CN106200873A - 一种移动终端的自动休眠方法及移动终端 - Google Patents

Abstract

本申请提供一种移动终端的自动休眠方法及移动终端，其中，所述方法包括：获取与移动终端正对的预设数量的人脸图片；提取所述预设数量的人脸图片中与瞳孔相关的属性特征；当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。本申请实施例提供的一种移动终端的自动休眠方法及移动终端，当用户在移动终端前睡着时，可以自动将移动终端设置为休眠状态。

Description

一种移动终端的自动休眠方法及移动终端

技术领域

本申请涉及自动控制技术领域，特别涉及一种移动终端的自动休眠方法及移动终端。

背景技术

随着移动终端的不断发展，人们越来越习惯于利用移动终端观看视频、浏览网页、阅读小说。目前，大多数人习惯在睡前使用一会儿移动终端，等困了的时候再睡觉。然而这样会带来一个问题：很多时候用户由于十分疲惫，会在不关闭移动终端屏幕的情况下直接睡着，从而导致移动终端彻夜保持播放视频的状态。这样的话不仅使得移动终端电池的寿命大大缩减，同时用户的脸部也会长时间地被光照着，十分不利于用户的健康。

目前，控制移动终端自动休眠的方法也多种多样。例如可以预先设置一个时间点，当到达该时间点后移动终端便会自动休眠。然而这种方法过于死板，不能随着移动终端用户的意愿而自动提前或者推迟休眠的时间。

另外，还可以在移动终端上设置一个人体感应开关，当感应不到移动终端前有人体时便自动关机，然而当用户在移动终端前睡着时，这种方法便无法实现自动休眠。

应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

本申请实施例的目的在于提供一种移动终端的自动休眠方法及移动终端，当用户在移动终端前睡着时，可以自动将移动终端设置为休眠状态。

本申请提供的一种移动终端的自动休眠方法及移动终端是这样实现的：

一种移动终端的自动休眠方法，包括：获取与移动终端正对的预设数量的人脸图片；提取所述预设数量的人脸图片中与瞳孔相关的属性特征；当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

一种移动终端，包括：人脸图片获取单元，用于获取与移动终端正对的预设数量的人脸图片；属性特征提取单元，用于提取所述预设数量的人脸图片中与瞳孔相关的属性特征；休眠信息触发单元，用于当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；显示屏关闭单元，用于当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

本申请实施例提供的一种移动终端的自动休眠方法及移动终端，通过分析移动终端前的用户的脸部特征，从而提取出与瞳孔相关的属性特征，并根据提取出的与瞳孔相关的属性特征，便可以获知移动终端前的用户是保持清醒还是在睡觉，当判断出用户在睡觉时，便可以自动将移动终端设置为休眠状态。

参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

所包括的附图用来提供对本申请实施例的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本申请实施例提供的一种移动终端的自动休眠方法的流程图；

图2为本申请实施例中支持向量机算法的线性分类的例子示意图；

图3为本申请实施例提供的一种移动终端的功能模块图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都应当属于本申请保护的范围。

图1为本申请实施例提供的一种移动终端的自动休眠方法的流程图。虽然下文描述流程包括以特定顺序出现的多个操作，但是应该清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。如图1所示，所述方法可以包括：

S1：获取与移动终端正对的预设数量的人脸图片。

在本申请实施例中，可以利用移动终端的前置摄像头，来拍摄与移动终端正对的用户的人脸图片。具体地，本申请实施例可以按照一定的时间周期进行拍摄，并且在每个时间周期内可以拍摄多张人脸图片。例如，摄像头可以在1分钟内按照固定时间间隔，拍摄5张人脸图片，拍摄完人脸图片后可以静止1分钟，然后再继续拍摄。本申请实施例可以按照这种预先设定的模式，固定地拍摄与移动终端正对的人脸图片。

另外，本申请实施例还可以在拍摄人脸图片之前，对移动终端前的用户的活动特征进行判断。在实际场景中，若移动终端前的用户的脸部位置一直在变换，那么说明该用户处于活动中，在这种情况下用户往往不会睡着，因此便可以不用对用户的脸部特征进行分析。当用户的脸部位置在一段时间内均处于静止，则说明用户存在睡着的可能，此时便可以对用户的人脸特征进行分析，进一步确定用户是否睡着了。因此，在本申请一优选实施例中，可以预先判断与移动终端正对的人脸是否满足拍摄条件，当满足时，则可以按照固定时间间隔拍摄所述与移动终端正对的人脸的预设数量的图片。

