一种基于物联网数据的用户行为引导方法及装置与流程

1.本发明涉及物联网技术领域，具体而言，涉及一种基于物联网数据的用户行为引导方法及装置。


背景技术：

2.随着物联网技术的不断发展，使得采集的物联网数据较多，因而，可以基于这些物联网数据进行数据分析，如确定用户的行为习惯等。
3.例如，在现有技术中，一般后台设备在获取到前端的物联网设备采集的关于用户动作的数据之后，会针对不同的用户分别进行处理，以得到不同用户的习惯。如此，在一种应用中，确定的用户习惯可以用于对用户的行为进行引导，但是，经发明人研究发现，在现有技术中，一般是对所有的用户行为都进行引导，如此，就导致可能对一些不需要引导的动作进行了引导，从而导致对用户行为进行引导的有效性不高的问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于物联网数据的用户行为引导方法及装置，以提高对用户行为进行引导的有效性。
5.为实现上述目的，本发明实施例采用如下技术方案：
6.一种基于物联网数据的用户行为引导方法，应用于物联网数据处理后台设备，所述基于物联网数据的用户行为引导方法包括：
7.基于获取的通信连接的每一个物联网终端发送的用户动作信息进行用户习惯确定处理，得到对应的至少一条目标用户习惯信息，其中，所述物联网数据处理后台设备通信连接有多个所述物联网终端，获取的所述用户动作信息为多条；
8.计算获取到的待处理的用户行为监控信息与所述至少一条目标用户习惯信息之间的动作相似度信息，并基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，其中，所述用户行为监控信息基于对目标监控用户的行为进行信息采集得到；
9.若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于所述至少一条目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
10.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述计算获取到的待处理的用户行为监控信息与所述至少一条目标用户习惯信息之间的动作相似度信息，并基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导的步骤，包括：
11.获取待处理的用户行为监控信息，并基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；
12.计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息，其中，每一条所述目标用户习惯信息包括至少一种动作特征信息；
13.基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导。
14.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息的步骤，包括：
15.确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息；
16.确定所述至少一条目标用户习惯信息对应的行为发生位置信息中是否具有所述监控行为发生位置信息；
17.若所述至少一条目标用户习惯信息对应的行为发生位置信息中具有所述监控行为发生位置信息，则将具有所述监控行为发生位置信息的目标用户习惯信息确定为所述动作特征监控信息对应的目标用户习惯标准信息；
18.计算所述动作特征监控信息与对应的所述目标用户习惯标准信息包括的每一条动作特征信息之间的动作相似度信息。
19.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息的步骤，还包括：
20.若所述至少一条目标用户习惯信息对应的行为发生位置信息中不具有所述监控行为发生位置信息，则获取每一条所述目标用户习惯信息对应的第一场景特征信息，并获取所述动作特征监控信息对应的用户行为监控信息的第二场景特征信息；
21.针对每一条所述第一场景特征信息，计算该第一场景特征信息与所述第二场景特征信息之间的相似度，得到该第一场景特征信息对应的第一场景特征相似度信息；
22.将具有最大值的所述第一场景特征相似度信息对应的第一场景特征信息，确定为目标场景特征信息，并将所述目标场景特征信息对应的目标用户习惯信息确定为所述动作特征监控信息对应的目标用户习惯标准信息。
23.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导的步骤，包括：
24.确定得到的多条所述动作相似度信息中是否具有大于或等于预先配置的动作相似度阈值信息的动作相似度信息，其中，每一条所述动作相似度信息用于表征对应的一条所述动作特征信息与所述动作特征监控信息之间的动作相似度；
25.若多条所述动作相似度信息中具有大于或等于所述动作相似度阈值信息的动作相似度信息，则确定不需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导；
