智能手表的屏幕控制方法、装置、设备及存储介质制造方法及图纸

本申请公开了智能手表的屏幕控制方法、装置、设备及存储介质，其中，该方法通过在所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致时，获取所述三轴加速度传感器在第二预设时间段内采集的多个第三采样值，并将所述用户在所述第一预设时间段内的状态和多个所述第三采样值输入预设的屏幕控制模型，以判断当前时刻是否需要点亮所述智能手表的屏幕，实现了对智能手表的屏幕进行智能化控制，以提高用户的使用体验；其中，所述第一预设时间段为与所述第一时刻相连的并在所述第一时刻之前的时间段，所述第二预设时间段为所述第一时刻与第二时刻之间的时长，所述第二时刻为当前时刻。二时刻为当前时刻。二时刻为当前时刻。

【技术实现步骤摘要】
智能手表的屏幕控制方法、装置、设备及存储介质


[0001]本申请涉及智能手表的屏幕控制领域，尤其涉及一种智能手表的屏幕控制方法、装置、设备及存储介质。

技术介绍

[0002]手表是人们日常生活中常见的穿戴物，一般戴在手腕上用以计时。随着移动设备技术的发展，手表的功能也日趋多样化，产生了“智能手表”这一产品。智能手表相比只具有计时功能的普通手表，还具有提醒、导航、校准、心率检测、交互、连接手机、计步等中的一种或多种功能，并且具有电子触控显示屏。
[0003]由于功能的增加，智能手表的能耗也相比传统手表增加不少。为了节能省电和避免误触， 智能手表往往设定了在无操作手表的情况下自动关闭屏幕，当用户每次想看屏幕都需要用户触碰或按键来唤醒屏幕，这在某些情境下并不方便。因此，亟需一种方法来解决这一问题。

