CN108519811A - 截图方法及相关产品 - Google Patents
截图方法及相关产品 Download PDFInfo
- Publication number
- CN108519811A CN108519811A CN201810204865.8A CN201810204865A CN108519811A CN 108519811 A CN108519811 A CN 108519811A CN 201810204865 A CN201810204865 A CN 201810204865A CN 108519811 A CN108519811 A CN 108519811A
- Authority
- CN
- China
- Prior art keywords
- sectional drawing
- target
- eeg signal
- presupposed information
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 210000004556 brain Anatomy 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 53
- 230000008451 emotion Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 13
- 210000005252 bulbus oculi Anatomy 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 210000003128 head Anatomy 0.000 claims 1
- 230000011218 segmentation Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 16
- 230000005611 electricity Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 210000002569 neuron Anatomy 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007177 brain activity Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 235000011464 Pachycereus pringlei Nutrition 0.000 description 1
- 240000006939 Pachycereus weberi Species 0.000 description 1
- 235000011466 Pachycereus weberi Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- User Interface Of Digital Computer (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请实施例公开了一种截图方法及相关产品，应用于电子设备，该电子设备包括脑电波传感器和处理器，该方法通过在用户关注当前画面中的预设信息时，获取脑电波信号，通过脑电波信号确定用户对预设信息的专注度，在用户对预设信息的专注度大于预设阈值时，生成截图指令，截取与预设信息对应的画面，如此，可根据用户的脑电波进行截图，节省用户的操作时间，从而实现截图的智能性。
Description
技术领域
本申请涉及图像技术领域，具体涉及一种截图方法及相关产品。
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。
目前，用户在通过电子设备观看视频的过程中，对于想要保存的视频图像，可进行截图操作，但是，在用户进行截图的过程中，可能需要暂停视频播放而使用户观看视频不够流畅，或者，因用户的截图操作产生的延时，使截取的视频图像不能满足用户的截图需求，用户需要多次执行截图操作来选取满意的视频图像，上述操作可能会令用户产生不良体验，因此，需要提出一种更加智能的截图方法，使用户能够更加快速准确地截取到满意的视频图像。
发明内容
本申请实施例提供了一种截图方法及相关产品，可以通过用户的脑电波进行截图，节省用户的操作时间，从而实现截图的智能性。
第一方面，本申请实施例提供一种电子设备，所述电子设备包括脑电波传感器和处理器，其中，
所述脑电波传感器，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
所述处理器，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；以及在所述专注度大于预设阈值时，生成截图指令；截取与所述预设信息对应的画面。
第二方面，本申请实施例提供了一种截图方法，应用于电子设备，所述方法包括：
在用户关注当前画面中的预设信息时，获取脑电波信号；
通过所述脑电波信号确定所述用户对所述预设信息的专注度；
在所述专注度大于预设阈值时，生成截图指令；
截取与所述预设信息对应的画面。
第三方面，本申请实施例提供了一种截图装置，应用于电子设备，所述截图装置包括：
采集单元，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
第一确定单元，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；
处理单元，用于在所述专注度大于预设阈值时，生成截图指令；
截图单元，用于截取与所述预设信息对应的画面。
第四方面，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二方面中所描述的部分或全部步骤的指令。
第五方面，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二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二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截图方法及相关产品，应用于电子设备，该电子设备包括脑电波传感器和处理器，该方法包括：在用户关注当前画面中的预设信息时，获取脑电波信号，通过脑电波信号确定用户对预设信息的专注度，在用户对预设信息的专注度大于预设阈值时，生成截图指令，截取与预设信息对应的画面，如此，可根据用户的脑电波进行截图操作，节省用户的操作时间，从而实现智能截图。