26.若多条所述动作相似度信息中不具有大于或等于所述动作相似度阈值信息的动作相似度信息，则确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引
导。
27.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于所述至少一条目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作的步骤，包括：
28.若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；
29.确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息，并在所述至少一条目标用户习惯信息中确定具有所述监控行为发生位置信息的目标用户习惯信息；
30.基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
31.在一些优选的实施例中，在上述基于物联网数据的用户行为引导方法中，所述基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作的步骤，包括：
32.将具有所述监控行为发生位置信息的目标用户习惯信息包括的动作特征信息发送给所述监控行为发生位置信息对应的用户行为引导设备，其中，所述用户行为引导设备用于向所述目标监控用户显示所述动作特征信息对应的行为动作，以使所述目标监控用户按照所述行为动作运动。
33.本发明还提供一种基于物联网数据的用户行为引导装置，应用于物联网数据处理后台设备，所述基于物联网数据的用户行为引导装置包括：
34.用户习惯信息确定模块，用于基于获取的通信连接的每一个物联网终端发送的用户动作信息进行用户习惯确定处理，得到对应的至少一条目标用户习惯信息，其中，所述物联网数据处理后台设备通信连接有多个所述物联网终端，获取的所述用户动作信息为多条；
35.用户行为引导确定模块，用于计算获取到的待处理的用户行为监控信息与所述至少一条目标用户习惯信息之间的动作相似度信息，并基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，其中，所述用户行为监控信息基于对目标监控用户的行为进行信息采集得到；
36.行为引导操作执行模块，用于若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于所述至少一条目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
37.在一些优选的实施例中，在上述基于物联网数据的用户行为引导装置中，所述用户行为引导确定模块用于：
38.获取待处理的用户行为监控信息，并基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经
网络模型；
39.计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息，其中，每一条所述目标用户习惯信息包括至少一种动作特征信息；
40.基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导。
41.在一些优选的实施例中，在上述基于物联网数据的用户行为引导装置中，所述行为引导操作执行模块用于：
42.若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；
43.确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息，并在所述至少一条目标用户习惯信息中确定具有所述监控行为发生位置信息的目标用户习惯信息；
44.基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
45.本发明提供的一种基于物联网数据的用户行为引导方法及装置，在基于获取的用户动作信息确定对应的目标用户习惯信息之后，可以先基于用户行为监控信息与目标用户习惯信息之间的动作相似度信息确定是否需要对用户行为监控信息对应的目标监控用户进行用户行为引导，并在确定需要对目标监控用户进行用户行为引导时再基于目标用户习惯信息对目标监控用户进行对应的用户行为引导操作，如此，可以避免在不需要对用户进行行为引导时却进行了行为引导而导致目标监控用户可能出现行为冲突的问题，从而提高对用户行为进行引导的有效性，进而改善现有技术中存在的对用户行为进行引导的有效性不高的问题。
46.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
47.图1为本发明实施例提供的物联网数据处理后台设备的应用示意图。
48.图2为本发明实施例提供的基于物联网数据的用户行为引导方法的示意图。
49.图3为本发明实施例提供的对应于图2所示的基于物联网数据的用户行为引导方法的基于物联网数据的用户行为引导装置的示意图。
具体实施方式
50.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
