨率图像帧;取证模式下由授权触发输出全分辨率图像帧并加密标记存储。隐私保护模式切换支持手动触发与基于位置、异常事件、工单状态的自动触发,且自动触发与手动触发冲突时以更高隐私等级模式为准。
6、所述移动端服务端仅作为周期性数据同步与交互网关,无后台常驻、无强制自启、无高频干扰推送逻辑,仅在与可穿戴视觉采集装置建立通信连接并完成数据同步后,开启低侵入式服务推送窗口。其数据同步及推送机制为:数据同步优先读取设备底层结构化行为日志,日志读取异常时自动切换解析其余采集通道的数据完成数据补全;数据同步全程无阻断、无用户干扰,同步完成后单次展示增值服务内容,且同一服务内容在预设周期内仅推送一次。所述移动端服务端配置推送关闭权限,用户可通过单次操作关闭所有智能服务推送功能,关闭后不影响设备数据同步、行为采集及音视频录制核心工作功能。所述可穿戴视觉采集装置与移动端服务端通过无线通信方式建立连接,所述无线通信方式包括 wifi、蓝牙、近场通信、4g/5g 蜂窝网络中的任意一种;当采用 wifi 时,可穿戴视觉采集装置开机后自动开启 ap 热点,移动端服务端通过连接该 ap 热点建立通信链路并完成数据同步。
7、所述云端智能服务平台基于校验补全后的行为时序数据,构建硬件维度的用户行为评估模型,以可穿戴视觉采集装置离线真实运行的时序行为数据为核心评估指标,甄别用户真实使用行为与虚假活跃行为。所述用户行为评估模型将硬件行为时序数据与外部工单系统记录的用户接单服务时段进行逐时段比对,当工单时段内硬件行为时序数据显示设备持续处于待机状态、无功能启停记录且无对应视觉数据生成记录时,判定该工单存在虚假活跃嫌疑。所述用户行为评估模型配套用户分层模型,将用户划分为高粘性稳定使用用户、硬件高活跃应用程序低同步用户、低活跃潜在流失用户、完全流失用户四个层级,各层级对应独立的行为判定阈值。云端智能服务平台根据用户分层结果执行差异化智能服务推送策略:对高粘性稳定使用用户推送高阶增值服务与技能培训内容;对硬件高活跃应用程序低同步用户推送简易同步指引;对低活跃潜在流失用户推送设备使用教程与故障排查内容;对完全流失用户停止商业推送,仅推送功能运维提示。
8、可穿戴视觉采集装置的核心工作、数据采集、时序记录功能不依赖移动端服务端,仅数据归档、行为分析、服务转化环节依托移动端服务端与云端智能服务平台完成。云端智能服务平台对校验补全后的行为时序数据进行合规脱敏处理后上传,用于人工智能模型的持续训练与迭代分析,通过海量用户真实穿戴行为时序样本优化行为评估算法阈值、用户分层规则及服务推送策略。
9、本发明还提供一种基于穿戴设备时序数据的人工智能行为评估方法,包括以下步骤:s1、可穿戴视觉采集装置以离线自治方式独立采集至少两个相互独立的行为时序数据采集通道的数据,每条数据绑定统一时间戳;s2、移动端服务端与可穿戴视觉采集装置建立通信连接后,以无阻断、无用户干扰的方式静默同步行为时序数据并上传至云端,同步完成后开启低侵入式服务推送窗口;s3、云端智能服务平台基于硬件维度的行为时序数据构建用户行为评估模型,以可穿戴视觉采集装置离线真实运行的时序行为数据为核心评估指标,甄别真实使用行为与虚假活跃行为,并依据评估结果完成用户分层;s4、根据用户分层结果执行差异化智能服务推送策略,由移动端服务端在推送窗口内单次展示对应服务内容;s5、对校验后的行为时序数据进行合规脱敏处理,将脱敏时序样本用于人工智能模型的持续训练与迭代分析,优化行为评估算法阈值、用户分层规则及服务推送策略。
10、与现有技术相比,本发明具有以下有益效果:
11、第一,通过可穿戴视觉采集装置的离线自治工作机制,实现设备侧无干扰自动采集行为时序数据,摆脱对移动端应用程序人工操作的强依赖。可穿戴视觉采集装置开机后即自动进入数据采集状态,全程不产生弹窗、消息推送及功能干扰,服务人员无需进行任何应用程序操作即可正常开展服务,显著降低上门服务场景下的人机交互负担,提升服务作业效率;同时,设备核心工作、数据采集与时序记录功能不依赖移动端服务端,仅数据归档、行为分析与服务转化环节依托云端完成,软硬件解耦架构天然适配上门服务 "硬件高频使用、应用程序低频操作" 的业务特征,打破原有 "要么强制高频开启应用程序、要么完全无数据无运营" 的技术两难困境。
