发明内容
本发明解决的技术问题之一是提供一种对家庭成员的行为模式进行分析以便满足家庭智能需要的技术。
根据本发明的一个方面的一个实施例,提供了一种行为模式统计装置,包括:视频采集单元、音频采集单元、处理设备、存储器以及输出接口。其中,视频采集单元用于实时采集并发送视频信息。音频采集单元用于实时采集并发送音频信息。处理设备用于从视频采集单元、音频采集单元采集到的视频、音频信息中识别出特定人的特定动作,并响应于识别出特定人的特定动作在采集到的视频、音频信息中识别出该特定动作的属性值。存储器用于将处理设备识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储。输出接口用于输出在特定时间段特定人的特定动作的统计属性值。其中在特定时间段特定人的特定动作的统计属性值是处理设备针对在特定时间段内该特定人的所有该特定动作的属性值统计出的。
根据本发明的一个实施例,行为模式统计装置还包括:输入接口,用于接收用户对在特定时间段特定人的特定动作的明细查询指示。输出接口响应于用户的明细查询指示,输出接口显示在特定时间段特定人的所有特定动作,包括特定人、该特定人的特定动作、该特定动作的属性值。
根据本发明的一个实施例,行为模式统计装置还包括录制器,用于响应于识别出特定人的特定动作,开始录制视频采集单元和音频采集单元采集的视频、音频信息,并响应于识别出特定人的特定动作结束,停止录制,并将录制的内容在存储器中与识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储。响应于用户的明细查询指示,输出接口还与特定人、该特定人的特定动作、该特定动作的属性值相关联地显示该特定动作的视、音频链接。
根据本发明的一个实施例,响应于用户点击视、音频链接,输出接口输出存储器中与特定人、该特定人的特定动作、该特定动作的属性值相关联地存储的录制的内容。
根据本发明的一个实施例,其中处理设备还将在特定时间段特定人的特定动作的统计属性值与相应阈值比较,基于比较结果产生评价,通过输出接口输出。
根据本发明的一个实施例,其中处理设备可以在特定时间段特定人的特定动作的统计属性值与在特定时间段其他人的特定动作的统计属性值通过输出接口对照输出。也可以将在特定时间段特定人的特定动作的统计属性值与在以前的其它时间段特定人的特定动作的统计属性值通过输出接口对照输出。其中输出接口是显示器、扬声器、发送短信的无线发射器、发送微信的微信应用接口模块、发送电子邮件的电子邮件应用接口模块、发送特定应用专有消息的接口模块中的至少一个。另外,所述模式统计装置还包括输入接口,用于接收指定的需要识别的特定人的特定动作、相应属性、相应统计属性的名称中的至少一个。
根据本发明的一个实施例,所述处理设备从视频采集单元、音频采集单元采集到的视频、音频信息中识别出特定人的特定动作。
根据本发明的一个实施例,所述人或特定人是基于人脸识别、身高识别、声音识别中的一个或多个来识别的。
根据本发明的一个实施例,处理设备还接收携带手机发出的无线信号,基于该无线信号中标明的携带手机的身份,来识别特定人。
根据本发明的一个实施例,特定动作是通过事先为特定动作建立模型,并从视频采集单元、音频采集单元分别采集到的视频、音频信息中搜索与建立的模型的匹配识别的。
根据本发明的一个实施例,所述模型是通过自学习的方式产生的。
根据本发明的一个实施例,所述模型是预先输入的标准化的模型。
根据本发明的一个实施例,行为模式统计装置还包括深度传感器,所述特定动作是基于视频采集单元、音频采集单元分别采集到的视频、音频以及深度传感器感测的深度识别的。
根据本发明的一个实施例,行为模式统计装置还包括使视频采集单元转动的转动装置。该装置可以使视频采集单元转动。优选地,响应于从视频采集单元、音频采集单元分别采集到的视、音频中识别出特定人特定动作,转动装置使视频采集单元向着面对识别出的要素的方向转动。
根据本发明的一个实施例,行为模式统计装置还包括:光线传感器,用于感测行为模式统计装置周围环境光线变化,其中显示器的显示亮度根据感测到的所述光线的变化自动调整。