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是本申请实施例提供的一种脑电波传感器的结构示意图；
图1C是本申请实施例提供的集成脑电波传感器的电子设备的结构示意图；
图1D是本申请实施例提供的另一种脑电波传感器的结构示意图；
图1E是本申请实施例提供的另一种脑电波传感器的结构示意图；
图1F是本申请实施例提供的另一种脑电波传感器的结构示意图；
图1G是本申请实施例提供的另一种脑电波传感器的结构示意图；
图1H是本申请实施例提供的一种电极阵列的结构示意图；
图1I是本申请实施例提供的脑电波传感器的信号处理电路的示例图；
图2A是本申请实施例公开的一种截图方法的流程示意图；
图2B是本申请实施例提供的脑电波信号的波形示例图；
图3是本申请实施例公开的另一种截图方法的流程示意图；
图4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5A是本申请实施例提供的一种截图装置的结构示意图；
图5B是本申请实施例提供的图5A所描述的截图装置的一种变型结构的结构示意图；
图6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，而是可选的还包括没有列出的步骤或单元，或可选的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。
下面对本申请实施例进行详细介绍。
请参阅图1A，图1A是本申请实施例提供的一种电子设备100的结构示意图，上述电子设备100包括：壳体110、设置于所述壳体110内的电路板120、脑电波传感器130和设置于所述壳体110上的显示屏140，所述电路板120上设置有处理器121，所述脑电波传感器130与所述处理器121连接，所述处理器121连接所述显示屏140；其中，
所述脑电波传感器130，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
所述处理器130，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；
所述处理器130，还用于在所述专注度大于预设阈值时，生成截图指令；
以及，截取与所述预设信息对应的画面。
其中，脑电波传感器130又可以称为脑电波芯片、脑电波接收器等，该脑电波传感器130集成在电子设备中，具有专用信号处理电路，并与电子设备的处理器121连接，脑电波传感器130按照采集信号类型可以分为电流式脑电波传感器和电磁式脑电波传感器，电流式脑电波传感器采集脑皮层产生的生物电流，电磁式脑电波传感器采集人脑活动时辐射的电磁波。可以理解的是，该脑电波传感器的具体形态可以是多种多样的，此处不做唯一限定。
举例来说，如图1B所示，该脑电波传感器130可以包括天线模块和信号处理模块，具体可以集成在电子设备的主电路板上，天线模块采集人脑活动时产生的电磁波信号，信号处理模块针对该电磁波信号执行去噪、滤波等处理，最终形成基准脑电波信号发送给处理器121进行处理。
又举例来说，如图1C和1D所示，该脑电波传感器130可以包括穿戴式信号采集器，该穿戴式信号采集器可以收容于如图1C所示的电子设备的后壳的收容腔内，使用时，如图1D所示，穿戴式信号采集器与电子设备本端有线连接或者无线连接(无线连接对应穿戴式信号采集器集成有无线通讯模块与电子设备本端通信连接)。
可选的，上述穿戴式信号采集器可以包括以下至少一种：脑电波头盔、脑电波耳环、脑电波助听器、脑电波眼镜、脑电波发夹、脑电波体内植入芯片、脑电波贴片、脑电波耳机等等。
再举例说明下，如图1E所示，以用户体内植入脑电波体内植入芯片为例，脑电波体内植入芯片用于连接多个神经元传感器，每一神经元传感器设置于每一神经元，用于接收来自每一神经元的脑电波信号。具体工作中，神经元传感器采集来自神经元的脑电波信号，并将该脑电波信号携带该神经元的神经元标识发送给脑电波体内植入芯片，再通过脑电波体内植入芯片将脑电波信号发送给脑电波传感器。如图1F所示，当然，若用户与电子设备之间的距离大于预设距离时，可以通过脑电波信号放大器对脑电波信号进行放大，然后，将放大后的脑电波信号发送给脑电波体内植入芯片。上述神经元标识用于唯一识别神经元，神经元标识具体可以为编号、位置坐标、神经元名称等等。
因此，本申请实施例中的脑电波信号可以为以下至少一种：左脑的脑电波信号、右脑的脑电波信号、至少一个神经元的脑电波信号、来自大脑皮层的某一区域的脑电波信号等等，在此不作限定。
再举例来说，如图1G至1I所示，该脑电波传感器130可以包括电极阵列和信号处理模块，其中，该电子阵列埋入头皮中捕获神经元的电信号，电极部分的结构为针状阵列，该信号处理电路部分可以包括信号放大器、信号过滤器、信号分离器、模数转换电路、接口电路等。
其中，处理器121包括应用处理器和基带处理器，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。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，基带处理器主要处理无线通信。可以理解的是，上述基带处理器也可以不集成到处理器中。处理器121通过运行存储在存储器的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。
可以看出，本申请实施例中所描述的截图方法及相关产品，应用于电子设备，该电子设备包括脑电波传感器和处理器，通过在用户关注当前画面中的预设信息时，获取脑电波信号，通过脑电波信号确定用户对预设信息的专注度，在用户对预设信息的专注度大于预设阈值时，生成截图指令，截取与预设信息对应的画面，如此，可根据用户的脑电波进行截图操作，节省用户的操作时间，从而实现快速截图。
在一个可能的示例中，在所述生成截图指令方面，所述处理器121具体用于：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
其中，由于脑电波采集信号的过程中，可能存在肌肉电、机械以及外界噪音产生的干扰信号，因此，可对采集到的脑电波信号进行滤波处理，得到参考脑电波信号。
