CN108055414A - 跌落保护方法及相关产品 - Google Patents

Abstract

本申请实施例公开了一种跌落保护方法及相关产品，应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，其中，所述方法包括：获取电子设备的操作数据；将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。本申请实施例可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

Description

跌落保护方法及相关产品

技术领域

本申请涉及电子设备技术领域，具体涉及一种跌落保护方法及相关产品。

背景技术

随着电子设备(如：手机、平板电脑等)的大量普及应用，电子设备能够支持的应用越来越多，功能越来越强大，电子设备向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。

电子设备的集成度越来越高，以手机为例，手机里的硬件(例如，屏幕)成本也很高，倘若手机摔坏了，修复手机，往往需要较多费用，因此，如何更好提醒用户保护电子设备的问题亟待解决。

发明内容

本申请实施例提供了一种跌落保护方法及相关产品，可以提醒用户保护电子设备。

第一方面，本申请实施例提供一种电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，其中，

所述传感器，用于获取电子设备的操作数据；

所述处理器，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

第二方面，本申请实施例提供了一种跌落保护方法，应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，其中，所述方法包括：

所述传感器获取电子设备的操作数据；

所述处理器将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

第三方面，本申请实施例提供了一种跌落保护方法，所述方法包括：

获取电子设备的操作数据；

将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

第四方面，本申请实施例提供了一种跌落保护装置，所述跌落保护装置包括：

获取单元，用于获取电子设备的操作数据；

训练单元，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

提醒单元，用于在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

第五方面，本申请实施例提供了一种电子设备，包括：处理器和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于如第三方面中所描述的部分或全部步骤的指令。

第六方面，本申请实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质用于存储计算机程序，其中，所述计算机程序使得计算机执行如本申请实施例第三方面中所描述的部分或全部步骤的指令。

第七方面，本申请实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本申请实施例第三方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

实施本申请实施例，具有如下有益效果：

可以看出，本申请实施例中所描述的跌落保护方法及相关产品，其中的电子设备包括处理器，以及与处理器连接的传感器，获取电子设备的操作数据，将操作数据输入到预设人工智能模型进行训练，得到跌落可能性值，在跌落可能性值大于预设阈值时，进行跌落提醒操作，可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图。

图1A是本申请实施例提供的一种示例电子设备的结构示意图；

图1B是本申请实施例公开的一种跌落保护方法的流程示意图；

图2是本申请实施例公开的另一种跌落保护方法的流程示意图；

图3是本申请实施例提供的一种电子设备的另一结构示意图；

图4A是本申请实施例提供的一种跌落保护装置的结构示意图；

图4B是本申请实施例提供的图4A所描述的跌落保护装置的提醒单元的结构示意图；

图4C是本申请实施例提供的图4A所描述的跌落保护装置的又一结构示意图；

图4D是本申请实施例提供的图4A所描述的跌落保护装置的又一结构示意图；

图4E是本申请实施例提供的图4A所描述的跌落保护装置的又一结构示意图；

图5是本申请实施例公开的另一种电子设备的结构示意图。

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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子设备。当然，本申请实施例中的电子设备可以配置一些外围配件，例如，屏幕保护膜、保护套等等。本申请实施例中的电子设备至少可以包括处理器，以及与处理器连接的传感器，传感器可以包括以下至少一种：加速度传感器、测距传感器、风速风向传感器、摄像头、触控检测传感器、压力传感器等等，上述摄像头可以为以下至少一种：红外摄像头，可见光摄像头，还可以为双摄像头，依据摄像头设置的位置还可以为：前置摄像头，后置摄像头，侧置摄像头等。上述处理器可以集成SensorHub模块，或者，电子设备可以包含Sensor Hub模块，可以通过处理器控制Sensor Hub模块完成下述本申请实施例。本申请实施例中的处理器可以为人工智能芯片，或者，量子芯片。