根据本发明的另一个方面的一个实施例,提供了一种行为模式统计的方法,包括以下步骤:实时采集视频、音频信息;从采集到的视频、音频信息中识别出特定人的特定动作;响应于识别出特定人的特定动作,在采集到的视频、音频信息中识别出该特定动作的属性值;统计在特定时间段内该特定人的所有该特定动作的属性值,从而得到在特定时间段特定人的特定动作的统计属性值;输出在特定时间段特定人的特定动作的属性值或统计属性值。
根据本发明的一个实施例,其中在识别出特定人特定动作之后,将识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储在存储器中。
根据本发明的一个实施例,行为模式统计方法还包括:接收用户对在特定时间段特定人的特定动作的明细查询指示;以及响应于用户的明细查询指示,显示在特定时间段特定人的所有特定动作,包括特定人、该特定人的特定动作、该特定动作的属性值。
根据本发明的一个实施例,行为模式统计方法还包括:响应于识别出特定人的特定动作,开始录制采集的视频、音频信息,并响应于识别出特定人的特定动作结束,停止录制,并将录制的内容与识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储;以及响应于用户的明细查询指示,与特定人、该特定人的特定动作、该特定动作的属性值相关联地显示该特定动作的视、音频链接。
根据本发明的一个实施例,响应于用户点击视、音频链接,输出接口输出与特定人、该特定人的特定动作、该特定动作的属性值相关联地存储的录制的内容。
根据本发明的一个实施例,所述方法还包括将在特定时间段特定人的特定动作的统计属性值与相应阈值比较,基于比较结果产生评价并输出。
根据本发明的一个实施例,所述方法还包括将在特定时间段特定人的特定动作的统计属性值与在特定时间段其他人的特定动作的统计属性值对照输出、将在特定时间段特定人的特定动作的统计属性值与在以前的其它时间段特定人的特定动作的统计属性值对照输出。
根据本发明的一个实施例,所得出的属性值或者统计属性值通过显示器、扬声器、发送短信的无线发射器、发送微信的微信应用接口模块、发送电子邮件的电子邮件应用接口模块中的至少一个输出。
根据本发明的一个实施例,还包括:接收指定的需要识别的特定人的特定动作、相应属性、相应统计属性的名称中的至少一个。
根据本发明的一个实施例,所述特定人是基于人脸识别、身高识别、声音识别中的一个或多个来识别的。
根据本发明的一个实施例,该方法还包括接收携带手机发出的无线信号,且所述人或特定人是基于该无线信号中标明的携带手机的身份来识别的。
根据本发明的一个实施例,特定动作是通过事先为特定动作建立模型,并从采集到的视频、音频信息中搜索与建立的模型的匹配识别的。
根据本发明的一个实施例,其中所述模型是通过自学习的方式产生的。
根据本发明的一个实施例,所述模型是预先输入的标准化的模型。
根据本发明的一个实施例,所述特定动作是基于采集到的视频、音频以及深度传感器感测的深度识别的。
由于本发明的一个实施例能够对采集到的视、音频信息内容进行识别,识别出特定人的特定动作及其相关属性值,利用属性值进行记录和统计,而这些属性值反映了每个人特定动作的行为模式的特点,因此达到了对家庭成员的行为模式进行分析以满足家庭智能的需要的有益效果。
本领域普通技术人员将了解,虽然下面的详细说明将参考图示实施例、附图进行,但本发明并不仅限于这些实施例。而是,本发明的范围是广泛的,且意在仅通过后附的权利要求限定本发明的范围。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1示出了根据本发明一个实施例的行为模式统计装置的示意性框图。根据本发明一个实施例的行为模式统计装置1包括视频采集单元101、音频采集单元102、处理设备105、输出接口189以及存储器190。视频采集单元101、音频采集单元102分别实时采集视、音频并将其发送给处理设备105。处理设备105响应于所接收的视、音频信息,对视、音频信息的内容进行识别,并对识别出的特定人的特定动作进行跟踪记录分析,获得该特定动作的属性值。所述输出接口189与处理设备105相连,用于输出在特定时间段特定人的特定动作的统计属性值。所述存储器190是一个内置于或者外接于处理设备105的数据存储设备,用于将处理设备105识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储。