在一个可能的示例中，所述当前画面为目标视频的视频画面，在所述截取与所述预设信息对应的画面方面，所述处理器121具体用于：
根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
一个可能的示例中，在所述根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像之后，所述处理器还用于：
对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；
根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；
根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
在一个可能的示例中，所述电子设备还包括摄像头，所述摄像头具体用于：
确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长；
所述处理器还用于：
在所述关注时长超过预设时长时，从所述当前画面中获取所述关注位置的信息类型；
根据所述信息类型确定所述预设信息。
请参阅图2A，图2A是本申请实施例提供的一种截图方法的流程示意图，应用于如图1A所述的电子设备，所述电子设备包括脑电波传感器、存储器和处理器，本实施例中所描述的截图方法，可包括以下步骤：
201、在用户关注当前画面中的预设信息时，获取脑电波信号。
其中，上述当前画面可以是电子设备当前的静态页面，也可以是电子设备正在播放的视频画面；上述预设信息可包括以下至少一种信息：人物信息、文字信息，或视频播放进度等等。
可选的，可预先设置一信息库，在采集到用户的脑电波信号后，可根据预设的信息库中脑电波信号与信息之间的对应关系，获取与用户的脑电波信号对应的预设信息，从而根据该预设信息进行截图操作。
202、通过所述脑电波信号确定所述用户对所述预设信息的专注度。
本申请实施例中，用户关注当前画面中的预设信息时，通过确定用户此时的专注度，可判定用户是否想要进行截图，当专注度大于预设阈值时，可确定用户想要进行截图，当专注度小于或等于预设阈值时，结束本流程。
可选的，上述步骤202中，所述通过所述脑电波信号确定所述用户对所述预设信息的专注度，可包括以下步骤：
根据所述脑电波信号生成第一脑电图；
确定所述第一脑电图中的波形特征周期；
按照所述波形特征周期将所述第一脑电图划分为多个分段脑电图；
将所述多个分段脑电图中每个分段脑电图与脑电图模板库中的脑电图模板进行比对，获取所述每个分段脑电图匹配的脑电图模板，每一脑电图模板对应唯一关注度；
确定所述多个分段脑电图对应的多个脑电图模板中重复度最高的脑电图模板；
确定所述重复度最高的脑电图模板对应的关注度为所述用户的关注度。
本申请实施例中，考虑到人脑波动性，电子设备基于用户当前的脑电图的波形特征周期，将该脑电图划分为多个分段脑电图，并针对每个分段脑电图进行模板比对，得到每个分段脑电图对应的脑电图模板后，将模板重复度最高的脑电图模板确定为当前的脑电图对应的脑电图模板，如此可以将因人脑的波动性而产生的异常脑电波信号对应的部分脑电图及时剔除，避免异常波动的部分脑电图影响匹配结果，有利于提高脑电图模板的匹配准确度，提高关注度检测的精确度。
举例说明下，如图2B所示，假设电子设备当前采集的脑电图包括100个波形特征周期，则可以将该当前的脑电图按照波形特征周期进行拆分，拆分为至少5个分段脑电图，分别为分段脑电图1、分段脑电图2、分段脑电图3、分段脑电图4、分段脑电图5，其中每个分段脑电图占据20个特征周期，具体的，分段脑电图1对应波形特征周期1-20，分段脑电图2对应波形特征周期21-40，分段脑电图3对应波形特征周期41-60，分段脑电图4对应波形特征周期61-80，分段脑电图5对应波形特征周期81-100，分别将每个分段脑电图与脑电图模板库进行比较，每个分段脑电图都对应一个匹配度最高的脑电图模板，具体的，分段脑电图1对应脑电图模板a，分段脑电图2对应脑电图模板a，分段脑电图3对应脑电图模板b，分段脑电图4对应脑电图模板a、分段脑电图5对应脑电图模板a，则确定重复度最高的脑电图模板a为当前的脑电图对应的脑电图模板。
203、在所述专注度大于预设阈值时，生成截图指令。
本申请实施例中，在用户关注上述预设信息的专注度大于预设阈值时，表明用户想要截取图像，进而，可根据用户的脑电波信号生成截图指令，其中，上述截图指令可包括以下至少一种：截取用户关注的预设信息，截取预设信息对应的当前页面，或者截取目标视频中包含预设信息的所有页面等等，本申请实施例不做具体限定，具体的，截取用户关注的预设信息，包括截取预设信息的信息内容；截取预设信息对应的当前页面，包括截取用户关注的包含预设信息的当前页面；截取目标视频中包含预设信息的所有页面，包括截取目标视频中包含预设信息的当前页面的视频图像，目标视频中已经播放的包含预设信息的视频图像，以及，目标视频中待播放的包含预设信息的视频图像。
可选的，上述步骤203中，所述生成所述截图指令，可包括如下步骤：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
本申请实施例中，可预先获取用户针对上述不同的截图指令的多组脑电波信号，以及提取多组脑电波信号中每组脑电波信号对应的特征值，然后确定上述不同的截图指令分别对应的截图参数，进而设置脑电波信号的特征值和截图参数之间的对应关系，并将该对应关系进行存储，在获取到用户当前关注预设信息的脑电波信号后，可根据该脑电波信号提取目标特征值，根据上述对应关系确定目标特征值对应的目标截图参数，如此，根据该目标截图参数生成的截图指令，即为用户当前想要电子设备执行的截图指令。
举例说明下，用户关注当前画面中的预设信息，想要截取的是用户关注的预设信息，则可根据用户的脑电波信号，得到目标特征值，根据该目标特征值以及上述对应关系，获取目标特征值对应的目标截图参数，根据该目标截图参数，生成内容包括“截取用户关注的预设信息”的截图指令。
204、截取与所述预设信息对应的画面。
本申请实施例中，根据上述包含目标截图参数的截图指令，可截取与预设信息对应的画面，具体的，若当前页面为一静止页面，根据生成的截图指令，需要截取预设信息对应的当前页面，可直接截取当前页面；若当前页面为一静止页面，根据生成的截图指令，需要截取用户关注的预设信息，则可从当前页面提取该预设信息，例如，预设信息为人物信息时，可对当前页面进行人脸识别，然后进行人像提取，得到该人物信息对应的人物图像，又例如，预设信息为文字信息时，可从当前页面提取该文字信息。