可选地，本申请实施例中的跌落数据可以包括以下至少一项数据：跌落时间、跌落位置、跌落角度、跌落时电子设备的运行状态、跌落时用户握持电子设备的姿势、跌落速度、地面材质等等。跌落时间可以由电子设备的系统时钟进行记录。跌落位置可以由电子设备进行定位得到，当然，也可以通过摄像头对环境进行拍摄，得到环境影像，将该环境影像作为跌落位置。跌落角度、跌落速度、地面材质可以通过跌落检测传感器检测得到。跌落时电子设备的运行状态可以包括以下至少一项：熄/亮屏状态、前台运行哪个应用、电子设备的CPU负荷、电子设备的电量等等。跌落时用户握持电子设备的姿势可以为跌落前握持电子设备的姿势，例如，电子设备的机身可以设置压力传感器，进而，可以检测到用户握持电子设备的姿势。

下面对本申请实施例进行详细介绍。

请参阅图1A，图1A是本发明实施例提供了一种电子设备100的结构示意图，上述电子设备100包括：处理器110和传感器120，传感器120电连接于处理器110。

所述传感器120，用于获取电子设备的操作数据；

所述处理器110，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

可以看出，本申请实施例中所描述的电子设备包括处理器，以及与处理器连接的传感器，获取电子设备的操作数据，将操作数据输入到预设人工智能模型进行训练，得到跌落可能性值，在跌落可能性值大于预设阈值时，进行跌落提醒操作，可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

在一个可能的示例中，所述操作数据中包括用户握持所述电子设备的第一握持姿势；

在所述进行跌落提醒操作方面，所述处理器110具体用于：

获取由所述传感器120采集的所述用户与所述电子设备之间的目标摩擦力；

获取与所述目标摩擦力对应的第二握持姿势；

在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

在一个可能的示例中，所述操作数据包含多个数据项，每一数据项对应一个数据标识；

所述处理器110还具体用于：

根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

在所述将所述操作数据输入到预设人工智能模型进行训练方面，所述处理器具体用于：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

在一个可能的示例中，在所述获取电子设备的跌落数据之前，所述传感器120还具体用于：

获取地面材质；

获取与所述地面材质对应的高度阈值；

获取当前高度；

在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

在一个可能的示例中，在所述获取电子设备的跌落数据之前，所述处理器110还具体用于：

获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据；

对所述正样本集和所述负样本集进行训练，得到所述预设人工智能模型。

其中，上述电子设备还可以包括存储器，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。

基于上述图1A所描述的电子设备，可用于执行如下所描述的一种跌落保护方法，具体如下：

所述传感器120获取电子设备的操作数据；

所述处理器110将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

基于图1A所描述的电子设备，请参阅图1B，为本申请实施例提供的一种跌落保护方法的实施例流程示意图。该跌落保护方法应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，其可包括以下步骤：

101、获取电子设备的操作数据。

其中，用户在握持到电子设备时，可以获取电子设备的操作数据，上述操作数据可以包括上述跌落数据，当然，还可以包括其他数据(非跌落数据)，触控显示屏的触控力度、触控位置、触控次数等等。可以由不同的传感器检测电子设备的操作数据，例如，可以每隔预设时间间隔采集电子设备的操作数据，上述预设时间间隔可以由用户自行设置或者系统默认。本申请实施例中可以包括多个传感器，每一传感器可以对应一个预设时间间隔，每一传感器对应的预设时间间隔时间长短可以不一。

102、将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值。

其中，上述预设人工智能模型可以预先保存在存储器或者人工智能芯片中。该人工智能模型可以集成于电子设备的操作系统，或者，可以独立于电子设备的操作系统而存在。在将操作数据输入到预设人工智能模型中，对该操作数据进行训练，得到跌落可能性值。上述预设人工智能模型可以为基于以下算法得到：遗传算法、神经网络算法、支持向量机算法、非下采样轮廓波算法、多尺度金字塔算法、小波变换算法等等，具体地，可以收集大量的正样本数据和负样本数据，正样本数据可为非跌落数据，负样本数据可以为跌落数据，通过大量操作数据进行训练得到，得到预设人工智能模型。