具体地，所述判断与移动终端正对的人脸是否满足拍摄条件具体可以包括以下步骤：

S11：获取当前与移动终端正对的人脸的第一图片，并分析第一图片中人脸所处的第一区域。

移动终端的摄像头可以拍摄一张与移动终端正对的人脸的照片，该照片可以作为所述的第一图片。摄像头拍摄到所述第一图片后，便可以将该第一图片发送至移动终端内的微处理器进行分析。具体地，所述微处理器可以分析第一图片中人脸所处的第一区域。在实际应用中，所述微处理器可以利用人脸识别技术，对第一图片中的人脸进行识别。识别出的人脸往往具备某一边界，该边界可以完全与人脸的轮廓相匹配，还可以是比人脸的轮廓略大的不规则图形或者是规则的矩形。由该边界围成的区域便可以作为所述的第一区域，该第一区域表示目前移动终端前的用户的人脸的活动范围。

S12：根据所述第一区域，确定下一张图片中人脸出现的预测区域。

在得到第一图片中人脸所处的第一区域后，便可以根据该第一区域进行预测，确定下一张图片中人脸出现的预测区域。当下一张图片中人脸出现的位置与所述预测区域相符时，便可以认为移动终端前的用户没有处于活动状态，从而可以对人脸特征进行分析，判断用户是否睡着了；如果下一张图片中人脸出现的位置与所述预测区域不符，则表明移动终端前的用户处于活动状态，在这种情况下用户睡着的可能性较小，因此便可以不对其进行人脸特征分析。具体地，所述预测区域可以为比所述第一区域略大的区域，在本申请一优选实施例中，可以通过下述三个子步骤来确定下一张图片中人脸出现的预测区域：

S121：提取所述第一区域的边界上预设数量的像素点以及所述第一区域的中心点。

由于所述第一区域的边界上的像素点往往会非常多，为了减小处理的数据量，因此可以提取所述第一区域的边界上预设数量的像素点，这些像素点能够勾勒出第一区域的范围。另外，可以分析第一区域的几何中心，提取出所述第一区域的中心点。

S122：将所述预设数量的像素点中每个像素点沿着与所述中心点连线的方向向外延拓预设步长。

由于确定的预测区域可以比所述第一区域略大，因此可以将提取出的第一区域的边界上的像素点向外进行拓宽。具体地，可以将所述预设数量的像素点中每个像素点沿着与所述中心点连线的方向向外延拓预设步长。所述预设步长可以是预先设置的，也可以是根据像素点与中心点连线的长度进行确定的。例如，第一区域的边界上的像素点与中心点的连线长度为20个像素点，那么所述预设步长便可以确定为所述连线长度的10％，也就是2个像素点。

S123：将延拓后的所述预设数量的像素点围成的区域确定为下一张图片中人脸出现的预测区域。

经过延拓后的所述预设数量的像素点便可以围成所述预测区域的范围。所述预测区域可以作为下一张人脸图片中人脸的活动范围，当处于该预测区域内时，则表明移动终端前的用户没有处于活动状态，当处于该预测区域外或者部分超出该预测区域时，则可以表明移动终端前的用户目前处于活动状态。

S13：获取所述与移动终端正对的人脸的第二图片，并分析第二图片中人脸所处的第二区域。

在确定出所述预测区域后，便可以获取与移动终端正对的人脸的第二图片，并按照步骤S11中相同的方法分析第二图片中人脸所处的第二区域，该第二区域便可以表明当前人脸的活动区域。

S14：判断所述第二区域与所述预测区域是否相符，当相符时，则判定与移动终端正对的人脸满足拍摄条件；若不相符时，则判定与移动终端正对的人脸不满足拍摄条件。

获取到人脸当前所处的第二区域后，便可以将所述第二区域与所述预测区域进行对比，判断所述第二区域与所述预测区域是否相符。此处的相符可以指当第二区域位于所述预测区域内时，则表明所述第二区域与所述预测区域相符；当所述第二区域位于所述预测区域之外或者与所述预测区域形成交集时，则表明所述第二区域与所述预测区域不相符。当判断出相符时，则表明移动终端前的用户此时没有处于活动状态，存在睡着的可能，从而可以确定与移动终端正对的人脸满足拍摄条件，可以对其进行脸部特征分析。当判断出不相符时，则表明移动终端前的用户此时处于活动状态，睡着的可能性较小，从而可以不对其进行脸部特征分析。

