CN111414900B - 场景识别方法、场景识别装置、终端设备及可读存储介质 - Google Patents

场景识别方法、场景识别装置、终端设备及可读存储介质 Download PDF

Info

Publication number
CN111414900B
CN111414900B CN202010362593.1A CN202010362593A CN111414900B CN 111414900 B CN111414900 B CN 111414900B CN 202010362593 A CN202010362593 A CN 202010362593A CN 111414900 B CN111414900 B CN 111414900B
Authority
CN
China
Prior art keywords
scene recognition
recognition result
neural network
scene
information
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.)
Active
Application number
CN202010362593.1A
Other languages
English (en)
Other versions
CN111414900A (zh
Inventor
熊龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202010362593.1A priority Critical patent/CN111414900B/zh
Publication of CN111414900A publication Critical patent/CN111414900A/zh
Application granted granted Critical
Publication of CN111414900B publication Critical patent/CN111414900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Stored Programmes (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供了一种场景识别方法、场景识别装置、终端设备及可读存储介质。所述方法包括:获取N个第一应用程序分别得到的行为信息,其中,每个行为信息均为用于表征用户行为的信息,其中,N≥2且N为整数;基于N个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;将所述场景识别结果推送给一个或多个第二应用程序。本申请能够提高应用程序得到的场景识别结果的准确率。

Description

场景识别方法、场景识别装置、终端设备及可读存储介质
技术领域
本申请属于场景识别技术领域,尤其涉及一种场景识别方法、场景识别装置、终端设备及计算机可读存储介质。
背景技术
目前,很多终端设备中所安装的应用程序都具备场景识别能力,并能够基于识别出来的场景类别,向用户推送提示信息,以此来提高用户粘性。比如,若上述应用程序识别出的场景类别为“工作日早上8点,在家”时,则可以向用户推送提示信息“预计30分钟后到公司,别忘记吃早饭”。
但是,在某些情况下,用户会基于隐私考虑,可能会对上述应用程序仅仅开放很少的权限,导致上述应用程序所获取的用于表征用户行为的行为信息的数量很少,从而使得其场景识别准确度较低。
发明内容
有鉴于此,本申请实施例提供了一种场景识别方法、场景识别装置、终端设备及计算机可读存储介质。能够提高应用程序得到的场景识别结果的准确率。
本申请实施例的第一方面提供了一种场景识别方法,包括:
获取个第一应用程序分别得到的行为信息,其中,每个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数;
基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;
将所述场景识别结果推送给一个或多个第二应用程序。
本申请第一方面提供了一种场景识别方法。首先,获取个第一应用程序分别得到的行为信息,其中,每个行为信息均为用于表征用户行为的信息,其中,/>;其次,基于/>个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;然后,将所述场景识别结果推送给一个或多个第二应用程序(本领域技术人员容易理解,该第二应用程序可以与上述第一应用程序为相同的应用程序,本申请对此不作限定)。由此可见,本申请所提供的技术方案中,第二应用程序最终所得到的场景识别结果是根据多个第一应用程序分别得到的行为信息所确定的,即便用户仅仅对每个第一应用程序开放较少的权限,导致每个第一应用程序得到的用户信息很少,但本申请所提供的技术方案中,综合了多个第一应用程序所采集的用户信息,因此,能够更准确地进行场景识别,提高了应用程序得到的场景识别结果的准确率。
本申请实施例的第二方面提供了一种场景识别装置,包括:
多行为信息获取模块,用于获取个第一应用程序分别得到的行为信息,其中,每一个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数;
场景识别模块,用于基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;
场景推送模块,用于将所述场景识别结果推送给一个或多个第二应用程序。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面所述场景识别方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面所述场景识别方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面所述场景识别方法的步骤。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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。
图1是本申请实施例提供的一种终端设备的结构示意图;
图2是本申请实施例提供的一种场景识别方法的流程示意图;
图3是本申请实施例中步骤S102的具体实现流程示意图;
图4是本申请实施例提供的程序架构示意图;
图5是本申请实施例提供的一种场景识别装置的结构示意图;
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定的技术细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供的场景识别方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(Augmented Reality,AR)/虚拟现实(Virtual Reality,VR)设备、笔记本电脑、超级移动个人计算机(Ultra-Mobile Personal Computer,UMPC)、上网本、个人数字助理(Personal Digital Assistant,PDA)或者服务器等终端设备上,本申请实施例对该场景识别方法所应用的终端设备的类型不作任何限制。
参见图1,为本申请实施例提供的一种终端设备的部分结构的框图,包括:处理器100、存储器110、通信模块120、输入模块130、显示模块140、音频模块150、传感器模块160、定位系统170等部件。本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,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。
其中,处理器100可以包括如下至少一种类型:中央处理单元(CentralProcessing Unit,CPU),该处理器100还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器110可用于存储软件程序以及模块,处理器100通过运行存储在存储器110的软件程序以及模块,从而执行终端设备的各种应用以及数据处理。存储器110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、应用程序等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器110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。
其中,通信模块120用于处理器100的控制下实现信号的接收和发送。该通信模块120可以包括射频(Radio Frequency,RF)电路。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、LNA(low noise amplifier,低噪声放大器)、双工器等。此外,RF电路还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(global system of mobile communication,全球移动通讯系统)、GPRS(general packet radio service,通用分组无线服务)、CDMA(code divisionmultiple access,码分多址)、WCDMA(wideband code division multiple access, 宽带码分多址)、LTE(long term evolution,长期演进)、电子邮件、SMS(short messagingservice,短消息服务)、短距离通信技术(例如无线保真(wireless fidelity,WiFi)通信)等。
输入模块130可用于接收输入的数字、字符、语音信息,以及产生与终端设备的用户设置以及功能控制有关的键信号输入和语音信号输入。具体地,输入模块130可包括触控面板以及其他输入设备。触控面板,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器100,并能接收处理器100发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板,输入模块130还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、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。