视频采集单元是指用于视频采集的装置,例如摄像头、摄像机、有摄像功能的手机等。音频采集单元是指用于音频采集的装置,例如麦克风、录音机、有录音功能的手机等。处理设备是指具有数据处理、分析功能的设备,用来接收视频采集单元、音频采集单元发送来的视、音频信息,并对所述视、音频信息进行处理、识别,发出对应指令信息,例如一个CPU芯片、一台计算机或多台计算机组成的处理中心。输出接口189可以是显示器1071、扬声器、发送短信的无线发射器、发送微信的微信应用接口模块、发送电子邮件的电子邮件应用接口模块、发送特定应用专有消息的接口模块中的一个或多个。存储器190可以是电脑内存、移动硬盘、优盘、内存卡等可以起到数据存储功能的设备。其中,上述输出接口189的多个种类提高了信息输出渠道的多样性和灵活性,提升了用户体验。
图2示出了根据本发明一个实施例的行为模式统计装置的外部正视图。在该实施例中,视频采集单元101是位于显示器1071上端的摄像头。处理设备105封闭在底座中。
在工作过程中,视频采集单元101、音频采集单元102将其采集到的视、音频信息发送给处理设备105,处理设备105对接收到的视、音频信息进行识别,识别出特定人的特定动作,并对识别出的特定人的特定动作进行跟踪记录分析,获得该特定人的特定动作的属性值。将识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储在存储器190中。处理设备105根据记录存储在存储器190中的数据统计在特定时间段内该特定人的所有该特定动作的属性值,从而得到在特定时间段特定人的特定动作的统计属性值,并通过输出接口189输出在特定时间段特定人的特定动作的属性值或者统计属性值。
其中,属性是指动作中的某些特征,从这些特征可以看出人的行为模型的特点。例如,对于看电视来说,属性如起始时间、结束时间、持续时间、休息次数等。有的人每次看电视时间都很长,还有的人每次都在很晚的时候看电视,因此,这些属性反映了他们的行为特点。属性值是属性的值。例如,23:00开始看电视,属性值就是23:00。所述属性值是对通过视频采集单元、音频采集单元采集到并经过处理设备识别出的特定人特定动作的客观记录,不对记录数据进行任何的数理统计就能得到的结果数据。所述统计属性值是以记录的属性值为基础,进行数理统计后而得出的统计结果数据。例如,某特定时间段内特定人特定动作发生的次数、某特定时间段内特定人特定动作平均持续的时间、某特定时间段内特定人特定动作发生的总时间等。
在经过统计获得特定时间段特定人的特定动作的统计属性值后,通过与相应阈值比较,处理设备基于比较结果产生对该特定动作的评价。所述阈值及其对应的启发式评价事先存储在存储器中。例如,当检测到儿童看电视超过2小时即给出评价“每次看电视时间过长,应注意休息”,在这里,阈值即为“2小时”,这个阈值“2小时”和启发式评价“每次看电视时间过长,应注意休息”是事先存储在存储器中的。
另外,所述属性值或者统计属性值可以通过表格或者本领域技术人员能够实现的其它的方式输出。
所述行为模式统计装置1可以通过视频采集单元101、音频采集单元102以及其他装置或单元,基于人脸识别、身高识别、声音识别、携带手机发出的无线信号表明的身份中的一个或多个来识别特定人。多种识别人的方式结合相比于只靠单一的方式识别,增加了识别人的准确度。
识别特定人,可以预先将特定人的人脸的模式和/或身高和/或声音频率存储在存储器中。当拍摄的图像中的某一区域与存储的该特定人脸的模式匹配,且/或结合位置传感器和/或深度传感器感测到的该特定人脸与行为模式统计装置1的距离判断出其身高与存储的身高匹配,且/或音频采集单元102采集到的音频的匹配与存储的改特定人的声音的频率匹配时,可识别出特定人的存在。
识别特定人的存在也可以采用自学习的方法。例如,如果拍摄的图像中的某个模式与采集到的声音的某个频率总是同时出现,可以在显示器上显示提示,即识别到了人,请行为模式统计装置1旁的人判断并命名。在下一次拍摄的图像中的这种模式与采集到的声音的这种频率同时出现时就认为识别到了特定人。在自学习的方式下,也可以预先不将特定人的人脸的模式和/或身高和/或声音频率存储在存储器中。