S2：提取所述预设数量的人脸图片中与瞳孔相关的属性特征。

当与移动终端正对的人脸满足拍摄条件时，便可以按照固定时间间隔拍摄所述与移动终端正对的人脸的预设数量的图片。在本申请实施例中，所述预设数量可以为1张或者更多张，不过考虑到实际场景中，移动终端前的用户会时常眨眼，若预设数量为1张并且这一张照片恰好是用户闭眼时的照片，那么经过后续分析便会认为用户此时处于睡眠状态而自动休眠，这样会给正常眨眼的用户带来困扰。因此在本申请的优选实施例中，所述预设数量往往为多张，例如可以是10张，这样对这10张照片进行同步分析，从而可以避免用户因为眨眼而导致移动终端关闭的情况。

在获取了预设数量的人脸图片后，便可以提取所述预设数量的人脸图片中与瞳孔相关的属性特征。当用户处于睡眠状态时，眼睛往往是闭上的，此时人脸图片应当检测不出瞳孔；而用户处于观看状态时，眼睛往往是睁开的，此时人脸图片中便可以检测出瞳孔。所述的与瞳孔相关的属性特征便可以指人脸图片中瞳孔的存在与否。

在本申请一优选实施例中，可以按照下述子步骤提取所述预设数量的人脸图片中与瞳孔相关的属性特征：

S21：截取所述人脸图片中眼睛区域对应的片状图。

在所述人脸图片中，由于人脸的形状比较规则，而且眼睛所处的区域也相对固定，因此可以从所述人脸图片中截取眼睛区域对应的片状图。在该片状图中仅仅展示人脸的两只眼睛的状态，这样从而可以更加针对地对人脸的眼镜进行分析，能够提高数据处理的精度。

S22：对截取的片状图进行检测，判断所述截取的片状图中是否存在瞳孔。

在截取片状图后，便可以对该片状图进行分析，识别该片状图中是否存在瞳孔。具体地，本申请实施例可以采用机器学习的方法，识别片状图中是否存在瞳孔：

S21：将预设数量的眼睛区域的片状图作为训练样本，所述训练样本中包括存在瞳孔的片状图以及不存在瞳孔的片状图。

本申请实施例中，可以从图片数据库中获取图片，或者接收用户导入的图片。该图片中可以包括存在瞳孔的片状图以及不存在瞳孔的片状图。

为了达到更好的识别效果，所述获取的存在瞳孔的片状图的数量以及不存在瞳孔的片状图的数量均可以为多张，并且数量越多越好。

S22：提取所述训练样本中各个片状图的特征值向量。

在本申请实施例中，可以提取各个片状图中每个像素的RGB值，并将提取的RGB值按照一定顺序排序，例如按照像素编号排序，从而可以构成该片状图的特征值向量。

例如，某幅彩色片状图具有200*120(也称为分辨率)的像素。每个像素的RGB如下标识：

RGB_(m,n)＝R_a，G_b，B_c

其中，m、n分别表示片状图中某一像素所处的行和列；m的取值范围为1至200，n的取值范围为1至120。R_a，G_b，B_c为0-255中的任一整数。

或者，RGB_(m,n)＝#OPQRST

其中，m的取值范围为1至200，n的取值范围为1至120，O、P、Q、R、S、T为0-F的任一16进制取值。

提取每个像素的特征值，即将每个像素的上述RGB值提取出来。例如，对于该片状图中第(m，n)个像素，提取其RGB值，即上述的(R_a，G_b，B_c)或#OPQRST。

将该片状图中每个像素点提取出的特征值按照顺序排列可以构成特征值向量。例如，排列后构成的特征值向量如下面形式的一系列排列的数值：

(RGB_(1,1)，RGB_(1,2)，…，RGB_(1,120)，RGB_(2,1)，RGB_(2,2)，…，RGB_(2,120)，…，RGB_(200,1)，RGB_(200,2)，…RGB_(200,120)) 式1

上述式1即为该片状图的特征值向量。

S23：基于提取的所述特征值向量，计算所述训练样本中片状图的归类条件。

对于存在明显区别的不同类片状图，可以通过计算得到不同类片状图的归类条件。对于存在瞳孔的片状图和不存在瞳孔的片状图，可以基于其训练样本中每个片状图的特征值向量通过计算得到这两类不同片状图的归类条件。