显示模块140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示模块140可包括显示面板,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode, OLED)等形式来配置显示面板。进一步的,触控面板可覆盖显示面板,当触控面板检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器100根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图1中,触控面板与显示面板是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板与显示面板集成而实现手机的输入和输出功能。
音频模块150可以包括音频电路、扬声器和传声器等,可提供用户与终端设备之间的音频接口。音频电路可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号(例如,用户输入的语音)转换为电信号,由音频电路接收后转换为音频数据,再将音频数据输出处理器100处理。
传感器模块160可以包括温度传感器、加速度传感器、陀螺仪、重力传感器等。
定位系统170可以实现终端设备的定位,应用定位类应用。定位系统170可以包括全球定位系统(Global Positioning System,GPS)、北斗定位系统等。
另外,尽管未示出,终端设备还可以包括电源模块、摄像头等,在此不再赘述。
图2是本申请实施例提供的一种场景识别方法的流程示意图,正如图1所示,本申请所述的场景识别方法可以应用与终端设备,当终端设备为手机时,该场景识别方法对应的程序即是保存至手机本地的,当然,本申请对终端设备的类型并举进行具体限定。如图2所示,该方法包括如下步骤:
在步骤S101中,获取个第一应用程序分别得到的行为信息,其中,每个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数;
该步骤S101所述的第一应用程序可以为任意类型的应用程序,比如拍照类应用程序、即时通讯类应用程序、视频类应用程序或者外卖类应用程序,本申请对此不作限定。
在本申请实施例中,首先要获取多个第一应用程序分别得到的行为信息。例如,对于相机应用程序,可以通过图像识别,得到行为信息(比如,若图像中包括电视,则相机应用程序得到的行为信息可以为“看电视”),对于外卖类应用程序,可以在检测到用户的点外卖操作时,得到行为信息,该行为信息可以为“点外卖”。
此外,本领域技术人员可以理解,后续步骤S102得到的场景识别结果往往都是针对用户所处的一个时间段来说的,因此,上述步骤S101所得到的各个行为信息应为各个第一应用程序在同一时间段内得到的信息。
在步骤S102中,基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;
为了更准确地确定场景类别,本申请实施例所采用的技术手段为:获取多个应用程序分别得到的行为信息,然后综合多个行为信息,对用户所处的场景类别进行识别,得到场景识别结果。
本领域技术人员应该理解,该步骤S102所采用的场景识别算法可以是现有技术中任意一种,本申请对此不作限定。具体地,可以事先训练一个神经网络,将多个行为信息输入至该神经网络中,得到该神经网络输出的场景识别结果。
此外,通常情况下,上述个行为信息是可以进行分类的,即可分类为数字部分信息以及非数字部分信息,其中,该数字部分信息为各个行为信息中的数字部分的信息,该非数字部分信息为各个行为信息中,除去数字部分信息之外的信息。该数字部分信息可以为位置变化信息、速度信息、角速度变化信息、光感变化信息等的一种或多种,该非数字部分信息可以为一些文字信息,比如“看电视”和/或“点外卖”等。
因此,可以针对数字部分信息以及非数字部分信息,分别训练神经网络,即上述步骤S102可以包括如图3所示的各个步骤:
在步骤S1021中,将上述数字部分信息输入至第一神经网络,得到该第一神经网络返回的第一场景识别结果;
在步骤S1022中,将上述非数字部分信息输入至第二神经网络,得到该第二神经网络返回的第二场景识别结果;
在步骤S1023中,将上述第一场景识别结果以及上述第二场景识别结果输入至第三神经网络,得到该第三神经网络输出的场景识别结果。
显然,上述步骤S1021-S1023所提供的技术方案,是采用多个神经网络来得到最终的场景识别结果,这种方式相比于仅仅只通过一个神经网络的方式,由于输入至上述第一神经网络与上述第二神经网络的信息是同一种类型的,因此,可以使得第一神经网络与第二神经网络能够更全面地分析输入信息,从而上述第一场景识别结果以及上述第二场景识别结果均能够与输入信息更为匹配,然后再基于第一场景识别结果与第二场景识别结果得到最终的场景识别结果。该方式相比于仅仅只通过一个神经网络的方式,能够更全面分析S101得到的各个行为信息,从而更准确地确定出场景类别。
