人體特征數(shù)據(jù)的處理方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種人體特征數(shù)據(jù)的處理方法及裝置，在上述方法中，接收終端傳輸?shù)娜梭w特征信息集合；根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。根據(jù)本發(fā)明提供的技術(shù)方案，可以有效地在云端建立虛擬人的信息體，并為虛擬人的構(gòu)建應(yīng)用提供可靠的技術(shù)支持。
【專利說明】
人體特征數(shù)據(jù)的處理方法及裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及通信領(lǐng)域，具體而言，涉及一種人體特征數(shù)據(jù)的處理方法及裝置。
【背景技術(shù)】
[0002]虛擬人技術(shù)，即為人類自身數(shù)字化，其為目前大數(shù)據(jù)技術(shù)時代背景下最令業(yè)界追捧的信息技術(shù)前沿應(yīng)用之一。它是基于對人體特征的大數(shù)據(jù)量采集，并通過數(shù)據(jù)處理及運算后，提取出關(guān)鍵人體特征，然后通過人工智能方式，利用設(shè)備儀器實現(xiàn)一個基于計算模型的數(shù)字化人。虛擬人的動作、表情、語言等特征完全可以通過顯示技術(shù)實現(xiàn)與被采集的真實人非常相似，并可以自主與其他真實人或者虛擬人進行溝通交流。
[0003]以智能手機為代表的手持移動終端幾乎是人類每天不可或缺的通訊及娛樂設(shè)備，并且其內(nèi)部搭載了多種信息采集設(shè)備，例如:攝像頭、加速度地磁傳感器、麥克風(fēng)。因此，其極為適用于作為人體特征大數(shù)據(jù)量采集的工具。另外，對于大數(shù)據(jù)量的處理而言，以前僅僅依靠手持終端的硬件配置是難以存儲和處理的。而隨著寬帶移動通訊的飛速發(fā)展，手機可以依靠無線寬帶網(wǎng)絡(luò)和強大的云計算平臺來實現(xiàn)這些大數(shù)據(jù)的轉(zhuǎn)存和實時處理。由此就為利用手持終端配合云計算平臺來實現(xiàn)人體特征數(shù)據(jù)采集提取提供了有效地技術(shù)基礎(chǔ)。
[0004]然而，相關(guān)技術(shù)中尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實施例提供了一種人體特征數(shù)據(jù)的處理方法及裝置，以至少解決相關(guān)技術(shù)中尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理的問題。
[0006]根據(jù)本發(fā)明的一個方面，提供了一種人體特征數(shù)據(jù)的處理方法。
[0007]根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理方法包括:接收終端傳輸?shù)娜梭w特征信息集合；根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。
[0008]優(yōu)選地，根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取人體特征數(shù)據(jù)包括:根據(jù)待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，待使用的人體特征信息包含人體特征數(shù)據(jù)；按照確定后的多種類別信息從人體特征信息集合中提取人體特征數(shù)據(jù)。
[0009]優(yōu)選地，對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理包括:對人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法分別對每種類別的人體特征數(shù)據(jù)進行解析處理；根據(jù)待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析；按照預(yù)設(shè)的相關(guān)性算法獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。
[0010]優(yōu)選地，在對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理之后，還包括:采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及預(yù)設(shè)事件的發(fā)展進度。
[0011]優(yōu)選地，人體特征信息集合包括以下至少之一:人體音頻數(shù)據(jù)、人體圖像數(shù)據(jù)、人體運動數(shù)據(jù)。
[0012]根據(jù)本發(fā)明的另一方面，提供了一種人體特征數(shù)據(jù)的處理裝置。