另外,也可以基于携带手机发出的无线信号表明的身份识别特定人。例如行为模式统计装置1具有蓝牙设备,用户的手机中也具有蓝牙无线单元。当行为模式统计装置1识别出特定身份的蓝牙无线单元出现在一定距离内时,则认为识别出了特定人。
特定动作是通过事先为特定动作建立模型,并从视频采集单元101、音频采集单元102分别采集到的视频、音频信息中搜索与建立的模型的匹配识别的。
可选地,所述模型是预先输入的标准化的模型,即人为地事先设定并根据设定的动作建立模型。例如,对于看电视这样一个动作,建立一个模型:识别出一个人坐在沙发上;顺着该人的目光方向看去,有一个物体;识别出该物体是电视;该人目光停留在电视上至少10秒。如果从视频采集单元101拍摄的图像中检测到人,然后检测到此人坐在沙发上(沙发的识别类似人脸识别,也可以通过模式匹配进行,也可以将人坐在沙发上的图像整体作为一个对象进行模式匹配识别),然后检测此人的目光方向,然后检测此人目光方向上的物体是否是电视(例如将电视作为一个对象进行模式匹配),如果是则计数10秒。如果达到10秒则认为检测到了看电视这样一个动作。
当然,所述处理设备105也可以通过机器学习等自学习的方式自动建立动作模型。例如,处理设备105从视频采集单元101、音频采集单元102所采集的视、音频中提取动作特征,并基于提取的特征建立动作模型。例如,从视频采集单元101、音频采集单元102所采集的视、音频中发现有一个人坐在沙发上、顺着此人目光看去的方向有一个电视、在此人目光停留在电视上的事件超过10秒的频率超过阈值,则认为这是一个特定动作的模型。在这种情况下,动作模型可以不预先存储在存储器中,而是根据从视频采集单元101、音频采集单元102所采集的视、音频以自学习的方式提取动作的模型。
为了更准确地识别出特定动作,所述行为模式统计装置1还包括深度传感器197,由视频采集单元101、音频采集单元102以及深度传感器通过采集的视、音频以及感测的深度共同识别出特定动作。虽然在图2中深度传感器197位于显示器上部边框中心偏左的位置,其也可以设置在其他合理的位置。
深度传感器197感测人或物体与行为模式统计装置1的距离。当人或物体发生一个动作的时候,同样的动作幅度由于与行为模式统计装置1的距离不同在拍摄到的图像中产生的变化幅度会是不同的。因此,结合深度传感器,对动作能够进行更准确的识别,从而提高识别精度。
图3示出了根据本发明一个实施例的行为模式统计装置的外部左视图。如图3所示,为了更好地采集信息,行为模式统计装置1还可包括转动装置199,用于使视频采集单元101转动。优选地,响应于从视频采集单元101、音频采集单元102分别采集到的视、音频中识别出以下要素中的一个,转动装置199使视频采集单元101向着面对识别出的要素的方向转动:特定人;特定动作。
在一个实施例中,图3所示的视频采集单元101可以向着识别出的要素左右转动。在另一个实施例中,图3所示的视频采集单元101可以向着识别出的要素上下左右转动。
继续参考图2,如图2所示,行为模式统计装置1还可包括:光线传感器198,用于感测行为模式统计装置1周围环境光线的变化,其中显示器1071的显示亮度是根据所述光线的变化调整的。如果周围光线比较强,可以将显示器的显示亮度提高。如果周围光线比较弱,可以将显示器的显示亮度降低。这样,可以减少眼睛观看显示器的不舒适感。
虽然图2中的光线传感器位于显示器上边框的中心偏右的位置处,但其也可以设置在任何其他的合理的位置处。
在本发明的一个方面,输出的结果可以表格的形式表现出来。表格是由纵横交叉的直线组成,从形式上看,所述表格由横行标题、纵栏标题、统计数据组成。其中,纵栏标题通常用来表明项目、指标等的名称,一般置于表格上部。横行标题通常用来写明人物、动作等的名称,一般置于表格左边。统计数字是各项目或属性的具体数值,位于各纵栏标题与横行标题的交叉处。但表格也可以有其它的布局,如横栏标题用来表明项目、指标等的名称,纵栏标题用来写明人物、动作等的名称等。对表格的具体形式不作限定。
另外,本发明实施例的行为模式统计装置1还可以包括输入接口,用于接收用户对在特定时间段特定人的特定动作的明细查询指示。所述输入接口例如键盘、鼠标、触摸屏等。输出接口响应于用户的明细查询指示,输出接口显示在特定时间段特定人的所有特定动作,包括特定人、该特定人的特定动作、该特定动作的属性值。