51.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.如图1所示，本发明实施例提供了一种物联网数据处理后台设备。其中，所述物联网数据处理后台设备可以是一种具备数据处理能力的服务器，例如，可以包括存储器和处理器。
53.详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于物联网数据的用户行为引导方法。
54.可选地，所述存储器可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read
‑
only memory，prom)，可擦除只读存储器(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器(electric erasable programmable read
‑
only memory，eeprom)等。所述处理器可以是一种通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)、片上系统(system on chip，soc)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
55.结合图2，本发明实施例还提供一种基于物联网数据的用户行为引导方法，可应用于上述物联网数据处理后台设备。其中，所述基于物联网数据的用户行为引导方法有关的流程所定义的方法步骤，可以由所述物联网数据处理后台设备实现。
56.下面将对图2所示的具体流程，进行详细阐述。
57.步骤100，基于获取的通信连接的每一个物联网终端发送的用户动作信息进行用户习惯确定处理，得到对应的至少一条目标用户习惯信息。
58.在本发明实施例中，所述物联网数据处理后台设备可以基于获取的通信连接的每一个物联网终端发送的用户动作信息进行用户习惯确定处理，得到对应的至少一条目标用户习惯信息。其中，所述物联网数据处理后台设备通信连接有多个所述物联网终端，获取的所述用户动作信息为多条。
59.步骤200，计算获取到的待处理的用户行为监控信息与至少一条目标用户习惯信息之间的动作相似度信息，并基于动作相似度信息确定是否需要对用户行为监控信息对应的目标监控用户进行用户行为引导。
60.在本发明实施例中，在基于前述的步骤得到所述至少一条目标用户习惯信息之后，所述物联网数据处理后台设备可以计算获取到的待处理的用户行为监控信息与至少一条目标用户习惯信息之间的动作相似度信息，并基于动作相似度信息确定是否需要对用户行为监控信息对应的目标监控用户进行用户行为引导。其中，所述用户行为监控信息基于对目标监控用户的行为进行信息采集得到。
61.步骤300，若确定需要对用户行为监控信息对应的目标监控用户进行用户行为引
导，则基于至少一条目标用户习惯信息对目标监控用户进行对应的用户行为引导操作。
62.在本发明实施例中，在基于前述的步骤确定需要对用户行为监控信息对应的目标监控用户进行用户行为引导之后，所述物联网数据处理后台设备可以基于所述至少一条目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
63.基于本发明实施例提供的上述方案，在基于获取的用户动作信息确定对应的目标用户习惯信息之后，可以先基于用户行为监控信息与目标用户习惯信息之间的动作相似度信息确定是否需要对用户行为监控信息对应的目标监控用户进行用户行为引导，并在确定需要对目标监控用户进行用户行为引导时再基于目标用户习惯信息对目标监控用户进行对应的用户行为引导操作，如此，可以避免在不需要对用户进行行为引导时却进行了行为引导而导致目标监控用户可能出现行为冲突的问题，从而提高对用户行为进行引导的有效性，进而改善现有技术中存在的对用户行为进行引导的有效性不高的问题。
64.可选地，在上述实施例的基础上，在一种示例中，步骤100包括如下的步骤110、步骤120和步骤130。
65.步骤110，获取通信连接的每一个物联网终端发送的用户动作信息，得到多个物联网终端对应的多条用户动作信息。
66.在本发明实施例中，所述物联网数据处理后台设备可以获取通信连接的每一个物联网终端发送的用户动作信息，得到多个物联网终端对应的多条用户动作信息。其中，所述物联网数据处理后台设备通信连接有多个所述物联网终端，所述物联网终端用于对部署的区域的用户动作进行采集。
67.步骤120，分别确定每一条用户动作信息对应的用户身份信息，并基于对应的用户身份信息之间是否具有关联关系，对多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类。
68.在本发明实施例中，在基于前述的步骤得到所述多条用户动作信息之后，所述物联网数据处理后台设备可以分别确定每一条用户动作信息对应的用户身份信息，并基于对应的用户身份信息之间是否具有关联关系，对多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类。