技术实现思路

[0004]本申请提供一种智能手表的屏幕控制方法、装置、设备及存储介质，旨在对智能手表的屏幕实现智能控制，提高用户的使用体验。
[0005]第一方面，本申请提供一种智能手表的屏幕控制方法，包括：在所述智能手表的屏幕状态处于熄灭状态时，获取所述三轴加速度传感器在第一预设时间段内采集的多个第一采样值和第一时刻采集的第二采样值，并将所述多个第一采样值输入预设的状态检测模型，以获取用户的手腕在所述第一预设时间段内的状态；其中，所述用户的手腕佩戴所述智能手表，所述第一预设时间段为与所述第一时刻相连的并在所述第一时刻之前的时间段；根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致；若所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致，获取所述三轴加速度传感器在第二预设时间段内采集的多个第三采样值；其中，所述第二预设时间段为所述第一时刻与第二时刻之间的时长，所述第二时刻为当前时刻；将所述用户在所述第一预设时间段内的状态和多个所述第三采样值输入预设的屏幕控制模型，以判断当前时刻是否需要点亮所述智能手表的屏幕；若当前时刻需要点亮所述智能手表的屏幕，点亮所述智能手表的屏幕。
[0006]进一步地，所述根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致，包括：根据多个所述第一采样值和所述第二采样值计算第一标准差、第二标准差和第三标准差；其中，所述第一标准差为多个所述第一采样值和所述第二采样值中的第一方向的加速度值的标准差，所述第二标准差为多个所述第一采样值和所述第二采样值中的第二方
向的加速度值的标准差，所述第三标准差为多个所述第一采样值和所述第二采样值中的第三方向的加速度值的标准差；根据所述用户的手腕在所述第一预设时间段内的状态获取第一预设标准差、第二预设标准差和第三预设标准差；其中，所述第一预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第一方向的加速度值的标准差的最大值，所述第二预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第二方向的加速度值的标准差的最大值，所述第三预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第三方向的加速度值的标准差的最大值；将所述第一标准差和所述第一预设标准差进行比较，并将所述第二标准差和所述第二预设标准差进行比较，及将所述第三标准差和所述第三预设标准差进行比较；若所述第一标准差大于所述第一预设标准差、所述第二标准差大于所述第二预设标准差和所述第三标准差大于所述第三预设标准差中的至少一个条件成立，确定所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致。
[0007]进一步地，所述预设的屏幕控制模型的训练方法，包括：获取训练样本集，所述训练样本集包括若干个映射关系，所述映射关系为实验者的手腕所处的状态与所述实验者的手腕偏离所述实验者的手腕所处的状态时采集到的所述实验者的手腕在所述第二预设时间段内的三轴加速度值之间的映射关系；分别对所述训练样本集中的若干个映射关系进行标注，以区分正样本和负样本，其中，所述正样本为所述实验者的手腕偏离所述实验者的手腕所处的状态的原因是查看所述智能手表的屏幕所匹配的所述映射关系；构建卷积神经网络模型，所述卷积神经网络模型依次包括四个并行分支、第一卷积层、第一最大值池化层、第二卷积层、第二最大值池化层、第一全连接层、tanh激活层、第二全连接层和sigmoid激活层；基于标注后的所述训练样本集对所述卷积神经网络模型进行训练，以获得所述屏幕控制模型。
[0008]进一步地，所述基于标注后的所述训练样本集对所述卷积神经网络模型进行训练，以获得所述屏幕控制模型，包括：将所述训练样本集采用分层抽样的方式随机划分为第一子集、第二子集、第三子集、第四子集和第五子集；利用所述第一子集、所述第二子集、所述第三子集、所述第四子集对所述卷积神经网络模型进行训练得到第一初始屏幕控制模型，并利用所述第五子集对所述第一初始屏幕控制模型进行验证，得到第一准确率；利用所述第一子集、所述第二子集、所述第三子集、所述第五子集对所述第一初始屏幕控制模型进行训练得到第二初始屏幕控制模型，并利用所述第四子集对所述第二初始屏幕控制模型进行验证，得到第二准确率；利用所述第一子集、所述第二子集、所述第四子集、所述第五子集对所述第二初始屏幕控制模型进行训练得到第三初始屏幕控制模型，并利用所述第三子集对所述第三初始屏幕控制模型进行验证，得到第三准确率；利用所述第一子集、所述第三子集、所述第四子集、所述第五子集对所述第三初始
屏幕控制模型进行训练得到第四初始屏幕控制模型，并利用所述第二子集对所述第四初始屏幕控制模型进行验证，得到第四准确率；利用所述第二子集、所述第三子集、所述第四子集、所述第五子集对所述第四初始屏幕控制模型进行训练得到第五初始屏幕控制模型，并利用所述第一子集对所述第五初始屏幕控制模型进行验证，得到第五准确率；计算所述第一准确率、所述第二准确率、所述第三准确率、所述第四准确率和所述第五准确率的平均值，并将所述平均值与预设平均值进行比较；若所述平均值不小于所述预设平均值，分别计算所述第一初始屏幕控制模型、所述第二初始屏幕控制模型、所述第三初始屏幕控制模型、所述第四初始屏幕控制模型和所述第五初始屏幕控制模型中的各个对应参数的平均值；利用所有所述平均值生成待优化的屏幕控制模型；构建二分类交叉熵损失函数；利用所述二分类交叉熵损失函数对所述待优化的屏幕控制模型进行优化，得到所述屏幕控制模型。
