CN113139161A - 应用程序控制方法、装置及存储介质 - Google Patents
应用程序控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113139161A CN113139161A CN202010051594.4A CN202010051594A CN113139161A CN 113139161 A CN113139161 A CN 113139161A CN 202010051594 A CN202010051594 A CN 202010051594A CN 113139161 A CN113139161 A CN 113139161A
- Authority
- CN
- China
- Prior art keywords
- application program
- face features
- face
- age range
- features
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 24
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000004630 mental health Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/12—Protecting executable software
- G06F21/121—Restricting unauthorised execution of programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Telephone Function (AREA)
Abstract
本公开是关于一种应用程序控制方法、装置及存储介质。应用程序控制方法应用于终端,所述终端安装有雷达波传感器,应用程序控制方法包括:在应用程序运行过程中,通过所述雷达波传感器检测到人脸特征;对检测到的人脸特征进行年龄范围识别,得到所述人脸特征对应的年龄范围;根据所述人脸特征对应的年龄范围,对所述应用程序进行控制。通过本公开,可准确识别到终端用户的年龄范围,进而在未成年使用终端的过程中,根据雷达波传感器检测到的三维人脸特征,可避免应用程序展示出不适合未成年观看的画面或者文字。
Description
技术领域
本公开涉及移动终端技术领域,尤其涉及应用程序控制方法、装置及存储介质。
背景技术
随着移动互联网技术的发展和繁荣,诸多应用程序出现在智能终端中。通过安装在智能终端的应用程序用户可以访问到各类内容。但是,通过有些应用程序访问的内容不适合未成年观看。
目前,有些应用程序提供了未成年模式,通过选择未成年模式,可以屏蔽掉不适合未成年观看的画面或者文字。但是如果未成年用户未在家长的监督中,智能终端中运行的应用程序很可能不会切换到未成年模式,而影响未成年的身心健康。
发明内容
为克服相关技术中存在的问题,本公开提供一种应用程序控制方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种应用程序控制方法,应用程序控制方法应用于终端,终端安装有雷达波传感器,应用程序控制方法包括:在应用程序运行过程中,通过雷达波传感器检测到人脸特征;对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围;根据人脸特征对应的年龄范围,对应用程序进行控制。
在一示例中,对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围,包括:调用人脸识别模型,人脸识别模型基于人脸特征预先训练得到,且输出包括人脸特征对应的年龄范围;将检测到的人脸特征作为人脸识别模型的输入参数,并依据人脸识别模型的输出对人脸特征进行年龄识别,得到人脸特征对应的年龄范围。
在一示例中,识别到人脸特征对应预设的年龄范围包括未成年年龄范围;对应用程序进行控制,包括:若应用程序预设有未成年模式,控制应用程序以未成年模式运行;若应用程序未预设未成年模式,禁止应用程序运行。
在一示例中,方法还包括:训练人脸识别模型。
在一示例中,训练人脸识别模型,包括:获取雷达波传感器检测到的人脸特征,并对人脸特征进行年龄分类;将分类后的人脸特征作为人脸识别模型的输入参数,进行训练,使得训练后的人脸识别模型能够识别出人脸特征对应的年龄范围。
在一示例中,检测到的人脸特征,包括雷达波传感器获取的人脸轮廓特征。
根据本公开实施例的第二方面,提供一种应用程序控制装置,应用程序控制装置,应用于终端,终端安装有雷达波传感器,应用程序控制装置包括:检测单元,被配置为在应用程序运行过程中,通过雷达波传感器检测到人脸特征;识别单元,被配置为对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围;处理单元,被配置为根据人脸特征对应的年龄范围,对应用程序进行控制。
在一示例中,单元采用如下方式对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围:调用人脸识别模型,人脸识别模型基于人脸特征预先训练得到,且输出包括人脸特征对应的年龄范围;将检测到的人脸特征作为人脸识别模型的输入参数,并依据人脸识别模型的输出对人脸特征进行年龄识别,得到人脸特征对应的年龄范围。