本申请实施例中，根据预设信息的内容，截取与所述预设信息对应的画面，若预设信息为视频播放进度，则可根据该视频播放进度，对视频播放进度对应的视频页面进行截取；若预设信息为人物信息，则可根据该人物信息，截取当前页面中该人物的人像图像，或者目标视频中至少一张该人物角色的剧照；若预设信息为文字信息，则可将当前页面中的该文字信息进行截取，或者，将该文字信息对应的页面进行截取，又或者，将目标视频中包含该文字信息的多个视频图像进行截取。
可选的，上述步骤204中，所述当前画面为目标视频的视频画面，所述截取与所述预设信息对应的画面，可包括如下步骤：
A1、根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
A2、根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
其中，上述目标视频为用户正在关注的视频，本申请实施例中，考虑到在一个视频中包含预设信息的页面可能不仅包括当前正在播放的视频画面，已经播放或者待播放的视频图像中也可能包含预设信息，因此，用户可对目标视频中预设信息对应的多张图像进行截取，例如，当用户关注的预设信息为一人物角色，用户可截取目标视频中关于该人物角色的多张剧照。
上述步骤A1-A2中，根据预设信息对目标视频进行解析，得到包含预设信息至少一张图像，若根据上述截图指令，需要截取预设信息对应的当前页面，则根据目标截图参数进行截图，可获取用户注视当前页面的第一时间，根据该第一时间截取预设信息对应的当前页面；若根据上述截图指令，需要截取目标视频中包含预设信息的所有页面，则可根据目标截图参数进行截图，可得到包含预设信息的所有页面。
可选的，若用户关注当前画面中的预设信息为文字信息，且当前画面为目标视频的视频画面，则可获取该文字信息对应的视频画面的音频参数，根据该音频参数判定该文字信息是对白还是歌词，若该文字信息为对白，则可直接获取该对白对应的页面；若该文字信息为歌词，可获取该文字信息对应的视频画面的相邻多帧视频画面的音频参数，根据该相邻多帧视频画面的音频参数，确定该视频歌曲的起始位置和结束位置，根据起始位置和结束位置，可从该文字信息对应的视频画面和相邻多帧视频画面中提取多个文字信息，并将该多个文字信息按照视频画面的播放顺序进行排序，如此，在上述预设信息为视频歌曲的歌词时，用户可根据预设信息截取一段视频歌曲的歌词，使截取到的内容能满足用户更加个性化的需求。
可选的，在执行步骤A2之后，还可对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
其中，上述情绪类型可包括以下任意一种：愉悦、兴奋、忧伤、愤怒、反感、生气、恐惧、紧张、疑惑等等，本申请实施例不做具体限定。
本申请的实施例中，可预先设定情绪类型与图像处理参数之间的对应关系，每一种图像处理参数对应一种图像处理操作，其中，图像处理操作可以是以下至少一种：色调调整、拼图操作、添加边框、形状调整或尺寸调整等等，具体的，确定目标情绪类型后，可根据目标情绪类型对应的目标图像处理参数，根据该目标图像处理参数将截取的至少一张截图图像的进行图像处理，使处理后的至少一张截图图像的图像效果符合用户当前的情绪，并将该至少一张截图图像进行展示，例如，当用户当前的目标情绪类型为忧伤，可将截图图像的色调调整为蓝色，当用户当前的目标情绪类型为疑惑，可将截图图像的进行放大，当存在多张截图图像，且目标情绪类型为“开心”，可将截图图像进行拼图，得到一“心形”形状的拼图。
举例说明，根据脑电波信号确定目标情绪类型为愉悦时，可将确定“愉悦情绪类型”对应的图像处理参数，该图像处理参数假定为图像形状调整参数，则将截图图像的形状调整为不规则的形状，若目标情绪类型为“紧张”时，可将截图图像的形状调整为规则的形状，如此，可根据用户当前的情绪类型对截图图像进行图像处理，使处理后的截图图像的展示效果符合用户当前的情绪，从而使截图能够满足用户的个性化需求。
可以看出，本申请实施例中所描述的截图方法，应用于电子设备，该电子设备包括脑电波传感器和处理器，该方法包括：在用户关注当前画面中的预设信息时，获取脑电波信号，通过脑电波信号确定用户对预设信息的专注度，在用户对预设信息的专注度大于预设阈值时，意味着用户想要进行截图，根据用户的脑电波信号确定目标截图参数，根据该截图参数确定生成截图指令，截取与预设信息对应的画面，如此，可根据用户的脑电波进行截图操作，减少了用户的操作，从而实现快速截图。
与上述一致地，请参阅图3，为本申请实施例提供的一种截图方法的实施例流程示意图。本实施例中所描述的截图方法，可包括以下步骤：
301、在用户关注当前画面中的预设信息时，确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长。
其中，可在电子设备的显示屏建立一个坐标系，上述关注位置，可以是用户的眼球注视显示屏上的至少一个坐标点，也可以是用户的眼球注视显示屏上的一个区域，例如，可根据文字信息对应的起点位置坐标点和终点位置坐标点确定文字信息的内容，又例如，可根据是显示页面中文字信息对应的方形区域确定文字信息的内容。
本申请的实施例中，为了确定用户关注的预设信息的内容，可通过摄像头获取用户的眼球注视电子设备上显示屏的关注位置以及关注时长，根据该关注位置确定预设信息的内容。
302、在所述关注时长超过预设时长时，从所述当前画面中获取所述关注位置的信息类型。
若用户关注预设信息的时长超过预设时长，根据上述关注位置确定关注位置的信息类型为文字、人物、或者播放进度，具体的，可对该关注位置的区域形状进行判断，若该区域形状为较为规则的形状，例如矩形、梯形，可优先判定该关注位置的信息类型为文字信息，若该区域的形状为比较不规则的形状，可优先判定该关注位置的信息类型为人物。
可选的，可获取关注位置对应的区域形状，将所述区域形状与预设的图像模板库中的图像模板进行匹配，得到多个匹配值，筛选多个匹配值中最大匹配值对应的目标图像模板，进而确定该目标图像模板对应的信息类型，进一步的，可预先获取多个信息类型对应的图像模板，将图像模板与信息类型之间的对应关系进行存储，如此，可在获取关注位置的信息类型时，根据预设的对应关系快速地确定信息类型。
303、获取脑电波信号。