另外,上述步骤S1021还可以具体包括:
将上述数字部分信息发送至第一服务端,以指示该第一服务端执行将接收到的该数字部分信息输入至上述第一神经网络的操作;
接收上述第一服务端发送的上述第一神经网络输出的上述第一场景识别结果。
通常情况下,基于第一神经网络的场景识别操作,往往需要耗费大量的资源,由于服务器往往具备较丰富的运算资源,因此,可以基于服务器上运行的服务端程序来得到第一场景识别结果。
同理,上述步骤S1022可以具体包括:
将上述非数字部分信息发送至第二服务端,以指示该第二服务端执行将接收到的上述非数字部分信息输入至上述第二神经网络的操作;
接收该第二服务端发送的上述第二神经网络输出的所述第二场景识别结果。
此外,上述第一服务端所对应的程序可以完全位于服务器上,也可以部分位于服务器,本申请对此不作限定,同样地,上述第二服务端所对应的程序可以完全位于服务器上,也可以部分位于服务器,本申请对此也不作限定。此外,上述第一服务端所对应的程序与上述第二服务端所对应的程序可以位于同一服务器上,也可以位于不同服务器上。
此外,在步骤S1023中,第三神经网络不仅可以基于上述第一场景识别结果以及上述第二场景识别结果,还可以基于步骤S101获取的个行为信息,以进一步更加准确地进行场景识别。即上述步骤S1023可以包括:
将上述第一场景识别结果、上述第二场景识别结果以及获取的上述个行为信息输入至第三神经网络,得到该第三神经网络输出的场景识别结果。
在步骤S103中,将上述场景识别结果推送给一个或多个第二应用程序;
在本申请实施例中,将上述步骤S102得到的场景识别结果推送给一个或多个第二应用程序。其中,对于任意一个第二应用程序来说,均可以为上述步骤S101所述的第一应用程序,当然,也可以是步骤S101所述的第一应用程序之外的其他应用程序。
与第一应用程序类似,本申请同样不对第二应用程序的具体类别进行限定。
其中,上述步骤S103可以具体包括:
根据各个第二应用程序的需求信息,将上述场景识别结果推送给一个或多个第二应用程序。
也即是,不同的第二应用程序的需求可能不同,比如,当识别到场景类别为“回家路上”时,则给场景可以仅仅推送至地图类应用程序,以指示该地图类应用程序进行路径导航,而不需要将该场景类别推送给视频类应用程序。也即是,根据各个第二应用程序的需求,确定需推送场景识别结果的第二应用程序。从而避免终端设备的多余数据操作,减轻终端设备的数据处理负担。
此外,在上述步骤S103之后,对于接收到上述场景识别结果的第二应用程序,该第二应用程序可以根据所述场景识别结果,向用户推送提示信息。比如,对于某一接收到场景识别结果的第二应用程序来说,该第二应用程序可以以某种提示方式(比如卡片式提示方式、气泡式提示方式或者语音提示方式等)来向用户推送信息。其中,该第二应用程序可以设立一触发条件,在接收到场景识别结果之后,且该触发条件满足时,向用户推送提示信息,比如,若场景识别结果为“工作日早上7点”,则可以在接收到该场景识别结果十分钟后,向用户提示“穿着建议”,还可以在接收到该场景识别结果半小时后,向用户提示“路况信息”。
由此可见,本申请实施例所提供的上述技术方案,第二应用程序最终所得到的场景识别结果是根据多个第一应用程序分别得到的行为信息所确定的,即便用户仅仅对每个第一应用程序开放较少的权限,导致每个第一应用程序得到的用户信息很少,但本申请所提供的技术方案中,综合了多个第一应用程序所采集的用户信息,因此,能够更准确地进行场景识别,提高了应用程序得到的场景识别结果的准确率。
此外,现有技术中,进行场景识别的往往是应用程序(该应用程序即对应上述第二应用程序)本身,因此,当该应用程序提供商需要通过更新该应用程序(该应用程序即对应上述第二应用程序)能够识别的场景类别的类型时,该应用程序(该应用程序即对应上述第二应用程序)需要进行更新。然而,本申请实施例所提供的技术方案,当需要对场景类别的类型进行更新时,根本不需要更新应用程序(该应用程序即对应上述第二应用程序),因此,相对于现有技术,用户的应用程序使用感更好。再者,本申请实施例所提供的技术方案,还能够实现多个应用程序(该应用程序即对应上述第二应用程序)共用一个场景识别结果,从而避免了每个应用程序(该应用程序即对应上述第二应用程序)均执行场景识别操作,减轻了终端设备的数据处理量。
为了进一步描述本申请实施例的技术方案,下面基于附图4来详细阐述本申请的程序架构。
如图4所示,数据服务平台即是运行本申请上述所述的场景识别方法的模块,该数据服务平台与第一应用程序客户端Client A、Client B以及Client C均可以位于同一终端设备中,比如手机中。该图4所示的第一服务端为人工智能AI服务,能够根据数字部分信息输出第一场景识别结果。该图4所述的第二服务端为后台服务,能够根据非数字部分信息输出第二场景识别结果。该图4中的数据服务平台能够综合第一场景识别结果以及第二场景识别结果,确定最终的场景识别结果,并分发给一个或多个第二应用程序。在附图4所示的例子中,第二应用程序与第一应用程序完全一致,该图4中,数据服务平台综合Client A、Client B以及Client C的用户信息,得到一个场景识别结果,然后再推送给Client A、Client B以及Client C。
