终端位置的识别方法及装置、计算机可读介质、电子设备制造方法及图纸

本公开具体涉及移动终端技术领域，具体涉及终端位置的识别方法及装置、计算机可读介质以及电子设备。所述方法包括：采集目标传感器的传感器数据；其中，所述目标传感器包括终端设备装配的至少一个类型的传感器；对所述传感器数据进行解析，以获取所述目标传感器对应的特征数据；其中，所述特征数据包括时域特征数据和频域特征数据；将所述特征数据输入已训练的位置识别模型，利用所述位置识别模型中的各分类器分别计算对应的概率值；其中，所述位置识别模型中分类器的数量与预先定义的终端的位置类别的数量相同；根据各所述分类器输出的概率值的比对结果确定终端位置的识别结果。本公开的方案能够实现自适应的准确识别终端设备的位置和状态。备的位置和状态。备的位置和状态。

Identification method and device of terminal position, computer readable medium, electronic equipment

【技术实现步骤摘要】
终端位置的识别方法及装置、计算机可读介质、电子设备


[0001]本公开涉及移动终端
，具体涉及一种终端位置的识别方法、一种终端位置的识别装置、一种计算机可读介质以及一种电子设备。

技术介绍

[0002]随着互联网技术的不断发展，为了实现用户个性化服务，越来越多服务和产品可以通过技术手段获取手机、平板电脑等智能移动终端的位置和状态，对应调整终端的运行模式。例如，用户手机长时间放置在口袋或者背包时处于不常用状态，如此时仍然以高性能模型进行运行，将浪费大量电量，通过检测识别获取到的基础状态可以支持应用上层进行决策判断以进行更有利于用户的优化。在现有的技术方案中，大多通过采集终端设备的传感器参数来识别其物理状态，利用预先设定的阈值进行判断；但往往不同的用户，不同的移动终端均存在差异性，这就造成了一个严重的技术问题，即利用阈值判断的方式难以适应大部分用户，因此这样的技术痛点将会造成一部分人群功能生效，一部分人失效，更会造成部分用户的该功能生效与失效时间不定。因此会产生用户体验差，产品鲁棒性差的诸多问题。
[0003]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0004]本公开提供一种终端位置的识别方法、一种终端位置的识别装置、一种计算机可读介质以及一种电子设备，能够自适应的准确识别终端设备的位置和状态。
[0005]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0006]根据本公开的第一方面，提供一种终端位置的识别方法，所述方法包括：
[0007]采集目标传感器的传感器数据；其中，所述目标传感器包括终端设备装配的至少一个类型的传感器；
[0008]对所述传感器数据进行解析，以获取所述目标传感器对应的特征数据；其中，所述特征数据包括时域特征数据和频域特征数据；
[0009]将所述特征数据输入已训练的位置识别模型，利用所述位置识别模型中的各分类器分别计算对应的概率值；其中，所述位置识别模型中分类器的数量与预先定义的终端的位置类别的数量相同；
[0010]根据各所述分类器输出的概率值的比对结果确定终端位置的识别结果。。
[0011]根据本公开的第二方面，提供一种终端位置的识别装置，包括：
[0012]数据采集模块，用于采集目标传感器的传感器数据；其中，所述目标传感器包括终端设备装配的至少一个类型的传感器；
[0013]数据解析模块，用于对所述传感器数据进行解析，以获取所述目标传感器对应的
特征数据；其中，所述特征数据包括时域特征数据和频域特征数据；
[0014]模型处理模块，用于将所述特征数据输入已训练的位置识别模型，利用所述位置识别模型中的各分类器分别计算对应的概率值；其中，所述位置识别模型中分类器的数量与预先定义的终端的位置类别的数量相同；
[0015]识别结果输出模块，用于根据各所述分类器输出的概率值的比对结果确定终端位置的识别结果。
[0016]根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的终端位置的识别方法。
[0017]根据本公开的第四方面，提供一种电子设备，包括：
[0018]处理器；以及
[0019]存储器，用于存储所述处理器的可执行指令；
[0020]其中，所述处理器配置为经由执行所述可执行指令时实现上述的终端位置的识别方法。