[0013]根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理裝置包括:接收模塊，用于接收終端傳輸?shù)娜梭w特征信息集合；處理模塊，用于根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。
[0014]優(yōu)選地，處理模塊包括:確定單元，用于根據(jù)待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，待使用的人體特征信息包含人體特征數(shù)據(jù)；提取單元，用于按照確定后的多種類別信息從人體特征信息集合中提取人體特征數(shù)據(jù)。
[0015]優(yōu)選地，處理模塊包括:解析單元，用于對人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法分別對每種類別的人體特征數(shù)據(jù)進行解析處理；分析單元，用于根據(jù)待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析；獲取單元，用于按照預(yù)設(shè)的相關(guān)性算法獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。
[0016]優(yōu)選地，上述裝置還包括:判斷模塊，用于采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及預(yù)設(shè)事件的發(fā)展進度。
[0017]優(yōu)選地，人體特征信息集合包括以下至少之一:人體音頻數(shù)據(jù)、人體圖像數(shù)據(jù)、人體運動數(shù)據(jù)。
[0018]通過本發(fā)明實施例，采用接收移動終端傳輸?shù)娜梭w特征信息集合；根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理，解決了相關(guān)技術(shù)中尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理的問題，進而可以有效地在云端建立虛擬人的信息體，并為虛擬人的構(gòu)建應(yīng)用提供可靠的技術(shù)支持。
【附圖說明】
[0019]此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中:
[0020]圖1是根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理方法的流程圖；
[0021]圖2是根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理裝置的結(jié)構(gòu)框圖；
[0022]圖3是根據(jù)本發(fā)明優(yōu)選實施例的人體特征數(shù)據(jù)的處理裝置的結(jié)構(gòu)框圖；
[0023]圖4是根據(jù)本發(fā)明優(yōu)選實施例的人體特征數(shù)據(jù)的處理系統(tǒng)的結(jié)構(gòu)框圖；
[0024]圖5是根據(jù)本發(fā)明優(yōu)選實施例的RAKE處理結(jié)構(gòu)的示意圖；
[0025]圖6是根據(jù)本發(fā)明優(yōu)選實施例的數(shù)據(jù)重構(gòu)過程的示意圖；
[0026]圖7是根據(jù)本發(fā)明優(yōu)選實施例的基于圖4的數(shù)據(jù)重構(gòu)過程的流程圖。
【具體實施方式】
[0027]下文中將參考附圖并結(jié)合實施例來詳細(xì)說明本發(fā)明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。
[0028]圖1是根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理方法的流程圖。如圖1所示，該方法可以包括以下處理步驟:
[0029]步驟S102:接收終端傳輸?shù)娜梭w特征信息集合；
[0030]步驟S104:根據(jù)待運行應(yīng)用的需求(例如:運行特定應(yīng)用程序來預(yù)測用戶未來感冒的概率)從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。
[0031]相關(guān)技術(shù)中，尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理。采用如圖1所示的方法，在通過智能移動終端對人體特征信息進行采集后，再通過云計算平臺對人體特征數(shù)據(jù)進行提取和數(shù)據(jù)重構(gòu)處理，由此解決了相關(guān)技術(shù)中尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理的問題，進而可以有效地在云端建立虛擬人的信息體，并為虛擬人的構(gòu)建應(yīng)用提供可靠的技術(shù)支持。