例如，在操作数据为用户握持电子设备的握持姿势时，可以将该操作数据输入到预设人工智能模型中，得到该握持姿势可能会跌落的概率。

可选地，所述操作数据包含多个数据项，每一数据项对应一个数据标识；在上述步骤101与步骤102之间，还可以包括如下步骤：

根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

则，上述步骤102，将所述操作数据输入到预设人工智能模型进行训练，可以按照如下方式实施：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

其中，操作数据可以包含多个数据项，每一数据项可以对应一个数据标识，数据标识可以为以下一种：高度、时间、速度、加速度、位置、角速度、握持姿势、屏幕状态(亮屏/灭屏)、CPU负荷、前台应用、电量等等，数据标识可以由系统默认。当然，由于操作数据包含的项目较多，而预设人工智能模式中需要进行训练的数据标识的类型有限，基于此，可以从操作数据中选取适合预设人工智能模型的操作数据，如此，可以降低预设人工智能模型的训练效率以及准确性。当然，由于单一数据存在着一定的偶然性，为了降低这种偶然性，更加准确地对用户的操作行为加以训练，可以输入多个维度操作数据，如此，得到的训练结果更加准确。

103、在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

其中，上述预设阈值可以由用户自行设置或者系统默认。上述进行跌落提醒操作，可以采用如下方式实施，例如，语音提示，振动提示，呼吸灯提示，或者，显示屏显示文字信息提示等等。当然上述进行跌落提醒操作，还可以是，向与电子设备绑定的穿戴设备发送提示信息，如此，若电子设备不在身边，或者，装在裤兜里，也可以及时提醒用户。

例如，生活中，用户操作手机时，可以获取该用户操作手机的操作数据，进而，将该操作数据输入到预设人工智能模型中，对该操作数据进行训练，得到一个跌落可能性值，依据该跌落可能性值可以在一定程度上反映用户的姿势跌落的概率情况。当然，还可以引导用户纠正握持电子设备的姿势，以及，让用户可以更安心地使用电子设备，提升了用户体验。

可选地，所述操作数据中包括用户握持所述电子设备的第一握持姿势；上述步骤103中，进行跌落提醒操作，可包括如下步骤：

31、获取所述用户与所述电子设备之间的目标摩擦力；

32、获取与所述目标摩擦力对应的第二握持姿势；

33、在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

其中，用户握持电子设备时，用户的手会与电子设备之间产生一个摩擦力，即目标摩擦力，该摩擦力在一定程度上反映了手的光滑程度。电子设备中可以预先存储不同的摩擦力与握持手势之间的对应关系，该对应关系可以在电子设备出厂之前设置，该对应关系可以通过大量的实验得到。进而，可以根据该对应关系确定目标摩擦力对应的第二握持电子设备，进一步地，可以在电子设备的显示屏上展示第二握持手势，以引导用户按照第二握持手势握持电子设备，如此，方便用户调整握持姿势，降低电子设备会跌落的概念。

可选地，上述步骤101之前，还可以包括如下步骤：

获取地面材质；

获取与所述地面材质对应的高度阈值；

获取当前高度；

在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

其中，上述当前高度可以由测距传感器检测得到。上述地面材质可以为以下一种：水泥地、大理石、沙滩、土地、木地板、床面、草地等等，不同的地面材质可以对应不同的高度阈值，例如，水泥地的话，在跌落高度不高时，有可能损坏，但草地，在跌落高度较高时，但很难损坏。因此，可以在地面材质为一些较硬材质时，才执行本申请实施例，这样的话，可以在一定程度上降低电子设备的功耗，例如，如果是在沙滩上，则可以不执行本申请实施例，因为沙滩上电子设备很难摔坏，如果是在水泥地上，则可以执行本申请实施例。如此，人性化对电子设备进行跌落保护。

可选地，在当前高度小于高度阈值时，可以不执行所述获取电子设备的操作数据的步骤。可以理解的是，当前高度小于高度阈值，可以认为电子设备不容易摔坏。

可以看出，本申请实施例中所描述的跌落保护方法，应用于电子设备，该电子设备包括处理器，以及与处理器连接的传感器，获取电子设备的操作数据，将操作数据输入到预设人工智能模型进行训练，得到跌落可能性值，在跌落可能性值大于预设阈值时，进行跌落提醒操作，可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