如图5所示,为本申请实施例提供的一种场景识别装置的结构示意图,为了便于说明,仅示出与本申请相关的部分,如图5所示,该场景识别装置500包括:
多行为信息获取模块501,用于获取个第一应用程序分别得到的行为信息,其中,每一个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数;
场景识别模块502,用于基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果;
场景推送模块503,用于将所述场景识别结果推送给一个或多个第二应用程序。
可选地,所获取的个所述行为信息可划分为数字部分信息和非数字部分信息;
相应地,所述场景识别模块502包括:
第一识别单元,用于将所述数字部分信息输入至第一神经网络,得到所述第一神经网络返回的第一场景识别结果;
第二识别单元,用于将所述非数字部分信息输入至第二神经网络,得到所述第二神经网络返回的第二场景识别结果;
场景识别单元,用于将所述第一场景识别结果以及所述第二场景识别结果输入至第三神经网络,得到所述第三神经网络输出的场景识别结果。
可选地,上述第一识别单元具体用于:
将所述数字部分信息发送至第一服务端,以指示所述第一服务端执行将接收到的所述数字部分信息输入至所述第一神经网络的操作;
接收所述第一服务端发送的所述第一神经网络输出的所述第一场景识别结果。
可选地,上述第二识别单元具体用于:
将所述非数字部分信息发送至第二服务端,以指示所述第二服务端执行将接收到的所述非数字部分信息输入至所述第二神经网络的操作;
接收所述第二服务端发送的所述第二神经网络输出的所述第二场景识别结果。
可选地,上述场景识别单元具体用于:
将所述第一场景识别结果、所述第二场景识别结果以及获取的所述个行为信息输入至第三神经网络,得到所述第三神经网络输出的场景识别结果。
可选地,上述场景推送模块503具体用于:
根据各个第二应用程序的需求信息,将所述场景识别结果推送给一个或多个第二应用程序。
可选地,上述场景识别装置500还包括:
提示信息推送模块,用于对于接收到所述场景识别结果的第二应用程序,所述第二应用程序根据所述场景识别结果,向所述用户推送提示信息。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例一以及方法实施例二基于同一构思,其具体功能及带来的技术效果,具体可参见相应方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,该终端设备包括:至少一个处理器、至少一个存储器以及存储在所述至少一个存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法实施例中的步骤。示例性的,终端设备的结构可以如图1所示。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得移动终端执行时实现可实现上述方法实施例中的步骤。
所述集成的单元如果以软件功能单元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介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (9)

1.一种场景识别方法,其特征在于,包括:
获取个第一应用程序分别得到的同一时间段内的行为信息,其中,每个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数,所述N个第一应用程序为不同类型的应用程序,所获取的/>个所述行为信息可划分为数字部分信息和非数字部分信息;
基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果,具体包括:将所述数字部分信息输入至第一神经网络,得到所述第一神经网络返回的第一场景识别结果,将所述非数字部分信息输入至第二神经网络,得到所述第二神经网络返回的第二场景识别结果;将所述第一场景识别结果以及所述第二场景识别结果输入至第三神经网络,得到所述第三神经网络输出的场景识别结果;
将所述场景识别结果推送给一个或多个第二应用程序。
2.如权利要求1所述的场景识别方法,其特征在于,所述将所述数字部分信息输入至第一神经网络,得到所述第一神经网络返回的第一场景识别结果,包括:
将所述数字部分信息发送至第一服务端,以指示所述第一服务端执行将接收到的所述数字部分信息输入至所述第一神经网络的操作;
接收所述第一服务端发送的所述第一神经网络输出的所述第一场景识别结果。
3.如权利要求1所述的场景识别方法,其特征在于,所述将所述非数字部分信息输入至第二神经网络,得到所述第二神经网络返回的第二场景识别结果,包括:
将所述非数字部分信息发送至第二服务端,以指示所述第二服务端执行将接收到的所述非数字部分信息输入至所述第二神经网络的操作;
接收所述第二服务端发送的所述第二神经网络输出的所述第二场景识别结果。
4.如权利要求1所述的场景识别方法,其特征在于,所述将所述第一场景识别结果以及所述第二场景识别结果输入至第三神经网络,得到所述第三神经网络输出的场景识别结果,包括:
将所述第一场景识别结果、所述第二场景识别结果以及获取的所述个行为信息输入至第三神经网络,得到所述第三神经网络输出的场景识别结果。