[0032]在優(yōu)選實施過程中，上述人體特征信息集合可以包括但不限于以下至少之一:
[0033](I)人體音頻數(shù)據(jù)，例如:用戶通過移動終端內(nèi)部設(shè)置的麥克風(fēng)發(fā)出的語音數(shù)據(jù)；
[0034](2)人體圖像數(shù)據(jù)，例如:用戶面部表情數(shù)據(jù)；
[0035](3)人體運動數(shù)據(jù)，例如:用戶在預(yù)設(shè)時間范圍內(nèi)的活動數(shù)據(jù)。
[0036]優(yōu)選地，在步驟S104中，根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取人體特征數(shù)據(jù)可以包括以下操作:
[0037]步驟S1:根據(jù)待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，待使用的人體特征信息包含人體特征數(shù)據(jù)；
[0038]步驟S2:按照確定后的多種類別信息從人體特征信息集合中提取人體特征數(shù)據(jù)。
[0039]在優(yōu)選實施例中，可以通過智能手持移動終端，例如:智能手機、PAD、電子書內(nèi)部配置的麥克風(fēng)(MIC)、攝像頭、加速度地磁傳感器、陀螺儀，智能手表上的體溫、心跳等傳感設(shè)備采集到的人體聲音、運動以及面部圖像信息隨著時間的持續(xù)變化，會不停地傳輸至后臺云端，其數(shù)據(jù)量巨大且數(shù)據(jù)內(nèi)容極為豐富，由此，可以將根據(jù)上述終端自身具備的功能所能夠采集到的全部數(shù)據(jù)定義為人體特征信息集合。然而，具體需要使用其中哪些數(shù)據(jù)則根據(jù)待運行應(yīng)用的實際需求。例如:某個應(yīng)用負(fù)責(zé)預(yù)測用戶未來一段時間內(nèi)感冒的概率，其需要獲取連續(xù)幾天內(nèi)該用戶打噴嚏、咳嗽的次數(shù)，體溫，脈搏，人體困乏表情，由此，可以將需要獲取連續(xù)幾天內(nèi)該用戶打噴嚏、咳嗽的次數(shù)，體溫，脈搏，人體困乏表情等定義為待使用的人體特征信息，其中，噴嚏與咳嗽為音頻數(shù)據(jù)，體溫、心跳為皮膚感應(yīng)數(shù)據(jù)，困乏表情為人臉圖像數(shù)據(jù)，由此，可以將音頻數(shù)據(jù)、圖像數(shù)據(jù)等定義為待使用的人體特征信息所歸屬的多種類別信息。
[0040]需要說明的是，由于各個終端的功能差異，假設(shè)根據(jù)待運行的應(yīng)用的需求需要獲取音頻數(shù)據(jù)、感應(yīng)數(shù)據(jù)以及圖像數(shù)據(jù)三種類別的數(shù)據(jù)(即上述待使用的人體特征信息)，然而根據(jù)終端自身具備的功能所能夠提供的數(shù)據(jù)(即上述人體特征信息集合)可能僅限于音頻數(shù)據(jù)和圖像數(shù)據(jù)，或者，三種類型的數(shù)據(jù)均可以提供，或者，終端還可以提供這三種類型之外的其他類型的數(shù)據(jù)(例如:運動數(shù)據(jù))。因此，需要選取上述待使用的人體特征信息與上述人體特征信息集合的交集作為人體特征數(shù)據(jù)。
[0041]優(yōu)選地，在步驟S104中，對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理可以包括以下步驟:
[0042]步驟S3:對人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法(例如:最大相似度算法)分別對每種類別的人體特征數(shù)據(jù)進行解析處理；
[0043]例如:通過終端采集到用戶聲音這類音頻數(shù)據(jù)。對于音頻數(shù)據(jù)而言，又可以包括:用戶的哭聲、笑聲、咳嗽聲。為此，需要采用對應(yīng)的特征設(shè)別算法對哭聲、笑聲、咳嗽聲分別進行解析，進而對哭聲、笑聲、咳嗽聲加以區(qū)分。
[0044]步驟S4:根據(jù)待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析；
[0045]例如:在終端采集用戶聲音的過程中，很有可能將用戶周圍其他人的聲音一同采集并進行上報，為此，需要通過有效性分析將手持終端的用戶的聲音與其他人的聲音區(qū)分開來，只保存用戶的聲音，而過濾掉其他人的聲音。
[0046]步驟S5:按照預(yù)設(shè)的相關(guān)性算法(例如:模式識別最小方差算法)獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。
[0047]例如:手持終端的用戶在當(dāng)前通話所發(fā)出的聲音與上一次通話所發(fā)出的聲音是否產(chǎn)生明顯波動，進而可以判斷用戶的身體是否出現(xiàn)異樣，例如:用戶感冒以后聲音有可能會變得沙啞。