12、第二,以可穿戴视觉采集装置离线真实运行的时序行为数据为核心评估指标,构建硬件维度的用户行为评估模型,摆脱工单数据、签到数据及定位数据间接推断造成的数据失真缺陷。评估模型将硬件行为时序数据与外部工单系统记录的服务时段进行逐时段比对,当工单时段内硬件行为时序数据显示设备持续处于待机状态、无功能启停记录且无对应视觉数据生成记录时,判定该工单存在虚假活跃嫌疑,从而精准甄别用户真实使用行为与签到挂机、虚假打卡、表单补填造假等虚假活跃行为,保障行为评估结果的真实性与准确性。
13、第三,采用至少两个相互独立的行为时序数据采集通道互为兜底、交叉校验的多源采集架构,规避单一数据源失效造成的数据缺失。各通道输出的行为时序数据独立采集、独立存储、独立绑定时序时间戳,当任一通道出现日志损坏、文件丢失、读取异常等情形时,系统自动调用其余通道的数据进行交叉校验与异常补全,反向还原设备使用时段、使用频次、使用时长等核心行为数据,显著提升行为时序数据的完整性与可靠性,为云端用户行为评估提供真实、连续、可校验的数据基础。
14、第四,可穿戴视觉采集装置支持帧式摄像头、事件驱动视觉传感器、热成像视觉传感器、飞行时间深度传感器及多模态融合视觉传感器等多种视觉传感形态,适配不同服务场景的采集需求与隐私保护要求。其中,事件驱动视觉传感器以像素级异步方式响应场景亮度变化并输出事件流数据,不包含静态纹理信息,无法逆向还原为可识别个人身份的可见光影像,从视觉感知源头消除身份识别信息;热成像视觉传感器仅输出温度分布数据,不采集面部特征与环境纹理,在保障行为留痕的同时保护服务对象隐私;事件驱动视觉传感器还支持纯事件模式、混合模式及取证模式三级隐私保护切换,可依据服务场景与异常事件自动适配隐私保护等级,实现服务行为留痕与服务对象隐私保护的兼顾。
15、第五,移动端服务端仅作为周期性数据同步与交互网关,在数据同步完成后才开启低侵入式服务推送窗口,并提供通过单次操作关闭推送的权限。数据同步全程无阻断、无用户干扰,在后台静默完成;推送时机严格限定在数据同步完成之后,同一服务内容在预设周期内仅推送一次,避免对用户造成重复打扰;用户关闭推送功能后不影响设备数据同步、行为采集及音视频录制等核心工作功能,在保障数据采集与同步完整性的同时,最大限度降低对服务人员的操作干扰与商业打扰,兼顾用户体验与运营转化需求。
16、第六,基于硬件维度行为评估结果构建用户分层模型,将用户划分为高粘性稳定使用用户、硬件高活跃应用程序低同步用户、低活跃潜在流失用户及完全流失用户四个层级,各层级对应独立的行为判定阈值与差异化智能服务推送策略,实现精细化用户运营。对高粘性稳定使用用户推送高阶增值服务与技能培训内容,对硬件高活跃应用程序低同步用户推送简易同步指引,对低活跃潜在流失用户推送设备使用教程与故障排查内容,对完全流失用户停止商业推送、仅推送功能运维提示,避免无效商业打扰,提升智能推送的匹配度与转化效果。
17、第七,可穿戴视觉采集装置与移动端服务端支持 wifi、蓝牙、近场通信、4g/5g 蜂窝网络等多种无线通信方式,当采用 wifi 时设备开机后自动开启 ap 热点,移动端服务端通过连接该 ap 热点建立通信链路并完成数据同步,无需依赖外部路由器或公共网络,适配上门服务场景中网络环境不确定的实际情况,提升设备接入的便捷性与可靠性。
18、第八,云端智能服务平台对校验补全后的行为时序数据进行合规脱敏处理,去除可直接识别用户个人身份的敏感信息,对设备与用户关联标识进行不可逆哈希变换,对地理位置信息进行泛化处理,确保数据用于人工智能模型训练时不泄露用户个人隐私;同时依托脱敏后的海量真实时序样本持续迭代优化行为评估算法阈值、用户分层规则及服务推送策略,形成 "数据采集 — 行为评估 — 用户分层 — 差异化推送 — 模型迭代" 的完整闭环,随数据积累持续提升行为识别精度与智能推送匹配度。
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