在一示例中,识别到人脸特征对应预设的年龄范围包括未成年年龄范围;处理单元采用如下方式对应用程序进行控制:若应用程序预设有未成年模式,控制应用程序以未成年模式运行;若应用程序未预设未成年模式,禁止应用程序运行。
在一示例中,处理单元还被配置为:训练人脸识别模型。
在一示例中,处理单元采用如下方式训练人脸识别模型:获取雷达波传感器检测到的人脸特征,并对人脸特征进行年龄分类;将分类后的人脸特征作为人脸识别模型的输入参数,进行训练,使得训练后的人脸识别模型能够识别出人脸特征对应的年龄范围。
在一示例中,检测到的人脸特征,包括雷达波传感器获取的人脸轮廓特征。
本公开的实施例提供的技术方案可以包括以下有益效果:由于雷达波传感器的低功耗以及能够检测到物体三维特征的特性,在终端应用程序运行过程中,可基于雷达波传感器实时检测到终端用户的三维人脸特征。并根据检测到的终端用户的三维人脸特征,可准确识别到终端用户的年龄范围,进而在未成年使用终端的过程中,根据雷达波传感器检测到的三维人脸特征,可避免应用程序展示出不适合未成年观看的画面或者文字。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种应用程序控制方法的流程图。
图2是根据一示例性实施例示出的安装在终端中的雷达波传感器位置示例图。
图3是根据一示例性实施例示出的安装在终端中的雷达波传感器检测人脸特征的示意图。
图4是根据一示例性实施例示出的一种应用程序控制方法的流程图。
图5是根据一示例性实施例示出的一种应用程序控制方法的流程图。
图6是根据一示例性实施例示出的一种应用程序控制装置的框图。
图7是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着移动互联网技术的发展和繁荣,诸多应用程序出现在智能终端中。通过安装在智能终端的应用程序用户可以访问到各类内容。但是,通过有些应用程序访问的内容不适合未成年观看。
相关技术中,一方面,有些应用程序提供了未成年模式,通过家长选择未成年模式,可以屏蔽掉不适合未成年观看的画面或者文字。但是如果未成年用户未在家长的监督中,智能终端中运行的应用程序很可能不会切换到未成年模式,而影响未成年的身心健康。
另一方面,在使用终端的过程中,通过安装在终端上的摄像装置拍摄当前终端用户,根据摄像装置拍摄的终端用户图像识别当前用户是成年用户还是未成年用户。由于摄像装置拍摄的图像为二维图像,利用摄像装置拍摄的图像识别终端用户,识别不准确。并且,由于摄像装置拍摄过程中功耗比较大,在用户使用终端的过程中,摄像装置不能一直保持打开状态并对当前用户进行拍摄。因此,在未成年使用终端的过程中,通过安装在终端上的摄像装置,不能够控制应用程序以未成年模式运行。
故,在未成年使用终端的过程中,如何避免应用程序展示出不适合未成年观看的画面或者文字,是目前亟需解决的问题。
图1是根据一示例性实施例示出的一种应用程序控制方法的流程图,如图1所示,应用程序控制方法用于终端中,终端安装有雷达波传感器,应用程序控制方法包括以下步骤。
在步骤S11中,在应用程序运行过程中,通过雷达波传感器检测到人脸特征。
由于雷达波传感器具有低功耗的特性,在终端运行过程中,安装在终端中的雷达波传感器可以始终保持运行状态,而不会对终端的耗电造成影响。并且,通过雷达波传感器检测到的物体特征为三维特征,对物体辨识度高。由此,本公开中,在应用程序运行过程中,可通过雷达波传感器检测人脸特征。
图2是根据一示例性实施例示出的安装在终端中的雷达波传感器位置示例图。
可以理解的是,在实际应用中,雷达波传感器可以安装于终端前端或者后端。并且,为了方便检测到终端用户人脸特征,可以将雷达波传感器安装于终端前端或者后端的上方部位。而且,为了综合考虑终端雷达波传感器与摄像头等元器件合理的安装位置,可将雷达波传感器安装于终端前端或者后端的左上方或者右上方。在图2中,例如可将雷达波传感器安装于终端前端或者后端的左上方。
图3是根据一示例性实施例示出的安装在终端中的雷达波传感器检测人脸特征的示意图。在图3中,雷达波传感器通过发射的信号检测终端用户,并在接收信号时对接收的信号进行回波处理,以此获取终端用户的轮廓特征。
本公开中,雷达波传感器可以通过发射的信号检测终端用户的人脸轮廓特征,并将获取的终端用户的人脸轮廓特征作为检测到的人脸特征。
在步骤S12中,对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围。
本公开中,通过雷达波传感器检测到人脸特征后,可以对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围。
其中,年龄范围可以是预设的一段年龄区间,例如:9~12岁,也可为具体的年龄值,例如10岁,本公开在此不做限定。
在步骤S13中,根据人脸特征对应的年龄范围,对应用程序进行控制。
一种实施方式中,本公开可以根据人脸特征对应的年龄范围,对运行的应用程序进行控制。
其中,在识别到人脸特征对应预设的年龄范围为未成年年龄范围时,可控制运行的应用程序以与年龄范围相匹配的方式运行。