5.如权利要求1至4中任一项所述的场景识别方法,其特征在于,所述将所述场景识别结果推送给一个或多个第二应用程序,包括:
根据各个第二应用程序的需求信息,将所述场景识别结果推送给一个或多个第二应用程序。
6.如权利要求1至4中任一项所述的场景识别方法,其特征在于,在所述将所述场景识别结果推送给一个或多个第二应用程序的步骤之后,还包括:
对于接收到所述场景识别结果的第二应用程序,所述第二应用程序根据所述场景识别结果,向所述用户推送提示信息。
7.一种场景识别装置,其特征在于,包括:
多行为信息获取模块,用于获取个第一应用程序分别得到的同一时间段内的行为信息,其中,每一个行为信息均为用于表征用户行为的信息,其中,/>且/>为整数,所述N个第一应用程序为不同类型的应用程序,所获取的/>个所述行为信息可划分为数字部分信息和非数字部分信息;
场景识别模块,用于基于个所述行为信息,对所述用户所处的场景进行识别,得到场景识别结果,具体用于将所述数字部分信息输入至第一神经网络,得到所述第一神经网络返回的第一场景识别结果,将所述非数字部分信息输入至第二神经网络,得到所述第二神经网络返回的第二场景识别结果;将所述第一场景识别结果以及所述第二场景识别结果输入至第三神经网络,得到所述第三神经网络输出的场景识别结果;
场景推送模块,用于将所述场景识别结果推送给一个或多个第二应用程序。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述场景识别方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述场景识别方法的步骤。
CN202010362593.1A 2020-04-30 2020-04-30 场景识别方法、场景识别装置、终端设备及可读存储介质 Active CN111414900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010362593.1A CN111414900B (zh) 2020-04-30 2020-04-30 场景识别方法、场景识别装置、终端设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010362593.1A CN111414900B (zh) 2020-04-30 2020-04-30 场景识别方法、场景识别装置、终端设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111414900A CN111414900A (zh) 2020-07-14
CN111414900B true CN111414900B (zh) 2023-11-28

Family

ID=71493848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010362593.1A Active CN111414900B (zh) 2020-04-30 2020-04-30 场景识别方法、场景识别装置、终端设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111414900B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608808A (zh) * 2021-08-03 2021-11-05 上海传英信息技术有限公司 数据处理方法、移动终端及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008257344A (ja) * 2007-04-02 2008-10-23 Seiko Epson Corp 情報処理方法、情報処理装置及びプログラム
CN106856488A (zh) * 2015-12-08 2017-06-16 阿里巴巴集团控股有限公司 一种场景感知及提供服务的方法及装置
CN108897786A (zh) * 2018-06-08 2018-11-27 Oppo广东移动通信有限公司 应用程序的推荐方法、装置、存储介质及移动终端
CN108921096A (zh) * 2018-06-29 2018-11-30 北京百度网讯科技有限公司 时间跟踪方法、装置、设备及计算机可读介质
CN108965609A (zh) * 2018-08-31 2018-12-07 南京宽塔信息技术有限公司 移动终端应用场景的识别方法和装置
CN110175284A (zh) * 2019-05-15 2019-08-27 苏州达家迎信息技术有限公司 一种应用程序推荐方法、装置、服务器、终端及存储介质
CN110209278A (zh) * 2019-05-30 2019-09-06 广州小鹏汽车科技有限公司 人车交互方法、装置、存储介质及控制终端
CN110442391A (zh) * 2019-06-28 2019-11-12 华为技术有限公司 一种调用服务的方法及装置
CN110475014A (zh) * 2018-05-11 2019-11-19 北京三星通信技术研究有限公司 用户场景的识别方法及终端设备