[0048]在優(yōu)選實施例中，在經(jīng)過有效數(shù)據(jù)篩選過后，需要對篩選出的有效數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理，其重構(gòu)的目的在于:將有效數(shù)據(jù)盡可能地根據(jù)后續(xù)操作的需求進行分類和打標(biāo)簽處理，這樣可以有效地降低判決模塊的工作復(fù)雜度，提高判決效率和準(zhǔn)確性。
[0049]數(shù)據(jù)重構(gòu)過程可以包括:特征標(biāo)示、有效性標(biāo)示、相關(guān)性指向標(biāo)示。
[0050](I)特征標(biāo)示，即為數(shù)據(jù)的類型:語音、圖像、體征，不同特征數(shù)據(jù)可以采用不同模式識別算法來進行解析。例如:連續(xù)采用手持終端的用戶在連續(xù)幾次通話過程中所產(chǎn)生的音頻數(shù)據(jù)，并區(qū)分出笑聲、哭聲、咳嗽聲等多種不同類別的聲音。
[0051](2)有效性標(biāo)示，在對特征數(shù)據(jù)進行分析后，標(biāo)示出當(dāng)前數(shù)據(jù)對于應(yīng)用是否有效，當(dāng)然也可以建立常用應(yīng)用的有效性標(biāo)示組。例如:在采集到的上述用戶的音頻數(shù)據(jù)中很有可能摻雜周圍人群說話發(fā)出聲音，為此需要通過有效性標(biāo)示過程將周圍其他人發(fā)出的聲音過濾掉，而僅保留用戶自身發(fā)出的聲音。
[0052](3)相關(guān)性指向標(biāo)示，可以將不同特征數(shù)據(jù)進行相關(guān)運算，并根據(jù)運算結(jié)果表明這些特征數(shù)據(jù)直接的相關(guān)性。例如:通過連續(xù)采集用戶在多次通話中發(fā)出的聲音，發(fā)現(xiàn)用戶的聲音逐漸沙啞、咳嗽的次數(shù)逐漸增多進而可以判斷用戶已經(jīng)患上感冒甚至有發(fā)燒病癥產(chǎn)生。
[0053]優(yōu)選地，在步驟S104，對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理之后，還可以包括以下操作:
[0054]步驟S6:采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及預(yù)設(shè)事件的發(fā)展進度。
[0055]在優(yōu)選實施例中，通過上述經(jīng)過數(shù)據(jù)重構(gòu)處理后得到的信息可以判斷出當(dāng)前可能發(fā)生的事件以及該事件的嚴(yán)重程度，從而提供相應(yīng)的預(yù)警和解決措施。例如:可以預(yù)先研發(fā)出一種應(yīng)用程序，專門用于判斷用戶是否患上感冒或發(fā)燒病癥，該應(yīng)用程序通過執(zhí)行上述特征分析、有效性分析以及相關(guān)性分析便可確定用戶是否已經(jīng)患上感冒或發(fā)燒病癥，如果已經(jīng)患上，則還會提供相應(yīng)地提醒用戶吃藥以及盡快就醫(yī)的解決措施；如果確定有感冒或發(fā)燒的傾向，則會建議用戶及時吃藥以預(yù)防感冒。
[0056]圖2是根據(jù)本發(fā)明實施例的人體特征數(shù)據(jù)的處理裝置的結(jié)構(gòu)框圖。如圖2所示，該人體特征數(shù)據(jù)的處理裝置可以包括:接收模塊10，用于接收終端傳輸?shù)娜梭w特征信息集合；處理模塊20，用于根據(jù)待運行應(yīng)用的需求從人體特征信息集合中提取與待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。
[0057]采用如圖2所示的裝置，解決了相關(guān)技術(shù)中尚未實現(xiàn)通過智能移動終端對人體特征信息進行采集并通過與移動終端匹配的云計算平臺對人體特征數(shù)據(jù)進行處理的問題，進而可以有效地在云端建立虛擬人的信息體，并為虛擬人的構(gòu)建應(yīng)用提供可靠的技術(shù)支持。
[0058]在優(yōu)選實施過程中，上述人體特征信息集合可以包括但不限于以下至少之一:
[0059](I)人體音頻數(shù)據(jù)，例如:用戶通過移動終端內(nèi)部設(shè)置的麥克風(fēng)發(fā)出的語音數(shù)據(jù)；
[0060](2)人體圖像數(shù)據(jù)，例如:用戶面部表情數(shù)據(jù)；
[0061](3)人體運動數(shù)據(jù)，例如:用戶在預(yù)設(shè)時間范圍內(nèi)的活動數(shù)據(jù)。
[0062]優(yōu)選地，處理模塊20可以包括:確定單元(圖中未示出)，用于根據(jù)待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，待使用的人體特征信息包含人體特征數(shù)據(jù)；提取單元(圖中未示出)，用于按照確定后的多種類別信息從人體特征信息集合中提取人體特征數(shù)據(jù)。