69.其中，每一个所述用户动作信息类包括多条用户动作信息，属于同一个所述用户动作信息类的任意两条用户动作信息对应的用户身份信息相同或具有关联关系，属于不同所述用户动作信息类的任意两条用户动作信息对应的用户身份信息不同且不具有关联关系。
70.步骤130，针对每一个用户动作信息类，基于该用户动作信息类包括的多条用户动作信息进行用户习惯确定处理，得到对应的目标用户习惯信息。
71.在本发明实施例中，在基于前述的步骤得到所述至少一个用户动作信息类之后，所述物联网数据处理后台设备可以针对每一个用户动作信息类，基于该用户动作信息类包括的多条用户动作信息进行用户习惯确定处理，得到对应的目标用户习惯信息。
72.基于本发明实施例提供的上述方案，可以在进行用户习惯确定处理之前，先基于对应的用户身份信息之间是否具有关联关系，对多条用户动作信息进行聚类处理得到对应的至少一个用户动作信息类，使得可以分别对不同用户动作信息类包括的多条用户动作信息进行用户习惯确定处理，以得到对应的目标用户习惯信息，即将具有关联关系的用户身
份信息对应的用户动作信息作为一个整体，以提取出对应的目标用户习惯信息，使得得到目标用户习惯信息的依据增加，从而提高用户习惯确定的可靠性，进而改善现有技术中确定的习惯的可靠性难以得到保障的问题。
73.可选地，在上述实施例的基础上，在一种示例中，步骤110包括：
74.第一步，获取通信连接的每一个物联网终端发送的数据发送请求信息，并基于所述数据发送请求信息确定是否允许对应的所述物联网终端发送数据(例如，若当前正在接收的信息较多，可以不允许)；
75.第二步，对于允许发送数据的每一个所述物联网终端，生成该物联网终端对应的数据发送确认信息，并将该数据发送确认信息发送给该物联网终端，其中，所述物联网终端用于基于获取到的所述数据发送确认信息将采集的用户动作信息发送给所述物联网数据处理后台设备；
76.第三步，获取每一个所述物联网终端基于所述数据发送确认信息分别发送的所述用户动作信息，以得到多个所述物联网终端对应的多条用户动作信息。
77.可选地，在上述实施例的基础上，在一种示例中，步骤110还包括：
78.对于不允许发送数据的每一个所述物联网终端，生成该物联网终端对应的数据发送拒绝信息，并将该数据发送拒绝信息发送给该物联网终端，其中，所述物联网终端用于基于获取到的所述数据发送拒绝信息在目标时长之后再向所述物联网数据处理后台设备发送数据发送请求信息，所述目标时长基于所述数据发送拒绝信息确定或基于预先的配置确定。
79.可选地，在上述实施例的基础上，在一种示例中，步骤120包括：
80.第一步，针对每一条所述用户动作信息，对该用户动作信息中携带的用户对象进行识别，得到该用户对象的对象特征信息；
81.第二步，针对每一条所述用户动作信息，基于该用户动作信息对应的用户对象的对象特征信息在预先构建的用户身份数据库中，查找到该用户动作信息对应的用户身份信息；
82.第三步，基于对应的所述用户身份信息之间是否具有关联关系，对所述多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类。
83.可选地，在上述实施例的基础上，在一种示例中，所述针对每一条所述用户动作信息，对该用户动作信息中携带的用户对象进行识别，得到该用户对象的对象特征信息的步骤，包括：
84.第一步，针对每一条所述用户动作信息，基于预先训练得到的人脸识别模型对该用户动作信息进行人脸特征识别处理，得到该用户动作信息对应的人脸特征信息，其中，一条所述用户动作信息为一帧用户行为图像，所述人脸识别模型为基于样本图像训练得到的神经网络模型(可以参照相关的现有技术，在此不一一赘述)；
85.第二步，针对每一条所述用户动作信息，将该用户动作信息对应的所述人脸特征信息作为该用户动作信息对应的用户对象的对象特征信息。
86.可选地，在上述实施例的基础上，在一种示例中，所述基于对应的所述用户身份信息之间是否具有关联关系，对所述多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类的步骤，包括：
87.第一步，针对每两条所述用户动作信息，确定该两条所述用户动作信息对应的用户身份信息是否相同，并在该两条所述用户动作信息对应的用户身份信息相同时，确定对应的用户身份信息之间具有关联关系；
88.第二步，针对每两条所述用户动作信息，在该两条所述用户动作信息对应的用户身份信息不同时，确定是否能够在所述用户身份数据库中查找到该两条所述用户动作信息对应的用户身份信息之间的身份绑定关系信息(如在构建所述用户身份数据库时，可以基于用户的配置操作，可以将一些确定有关联关系的用户身份信息进行相互绑定等)；
89.第三步，针对每两条所述用户动作信息，若能够在所述用户身份数据库中查找到该两条所述用户动作信息对应的用户身份信息之间的身份绑定关系信息，则确定对应的用户身份信息之间具有关联关系；
90.第四步，基于每两条所述用户动作信息对应的所述用户身份信息之间是否具有关联关系，对所述多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类。
91.可选地，在上述实施例的基础上，在一种示例中，所述基于对应的所述用户身份信息之间是否具有关联关系，对所述多条用户动作信息进行聚类处理，得到对应的至少一个用户动作信息类的步骤，还包括：