CN110672086A (zh) * 2018-07-03 2020-01-10 百度在线网络技术(北京)有限公司 场景识别方法、装置、设备及计算机可读介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201506444D0 (en) * 2015-04-16 2015-06-03 Univ Essex Entpr Ltd Event detection and summarisation

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008257344A (ja) * 2007-04-02 2008-10-23 Seiko Epson Corp 情報処理方法、情報処理装置及びプログラム
CN106856488A (zh) * 2015-12-08 2017-06-16 阿里巴巴集团控股有限公司 一种场景感知及提供服务的方法及装置
CN110475014A (zh) * 2018-05-11 2019-11-19 北京三星通信技术研究有限公司 用户场景的识别方法及终端设备
CN108897786A (zh) * 2018-06-08 2018-11-27 Oppo广东移动通信有限公司 应用程序的推荐方法、装置、存储介质及移动终端
CN108921096A (zh) * 2018-06-29 2018-11-30 北京百度网讯科技有限公司 时间跟踪方法、装置、设备及计算机可读介质
CN110672086A (zh) * 2018-07-03 2020-01-10 百度在线网络技术(北京)有限公司 场景识别方法、装置、设备及计算机可读介质
CN108965609A (zh) * 2018-08-31 2018-12-07 南京宽塔信息技术有限公司 移动终端应用场景的识别方法和装置
CN110175284A (zh) * 2019-05-15 2019-08-27 苏州达家迎信息技术有限公司 一种应用程序推荐方法、装置、服务器、终端及存储介质
CN110209278A (zh) * 2019-05-30 2019-09-06 广州小鹏汽车科技有限公司 人车交互方法、装置、存储介质及控制终端
CN110442391A (zh) * 2019-06-28 2019-11-12 华为技术有限公司 一种调用服务的方法及装置

Also Published As

Publication number Publication date
CN111414900A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN108156268B (zh) 设备标识的获取方法及服务器、终端设备
CN106470148B (zh) 群组聊天内容显示方法及装置
US10678942B2 (en) Information processing method and related products
US20150160372A1 (en) Systems and Methods for Weather Forecasting
CN107204989B (zh) 广告拦截方法、终端、服务器和存储介质
CN104834847A (zh) 身份验证方法及装置
CN108834132B (zh) 一种数据传输方法及设备和相关介质产品
CN104899083A (zh) 应用分享方法及装置
CN106131133B (zh) 浏览历史记录信息查看方法、装置及系统
CN110765502A (zh) 信息处理方法及相关产品
CN107330867B (zh) 图像合成方法、装置、计算机可读存储介质和计算机设备
CN116541865A (zh) 基于数据安全的密码输入方法、装置、设备及存储介质
CN111414900B (zh) 场景识别方法、场景识别装置、终端设备及可读存储介质
CN106294087B (zh) 一种对业务执行操作的操作频率的统计方法及装置
CN108256466B (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
CN106503023B (zh) 提示附近好友的方法及装置
US20160072798A1 (en) Biometric softkey system
CN106339402B (zh) 一种推荐内容推送的方法、装置及系统
CN111162986A (zh) 推送消息管理方法、移动终端和计算机可读存储介质
CN113366523B (zh) 资源推送方法及相关产品
CN109246290B (zh) 一种权限管理方法及移动终端
CN108460128B (zh) 文档管理方法及装置、电子装置及可读存储介质
CN106304087B (zh) 一种反wifi劫持方法和装置
CN113039524A (zh) 音频资源处理方法和装置、计算机可读存储介质、电子设备
CN110719261B (zh) 活动页面数据处理方法及存储介质

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
GR01 Patent grant
GR01 Patent grant