[0063]優(yōu)選地，處理模塊20可以包括:解析單元(圖中未示出)，用于對人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法分別對每種類別的人體特征數(shù)據(jù)進行解析處理；分析單元(圖中未示出)，用于根據(jù)待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析；獲取單元(圖中未示出)，用于按照預(yù)設(shè)的相關(guān)性算法獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。
[0064]優(yōu)選地，如圖3所示，上述裝置還可以包括:判斷模塊30，用于采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及預(yù)設(shè)事件的發(fā)展進度。
[0065]圖4是根據(jù)本發(fā)明優(yōu)選實施例的人體特征數(shù)據(jù)的處理系統(tǒng)的結(jié)構(gòu)框圖。如圖4所示，在本發(fā)明的優(yōu)選實施例中，為了能夠有效地提取人體特征信息，設(shè)置了數(shù)據(jù)處理模塊(相當(dāng)于上述確定單元和提取單元)。該數(shù)據(jù)處理模塊被命名為RAKE，其含義為耙子。通過耙子可以將大量數(shù)據(jù)中針對不同應(yīng)用的數(shù)據(jù)分離出來，并發(fā)送至后續(xù)的數(shù)據(jù)重構(gòu)模塊，用于建立人體信息關(guān)聯(lián)。
[0066]圖5是根據(jù)本發(fā)明優(yōu)選實施例的RAKE處理結(jié)構(gòu)的示意圖。如圖5所示，RAKE的作用在于根據(jù)多種應(yīng)用的不同需求來定義耙子的規(guī)格，從而提取出不同程度的人體特征有效數(shù)據(jù)。通過該耙子可以有效地執(zhí)行提取和歸類操作。
[0067]每個耙釘可以代表一種人體特征類別，存在于耙釘之間的橫杠即為特征數(shù)據(jù)采集的時間區(qū)間。耙釘?shù)拇旨?xì)長短為人體特征的識別深度。耙釘與耙釘之間的距離可調(diào)體現(xiàn)為不同人體特征數(shù)據(jù)時間上的相關(guān)程度。耙釘?shù)拇旨?xì)可調(diào)則體現(xiàn)為人體特征識別算法的深度。
[0068]例如:某個應(yīng)用負(fù)責(zé)預(yù)測用戶未來一段時間內(nèi)感冒的概率，其需要獲取連續(xù)幾天內(nèi)該用戶打噴嚏、咳嗽的次數(shù)，體溫，脈搏，人體困乏表情，其中，噴嚏與咳嗽為音頻數(shù)據(jù)，體溫、心跳為皮膚感應(yīng)數(shù)據(jù)，困乏表情為人臉圖像數(shù)據(jù)。這些數(shù)據(jù)均可以作為RAKE的耙釘。咳嗽和體溫變化時間以及人困乏表情時間關(guān)系即為耙子的橫杠。
[0069]當(dāng)咳嗽、噴嚏與體溫升高的時間高度一致，則可以判定該用戶出現(xiàn)感冒癥狀的概率將非常高；而如果兩者直接的時間相關(guān)度較低，則感冒概率屬于中等；如果兩者相關(guān)度趨近于0，則感冒概率很小。如果存在特定應(yīng)用需要分析該用戶感冒的深層次原因。那么就需要在咳嗽音質(zhì)上、體溫隨時間變化關(guān)系上以及心率數(shù)據(jù)這3個耙釘上運用更復(fù)雜的識別算法，例如:識別咳嗽音頻數(shù)據(jù)中是否存在肺葉顫動的特征音頻，以判斷咳嗽是上呼吸道感染所引起的還是肺部感染所引起的。結(jié)合體溫在單位時間的變化程度判斷當(dāng)前是否存在炎癥以及炎癥的嚴(yán)重程度。通過心率數(shù)據(jù)分析，是否存在早波、心顫等異常心電數(shù)據(jù)以進一步判斷心肌是否發(fā)生炎癥侵入，從而提供用戶當(dāng)前可能出現(xiàn)的感冒類別以及嚴(yán)重程度。判斷該用戶所患疾病是上呼吸道感染、抑或肺部感染、還是心肌炎，從而提供相應(yīng)的預(yù)警和解決措施。
[0070]在RAKE將有效數(shù)據(jù)篩選過后，則需要通過數(shù)據(jù)重構(gòu)模塊(相當(dāng)于上述解析單元、分析單元以及獲取單元)進行數(shù)據(jù)重構(gòu)處理，其重構(gòu)的目的在于:將有效數(shù)據(jù)盡可能地根據(jù)判決模塊的需求進行分類和打標(biāo)簽處理，這樣可以有效地降低判決模塊的工作復(fù)雜度，提高判決效率和準(zhǔn)確性。
[0071 ] 數(shù)據(jù)重構(gòu)模塊可以包括:特征標(biāo)示、有效性標(biāo)示、相關(guān)性指向標(biāo)示。
[0072](I)特征標(biāo)示，即為數(shù)據(jù)的類型:語音、圖像、體征，不同特征數(shù)據(jù)可以采用不同模式識別算法來進行解析。而具體所采用的識別算法可以采用相關(guān)技術(shù)中的標(biāo)準(zhǔn)算法，此處不再贅述。