这里以采用支持向量机(Support Vector Machine)算法为例介绍计算所述训练样本中片状图的归类条件的实现方式。支持向量机是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。整体来说，支持向量机可以解决复杂事务的分类及分类标准的问题。

利用图2显示的线性分类的例子解释通过支持向量机算法进行分类的基本原理。如图2所示，左侧坐标图中的点表示输入的训练样本，右侧坐标图中的叉代表的点表示计算得到的C1类训练样本，圆圈代表的点表示计算得到的C2类训练样本。如图2所示，将训练样本通过支持向量机算法计算后，可以获得分类后的C1和C2两类训练样本，并且可以得到划分C1和C2两类的归类条件。

通过上述方法便可以得到所述训练样本中片状图的归类条件，该归类条件可以判别片状图中是否含有瞳孔。

S24：提取所述截取的片状图的特征值向量。

可以利用步骤S22中相同的方法提取所述截取的片状图的特征值向量，所述截取的片状图即可以为待检测的片状图。所述特征值向量可以为如式1所示的由每个像素点提取出的特征值按照顺序排列构成的特征值向量。

S25：基于所述归类条件计算所述截取的片状图的特征值向量的归类值，并基于计算得到的归类值判断所述截取的片状图中是否存在瞳孔。

提取出所述截取的片状图的特征值向量后，可以基于所述归类条件计算所述截取的片状图的特征值向量的归类值，并基于计算得到的归类值判断所述截取的片状图中是否存在瞳孔。具体地，还是以像素值向量为例，可以将该提取的片状图的像素值向量代入所述得到的图片归类条件进行计算，计算的结果即可以表明该片状图中是否存在瞳孔。例如，如图2所示，计算后归为C1类，便可以认为不含有瞳孔；计算后归为C2类，便可以认为含有瞳孔。

S23：当存在瞳孔时，将第一标识确定为与瞳孔相关的属性特征；

S24：当不存在瞳孔时，将第二标识确定为与瞳孔相关的属性特征；

对于存在瞳孔和不存在瞳孔，可以给所述片状图分配不同的标识，以作为与瞳孔相关的属性特征。例如，当存在瞳孔时，所述第一标识可以为“1”；当不存在瞳孔时，所述第二标识可以为“0”，这样便可以通过与瞳孔相关的属性特征，方便地确认片状图中是否存在瞳孔。

S3：当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息。

当提取出所述预设数量的人脸图片中片状图对应的与瞳孔相关的属性特征后，便可以判断所述与瞳孔相关的属性特征是否满足预设条件。此处的预设条件与休眠提示信息相关联，例如当所述与瞳孔相关的属性特征为上述的第二标识时，即代表片状图中不存在瞳孔，则可以认定此时用户处于睡眠状态，因此可以向所述移动终端下达休眠提示信息。所述休眠提示信息例如可以为“请点击确定以继续浏览屏幕内容”。这样，如果用户不在睡觉，便会点击确定，从而继续浏览屏幕内容。

需要说明的是，此处需要所有提取出的与瞳孔相关的属性特征均满足预设条件才会向所述移动终端下达休眠提示信息，也就是说例如一共拍摄了10张人脸图片，必须要10张人脸图片对应的片状图中提取出的与瞳孔相关的属性特征均满足预设条件才能触发休眠提示信息。这样处理的意义在于，如果移动终端前的用户对播放的内容很感兴趣，但可能因为插播广告而想闭目养神一段时间，这就会导致10张照片中可能有8张都不存在瞳孔，而2张照片中存在瞳孔，这样的情况也是不应该下达休眠提示信息的。

S4：当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

在本实施方式中，当移动终端的屏幕上出现休眠提示信息后，如果用户确实处于睡觉状态，那么该休眠提示信息将会持续出现在屏幕上而不会消失。这样，当所述休眠提示信息在屏幕上持续未被响应的时间达到预设时间段时，便可以判定用户当前已经睡着，从而可以关闭所述移动终端的显示屏。