[0021]本公开的一种实施例所提供的终端位置的识别方法，通过采集目标传感器的传感器数据，并对传感器数据进行解析而提取对应的时域特征数据和频域特征数据，从而利用该些时域、频域特征数据来识别终端设备的位置和状态，判断当前终端设备具体处于哪一种预先定义的位置和状态，实现自适应的识别终端设备的位置和状态。并且，通过预先训练位置识别模型，将时域特征数据和频域特征数据作为模型的输入，利用模型的多个分类器分别进行计算并输入结果，能够获取更准确的识别结果；同时，可以实现实时的获取识别结果，并能降低功耗。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0023]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1示意性示出本公开示例性实施例中一种终端位置的识别方法的示意图；
[0025]图2中，图2
‑
1、2
‑
2、2
‑
3、2
‑
4分别示意性示出本公开示例性实施例中手机在手持状态、静置状态、支架状态、口袋背包状态下的传感器数据示意图；
[0026]图3示意性示出本公开示例性实施例中一种训练位置识别模型的方法的示意图；
[0027]图4示意性示出本公开示例性实施例中一种传感器数据采集的方法的示意图；
[0028]图5示意性示出本公开示例性实施例中一种解析传感器数据的方法的示意图；
[0029]图6示意性示出本公开示例性实施例中一种终端位置的识别装置的组成示意图；
[0030]图7示意性示出本公开示例性实施例中一种电子设备的组成示意图。
具体实施方式
[0031]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形
式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0032]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0033]在相关技术中，终端设备在获取相应的状态时，一般通过采集传感器数据，利用各种传感器来进行阈值判断。但这样的判断方式，往往由于不同的用户，不同的移动终端均存在差异性；这就造成了一个严重的技术问题，即阈值判断的方案难以适应大部分用户，使得该种方案会造成一部分人群功能生效，一部分人失效，更会造成部分用户的该功能生效与失效时间不定。因此会产生用户体验差，产品鲁棒性差的诸多问题。目前大部分技术均在应用上层进行传感器的读取，这将对移动终端带来非常大的能量消耗，使得这样的方案带来的正面影响要小于负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种终端位置的识别方法，其特征在于，应用于终端设备，所述方法包括：采集目标传感器的传感器数据；其中，所述目标传感器包括终端设备装配的至少一个类型的传感器；对所述传感器数据进行解析，以获取所述目标传感器对应的特征数据；其中，所述特征数据包括时域特征数据和频域特征数据；将所述特征数据输入已训练的位置识别模型，利用所述位置识别模型中的各分类器分别计算对应的概率值；其中，所述位置识别模型中分类器的数量与预先定义的终端的位置类别的数量相同；根据各所述分类器输出的概率值的比对结果确定终端位置的识别结果。2.根据权利要求1所述的终端位置的识别方法，其特征在于，所述采集目标传感器的传感器数据，包括：按预设的数据采集周期采集所述终端设备的装配的各传感器的传感器数据；根据所述终端设备当前的功耗分配策略确定所述目标传感器，以根据确定的所述目标传感器确定待计算的所述传感器数据。3.根据权利要求1所述的终端位置的识别方法，其特征在于，所述对所述传感器数据进行解析，以获取所述目标传感器对应的特征数据，包括：对各所述目标传感器的所述传感器数据进行预处理；对预处理后的各所述传感器数据分别在时域提取n个维度的时域特征数据，以及在频域提取m个维度的频域特征数据；其中，n、m正整数；对提取所述时域特征数据和频域特征数据进行归一化处理；以及按预设的权重策略分别在归一化处理后的所述时域特征数据和频域特征数据提取指定数量和维度的时域特征数据和频域特征数据，以构建所述特征数据。4.根据权利要求1或3所述的终端位置的识别方法，其特征在于，所述位置识别模型中各分类器输入的特征向量相同。5.根据权利要求1所述的终端位置的识别方法，其特征在于，所述方法还包括：预先训练所述位置识别模型，包括：采集若干个不同终端设备的原始传感器数据，对所述原始传感器数据进行预处理，以构建原始数据集；其中，所述原始传感器数据用于描述所述终端设备的位置类型；对所述原始数据集进行解析，以提取对应的时域特征数据和频域特征数据；利用所述时域特征数据和频域特征数据构建特征向量，并基于所述特征向量及对应的标签信息构建样本数据；利用所述样本数据输入所述位置识别模型中各分类器进行训练，并将各分类器训练至收敛，以获取所述位置识别模型...

【专利技术属性】
技术研发人员：梁仪权，冉光琴，帅朝春，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：