与上述一致地，请参阅图2，为本申请实施例提供的一种跌落保护方法的实施例流程示意图。本实施例中所描述的跌落保护方法，其可包括以下步骤：

201、获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据。

其中，上述正样本集可以为多组非跌落状态下的操作数据，例如，用户将手机放在桌子上，只用户进行触控操作。负样本集可以为多组跌落状态下的操作数据，例如，手机跌落的时候。

本申请实施例中的跌落状态可以指电子设备的加速度大于第一阈值时的状态，上述非跌落状态可以指电子设备的加速度小于或等于第一阈值的状态，上述第一阈值可以由用户自行设置，或者，系统默认。

具体实现中，正样本集可以包含大量的非跌落状态下的操作数据，负样本集可以包含大量的跌落状态下的操作数据，数据越多，则得到的预设人工智能模型越精准。

202、对所述正样本集和所述负样本集进行训练，得到预设人工智能模型。

其中，上述预设人工智能模型可以预先保存在存储器或者人工智能芯片中。该人工智能模型可以集成于电子设备的操作系统，或者，可以独立于电子设备的操作系统而存在。在将正样本集、负样本集输入到预设人工智能模型中，对其进行训练，得到预设人工智能模型。上述预设人工智能模型可以为基于以下算法得到：遗传算法、神经网络算法、支持向量机算法、非下采样轮廓波算法、多尺度金字塔算法、小波变换算法等等，具体地，可以收集大量的正样本数据和负样本数据，正样本数据可为非跌落数据，负样本数据可以为跌落数据，通过大量操作数据进行训练得到，得到预设人工智能模型。

例如，在操作数据为用户握持电子设备的握持姿势时，可以将该操作数据输入到预设人工智能模型中，得到该握持姿势可能会跌落的概率。

203、获取电子设备的操作数据。

204、将所述操作数据输入到所述预设人工智能模型进行训练，得到跌落可能性值。

205、在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

其中，上述步骤203-205的具体描述可参照图1B所描述的跌落保护方法的对应步骤，在此不再赘述。

可以看出，本申请实施例中所描述的跌落保护方法，应用于电子设备，该电子设备包括处理器，以及与处理器连接的传感器，获取正样本集和负样本集，其中，正样本集为多组非跌落状态下的操作数据，负样本集为多组跌落状态下的操作数据，对正样本集和负样本集进行训练，得到预设人工智能模型获取电子设备的操作数据，将操作数据输入到预设人工智能模型进行训练，得到跌落可能性值，在跌落可能性值大于预设阈值时，进行跌落提醒操作，可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

与上述一致地，以下是实施上述跌落保护方法的装置，具体如下：

与上述一致地，请参阅图3，图3是本申请实施例提供的一种电子设备，包括：处理器和存储器，还可以包括与所述处理器连接的传感器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于执行以下步骤的指令：

获取电子设备的操作数据；

将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

在一个可能的示例中，所述操作数据中包括用户握持所述电子设备的第一

握持姿势；

所述进行跌落提醒操作，所述程序包括用于执行以下步骤的指令：

获取所述用户与所述电子设备之间的目标摩擦力；

获取与所述目标摩擦力对应的第二握持姿势；

在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

在一个可能的示例中，所述操作数据包含多个数据项，每一数据项对应一个数据标识；

所述程序还包括用于执行以下步骤的指令：

根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

所述将所述操作数据输入到预设人工智能模型进行训练，包括：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

在一个可能的示例中，在所述获取电子设备的跌落数据之前，所述程序还包括用于执行以下步骤的指令：

获取地面材质；

获取与所述地面材质对应的高度阈值；

获取当前高度；

在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

在一个可能的示例中，在所述获取电子设备的跌落数据之前，所述程序还包括用于执行以下步骤的指令：

获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据；

对所述正样本集和所述负样本集进行训练，得到所述预设人工智能模型。

请参阅图4A，图4A是本实施例提供的一种跌落保护装置的结构示意图。该跌落保护装置应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，该跌落保护装置可包括：第一获取单元401、训练单元402和提醒单元403，其中，