[0073](2)有效性標(biāo)示，在對特征數(shù)據(jù)進行分析后，結(jié)合相關(guān)性分析結(jié)果，標(biāo)示出當(dāng)前數(shù)據(jù)對于應(yīng)用是否有效，當(dāng)然也可以建立常用應(yīng)用的有效性標(biāo)示組。
[0074](3)相關(guān)性指向標(biāo)示，可以將不同特征數(shù)據(jù)進行相關(guān)運算，并根據(jù)運算結(jié)果表明這些特征數(shù)據(jù)直接的相關(guān)性。而具體所采用的相關(guān)算法可以采用相關(guān)技術(shù)中的標(biāo)準(zhǔn)算法，此處不再贅述。
[0075]圖6是根據(jù)本發(fā)明優(yōu)選實施例的數(shù)據(jù)重構(gòu)過程的示意圖。如圖6所示，通過對分類后的數(shù)據(jù)內(nèi)容進行特征標(biāo)示、有效性標(biāo)示以及相關(guān)性指向標(biāo)示，進而為利用手持終端配合云計算平臺來實現(xiàn)人體特征數(shù)據(jù)采集提取提供了有效地技術(shù)支持。例如:首先，連續(xù)采用手持終端的用戶在連續(xù)幾次通話過程中所產(chǎn)生的音頻數(shù)據(jù)，并區(qū)分出笑聲、哭聲、咳嗽聲等多種不同類別的聲音，分別對每類聲音添加特征標(biāo)示；其次，在采集到的上述用戶的音頻數(shù)據(jù)中很有可能摻雜周圍人群說話發(fā)出聲音，為此需要通過有效性標(biāo)示過程將周圍其他人發(fā)出的聲音過濾掉，而僅保留用戶自身發(fā)出的聲音，進而添加有效性標(biāo)示；然后，通過連續(xù)采集用戶在多次通話中發(fā)出的聲音，發(fā)現(xiàn)用戶的聲音逐漸沙啞、咳嗽的次數(shù)逐漸增多進而可以判斷用戶已經(jīng)患上感冒甚至有發(fā)燒病癥產(chǎn)生，進而添加相關(guān)性指向標(biāo)示。
[0076]圖7是根據(jù)本發(fā)明優(yōu)選實施例的基于圖4的數(shù)據(jù)重構(gòu)過程的流程圖。如圖7所示，該流程可以包括以下處理步驟:云服務(wù)器接收終端傳輸?shù)娜梭w特征原始數(shù)據(jù)包后，對人體特征原始數(shù)據(jù)包進行解包處理。云服務(wù)器確定傳輸數(shù)據(jù)正確，準(zhǔn)備啟動RAKE。云服務(wù)器根據(jù)應(yīng)用的需求(例如:確定終端用戶是否已經(jīng)患上感冒或者很有可能患上感冒的應(yīng)用)來定義相關(guān)度、特征數(shù)據(jù)識別深度算法進行RAKE配置，并啟動RAKE。RAKE輸出更新后的人體特征數(shù)據(jù)，并進行數(shù)據(jù)打包處理，再提供給數(shù)據(jù)重構(gòu)模塊。數(shù)據(jù)重構(gòu)模塊根據(jù)判決模塊的需求(例如:判斷終端用戶是否已經(jīng)患上感冒)來解壓相應(yīng)的數(shù)據(jù)包(特征識別算法啟動)，從采集到的聲音中解析出終端用戶的說話聲音和咳嗽聲音，進而可以確定需要打上特征標(biāo)簽；數(shù)據(jù)重構(gòu)模塊在數(shù)據(jù)有效性識別完成后，確認(rèn)所采集到的說話聲音和咳嗽聲確實是終端用戶發(fā)出，從而確定為有效特征，進而可以確定需要打上有效性標(biāo)簽，否則，需要將終端用戶之外其他人發(fā)出的聲音構(gòu)成非有效特征庫；以及數(shù)據(jù)重構(gòu)模塊輸出不同特征數(shù)據(jù)運算后的相關(guān)性數(shù)據(jù)，統(tǒng)計終端用戶在連續(xù)多次通話過程中的說話聲音與咳嗽聲音的變化情況。最后，分別根據(jù)特征識別的分析結(jié)果、有效性識別的分析結(jié)果以及相關(guān)性識別的分析結(jié)果建立特征標(biāo)貼、有效性標(biāo)貼和相關(guān)性標(biāo)貼，進而對特征數(shù)據(jù)、有效性數(shù)據(jù)以及相關(guān)性數(shù)據(jù)重新進行封裝處理。
[0077]從以上的描述中，可以看出，上述實施例實現(xiàn)了如下技術(shù)效果(需要說明的是這些效果是某些優(yōu)選實施例可以達(dá)到的效果):采用本發(fā)明實施例所提供的技術(shù)方案，利用智能手持終端設(shè)備上搭載的攝像頭、麥克風(fēng)、加速度傳感器以及陀螺儀等設(shè)備，分別采集人體在日常環(huán)境下的語音、面部表情以及動作習(xí)慣信息，并將這些信息轉(zhuǎn)發(fā)到后臺的云計算平臺。云計算平臺通過預(yù)設(shè)的模型匹配算法對接收到的人體信息進行處理后，組合成一個在云端的有效人體特征數(shù)據(jù)庫。該數(shù)據(jù)庫為建立與真實人物對等的虛擬人物提供了人體特征數(shù)據(jù)支持。