另外,根据本发明实施例的行为模式统计装置1还可以包括录制器(未示),用于响应于识别出特定人的特定动作,开始录制视频采集单元101和音频采集单元102采集的视频、音频信息,并响应于识别出特定人的特定动作结束,停止录制,并将录制的内容在存储器190中与识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储。响应于用户的明细查询指示,输出接口还与特定人、该特定人的特定动作、该特定动作的属性值相关联地显示该特定动作的视、音频链接。响应于用户点击视、音频链接,输出接口输出存储器190中与特定人、该特定人的特定动作、该特定动作的属性值相关联地存储的录制的内容。
图4示出了根据本发明一个实施例的行为模式统计装置的存储器中相关联地存储的特定人、特定动作、属性值。具体地说,图4a示出了根据本发明一个实施例的行为模式统计装置的存储器中存储的关于在6月第一周全家人看电视的一个属性值记录表。图4b示出了根据本发明一个实施例的行为模式统计装置的存储器中存储的关于6月4日全家人睡觉的一个属性值记录表。
所述表格的纵列标题项目名称从左向右依次为人、动作、属性、视音频,其中属性以下又分为起始时间、结束时间、持续时间、休息次数、识别次数等几个具体的属性项目。横行标题从上到下依次写明了妈妈看电视、爷爷看电视、小红看电视、小蓝看电视、小红看电视、小红看电视的具体的人物和动作信息。其中当动作发生一次,则多记录一个横行。例如小红看电视,发生了多次。通过该属性值记录表,可以直观地看到家人特定动作的起止时间、持续时间、动作出现次数等信息。例如,妈妈在6月4日19:00看了一次电视,持续时间1小时,20:00结束,中间没有休息。每横行的最后一栏则是为该行所对应的识别出的特定人的特定动作录制的视、音频。上述表格仅是存储器存储相关内容的一个示例,关于相关内容的存储格式不限于以上示例。
虽然在图4的示例中,在存储器存储有录制的视、音频,也可以不存储上述视、音频。
图5a示出了根据本发明一个实施例的行为模式统计装置的输出接口输出的一个特定时间段特定人的特定动作的统计属性值结果,具体地说,是6月第一周小红看电视的统计属性值结果,它是根据图4a中小红的记录统计出来的。例如,从图4a中看出,小红在6月第一周看了3次电视,它是4a中有关小红6月份看电视的3次记录的属性值“识别次数”累加的结果;每次平均持续时间=(16+13+16)/3=15(小时);在一共45小时中休息了1次,因此休息次数小时比=1/45=0.022。所述表格纵列标题项目从左向右依次为人、动作、期间、统计属性,其中统计属性以下又分为次数、平均持续时间、休息次数小时比、22点后仍看电视的次数等几个具体的统计属性项目。横行标题写明了统计对象是小红、动作为看电视、期间是6月第一周。该输出接口例如显示器。
图5a表格的下方有一个复选框“查看明细”。当用户看到显示器上显示的该复选框时,例如想要查看明细,用户勾选该复选框。接着,显示器会显示图5b的表格,它是图4中存储的小红的6月第一周所有看电视的动作的情况。在每行的最后一栏还显示与该行看电视的动作所对应的录制器录制的视、音频的链接。当用户点击该视、音频的链接时,与该行看电视的动作对应的录制器录制的视、音频就会由输出接口播放。
虽然图5a中示出“查看明细”复选框,也可以不设置该复选框,而是采取其他可以让用户输入明细查询指示的方式。另外,也可以不让用户输入明细查询指示。另外,图5b的表格中也可以不含有录制的视、音频的链接。这时,不能播放视、音频,但统计功能仍然存在。
通过与特定人的特定动作相对应地存储录制的视、音频,可以达到允许用户事后回放视音频、查找统计指标落后的原因的有益效果。
图6示出了根据本发明一个实施例的行为模式统计装置的输出接口输出的特定时间段特定人特定动作的统计属性值及评价,具体地说,是6月第一周小红看电视的统计属性值及评价。例如,对于看电视的平均持续时间来说,阈值=3。小红在6月第一周的看电视的平均持续时间=15,远远大于3,查找数据库中存储的与看电视平均持续时间大于3对应的启发式评价,“每次看电视时间过长,应注意休息”,将该评价和属性值一起输出,如图6所示。所述表格纵栏标题项目从左向右依次为人、动作、期间、平均持续时间、评价。横行标题写明了统计对象是小红、动作为看电视、期间是6月第一周。