例如,若运行的应用程序预设有未成年模式,则控制应用程序以未成年模式运行,即启用运行应用程序的青少年童锁功能,过滤手机的显示内容。若运行的应用程序未预设未成年模式,则禁止应用程序继续运行。
在本公开的示例性实施例中,由于雷达波传感器的低功耗以及能够检测到物体三维特征的特性,在终端应用程序运行过程中,可基于雷达波传感器实时检测到终端用户的三维人脸特征。并根据检测到的终端用户的三维人脸特征,可准确识别到终端用户的年龄范围,进而在未成年使用终端的过程中,根据雷达波传感器检测到的三维人脸特征,可避免应用程序展示出不适合未成年观看的画面或者文字。
本公开以下将结合实际应用对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围进行详细说明。
图4是根据一示例性实施例示出的一种应用程序控制方法的流程图,如图4所示,应用程序控制方法用于终端中,终端安装有雷达波传感器,应用程序控制方法包括步骤S21、步骤S22和步骤S23。其中,步骤S21和步骤S23分别和图1中步骤S11和步骤S13的执行过程类似,本公开在此不再赘述。
在步骤S22中,调用人脸识别模型,将检测到的人脸特征作为人脸识别模型的输入参数,并依据人脸识别模型的输出对人脸特征进行年龄识别,得到人脸特征对应的年龄范围。
一种实施方式中,对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围,例如可采用如下方式进行:
调用预先训练好的人脸识别模型,并将雷达波传感器检测到的人脸特征输入到人脸识别模型中,通过人脸识别模型对输入的人脸特征进行年龄识别,得到输出包括人脸特征对应的年龄范围。
在本公开示例性的实施例中,通过调用预先训练好的人脸识别模型,对检测到的人脸特征进行年龄范围识别,根据识别结果输出人脸特征对应的年龄范围,进而在未成年使用终端的过程中,可避免应用程序展示出不适合未成年观看的画面或者文字。
图5是根据一示例性实施例示出的一种应用程序控制方法的流程图,如图5所示,应用程序控制方法用于终端中,终端安装有雷达波传感器,应用程序控制方法包括步骤S31、步骤S32、步骤S33和步骤S34。其中,步骤S32、步骤S33和步骤S34分别和图1中步骤S11、步骤S12和步骤S13的执行过程类似,本公开在此不再赘述。
在步骤S31中,训练人脸识别模型。
一种实施方式中,训练人脸识别模型,例如可获取雷达波传感器检测到的人脸特征,将检测到的人脸特征进行年龄分类,组成不同的训练集数据。将不同训练集中的人脸特征数据作为人脸识别模型的输入参数进行训练,使得训练后的人脸识别模型能够识别出人脸特征对应的年龄范围。
其中,训练后的人脸识别模型例如可以是通过深度学习,能够识别终端用户年龄范围的神经网络。
本公开中,在获取雷达波传感器检测到的人脸特征后,将获取到的人脸特征进行年龄分类,组成不同的训练集数据进行训练,使得训练后的人脸识别模型能够识别出与人脸特征对应的年龄范围。进而在终端应用程序运行的过程中,通过雷达波传感器检测到人脸特征后,通过人脸识别模型始终能够识别到当前终端用户的年龄范围,并且在识别到用户为未成年时,可以过滤手机的显示内容,以此达到保护未成年人身心健康的目的。
在本公开示例性的实施例中,将雷达波传感器检测到的人脸特征进行年龄分类,组成不同的训练集数据进行训练,使得训练得到的人脸识别模型可以精准的识别终端用户的年龄范围。进而在未成年使用终端的过程中,可以确保应用程序展示出适合未成年观看的画面或者文字,保护未成年人的身心健康。
基于相同的发明构思,本公开还提供一种应用程序控制装置。
可以理解的是,本公开实施例提供的应用控制装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图6是根据一示例性实施例示出的一种应用程序控制装置框图100。参照图6,应用程序控制装置包括检测单元101,识别单元102和处理单元103。
其中,检测单元101,被配置为在应用程序运行过程中,通过雷达波传感器检测到人脸特征;
识别单元102,被配置为对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围;
处理单元103,被配置为根据人脸特征对应的年龄范围,对应用程序进行控制。
在一示例中,识别单元102采用如下方式对检测到的人脸特征进行年龄范围识别,得到人脸特征对应的年龄范围:调用人脸识别模型,人脸识别模型基于人脸特征预先训练得到,且输出包括人脸特征对应的年龄范围;将检测到的人脸特征作为人脸识别模型的输入参数,并依据人脸识别模型的输出对人脸特征进行年龄识别,得到人脸特征对应的年龄范围。
在一示例中,识别到人脸特征对应预设的年龄范围包括未成年年龄范围;处理单元103采用如下方式对应用程序进行控制:若应用程序预设有未成年模式,控制应用程序以未成年模式运行;若应用程序未预设未成年模式,禁止应用程序运行。
在一示例中,处理单元103还被配置为:训练人脸识别模型。
在一示例中,处理单元103采用如下方式训练人脸识别模型:获取雷达波传感器检测到的人脸特征,并对人脸特征进行年龄分类;将分类后的人脸特征作为人脸识别模型的输入参数,进行训练,使得训练后的人脸识别模型能够识别出人脸特征对应的年龄范围。