本申请实施例还提供一种移动终端。图3为本申请实施例提供的一种移动终端的功能模块图。如图3所示，所述移动终端包括：

人脸图片获取单元100，用于获取与移动终端正对的预设数量的人脸图片；

属性特征提取单元200，用于提取所述预设数量的人脸图片中与瞳孔相关的属性特征；

休眠信息触发单元300，用于当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；

显示屏关闭单元400，用于当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

在本申请一优选实施例中，所述人脸图片获取单元100具体包括：

第一区域分析模块，用来获取当前与移动终端正对的人脸的第一图片，并分析第一图片中人脸所处的第一区域；

预测区域确定模块，用来根据所述第一区域，确定下一张图片中人脸出现的预测区域；

第二区域分析模块，用来获取所述与移动终端正对的人脸的第二图片，并分析第二图片中人脸所处的第二区域；

拍摄条件判断模块，用来判断所述第二区域与所述预测区域是否相符，当相符时，则判定与移动终端正对的人脸满足拍摄条件；若不相符时，则判定与移动终端正对的人脸不满足拍摄条件。

图片获取模块，用来当与移动终端正对的人脸满足拍摄条件时，按照固定时间间隔拍摄所述与移动终端正对的人脸的预设数量的图片。

在本申请一优选实施例中，所述预测区域确定模块具体包括：

提取模块，用来提取所述第一区域的边界上预设数量的像素点以及所述第一区域的中心点；延拓模块，用来将所述预设数量的像素点中每个像素点沿着与所述中心点连线的方向向外延拓预设步长；

确定模块，用来将延拓后的所述预设数量的像素点围成的区域确定为下一张图片中人脸出现的预测区域。

在本申请一优选实施例中，所述属性特征提取单元200具体包括：

片状图截取模块，用来截取所述人脸图片中眼睛区域对应的片状图；

瞳孔判断模块，用来对截取的片状图进行检测，判断所述截取的片状图中是否存在瞳孔；

标识确定模块，用来当存在瞳孔时，将第一标识确定为与瞳孔相关的属性特征；当不存在瞳孔时，将第二标识确定为与瞳孔相关的属性特征；所述第一标识与所述第二标识互不相同。

在本申请一优选实施例中，所述对瞳孔判断模块具体包括：

训练样本获取模块，用来将预设数量的眼睛区域的片状图作为训练样本，所述训练样本中包括存在瞳孔的片状图以及不存在瞳孔的片状图；

特征值向量第一提取模块，用来提取所述训练样本中各个片状图的特征值向量；

归类条件计算模块，用来基于提取的所述特征值向量，计算所述训练样本中片状图的归类条件；

特征值向量第二提取模块，用来提取所述截取的片状图的特征值向量；

判断模块，用来基于所述归类条件计算所述截取的片状图的特征值向量的归类值，并基于计算得到的归类值判断所述截取的片状图中是否存在瞳孔。

由上可见，本申请实施例提供的一种移动终端的自动休眠方法及移动终端，通过分析移动终端前的用户的脸部特征，从而提取出与瞳孔相关的属性特征，并根据提取出的与瞳孔相关的属性特征，便可以获知移动终端前的用户是保持清醒还是在睡觉，当判断出用户在睡觉时，便可以自动将移动终端设置为休眠状态。

在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。

上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述，本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此，虽然已经具体讨论了一些另选的实施方式，但是其它实施方式将是显而易见的，或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化，以及落在上述申请的精神和范围内的其它实施方式。

Claims (11)