304、根据所述信息类型确定所述预设信息；以及，通过所述脑电波信号确定所述用户对所述预设信息的专注度。
本申请实施例中，可在确定信息类型后，对当前页面进行图像识别，确定用户关注的预设信息的内容，例如，若信息类型为人物，可对上述关注位置的区域形状进行人脸识别，得到人脸特征点，然后根据该人脸特征点获取关于该人物对应的截图图像。
305、在所述专注度大于预设阈值时，生成截图指令。
其中，上述步骤303和305的具体描述可参照图2A所描述的截图方法的对应步骤201和203，此处不再赘述。
306、截取与所述预设信息对应的画面。
可选的，若用户关注的当前画面为目标视频的视频画面，可在根据预设信息以及用户的脑电波信号截取到预设信息对应的多张视频图像后，将多张图像处理成一个视频片段，如此，可将截取到的多张图像处理成一个动图，从而满足用户的个性化需求。
可以看出，本申请实施例所描述的截图方法，应用于电子设备，该电子设备包括脑电波传感器和处理器，该方法通过在用户关注当前画面中的预设信息时，确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长，在所述关注时长超过预设阈值时，获取脑电波信号，从所述当前画面中获取所述关注位置的信息类型，根据所述信息类型确定所述预设信息，通过所述脑电波信号确定所述用户对所述预设信息的专注度，在所述专注度大于预设阈值时，根据用户的脑电波信号生成截图指令，截取与所述预设信息对应的画面，如此，可在用户关注预设信息时，通过摄像头获取预设信息的内容，进而通过预设信息和用户的脑电波信号截取用户想要截取的内容，从而实现截图的智能化，快速准确地截取到用户想要的截图图像。
以下是实施上述截图方法的装置，具体如下：
与上述一致地，请参阅图4，图4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；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：
在用户关注当前画面中的预设信息时，获取脑电波信号；
通过所述脑电波信号确定所述用户对所述预设信息的专注度；
在所述专注度大于预设阈值时，生成截图指令；
截取与所述预设信息对应的画面。
在一个可能的示例中，在所述生成截图指令方面，所述程序包括用于执行以下步骤的指令：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
在一个可能的示例中，所述当前画面为目标视频的视频画面，在所述截取与所述预设信息对应的画面方面，所述程序包括用于执行以下步骤的指令：
根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
在一个可能的示例中，在所述根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像之后，所述程序包括用于执行以下步骤的指令：
对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；
根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；
根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
在一个可能的示例中，所述程序包括用于执行以下步骤的指令：
确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长；
在所述关注时长超过预设阈值时，从所述当前画面中获取所述关注位置的信息类型；
根据所述信息类型确定所述预设信息。
请参阅图5A，图5A是本实施例提供的一种截图装置的结构示意图。该截图装置应用于电子设备，所述电子设备包括脑电波传感器，所述截图装置包括：
采集单元501，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
第一确定单元502，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；
处理单元503，用于在所述专注度大于预设阈值时，生成截图指令；
截图单元504，用于截取与所述预设信息对应的画面。
可选的，在所述生成截图指令方面，所述处理单元503具体用于：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
可选的，所述当前画面为目标视频的视频画面，在所述截取与所述预设信息对应的画面，所述处理单元503具体用于：
根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
可选的，在所述根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像之后，所述处理单元503还用于：
对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；
根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；
根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
可选的，如图5B，图5B是图5A所描述的截图装置的变型结构，其与图5A相比较，还可包括：第二确定单元505、获取单元506，其中：
所述第二确定单元505，具体用于确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长；
所述获取单元506，具体用于在所述关注时长超过预设阈值时，从所述当前画面中获取所述关注位置的信息类型；
所述第一确定单元502，还用于根据所述信息类型确定所述预设信息。
可以看出，本申请实施例描述的截图装置，应用于电子设备，该电子设备包括脑电波传感器，本申请实施例通过在用户关注当前画面中的预设信息时，确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长，在所述关注时长超过预设阈值时，获取脑电波信号，从所述当前画面中获取所述关注位置的信息类型，根据所述信息类型确定所述预设信息，通过所述脑电波信号确定所述用户对所述预设信息的专注度，在所述专注度大于预设阈值时，根据用户的脑电波信号生成截图指令，截取与所述预设信息对应的画面，如此，可在用户关注预设信息时，通过摄像头获取预设信息的内容，进而通过预设信息和用户的脑电波信号截取用户想要截取的内容，从而实现截图的智能化，快速准确地截取到用户想要的截图图像。