第一获取单元401，用于获取电子设备的操作数据；

训练单元402，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

提醒单元403，用于在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

可选地，所述操作数据中包括用户握持所述电子设备的第一握持姿势；如图4B，图4B为本申请实施例图4A所描述的跌落保护装置的提醒单元403的具体细化结构，所述提醒单元403可以包括：第一获取模块4031、第二获取模块4032和展示模块4033，具体如下：

第一获取模块4031，用于获取所述用户与所述电子设备之间的目标摩擦力；

第二获取模块4032，用于获取与所述目标摩擦力对应的第二握持姿势；

展示模块4033，用于在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

可选地，所述操作数据包含多个数据项，每一数据项对应一个数据标识；如图4C，图4C为本申请实施例图4A所描述的跌落保护装置的又一变型结构，其与图4A相比较，还可以包括：筛选单元404，具体如下：

所述筛选单元404，用于根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

在所述将所述操作数据输入到预设人工智能模型进行训练方面，所述训练单元402具体用于：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

可选地，如图4D，图4D为本申请实施例图4A所描述的跌落保护装置的又一变型结构，其与图4A相比较，还可以包括：第二获取单元405，具体如下：

所述第二获取单元405，用于获取地面材质；获取与所述地面材质对应的高度阈值；获取当前高度；由所述训练单元402在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

可选地，如图4E，图4E为本申请实施例所描述的跌落保护装置的又一变型结构，其与图4A相比较，还可以包括：第三获取单元406，具体如下：

所述第三获取单元406，用于获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据；

所述训练单元402，还具体用于：

对所述正样本集和所述负样本集进行训练，得到所述预设人工智能模型。

可以看出，本申请实施例中所描述的跌落保护装置，应用于电子设备，该电子设备包括处理器，以及与处理器连接的传感器，获取电子设备的操作数据，将操作数据输入到预设人工智能模型进行训练，得到跌落可能性值，在跌落可能性值大于预设阈值时，进行跌落提醒操作，可以根据用户的操作数据，判断出跌落可能性，在可能性大时，进行跌落提醒，如此，提醒用户更好地保护电子设备。

可以理解的是，本实施例的跌落保护装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本申请实施例还提供了另一种电子设备，如图5所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该电子设备可以为包括手机、平板电脑、PDA(personal digital assistant，个人数字助理)、POS(point of sales，销售终端)、车载电脑等任意终端设备，以电子设备为手机为例：

图5示出的是与本申请实施例提供的电子设备相关的手机的部分结构的框图。参考图5，手机包括：射频(radio frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(wireless fidelity，Wi-Fi)模块970、处理器980、电源990等部件。本领域技术人员可以理解，图5中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图5对手机的各个构成部件进行具体的介绍：

输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括显示屏933以及生物识别装置931以及其他输入设备932。生物识别装置931可以为以下至少一种：人脸识别装置、指纹识别装置、虹膜识别装置、静脉识别装置、脑电波识别装置等等。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

其中，所述处理器980，用于执行如下步骤：

获取电子设备的操作数据；

将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

处理器980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/模或块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器980可包括一个或多个处理单元，该处理单元可为人工智能芯片、量子芯片；优选的，处理器980可集成应用处理器(例如，CPU，或者，GPU)和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器980中。上述处理器980可以集成Sensor Hub模块，或者，电子设备可以包含Sensor Hub模块，可以通过处理器980控制Sensor Hub模块完成下述本申请实施例。

此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(global system of mobilecommunication，GSM)、通用分组无线服务(general packet radio service，GPRS)、码分多址(code division multiple access，CDMA)、宽带码分多址(wideband code divisionmultiple access,WCDMA)、长期演进(long term evolution，LTE)、电子邮件、短消息服务(short messaging service，SMS)等。

手机还可包括至少一种传感器950，传感器950可以为跌落检测传感器，该跌落检测传感器比如：光传感器、运动传感器以及其他传感器等。具体地，光传感器可包括环境传感器及接近传感器，其中，环境传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放处理器980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。

Wi-Fi属于短距离无线传输技术，手机通过Wi-Fi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了Wi-Fi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理系统与处理器980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

前述图1B或图2所示的实施例中，各步骤方法流程可以基于该手机的结构实现。

前述图3、图4A～图4E所示的实施例中，各单元功能可以基于该手机的结构实现。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种跌落保护方法的部分或全部步骤。

本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种跌落保护方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。

所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、ROM、RAM、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种电子设备，其特征在于，所述电子设备包括处理器，以及与所述处理器连接的传感器，其中，

所述传感器，用于获取电子设备的操作数据；

所述处理器，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

2.根据权利要求1所述的电子设备，其特征在于，所述操作数据中包括用户握持所述电子设备的第一握持姿势；

在所述进行跌落提醒操作方面，所述处理器具体用于：

获取由所述传感器采集的所述用户与所述电子设备之间的目标摩擦力；

获取与所述目标摩擦力对应的第二握持姿势；

在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

3.根据权利要求1或2所述的电子设备，其特征在于，所述操作数据包含多个数据项，每一数据项对应一个数据标识；

所述处理器还具体用于：

根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

在所述将所述操作数据输入到预设人工智能模型进行训练方面，所述处理器具体用于：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

4.根据权利要求1-3任一项所述的电子设备，其特征在于，在所述获取电子设备的跌落数据之前，所述传感器还具体用于：

获取地面材质；

获取与所述地面材质对应的高度阈值；

获取当前高度；

在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

5.根据权利要求1-4任一项所述的电子设备，其特征在于，在所述获取电子设备的跌落数据之前，所述处理器还具体用于：

获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据；

对所述正样本集和所述负样本集进行训练，得到所述预设人工智能模型。

6.一种跌落保护方法，其特征在于，应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的传感器，其中，所述方法包括：

所述传感器获取电子设备的操作数据；

所述处理器将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；以及在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

7.一种跌落保护方法，其特征在于，所述方法包括：

获取电子设备的操作数据；

将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

8.根据权利要求7所述的方法，其特征在于，所述操作数据中包括用户握持所述电子设备的第一握持姿势；

所述进行跌落提醒操作，包括：

获取所述用户与所述电子设备之间的目标摩擦力；

获取与所述目标摩擦力对应的第二握持姿势；

在所述电子设备的显示屏上展示所述第二握持姿势，以引导所述用户按照所述第二握持姿势握持所述电子设备。

9.根据权利要求7或8所述的方法，其特征在于，所述操作数据包含多个数据项，每一数据项对应一个数据标识；

所述方法还包括：

根据所述预设人工智能模型中包含的数据标识对所述操作数据进行筛选；

所述将所述操作数据输入到预设人工智能模型进行训练，包括：

将筛选后的所述操作数据输入到所述预设人工智能模型中进行训练。

10.根据权利要求7-9任一项所述的方法，其特征在于，在所述获取电子设备的跌落数据之前，所述方法还包括：

获取地面材质；

获取与所述地面材质对应的高度阈值；

获取当前高度；

在所述当前高度大于所述高度阈值时，执行所述获取电子设备的操作数据的步骤。

11.根据权利要求7-10任一项所述的方法，其特征在于，在所述获取电子设备的跌落数据之前，所述方法还包括：

获取正样本集和负样本集，其中，所述正样本集为多组非跌落状态下的操作数据，所述负样本集为多组跌落状态下的操作数据；

对所述正样本集和所述负样本集进行训练，得到所述预设人工智能模型。

12.一种跌落保护装置，其特征在于，所述跌落保护装置包括：

获取单元，用于获取电子设备的操作数据；

训练单元，用于将所述操作数据输入到预设人工智能模型进行训练，得到跌落可能性值；

提醒单元，用于在所述跌落可能性值大于预设阈值时，进行跌落提醒操作。

13.一种电子设备，其特征在于，包括：处理器和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于如权利要求7-11任一项方法的指令。

14.一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，所述计算机程序使得计算机执行如权利要求7-11任一项所述的方法。