1.一种移动终端的自动休眠方法，其特征在于，包括：

获取与移动终端正对的预设数量的人脸图片；

提取所述预设数量的人脸图片中与瞳孔相关的属性特征；

当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；

当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

2.如权利要求1所述的方法，其特征在于，所述获取与移动终端正对的预设数量的人脸图片具体包括：

判断与移动终端正对的人脸是否满足拍摄条件；

当满足时，按照固定时间间隔拍摄与移动终端正对的预设数量的人脸图片。

3.如权利要求2所述的方法，其特征在于，所述判断与移动终端正对的人脸是否满足拍摄条件具体包括：

获取当前与移动终端正对的人脸的第一图片，并分析第一图片中人脸所处的第一区域；

根据所述第一区域，确定下一张图片中人脸出现的预测区域；

获取所述与移动终端正对的人脸的第二图片，并分析第二图片中人脸所处的第二区域；

判断所述第二区域与所述预测区域是否相符，当相符时，则判定与移动终端正对的人脸满足拍摄条件；

若不相符时，则判定与移动终端正对的人脸不满足拍摄条件。

4.如权利要求3所述的方法，其特征在于，所述根据所述第一区域，确定下一张图片中人脸出现的预测区域具体包括：

提取所述第一区域的边界上预设数量的像素点以及所述第一区域的中心点；

将所述预设数量的像素点中每个像素点沿着与所述中心点连线的方向向外延拓预设步长；

将延拓后的所述预设数量的像素点围成的区域确定为下一张图片中人脸出现的预测区域。

5.如权利要求1所述的方法，其特征在于，所述提取所述预设数量的人脸图片中与瞳孔相关的属性特征具体包括：

截取所述人脸图片中眼睛区域对应的片状图；

对截取的片状图进行检测，判断所述截取的片状图中是否存在瞳孔；

当存在瞳孔时，将第一标识确定为与瞳孔相关的属性特征；

当不存在瞳孔时，将第二标识确定为与瞳孔相关的属性特征；

所述第一标识与所述第二标识互不相同。

6.如权利要求5所述的方法，其特征在于，所述对截取的片状图进行检测，判断所述截取的片状图中是否存在瞳孔具体包括：

将预设数量的眼睛区域的片状图作为训练样本，所述训练样本中包括存在瞳孔的片状图以及不存在瞳孔的片状图；

提取所述训练样本中各个片状图的特征值向量；

基于提取的所述特征值向量，计算所述训练样本中片状图的归类条件；

提取所述截取的片状图的特征值向量；

基于所述归类条件计算所述截取的片状图的特征值向量的归类值，并基于计算得到的归类值判断所述截取的片状图中是否存在瞳孔。

7.一种移动终端，其特征在于，包括：

人脸图片获取单元，用于获取与移动终端正对的预设数量的人脸图片；

属性特征提取单元，用于提取所述预设数量的人脸图片中与瞳孔相关的属性特征；

休眠信息触发单元，用于当提取出的与瞳孔相关的属性特征均满足预设条件时，触发休眠提示信息；

显示屏关闭单元，用于当所述休眠提示信息在预设时间段内未被响应时，关闭所述移动终端的显示屏。

8.如权利要求7所述的一种移动终端，其特征在于，所述人脸图片获取单元具体包括：

第一区域分析模块，用来获取当前与移动终端正对的人脸的第一图片，并分析第一图片中人脸所处的第一区域；

预测区域确定模块，用来根据所述第一区域，确定下一张图片中人脸出现的预测区域；

第二区域分析模块，用来获取所述与移动终端正对的人脸的第二图片，并分析第二图片中人脸所处的第二区域；

拍摄条件判断模块，用来判断所述第二区域与所述预测区域是否相符，当相符时，则判定与移动终端正对的人脸满足拍摄条件；若不相符时，则判定与移动终端正对的人脸不满足拍摄条件。

9.图片获取模块，用来当与移动终端正对的人脸满足拍摄条件时，按照固定时间间隔拍摄所述与移动终端正对的人脸的预设数量的图片。

10.如权利要求8所述的一种移动终端，其特征在于，所述预测区域确定模块具体包括：

提取模块，用来提取所述第一区域的边界上预设数量的像素点以及所述第一区域的中心点；延拓模块，用来将所述预设数量的像素点中每个像素点沿着与所述中心点连线的方向向外延拓预设步长；

确定模块，用来将延拓后的所述预设数量的像素点围成的区域确定为下一张图片中人脸出现的预测区域。

11.如权利要求7所述的一种移动终端，其特征在于，所述属性特征提取单元具体包括：

片状图截取模块，用来截取所述人脸图片中眼睛区域对应的片状图；

瞳孔判断模块，用来对截取的片状图进行检测，判断所述截取的片状图中是否存在瞳孔；

标识确定模块，用来当存在瞳孔时，将第一标识确定为与瞳孔相关的属性特征；当不存在瞳孔时，将第二标识确定为与瞳孔相关的属性特征；所述第一标识与所述第二标识互不相同。