可以理解的是，本实施例的截图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6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的方法部分。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：
如图6所示的电子设备6000包括：至少一个处理器6011、存储器6012、通信接口(包括SIM接口6014、音频输入接口6015、串行接口6016和其他通信接口6017)、信号处理模块6013(包括接收器6018、发射器6019、LOs6020和信号处理器6021)、输入输出模块(包括显示器6022、扬声器6023、麦克风6024、传感器6025等)。本领域技术人员可以理解，图6中示出的电子设备结构并不构成对电子设备的限定，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6对电子设备的各个构成部件进行具体的介绍：
处理器6011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6012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(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中。
其中，所述处理器6011，用于执行如下步骤：
在用户关注当前画面中的预设信息时，获取脑电波信号；
通过所述脑电波信号确定所述用户对所述预设信息的专注度；
在所述专注度大于预设阈值时，生成截图指令；
截取与所述预设信息对应的画面。
存储器6012存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器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，存储器可用于存储软件程序以及模块，本申请实施例中，存储器可用于存储预设的特征值与截图参数之间的对应关系，以及，预设的情绪类型与图像处理参数之间的对应关系。
通信接口用于与外部设备进行通信连接，包括SIM接口6014、音频输入接口6015、串行端口6016和其他通信接口6017。
输入输出模块6010可包括显示器6022、扬声器6023、麦克风6024、传感器6025等，其中，传感器6025可包括光传感器、运动传感器、脑电波传感器、摄像头以及其他传感器。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。运动传感器例如可以是加速计传感器，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，可用于识别电子设备姿态的应用(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。本申请实施例中的脑电波传感器可用于采集用户的脑电波信号，摄像头可用于确定用户的眼球注视所述当前画面中的关注位置以及关注时长。
信号处理模块6013用于处理电子设备从外部设备接收的信号以及向外部设备发送信号，外部设备例如可以是基站，其中，接收器6018用于接收外部设备发送的信号，并将该信号传输至信号处理器6021，发射器用于6019用于对信号处理器6021输出的信号进行发射。
前述图2A或图3所示的实施例中，各步骤方法流程可以基于该电子设备的结构实现。
前述图4、图5A或图5B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截图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截图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 (13)
1.一种电子设备，其特征在于，所述电子设备包括脑电波传感器和处理器，其中，
所述脑电波传感器，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
所述处理器，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；以及在所述专注度大于预设阈值时，生成截图指令；截取与所述预设信息对应的画面。
2.根据权利要求1所述的电子设备，其特征在于，在所述生成截图指令方面，所述处理器具体用于：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
3.根据权利要求2所述的电子设备，其特征在于，所述当前画面为目标视频的视频画面，在所述截取与所述预设信息对应的画面方面，所述处理器具体用于：
根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
4.根据权利要求3所述的电子设备，其特征在于，在所述根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像之后，所述处理器还用于：
对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；
根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；
根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
5.根据权利要求4所述的电子设备，其特征在于，所述电子设备还包括摄像头，所述摄像头具体用于：
确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长；
所述处理器还用于：
在所述关注时长超过预设时长时，从所述当前画面中获取所述关注位置的信息类型；
根据所述信息类型确定所述预设信息。
6.一种截图方法，其特征在于，应用于电子设备，所述方法包括：
在用户关注当前画面中的预设信息时，获取脑电波信号；
通过所述脑电波信号确定所述用户对所述预设信息的专注度；
在所述专注度大于预设阈值时，生成截图指令；
截取与所述预设信息对应的画面。