[0009]进一步地，所述方法还包括：点亮所述智能手表的屏幕的同时获取所述三轴加速度传感器采集的第四采样值，并在获取到所述第四采样值后获取所述加速度传感器采集的第五采样值；利用所述第四采样值和所述第五采样值计算第一绝对值、第二绝对值和第三绝对值；其中，所述第一绝对值为所述第四采样值中的第一方向的加速度值和所述第五采样值中的第一方向的加速度值之差的绝对值，所述第二绝对值为所述第四采样值中的第二方向的加速度值和所述第五采样值中的第二方向的加速度值之差的绝对值，所述第三绝对值为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能手表的屏幕控制方法，其特征在于，所述智能手表设有三轴加速度传感器，所述方法包括：在所述智能手表的屏幕状态处于熄灭状态时，获取所述三轴加速度传感器在第一预设时间段内采集的多个第一采样值和第一时刻采集的第二采样值，并将所述多个第一采样值输入预设的状态检测模型，以获取用户的手腕在所述第一预设时间段内的状态；其中，所述用户的手腕佩戴所述智能手表，所述第一预设时间段为与所述第一时刻相连的并在所述第一时刻之前的时间段；根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致；若所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致，获取所述三轴加速度传感器在第二预设时间段内采集的多个第三采样值；其中，所述第二预设时间段为所述第一时刻与第二时刻之间的时长，所述第二时刻为当前时刻；将所述用户在所述第一预设时间段内的状态和多个所述第三采样值输入预设的屏幕控制模型，以判断当前时刻是否需要点亮所述智能手表的屏幕；若当前时刻需要点亮所述智能手表的屏幕，点亮所述智能手表的屏幕。2.根据权利要求1所述的智能手表的屏幕控制方法，其特征在于，所述根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致，包括：根据多个所述第一采样值和所述第二采样值计算第一标准差、第二标准差和第三标准差；其中，所述第一标准差为多个所述第一采样值和所述第二采样值中的第一方向的加速度值的标准差，所述第二标准差为多个所述第一采样值和所述第二采样值中的第二方向的加速度值的标准差，所述第三标准差为多个所述第一采样值和所述第二采样值中的第三方向的加速度值的标准差；根据所述用户的手腕在所述第一预设时间段内的状态获取第一预设标准差、第二预设标准差和第三预设标准差；其中，所述第一预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第一方向的加速度值的标准差的最大值，所述第二预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第二方向的加速度值的标准差的最大值，所述第三预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第三方向的加速度值的标准差的最大值；将所述第一标准差和所述第一预设标准差进行比较，并将所述第二标准差和所述第二预设标准差进行比较，及将所述第三标准差和所述第三预设标准差进行比较；若所述第一标准差大于所述第一预设标准差、所述第二标准差大于所述第二预设标准差和所述第三标准差大于所述第三预设标准差中的至少一个条件成立，确定所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致。3.根据权利要求1所述的智能手表的屏幕控制方法，其特征在于，所述预设的屏幕控制模型的训练方法，包括：获取训练样本集，所述训练样本集包括若干个映射关系，所述映射关系为实验者的手腕所处的状态与所述实验者的手腕偏离所述实验者的手腕所处的状态时采集到的所述实验者的手腕在所述第二预设时间段内的三轴加速度值之间的映射关系；
分别对所述训练样本集中的若干个映射关系进行标注，以区分正样本和负样本，其中，所述正样本为所述实验者的手腕偏离所述实验者的手腕所处的状态的原因是查看所述智能手表的屏幕所匹配的所述映射关系；构建卷积神经网络模型，所述卷积神经网络模型依次包括四个并行分支、第一卷积层、第一最大值池化层、第二卷积层、第二最大值池化层、第一全连接层、tanh激活层、第二全连接层和sigmoid激活层；基于标注后的所述训练样本集对所述卷积神经网络模型进行训练，以获得所述屏幕控制模型。4.根据权利要求3所述的智能手表的屏幕控制方法，其特征在于，所述基于标注后的所述训练样本集对所述卷积神经网络模型进行训练，以获得所述屏幕控制模型，包括：将所述训练样本集采用分层抽样的方式随机划分为第一子集、第二子集、第三子集、第四子集和第五子集；利用所述第一子集、所述第二子集、所述第三子集、所述第四子集对所述卷积神经网络模型进行训练得到第一初始屏幕控制模型，并利用所述第五子集对所述第一初始屏幕控制模型进行验证，得到...

【专利技术属性】
技术研发人员：黄艳锋，简胜奇，陈国平，鲍亮，
申请(专利权)人：深圳市易赛通信技术有限公司，
类型：发明
国别省市：