[0078]顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn)，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，并且在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。
[0079]以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.一種人體特征數(shù)據(jù)的處理方法，其特征在于，包括: 接收終端傳輸?shù)娜梭w特征信息集合； 根據(jù)待運行應(yīng)用的需求從所述人體特征信息集合中提取與所述待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對所述人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述待運行應(yīng)用的需求從所述人體特征信息集合中提取所述人體特征數(shù)據(jù)包括: 根據(jù)所述待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，所述待使用的人體特征信息包含所述人體特征數(shù)據(jù)； 按照確定后的多種類別信息從所述人體特征信息集合中提取所述人體特征數(shù)據(jù)。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，對所述人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理包括: 對所述人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法分別對每種類別的人體特征數(shù)據(jù)進行解析處理； 根據(jù)所述待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析； 按照預(yù)設(shè)的相關(guān)性算法獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在對所述人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理之后，還包括: 采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及所述預(yù)設(shè)事件的發(fā)展進度。5.根據(jù)權(quán)利要求1至4中任一項所述的方法，其特征在于，所述人體特征信息集合包括以下至少之一:人體音頻數(shù)據(jù)、人體圖像數(shù)據(jù)、人體運動數(shù)據(jù)。6.一種人體特征數(shù)據(jù)的處理裝置，其特征在于，包括: 接收模塊，用于接收終端傳輸?shù)娜梭w特征信息集合； 處理模塊，用于根據(jù)待運行應(yīng)用的需求從所述人體特征信息集合中提取與所述待運行應(yīng)用對應(yīng)的人體特征數(shù)據(jù)，并對所述人體特征數(shù)據(jù)進行數(shù)據(jù)重構(gòu)處理。7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述處理模塊包括: 確定單元，用于根據(jù)所述待運行應(yīng)用的需求確定待使用的人體特征信息所歸屬的多種類別信息，其中，所述待使用的人體特征信息包含所述人體特征數(shù)據(jù)； 提取單元，用于按照確定后的多種類別信息從所述人體特征信息集合中提取所述人體特征數(shù)據(jù)。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述處理模塊包括: 解析單元，用于對所述人體特征數(shù)據(jù)進行分類處理，并采用預(yù)設(shè)的識別算法分別對每種類別的人體特征數(shù)據(jù)進行解析處理； 分析單元，用于根據(jù)所述待運行應(yīng)用的需求對解析后的人體特征數(shù)據(jù)進行有效性分析； 獲取單元，用于按照預(yù)設(shè)的相關(guān)性算法獲取解析后的人體特征數(shù)據(jù)之間的相關(guān)性。9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括: 判斷模塊，用于采用經(jīng)過數(shù)據(jù)重構(gòu)處理后的人體特征數(shù)據(jù)判斷是否發(fā)生預(yù)設(shè)事件以及所述預(yù)設(shè)事件的發(fā)展進度。10.根據(jù)權(quán)利要求6至9中任一項所述的裝置，其特征在于，所述人體特征信息集合包括以下至少之一:人體音頻數(shù)據(jù)、人體圖像數(shù)據(jù)、人體運動數(shù)據(jù)。
【文檔編號】A61B5/11GK105868519SQ201510027929
【公開日】2016年8月17日
【申請日】2015年1月20日
【發(fā)明人】張凡, 陳卓
【申請人】中興通訊股份有限公司