7.根据权利要求6所述的方法，其特征在于，所述生成截图指令，包括：
对所述脑电波信号进行滤波处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到目标脑电波信号；
对所述目标脑电波信号进行特征提取，得到目标特征值；
根据预设的特征值与截图参数之间的对应关系，确定与所述目标特征值对应的目标截图参数；
根据所述目标截图参数，生成截图指令。
8.根据权利要求7所述的方法，其特征在于，所述当前画面为目标视频的视频画面，所述截取与所述预设信息对应的画面，包括：
根据所述预设信息对所述目标视频进行解析，得到包含所述预设信息的至少一张图像；
根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像。
9.根据权利要求8所述的方法，其特征在于，在所述根据所述目标截图参数对所述至少一张图像进行截图，得到至少一张截图图像之后，所述方法还包括：
对所述脑电波信号进行情绪识别，得到所述脑电波信号对应的目标情绪类型；
根据预设的情绪类型与图像处理参数之间的对应关系，确定与所述目标情绪类型对应的目标图像处理参数；
根据所述目标图像处理参数对所述至少一张截图图像进行图像处理，并将处理后的所述至少一张截图图像进行展示。
10.根据权利要求6至9任一项所述的方法，其特征在于，所述方法还包括：
确定所述用户的眼球注视所述当前画面中的关注位置以及关注时长；
在所述关注时长超过预设时长时，从所述当前画面中获取所述关注位置的信息类型；
根据所述信息类型确定所述预设信息。
11.一种截图装置，其特征在于，应用于电子设备，所述截图装置包括：
采集单元，用于在用户关注当前画面中的预设信息时，获取脑电波信号；
第一确定单元，用于通过所述脑电波信号确定所述用户对所述预设信息的专注度；
处理单元，用于在所述专注度大于预设阈值时，生成截图指令；
截图单元，用于截取与所述预设信息对应的画面。
12.一种电子设备，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6-10任一项方法的指令。
13.一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6-10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810204865.8A CN108519811B (zh) | 2018-03-13 | 2018-03-13 | 截图方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810204865.8A CN108519811B (zh) | 2018-03-13 | 2018-03-13 | 截图方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108519811A true CN108519811A (zh) | 2018-09-11 |
| CN108519811B CN108519811B (zh) | 2021-04-09 |
Family
ID=63433629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810204865.8A Expired - Fee Related CN108519811B (zh) | 2018-03-13 | 2018-03-13 | 截图方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108519811B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109432779A (zh) * | 2018-11-08 | 2019-03-08 | 北京旷视科技有限公司 | 难度调整方法、装置、电子设备及计算机可读存储介质 |
| CN109998828A (zh) * | 2019-04-29 | 2019-07-12 | 河南科技大学第一附属医院 | 重症监护室床边控制柜 |
| CN111124111A (zh) * | 2019-11-29 | 2020-05-08 | 联想(北京)有限公司 | 一种处理方法、电子设备 |
| CN113239235A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市知小兵科技有限公司 | 公众号文章的图文信息的处理方法及相关装置 |
| CN114385010A (zh) * | 2022-01-13 | 2022-04-22 | 深圳市微资科技有限公司 | 基于脑电波控制的蛋白截面生成方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104796781A (zh) * | 2015-03-31 | 2015-07-22 | 小米科技有限责任公司 | 视频片段提取方法及装置 |
| CN105282612A (zh) * | 2014-06-10 | 2016-01-27 | 广东易家通数字家庭技术发展有限公司 | 一种电视画面区域定位并关联搜索的方法及电视机系统 |
| CN105631395A (zh) * | 2015-06-23 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 基于虹膜识别的终端控制方法及装置 |
| CN106454060A (zh) * | 2015-08-10 | 2017-02-22 | 宏达国际电子股份有限公司 | 影音管理方法及其系统 |
| CN107145239A (zh) * | 2017-06-29 | 2017-09-08 | 上海传英信息技术有限公司 | 一种基于脑念传感器的智能系统及其控制方法 |
| CN206579821U (zh) * | 2017-01-06 | 2017-10-24 | 吕梁学院 | 一种基于脑电波控制的仿生机器鱼系统 |
| US20170357407A1 (en) * | 2016-06-14 | 2017-12-14 | Unity IPR ApS | System and method for texturing in virtual reality and mixed reality environments |