在一示例中,检测到的人脸特征,包括雷达波传感器获取的人脸轮廓特征。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种用于应用程序控制的装置200的框图。例如,装置700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件706为装置700的各种组件提供电源。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电源相关联的组件。
多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件708包括一个前置摄像头和/或后置摄像头。当设备700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到设备700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件716还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由装置700的处理器720执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
进一步可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种应用程序控制方法,其特征在于,应用于终端,所述终端安装有雷达波传感器,所述方法包括:
在应用程序运行过程中,通过所述雷达波传感器检测到人脸特征;
对检测到的人脸特征进行年龄范围识别,得到所述人脸特征对应的年龄范围;
根据所述人脸特征对应的年龄范围,对所述应用程序进行控制。
2.根据权利要求1所述的应用程序控制方法,其特征在于,所述对检测到的人脸特征进行年龄范围识别,得到所述人脸特征对应的年龄范围,包括:
调用人脸识别模型,所述人脸识别模型基于人脸特征预先训练得到,且输出包括所述人脸特征对应的年龄范围;
将检测到的人脸特征作为所述人脸识别模型的输入参数,并依据所述人脸识别模型的输出对所述人脸特征进行年龄识别,得到所述人脸特征对应的年龄范围。
3.根据权利要求1所述的应用程序控制方法,其特征在于,所述识别到所述人脸特征对应预设的年龄范围包括未成年年龄范围;
所述对所述应用程序进行控制,包括:
若所述应用程序预设有未成年模式,控制所述应用程序以未成年模式运行;
若所述应用程序未预设未成年模式,禁止所述应用程序运行。
4.根据权利要求2所述的应用程序控制方法,其特征在于,所述方法还包括:
训练所述人脸识别模型。
5.根据权利要求4所述的应用程序控制方法,其特征在于,所述训练所述人脸识别模型,包括:
获取所述雷达波传感器检测到的人脸特征,并对所述人脸特征进行年龄分类;
将分类后的人脸特征作为所述人脸识别模型的输入参数,进行训练,使得训练后的所述人脸识别模型能够识别出所述人脸特征对应的年龄范围。
6.根据权利要求1所述的应用程序控制方法,其特征在于,所述检测到的人脸特征,包括所述雷达波传感器获取的人脸轮廓特征。
7.一种应用程序控制装置,其特征在于,应用于终端,所述终端安装有雷达波传感器,所述装置包括:
检测单元,被配置为在应用程序运行过程中,通过所述雷达波传感器检测到人脸特征;
识别单元,被配置为对检测到的人脸特征进行年龄范围识别,得到所述人脸特征对应的年龄范围;
处理单元,被配置为根据所述人脸特征对应的年龄范围,对所述应用程序进行控制。
8.根据权利要求7所述的应用程序控制装置,其特征在于,所述识别单元采用如下方式对检测到的人脸特征进行年龄范围识别,得到所述人脸特征对应的年龄范围:
调用人脸识别模型,所述人脸识别模型基于人脸特征预先训练得到,且输出包括所述人脸特征对应的年龄范围;
将检测到的人脸特征作为所述人脸识别模型的输入参数,并依据所述人脸识别模型的输出对所述人脸特征进行年龄识别,得到所述人脸特征对应的年龄范围。
9.根据权利要求7所述的应用程序控制装置,其特征在于,所述识别到所述人脸特征对应预设的年龄范围包括未成年年龄范围;
所述处理单元采用如下方式对所述应用程序进行控制:
若所述应用程序预设有未成年模式,控制所述应用程序以未成年模式运行;
若所述应用程序未预设未成年模式,禁止所述应用程序运行。
10.根据权利要求8所述的应用程序控制装置,其特征在于,所述处理单元还被配置为:
训练所述人脸识别模型。
11.根据权利要求10所述的应用程序控制装置,其特征在于,所述处理单元采用如下方式训练所述人脸识别模型:
获取所述雷达波传感器检测到的人脸特征,并对所述人脸特征进行年龄分类;
将分类后的人脸特征作为所述人脸识别模型的输入参数,进行训练,使得训练后的所述人脸识别模型能够识别出所述人脸特征对应的年龄范围。
12.根据权利要求7所述的应用程序控制装置,其特征在于,所述检测到的人脸特征,包括所述雷达波传感器获取的人脸轮廓特征。
13.一种应用程序控制装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1-6中任一项所述的应用程序控制方法。