产生并输出评价相对于现有技术的有益效果是,用户能够看到对其行为的自动启发式评价,从而可以根据评价的内容指导自己的行为,形成好的行为习惯。如果用户仅知道自己的行为的属性值,仍然可能不知道这样的属性值是好是坏,是否需要改进。
图7a示出了根据本发明一个实施例的行为模式统计装置的输出接口输出的特定时间段特定人的特定动作与在该特定时间段其它人的特定动作的属性值对照输出的表,具体地说,是6月第一周全家人看电视的统计属性值对照表。
将在特定时间段特定人的特定动作的统计属性值与在特定时间段其他人的特定动作的统计属性值通过输出接口189对照输出,相对于现有技术的有益效果是,使用户可以看到自己的动作的属性值和其它人的比较,或在所有人中的排名,从而判断出自己的属性值是好是坏,为是否需要改进提供了一个客观的依据。
图7b示出了根据本发明一个实施例的行为模式统计装置的输出接口输出的在特定时间段特定人的特定动作的统计属性值与在以前的其它时间段特定人的特定动作的统计属性值的对照结果,具体地说,是6月第一周和5月最后一周小红看电视的统计属性值对照表。
将在特定时间段特定人的特定动作的统计属性值与在以前的其它时间段特定人的特定动作的统计属性值通过输出接口189对照输出的一个有益效果是,可以让用户看到自己在不同时间段内动作属性值的变化,以决定是否需要改进自己的行为,提升了用户体验。
通过对一个特定时间段不同人的特定动作或者一个特定的人不同时间段的特定动作的对比,可以得知一个特定人不同时间段的行为变化和一个特定时间不同的人之间行为习惯的差别。
图8示出了根据本发明又一个实施例的行为模式统计方法的一种流程图。行为模式统计方法2包括:
步骤S210:实时采集视频、音频信息;
步骤S220:从采集到的视频、音频信息中识别出特定人的特定动作;
步骤S230:响应于识别出特定人的特定动作,在采集到的视频、音频信息中识别出该特定动作的属性值;
步骤S240:统计在特定时间段内该特定人的所有该特定动作的属性值,从而得到在特定时间段特定人的特定动作的统计属性值;
步骤S250:输出在特定时间段特定人的特定动作的属性值或统计属性值。
另外,图9示出了根据本发明又一个实施例的行为模式统计方法的又一种流程图。在图8所述内容的基础上,在步骤S230和步骤S240之间增加描述了一个步骤S235:将识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储。
另外,该方法还可包括:接收用户对在特定时间段特定人的特定动作的明细查询指示;以及响应于用户的明细查询指示,显示在特定时间段特定人的所有特定动作,包括特定人、该特定人的特定动作、该特定动作的属性值。
另外,该方法还可还包括:响应于识别出特定人的特定动作,开始录制采集的视频、音频信息,并响应于识别出特定人的特定动作结束,停止录制,并将录制的内容与识别出的特定人、该特定人的特定动作、该特定动作的属性值相关联地存储;以及响应于用户的明细查询指示,与特定人、该特定人的特定动作、该特定动作的属性值相关联地显示该特定动作的视、音频链接。
另外,响应于用户点击视、音频链接,输出接口可以输出与特定人、该特定人的特定动作、该特定动作的属性值相关联地存储的录制的内容。
可选地,响应于所采集的视频、音频信息,对视频、音频信息的内容进行识别的内容可包括:从采集到的视频、音频信息中识别出特定人的特定动作。
可选地,所述特定人可以是基于人脸识别、身高识别、声音识别中的一个或多个来识别的。
可选地,该方法还可以包括接收携带手机发出的无线信号,且所述特定人是基于该无线信号中标明的携带手机的身份来识别的。
可选地,所述特定动作可基于所采集的视频、音频信息和深度传感器感测的深度进行识别。
可选地,特定动作可以是通过事先为特定动作建立模型,并从采集到的视频、音频信息中搜索与建立的模型的匹配识别的。
可选地,所述模型可以是通过自学习的方式产生的。
可选地,所述模型可以是预先输入的标准化的模型。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。