本发明属于行为数据识别领域，特别涉及基于收集的数据来识别宠物的行为状态，例如狗的行为状态。
背景技术：
在本领域中需要一种技术和对应的系统，其能够监测动物宠物的活动，分析它的活动并提供有用的和有意义的行为和医疗数据。
宠物的运动模式与其健康状况之间存在联系。
天生的家庭宠物并不是独立自主的存在，其运动模式和该运动模式的趋势严重地受到外界的影响，主要是其主人的生活条件和日常事务。从宠物上的单个传感器上获得的运动模式包括了内在和外界影响的趋势和模式，因而输出被污染，导致误报和漏报。例如：
假设：在条件X下，生病的狗降低其20％的运动。
漏报：狗的主人非常的活跃，因而——狗运动了很多，因而——狗的模式的变化没有被检测到。
误报：狗的主人生病，因而——他的活动降低了20％，因而——狗的活动相应的降低，因而——狗的模式中有变化被检测到。
现有的宠物状态感测系统无法抵消影响宠物的感测测量的各种外界影响，因而很容易得出误报结论。
技术实现要素：
该系统还可以进一步的包括被配置为与所述分析单元通信的第一电子通信设备(ECD)，所述第一ECD被配置为接收和存储多个宠物的历史状况数据，并将所述数据提供给分析单元。
该系统还可以进一步的包括来自所述家庭中选定的看护人携带的第二电子通信设备(ECD)，所述ECD被配置为向所述分析单元传送至少一部分所述附加数据。
该系统还可以进一步的包括被配置为运行用于接收和显示所述分析结果的用户应用的第三电子通信设备(ECD)。
第二和第三ECD可以构成单个ECD。
第二ECD可以被配置为提供来自于以下内容组成的组的数据，这些内容为：所述看护人的全球定位和所述看护人的运动模式。
分析单元可以包括被配置为提供所述宠物的行为的物理属性的属性提取模块。
初始分析可以包括确定所收集的加速度数据的一阶导数的移动平均值和确定移动平均值是否大于预定的阈值。
所述确定移动平均值的测定可以包括利用变化的权重。
加速度数据可以包括高频变化数据和低频变化数据。
高频变化数据可以指示宠物的运动，并且低频变化数据可以指示传感器单元的取向。
所述定义所述宠物的状况可以包括使用机器学习。
附图简要说明
为了更好地理解本申请的主题和举例说明如何在实践中实施，现在将参照附图，仅通过非限制性的示例来描述实施例，其中：
图1示意性地示出了根据本发明的示例性系统；
图2A至图2B示意性地示出了根据本发明的传感器单元和分析系统；和
图3至图6示出了根据本发明，通过收集的运动数据确定狗的行为属性。
具体实施方式
本发明的核心技术是利用基于由安装在宠物上的一个或多个适当的传感器收集的运动数据(加速器数据)以及通过关于宠物的家庭环境和可选地附加外部源的附加数据进行宠物的状态识别。所收集的数据由监督学习分析，并基于数据库识别宠物的状态。该数据库可以通过标记宠物的状态并附加原始或处理过的适当的标签来收集。
参考图2A-2B，图2A-2B示意性地示出了根据本发明实施例的主传感器单元105(图2A)和分析系统200(图2B)。主传感器单元105通常是轻便的单元，优选地被配置为安装在宠物的项圈上，以便不干扰宠物的运动。主传感器单元105包括一个或多个3D加速器110，存储器120，控制器130，可选的电源140，适当的连接工具可能是一个ON/OFF开关(未具体示出)。主传感器单元105通常可以包装在密封包装中，例如使用密封塑料或聚合物包装，并且适于附接到宠物的项圈。
分析系统200可以是作为单个单元和/或基于具有网络连接到本地输入/输出模块的远程定位服务系统的聚合系统的计算机化系统。分析系统200被配置为通过有线和/或无线通信从主传感器单元105接收运动数据，并分析运动数据以识别狗的行为状态。分析系统200通常包括输入/输出连接单元210，包括属性提取模块230和行为分析器240的处理单元220，该处理单元还可以包括历史变化模块250。
控制器还可以将收集的数据存储在存储单元120中，并且被配置为响应适当的命令(例如，有线连接或当使用无线连接时的基于代理的命令)将所存储的数据发送到分析系统200。应当指出的是，控制器130可以压缩所收集的数据，从而节省存储空间，以及减少通信需求和加速度数据的传输。例如，控制器可以利用本领域公知的适当优化的ADPCM压缩方法。
相同的用户应用500还可以用于向用户(例如，宠物的看护者)通知由分析单元确定的宠物的状况。该应用还可以提供建议，例如“咨询兽医”，“给宠物更多的水”等。
所收集的数据以多个即时加速度数据的形式提供关于主传感器单元在三维中的加速度信息。这种加速度数据一般包括通常指示宠物运动的高频变化数据和通常指示传感器单元取向的低频变化数据，从而提供关于宠物头部取向的数据。
行为分析器240从属性提取模块230接收属性数据，并且基于这些属性利用适当的机器学习来确定的宠物的行为状态。在这一点上，行为分析器240可以使用关于特定宠物的预存数据(400，图1)，例如物种，年龄和体重，以及通过对该宠物或其它宠物的适当学习而产生的预存储或外部数据库，以确定行为状态。
在一些实施例中，短期预存的数据可以指示先前检测到的状况，其可以间接的引发当前检测到的行为。例如，先前检测到的腿部的损伤可能影响宠物的当前移动速度。这种间接的影响也必须。
更具体的，图3-图6举例说明了狗的行为状态和确定的属性之间的关系。
图3示出了基于低频变化加速度数据确定狗的头部取向。该图示出了在x，y，z轴上的加速度数据以及基于该数据确定的头部方向属性。可以看出，狗在加速到不同方向时开始，并可能很兴奋，此外，z分量示出了由重力引起的负加速度的低频偏差。几秒钟后，狗抬头看它的食物，头部方向由于更高重力分量出现在x数据分量中而改变。狗放松并等待它的食物，并且当狗开始进食时，所有沿y方向的加速度因它停止摆动而消失。
图5示出了频率属性和加速度数据方面的关系。在该图中，1.8左右的频率属性可以指示相对应物种和狗的体重的行走。
图6示出了通过功率积分的能量属性的变化。如图所示，狗以相对低的能量开始并处于空闲状态。较高的能量水平在对应的单位中约为1，表示兴奋状态，更高的能量水平在对应的单位中约为4，表示进食或其它充满活力的活动。
应当注意的是，附图中表示的属性和与狗的行为状态的对应关系在这里作为示例被引入，并且通常分析系统可以利用一组多个确定的属性来确定狗的行为状态。如上所述，行为分析器通常可以利用基于一个或多个训练数据库的适当的机器学习技术。
因此，本发明提供了一种用于收集关于宠物行为数据，并且分析鉴于附加家庭数据的所收集的数据，从而提供关于宠物状态的指示的系统、方法和相应的软件。应当注意的是，本发明的技术可以利用本地元件，诸如传感器单元和与远程数据处理和/或本地处理的适当的数据接收器，视情况而定。