14.一种非临时性计算机可读存储介质,其特征在于,所述非临时性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在由处理器执行时,执行权利要求1-6中任意一项所述的应用程序控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051594.4A CN113139161A (zh) | 2020-01-17 | 2020-01-17 | 应用程序控制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051594.4A CN113139161A (zh) | 2020-01-17 | 2020-01-17 | 应用程序控制方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113139161A true CN113139161A (zh) | 2021-07-20 |
Family
ID=76808395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010051594.4A Pending CN113139161A (zh) | 2020-01-17 | 2020-01-17 | 应用程序控制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139161A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537026A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术(北京)有限公司 | 应用程序控制方法、装置和服务器 |
CN108734002A (zh) * | 2018-05-16 | 2018-11-02 | Oppo广东移动通信有限公司 | 系统资源的智能配置方法、装置、存储介质及移动终端 |
-
2020
- 2020-01-17 CN CN202010051594.4A patent/CN113139161A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537026A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术(北京)有限公司 | 应用程序控制方法、装置和服务器 |
CN108734002A (zh) * | 2018-05-16 | 2018-11-02 | Oppo广东移动通信有限公司 | 系统资源的智能配置方法、装置、存储介质及移动终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106572299B (zh) | 摄像头开启方法及装置 | |
CN105488527B (zh) | 图像分类方法及装置 | |
US10284773B2 (en) | Method and apparatus for preventing photograph from being shielded | |
CN109446994B (zh) | 手势关键点检测方法、装置、电子设备及存储介质 | |
CN107945133B (zh) | 图像处理方法及装置 | |
CN108668080B (zh) | 提示镜头脏污程度的方法及装置、电子设备 | |
CN107784279B (zh) | 目标跟踪方法及装置 | |
EP3133527A1 (en) | Human face recognition method, apparatus and terminal | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN107463903B (zh) | 人脸关键点定位方法及装置 | |
CN110796988A (zh) | 背光调节方法及装置 | |
CN109360197B (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
CN105426079B (zh) | 图片亮度的调整方法及装置 | |
EP3208742A1 (en) | Method and apparatus for detecting pressure | |
CN111611034A (zh) | 屏幕显示调节方法、装置及存储介质 | |
CN112188091B (zh) | 人脸信息识别方法、装置、电子设备及存储介质 | |
CN108921178B (zh) | 获取图像模糊程度分类的方法、装置、电子设备 | |
CN112202962B (zh) | 屏幕亮度调节方法、装置及存储介质 | |
CN110286813A (zh) | 图标位置确定方法和装置 | |
CN106128415B (zh) | 屏幕亮度调节方法及装置 | |
CN114185444A (zh) | 触控屏防误触方法、装置及存储介质 | |
CN109255839B (zh) | 场景调整方法及装置 | |
CN108319899B (zh) | 指纹识别方法和装置 | |
CN112784858B (zh) | 一种图像数据的处理方法、装置及电子设备 | |
CN108962189A (zh) | 亮度调整方法及装置 |
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 |