92.第一步，针对每两条所述用户动作信息，若不能够在所述用户身份数据库中查找到该两条所述用户动作信息对应的用户身份信息之间的身份绑定关系信息，则确定该两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间是否具有相关关系；
93.第二步，针对每两条所述用户动作信息，若该两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间具有相关关系，则确定该两条所述用户动作信息对应的用户身份信息之间具有关联关系，若该两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间不具有相关关系，则确定该两条所述用户动作信息对应的用户身份信息之间不具有关联关系。
94.可选地，在上述实施例的基础上，在一种示例中，所述针对每两条所述用户动作信息，若不能够在所述用户身份数据库中查找到该两条所述用户动作信息对应的用户身份信息之间的身份绑定关系信息，则确定该两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间是否具有相关关系的步骤，包括：
95.针对每两条所述用户动作信息，若不能够在所述用户身份数据库中查找到该两条所述用户动作信息对应的用户身份信息之间的身份绑定关系信息，则对该两条所述用户动作信息对应的用户身份信息执行相关关系确认操作，以确定该两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间是否具有相关关系；
96.其中，所述目标相关关系确认操作包括：
97.第一步，将两条所述用户动作信息对应的用户身份信息分别确定为第一身份信息和第二身份信息，并基于所述第一身份信息对应的全部用户动作信息，按照行为发生的时间先后顺序构建对应的第一用户动作信息序列，以及基于所述第二身份信息对应的全部用户动作信息，按照行为发生的时间先后顺序构建对应的第二用户动作信息序列；
98.第二步，基于所述第一用户动作信息序列包括的每一条所述用户动作信息对应的动作特征信息，构建第一动作特征信息序列，并基于所述第二用户动作信息序列包括的每
一条所述用户动作信息对应的动作特征信息，构建第二动作特征信息序列；
99.第三步，基于所述第一用户动作信息序列包括的每一条所述用户动作信息对应的动作发生位置信息，构建第一动作发生位置信息序列，并基于所述第二用户动作信息序列包括的每一条所述用户动作信息对应的动作发生位置信息，得构建第二动作发生位置信息序列；
100.第四步，基于所述第一动作特征信息序列和所述第二动作特征信息序列之间的同异性对比结果构建特征对比序列，其中，所述特征对比序列用于表征所述第一动作特征信息序列和所述第二动作特征信息序列之间相同序列位置的动作特征信息是否相同；
101.第五步，基于所述第一动作发生位置信息序列和所述第二动作发生位置信息序列之间的同异性对比结果构建位置对比序列，其中，所述位置对比序列用于表征所述第一动作发生位置信息序列和所述第二动作发生位置信息序列之间相同序列位置的动作发生位置信息是否相同；
102.第六步，基于所述特征对比序列得到对应的动作特征相关度(例如，可以统计所述特征对比序列中表征动作特征信息相同的值的数量，并确定该数量在所述特征对比序列中的占比，以及统计所述特征对比序列中表征动作特征信息相同的值的最大连续数量，并确定该最大连续数量在所述特征对比序列中的占比，计算两个占比的乘积，将该乘积作为对应的动作特征相关度)，并基于所述位置对比序列得到对应的发生位置相关度(可以参照前述的动作特征相关度确定方式)；
103.第七步，基于所述动作特征相关度、所述发生位置相关度和预先配置的相关度阈值进行大小比较，确定所述第一用户动作信息序列和所述第二用户动作信息序列对应的两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间是否具有相关关系(例如，若所述动作特征相关度和所述发生位置相关度中有一个或平均值大于或等于所述相关度阈值，可以确定所述第一用户动作信息序列和所述第二用户动作信息序列对应的两条所述用户动作信息对应的用户身份信息关于对应的全部用户动作信息之间具有相关关系)。
104.可选地，在上述实施例的基础上，在一种示例中，步骤130包括：
105.第一步，针对每一个所述用户动作信息类，基于预先训练得到的动作识别模型对该用户动作信息类包括的每一条所述用户动作信息进行动作识别处理，得到对应的动作特征信息，其中，一条所述用户动作信息为一帧用户行为图像，所述动作识别模型为基于样本图像训练得到的神经网络模型(可以参照相关现有技术，在此不再一一赘述)；
106.第二步，针对每一个所述用户动作信息类，基于该用户动作信息类对应的全部动作特征信息确定对应的目标用户习惯信息。
107.可选地，在上述实施例的基础上，在一种示例中，所述针对每一个所述用户动作信息类，基于该用户动作信息类对应的全部动作特征信息确定对应的目标用户习惯信息的步骤，包括：
108.第一步，分别确定每一条所述用户动作信息对应的动作发生位置信息(例如，可以基于对应的物联网终端的部署位置确定)；
109.第二步，针对每一个所述用户动作信息类，基于该用户动作信息类包括的每一条所述用户动作信息对应的动作发生位置信息和对应的动作特征信息，确定对应的目标用户
习惯信息。
110.可选地，在上述实施例的基础上，在一种示例中，所述针对每一个所述用户动作信息类，基于该用户动作信息类包括的每一条所述用户动作信息对应的动作发生位置信息和对应的动作特征信息，确定对应的目标用户习惯信息的步骤，包括：
111.针对每一个所述用户动作信息类，对该用户动作信息类执行目标习惯确定操作，得到该用户动作信息类对应的目标用户习惯信息；
112.其中，所述目标习惯确定操作包括：
113.第一步，针对所述用户动作信息类包括的每一条所述用户动作信息对应的动作发生位置信息，将该动作发生位置信息对应的动作特征信息作为一个特征信息集合，并统计该特征信息集合中的动作特征信息的数量；
114.第二步，针对每一条所述动作发生位置信息，确定该动作发生位置信息对应的特征信息集合中的动作特征信息的数量与预设数量阈值(可以基于预先配置得到)之间的大小关系；
115.第三步，针对每一条所述动作发生位置信息，若该动作发生位置信息对应的特征信息集合中的动作特征信息的数量小于所述预设数量阈值，则不确定出该动作发生位置信息对应的目标用户习惯信息，若该动作发生位置信息对应的特征信息集合中的动作特征信息的数量大于或等于所述预设数量阈值，则将该特征信息集合中数量最多的一种或多种(具体数量可以根据应用场景的精度需求进行配置)动作特征信息，作为对应的目标动作特征信息，并建立该目标动作特征信息与该动作发生位置信息之间的动作特征
‑
位置对应关系，以作为对应的目标用户习惯信息，即表征用户在某个位置一般会具有那些习惯动作。
116.可选地，在上述实施例的基础上，在一种示例中，步骤200包括：
117.第一步，获取待处理的用户行为监控信息，并基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；
118.第二步，计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息，其中，每一条所述目标用户习惯信息包括至少一种动作特征信息；
119.第三步，基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导。
120.可选地，在上述实施例的基础上，在一种示例中，所述计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息的步骤，包括：
121.第一步，确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息；
122.第二步，确定所述至少一条目标用户习惯信息对应的行为发生位置信息中是否具有所述监控行为发生位置信息；
123.第三步，若所述至少一条目标用户习惯信息对应的行为发生位置信息中具有所述监控行为发生位置信息，则将具有所述监控行为发生位置信息的目标用户习惯信息确定为
所述动作特征监控信息对应的目标用户习惯标准信息；
124.第四步，计算所述动作特征监控信息与对应的所述目标用户习惯标准信息包括的每一条动作特征信息之间的动作相似度信息(动作之间的相似度计算方式，可以参照相关的现有技术，在此不再一一赘述)。
125.可选地，在上述实施例的基础上，在一种示例中，所述计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息的步骤，还包括：
126.第一步，若所述至少一条目标用户习惯信息对应的行为发生位置信息中不具有所述监控行为发生位置信息，则获取每一条所述目标用户习惯信息对应的第一场景特征信息(如场景图像)，并获取所述动作特征监控信息对应的用户行为监控信息的第二场景特征信息(如场景图像)；
127.第二步，针对每一条所述第一场景特征信息，计算该第一场景特征信息与所述第二场景特征信息之间的相似度(场景图像之间的相似度计算方式，可以参照相关的现有技术，在此不再一一赘述)，得到该第一场景特征信息对应的第一场景特征相似度信息；
128.第三步，将具有最大值的所述第一场景特征相似度信息对应的第一场景特征信息，确定为目标场景特征信息(即最相似的场景)，并将所述目标场景特征信息对应的目标用户习惯信息确定为所述动作特征监控信息对应的目标用户习惯标准信息。
129.可选地，在上述实施例的基础上，在一种示例中，所述基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导的步骤，包括：
130.第一步，确定得到的多条所述动作相似度信息中是否具有大于或等于预先配置的动作相似度阈值信息的动作相似度信息，其中，每一条所述动作相似度信息用于表征对应的一条所述动作特征信息与所述动作特征监控信息之间的动作相似度；
131.第二步，若多条所述动作相似度信息中具有大于或等于所述动作相似度阈值信息的动作相似度信息(表明行为规范，不需要引导)，则确定不需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导；
132.第三步，若多条所述动作相似度信息中不具有大于或等于所述动作相似度阈值信息的动作相似度信息(表明行为不规范，需要引导)，则确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导。
133.可选地，在上述实施例的基础上，在一种示例中，步骤300包括：
134.第一步，若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；
135.第二步，确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息，并在所述至少一条目标用户习惯信息中确定具有所述监控行为发生位置信息的目标用户习惯信息；
136.第三步，基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作(若所有的目标用户习惯信息对应的发生位置信息都
不是所述监控行为发生位置信息，可以基于最相近的场景对应的目标用户习惯信息进行对应的用户行为引导操作)。
137.可选地，在上述实施例的基础上，在一种示例中，所述基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作的步骤，包括：
138.将具有所述监控行为发生位置信息的目标用户习惯信息包括的动作特征信息发送给所述监控行为发生位置信息对应的用户行为引导设备；
139.其中，所述用户行为引导设备用于向所述目标监控用户显示所述动作特征信息对应的行为动作，以使所述目标监控用户按照所述行为动作运动，如此，可以实现动作或行为的有效引导。
140.结合图3，本发明实施例还提供一种基于物联网数据的用户行为引导装置，可应用于上述物联网数据处理后台设备。其中，所述基于物联网数据的用户行为引导装置可以包括：
141.用户习惯信息确定模块，用于基于获取的通信连接的每一个物联网终端发送的用户动作信息进行用户习惯确定处理，得到对应的至少一条目标用户习惯信息，其中，所述物联网数据处理后台设备通信连接有多个所述物联网终端，获取的所述用户动作信息为多条；
142.用户行为引导确定模块，用于计算获取到的待处理的用户行为监控信息与所述至少一条目标用户习惯信息之间的动作相似度信息，并基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，其中，所述用户行为监控信息基于对目标监控用户的行为进行信息采集得到；
143.行为引导操作执行模块，用于若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于所述至少一条目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
144.可选地，在上述实施例的基础上，在一种示例中，所述用户习惯信息确定模块的具体作用可以参照前述实施例中的步骤100。
145.可选地，在上述实施例的基础上，在一种示例中，所述用户行为引导确定模块(可以参照前述实施例中的步骤200)用于：
146.获取待处理的用户行为监控信息，并基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；计算所述动作特征监控信息与所述至少一条目标用户习惯信息包括的动作特征信息之间的动作相似度信息，其中，每一条所述目标用户习惯信息包括至少一种动作特征信息；基于所述动作相似度信息确定是否需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导。
147.可选地，在上述实施例的基础上，在一种示例中，所述行为引导操作执行模块(可以参照前述实施例中的步骤300)用于：
148.若确定需要对所述用户行为监控信息对应的目标监控用户进行用户行为引导，则基于预先训练得到的动作识别模型对所述用户行为监控信息进行动作识别处理，得到对应
的动作特征监控信息，其中，一条所述用户行为监控信息为一帧用户行为监控图像，所述动作识别模型为基于样本图像训练得到的神经网络模型；确定所述动作特征监控信息对应的用户行为监控信息的行为发生位置，得到对应的监控行为发生位置信息，并在所述至少一条目标用户习惯信息中确定具有所述监控行为发生位置信息的目标用户习惯信息；基于具有所述监控行为发生位置信息的目标用户习惯信息对所述目标监控用户进行对应的用户行为引导操作。
149.综上所述，本发明提供的一种基于物联网数据的用户行为引导方法及装置，在基于获取的用户动作信息确定对应的目标用户习惯信息之后，可以先基于用户行为监控信息与目标用户习惯信息之间的动作相似度信息确定是否需要对用户行为监控信息对应的目标监控用户进行用户行为引导，并在确定需要对目标监控用户进行用户行为引导时再基于目标用户习惯信息对目标监控用户进行对应的用户行为引导操作，如此，可以避免在不需要对用户进行行为引导时却进行了行为引导而导致目标监控用户可能出现行为冲突的问题，从而提高对用户行为进行引导的有效性，进而改善现有技术中存在的对用户行为进行引导的有效性不高的问题。
150.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。