-
2018
- 2018-03-13 CN CN201810204865.8A patent/CN108519811B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105282612A (zh) * | 2014-06-10 | 2016-01-27 | 广东易家通数字家庭技术发展有限公司 | 一种电视画面区域定位并关联搜索的方法及电视机系统 |
| CN104796781A (zh) * | 2015-03-31 | 2015-07-22 | 小米科技有限责任公司 | 视频片段提取方法及装置 |
| CN105631395A (zh) * | 2015-06-23 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 基于虹膜识别的终端控制方法及装置 |
| CN106454060A (zh) * | 2015-08-10 | 2017-02-22 | 宏达国际电子股份有限公司 | 影音管理方法及其系统 |
| US20170357407A1 (en) * | 2016-06-14 | 2017-12-14 | Unity IPR ApS | System and method for texturing in virtual reality and mixed reality environments |
| CN206579821U (zh) * | 2017-01-06 | 2017-10-24 | 吕梁学院 | 一种基于脑电波控制的仿生机器鱼系统 |
| CN107145239A (zh) * | 2017-06-29 | 2017-09-08 | 上海传英信息技术有限公司 | 一种基于脑念传感器的智能系统及其控制方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109432779A (zh) * | 2018-11-08 | 2019-03-08 | 北京旷视科技有限公司 | 难度调整方法、装置、电子设备及计算机可读存储介质 |
| CN109432779B (zh) * | 2018-11-08 | 2022-05-17 | 北京旷视科技有限公司 | 难度调整方法、装置、电子设备及计算机可读存储介质 |
| CN109998828A (zh) * | 2019-04-29 | 2019-07-12 | 河南科技大学第一附属医院 | 重症监护室床边控制柜 |
| CN111124111A (zh) * | 2019-11-29 | 2020-05-08 | 联想(北京)有限公司 | 一种处理方法、电子设备 |
| CN113239235A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市知小兵科技有限公司 | 公众号文章的图文信息的处理方法及相关装置 |
| CN114385010A (zh) * | 2022-01-13 | 2022-04-22 | 深圳市微资科技有限公司 | 基于脑电波控制的蛋白截面生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108519811B (zh) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108519811A (zh) | 截图方法及相关产品 | |
| CN110110118B (zh) | 妆容推荐方法、装置、存储介质及移动终端 | |
| CN108509033B (zh) | 信息处理方法及相关产品 | |
| JP2019145108A (ja) | 顔に対応する３次元アバターを用いて顔の動きが反映された３ｄアバターを含むイメージを生成する電子装置 | |
| CN106161939B (zh) | 一种照片拍摄方法及终端 | |
| CN109951595A (zh) | 智能调节屏幕亮度的方法、装置、存储介质及移动终端 | |
| CN108495191A (zh) | 视频播放控制方法及相关产品 | |
| CN108391164B (zh) | 视频解析方法及相关产品 | |
| WO2015001437A1 (en) | Image processing method and apparatus, and electronic device | |
| CN108491076B (zh) | 显示控制方法及相关产品 | |
| CN106507021A (zh) | 视频处理方法及终端设备 | |
| CN105518579A (zh) | 信息处理设备和信息处理方法 | |
| CN109840465A (zh) | 识别图像中的文本的电子装置 | |
| CN105657249A (zh) | 一种图像处理方法及用户终端 | |
| CN106815803B (zh) | 图片的处理方法及装置 | |
| CN109978996B (zh) | 生成表情三维模型的方法、装置、终端及存储介质 | |
| CN111432245B (zh) | 多媒体信息的播放控制方法、装置、设备及存储介质 | |
| CN112257552B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN104662889B (zh) | 用于在便携式终端中进行拍摄的方法和设备 | |
| CN111654622B (zh) | 拍摄对焦方法、装置、电子设备及存储介质 | |
| CN112581358A (zh) | 图像处理模型的训练方法、图像处理方法及装置 | |
| CN110827195A (zh) | 虚拟物品添加方法、装置、电子设备及存储介质 | |
| CN107967667A (zh) | 素描的生成方法、装置、终端设备和存储介质 | |
| CN110891181B (zh) | 直播画面显示方法、装置、存储介质及终端 | |
| CN108260012A (zh) | 电子装置、视频播放控制方法及相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210409 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |