CN113302457A - 检测便携电子设备的保护壳在跌落冲击期间是否存在的方法和系统 - Google Patents
检测便携电子设备的保护壳在跌落冲击期间是否存在的方法和系统 Download PDFInfo
- Publication number
- CN113302457A CN113302457A CN201980088238.5A CN201980088238A CN113302457A CN 113302457 A CN113302457 A CN 113302457A CN 201980088238 A CN201980088238 A CN 201980088238A CN 113302457 A CN113302457 A CN 113302457A
- Authority
- CN
- China
- Prior art keywords
- sensor
- processor
- electronic device
- data
- feature
- 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
- 230000001681 protective effect Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004422 calculation algorithm Methods 0.000 claims description 79
- 238000010801 machine learning Methods 0.000 claims description 62
- 238000004891 communication Methods 0.000 claims description 23
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000003116 impacting effect Effects 0.000 claims 2
- 238000012549 training Methods 0.000 description 19
- 238000012360 testing method Methods 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000011121 hardwood Substances 0.000 description 2
- 239000003562 lightweight material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000002790 cross-validation Methods 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
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004579 marble Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
- H04B1/3827—Portable transceivers
- H04B1/3888—Arrangements for carrying or protecting transceivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/72409—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by interfacing with external accessories
- H04M1/724092—Interfacing with an external cover providing additional functionalities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/02—Constructional features of telephone sets
- H04M1/18—Telephone sets specially adapted for use in ships, mines, or other places exposed to adverse environment
- H04M1/185—Improving the rigidity of the casing or resistance to shocks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Telephone Function (AREA)
Abstract
本文描述了用于在设备的跌落冲击期间检测便携电子设备的保护壳是否存在的各种实施例。通常,用于在设备的跌落冲击期间检测便携电子设备的保护壳是否存在的方法包括接收便携电子设备正在跌落的第一指示;收集从所述至少一个传感器产生的传感器数据;接收所述便携电子设备已经经历所述跌落冲击的第二指示;分析由所述至少一个传感器在接收所述第一指示和所述第二指示之间的时间段期间产生的传感器数据;并基于所述分析确定输出结果,其中,所述输出结果指示以下两者之一:(i)所述便携电子设备在跌落冲击期间受到保护壳的保护;或者(ii)所述便携电子设备在跌落冲击期间没有受到保护壳的保护。
Description
相关专利申请的交叉引用
本申请要求于2018年11月7日提交的美国临时专利申请号为US62/756721的权益,该临时专利申请的名称为“一种在设备跌落时检测该设备是否被保护的系统和方法”。美国临时专利申请US 62/756721的全部内容在此引入作为参考。
技术领域
本文描述了各种实施例,这些实施例通常涉及便携电子设备,具体地说,涉及一种检测便携电子设备的保护壳在跌落冲击期间是否存在的系统和方法。
背景技术
便携电子设备在跌落到硬表面(例如,硬木,沥青或混凝土)上时,经常遭受意外损坏的风险。例如,当小型电子设备(例如,蜂窝电话)滑过用户的手时,或者当较大的电子设备(例如,膝上型计算机或平板计算机)从较高的位置(例如,桌子或桌子)跌落时,可能发生这种情况。在各种情况下,由于在运动过程中伴随与硬表面的接触,电子设备也可能遭受意外的损坏。
为了减轻意外损坏的风险,通常使用坚固耐用的材料制造电子设备。例如,智能电话可以使用高耐久性的玻璃表面来制造,该玻璃表面能够承受肩膀高度的跌落冲击。
然而,虽然坚固耐用的材料可以提供高效的保护,但是使用这些材料制造的设备将明显增加购买成本,并且使得电子设备太重或太大而不适于日常使用。因此,一种普遍的,广泛的且价格低廉的替代方案是使用由吸震轻质材料制成的可移动保护壳。在一些情况下,保护壳制造商还可以通过向客户提供壳体的保修来提供附加级别的损坏保护。例如,保修可以覆盖由于壳体失效而导致的对设备的损坏,以有效地保护该设备免受跌落冲击。在一些情况下,如果设备在被跌落时受到壳体的保护,则保修还可以向客户提供要求更换其损坏的设备的权利。
发明内容
根据本文教导的广泛方面,提供了至少一个实施例,该实施例有关检测便携电子设备的保护壳在跌落冲击期间是否存在的方法,方法包括:由至少一个处理器接收便携电子设备正在跌落的第一指示;由至少一个处理器收集由耦合到电子设备的至少一个传感器生成的传感器数据;由至少一个处理器接收便携电子设备已经经历跌落冲击的第二指示;由至少一个处理器分析由至少一个传感器在接收第一指示和第二指示之间的时间段内生成的传感器数据;以及由至少一个处理器基于分析确定输出结果,其中,输出结果表明:(i)便携电子设备在受到跌落冲击时得到保护壳的保护;或者,(ii)便携电子设备在受到跌落冲击时没有得到保护壳的保护。
在这些实施例的至少一个中,分析还包括:由至少一个处理器从由至少一个传感器在时间段内生成的传感器数据中提取至少一个特征;以及由至少一个处理器对至少一个特征应用至少一个机器学习算法以生成输出结果。
在这些实施例中的至少一个中,机器学习算法包括二元分类器,并且该二元分类器被配置为将该至少一个特征分类为两个互斥类中的一个,互斥类包括第一类和第二类,第一类指示电子设备在受到跌落冲击时得到保护壳的保护,第二类指示电子设备在受到跌落冲击时没有得到保护壳的保护。
在这些实施例的至少一个中,机器学习算法包括感知器,朴素贝叶斯,决策树,逻辑回归,人工神经网络,支持向量机和随机森林算法中的至少一种。
在这些实施例中的至少一个中,至少一个特征包括以下数值中的至少一个:频率值,幅度值,能量值,频率、幅度和能量值中的至少一个的数据最小值和最大值,频率、幅度和能量值中的至少一个的最大值和最小值之间的差值,频率、幅度和能量值中的至少一个的数据平均值以及时域和频域中的至少一个中的传感器数据中的幅度值的标准偏差。
在这些实施例的至少一个中,至少一个特征包括多种特征,并且至少一个机器学习算法包括多种机器学习算法,并且将不同的机器学习算法应用于不同的特征以生成子输出结果,并且其中来自每一个多种机器学习算法中的子输出结果被聚合以生成输出结果。
在这些实施例的至少一个中,至少一个传感器包括多种传感器,每种传感器在时间段内生成相应的传感器数据集,并且至少一个处理器被配置为从每个传感器数据集中提取至少一个特征。
在这些实施例中的至少一个中,至少一个传感器包括以下多种传感器中的至少一种:加速度计,环境温度传感器,陀螺仪,加速度计,压力传感器,磁力计,湿度传感器,全球定位系统(GPS),湿度传感器,环境光传感器,包括俯仰传感器,旋转传感器和偏航传感器中的至少一个的方向传感器,雷达传感器以及声音检测传感器。
在这些实施例的至少一个中,当至少一个传感器包括成像传感器时,至少一个特征包括以下各特征中的至少一个:像素色值的直方图,局部二进制图案(LBP),定向梯度的直方图(HOG),JET特征,尺度恒定特征变换(SIFT)特征,微JET特征,微SIFT特征,图像对象的轮廓曲率,以及基于包括边缘切片和边缘带特征中的至少一个特征的反射率。
在这些实施例的至少一个中,在接收到第一指示之后,方法还包括:由至少一个处理器启动看门狗定时器;由至少一个处理器确定看门狗定时器已经期满;以及由至少一个处理器确定第二指示是否在看门狗定时器期满之前接收到,其中,当在看门狗定时器期满之前接收到第二指示时,产生便携电子设备已经跌落的第二指示,并且当在看门狗定时器期满之前未接收到第二指示时,则至少一个处理器被配置为跌落从至少一个传感器收集的数据。
在这些实施例的至少一个中,至少一个处理器是便携电子设备的处理器。
在这些实施例的至少一个中,方法还包括使用电子设备的通信接口向服务器发送输出结果。
在这些实施例的至少一个中,至少一个处理器包括电子设备的至少一个第一处理器以及服务器的至少一个第二处理器,并且其中至少一个第一处理器接收第一指示,收集从至少一个传感器生成的数据并接收第二指示,其中电子设备的通信接口向服务器发送在时间段内收集的数据,并且其中至少一个第二处理器分析在时间段内收集的数据,并且基于分析确定输出结果。
在这些实施例的至少一个中,服务器是云服务器。
根据本文教导的另一广义方面,提供了至少一个实施例,该实施例有关检测电子设备的保护壳在跌落冲击期间是否存在的系统,系统包括:耦合到电子设备的至少一个传感器;与至少一个传感器通信的至少一个处理器,至少一个处理器可操作以:接收电子设备正在跌落的第一指示;收集从至少一个传感器产生的传感器数据;接收指示电子设备的跌落冲击的第二指示;分析由至少一个传感器在第一指示和第二指示之间的时间段内生成的传感器数据;以及基于分析确定基于分析的输出结果,其中输出结果指示:(i)电子设备在受到跌落冲击时得到保护壳的保护;或者,(ii)电子设备在受到跌落冲击时没有得到保护壳的保护。
在这些实施例中的至少一个中,为了分析传感器数据,至少一个处理器可操作以:从由至少一个传感器在时间段内生成的传感器数据中提取至少一个特征;以及将至少一个机器学习算法应用于至少一个特征以生成输出结果。
在这些实施例中的至少一个中,机器学习算法包括二元分类器,并且该二元分类器被配置为将该至少一个特征分类为两个互斥类中的一个,互斥类包括第一类和第二类,第一类指示电子设备在受到跌落冲击时得到保护壳的保护,第二类指示电子设备在受到跌落冲击时没有得到保护壳的保护。
在这些实施例的至少一个中,机器学习算法包括感知器,朴素贝叶斯,决策树,逻辑回归,人工神经网络,支持向量机和随机森林算法中的至少一种。
在这些实施例中的至少一个中,至少一个特征包括以下数值中的至少一个:频率值,幅度值,能量值,频率、幅度和能量值中的至少一个的数据最小值和最大值,频率、幅度和能量值中的至少一个的最大值和最小值之间的差值,频率、幅度和能量值中的至少一个的数据平均值以及时域和频域中的至少一个中的传感器数据中的幅度值的标准偏差。
在这些实施例的至少一个中,至少一个特征包括多种特征,并且至少一个机器学习算法包括多种机器学习算法,并且将不同的机器学习算法应用于不同的特征以生成子输出结果,并且其中来自每一个多种机器学习算法中的子输出结果被聚合以生成输出结果。
在这些实施例的至少一个中,至少一个传感器包括多种传感器,每种传感器在时间段内生成相应的传感器数据集,并且至少一个处理器被配置为从每个传感器数据集中提取至少一个特征。
在这些实施例中的至少一个中,至少一个传感器包括以下多种传感器中的至少一种:加速度计,环境温度传感器,陀螺仪,加速度计,压力传感器,磁力计,湿度传感器,全球定位系统(GPS),湿度传感器,环境光传感器,包括俯仰传感器,旋转传感器和偏航传感器中的至少一个的方向传感器,雷达传感器以及声音检测传感器。
在这些实施例的至少一个中,当至少一个传感器包括成像传感器时,至少一个特征包括以下各特征中的至少一个:像素色值的直方图,局部二进制图案(LBP),定向梯度的直方图(HOG),JET特征,尺度恒定特征变换(SIFT)特征,微JET特征,微SIFT特征,图像对象的轮廓曲率,以及基于包括边缘切片和边缘带特征中的至少一个特征的反射率。
在这些实施例的至少一个中,在接收到第一指示之后,至少一个处理器还可操作用于:启动看门狗定时器;确定看门狗计时器已期满;以及确定第二指示是否在看门狗定时器期满之前被接收,其中,当在看门狗定时器期满之前接收到第二指示时,产生便携电子设备已经跌落的第二指示,并且当在看门狗定时器期满之前没有接收到第二指示时,则至少一个处理器可操作,以跌落从至少一个传感器收集的数据。
在这些实施例的至少一个中,至少一个处理器是便携电子设备的处理器。
在这些实施例的至少一个中,处理器还可操作,从而可通过通信接口发送输出结果至服务器。
在这些实施例的至少一个中,至少一个处理器包括电子设备的至少一个第一处理器以及服务器的至少一个第二处理器,并且其中至少一个第一处理器可操作以接收第一指示,收集从至少一个传感器生成的数据并接收第二指示,其中电子设备的通信接口可操作,以向服务器发送在时间段内收集的数据,并且其中至少一个第二处理器可操作,以分析在时间段内收集的数据,并且基于分析来确定输出结果。
在这些实施例的至少一个中,服务器是云服务器。
通过下面结合附图的详细描述,本申请的其它特征和优点将显而易见。然而,应该理解的是,详细描述和具体实施例虽然指示了本申请的优选实施方案,但仅以说明的方式给出,因为根据该详细描述,在本申请的精神和范围内的各种变化和修改对于本领域技术人员将是显而易见的。
附图说明
为了更好地理解在此描述的各种实施例,并且为了更清楚地示出如何实现这些实施例,将通过示例的方式参考附图,该附图示出了至少一个示例实施例并且现在对其进行描述。附图不是要限制本文描述的教导范围。
图1A示例智能电话设备的前视图的的示意图。
图1B示例性的示出了图1A中的智能电话设备的后透视图的示意图,并且部分示出了使用的保护壳。
图2是根据本文教导的检测便携电子设备的保护壳在跌落冲击期间是否存在的系统的示例性实施例的简化图。
图3是根据本文教导的便携电子设备的示例性实施例的简化框图。
图4是根据本文教导的一些实施例的检测便携电子设备的保护壳在跌落冲击期间是否存在的方法的示例性实施例的处理流程图。
图5是根据本文教导的分析数据以确定电子设备的保护壳在跌落冲击期间是否存在的示例性实施例的处理流程。
本文描述的示例性实施例的其它方面和特征将从以下结合附图的描述中显现出来。
具体实施方式
下面将描述根据本文教导的各种实施例,以提供所要求保护的主题的至少一个实施例的示例。本文描述的实施例并不限制任何要求保护的主题。所要求保护的主题不限于具有下面描述的任何一个设备,系统或方法的所有特征的设备,系统或方法,或者限于本文描述的多个或所有设备,系统或方法所共有的特征。有可能,本文描述的设备,系统或方法并不是任何要求保护的主题的实施例。在本文中未要求保护的任何主题可以是另一种保护方法的主题,例如,连续的专利申请,并且申请人,发明人或所有者不打算通过其在本文中的公开内容舍弃,放弃或专用于公众任何这样的主题。
应当理解,为了说明的简单和清楚,在认为适当的情况下,可以在附图中重复附图标记,以表示相应的或类似的元件或步骤。另外,为了提供对本文描述的示例性实施例的透彻理解,阐述了许多具体细节。然而,本领域的普通技术人员可以理解,在此描述的实施例可以在没有这些具体细节的情况下实践。在其它情况下,将不详细描述公知的方法,过程和组件,以免使本文描述的实施例模糊。而且,本说明书不应被认为是限制本文描述的示例性实施例的范围。
还应当注意,根据使用这些术语的上下文,如本文所使用的术语“耦合”可以具有几种不同的含义。例如,术语耦合可以具有机械,流体或电气的含义。例如,如本文所使用的,术语耦合可以表示两个元件或设备可以彼此直接连接或者经由一个或多个中间元件或设备通过电信号或磁信号连接、电气连接,电气元件或机械元件取决于特定的环境。此外,耦合的电气元件可以发送和/或接收数据。
除非上下文另有要求,否则在整个说明书和随后的权利要求书中,词语“包括”及其变体,例如“包含”和“包含了”应被解释为开放的,包括性的含义,即,“包括,但不限于”。
还应该注意的是,如本文所使用的,措辞“和/或”旨在表示包含性的“或”。即,例如“X和/或Y”旨在表示X或Y或两者。作为另一个示例,“X、Y和/或Z”旨在表示X或Y或Z或其任何组合。
应当注意的是,本文所用的诸如“基本上”、“约”和“近似”的程度术语意指修饰术语的合理量的偏差,使得最终结果不显著改变。如果该偏差不否定其修改的术语的含义,这些程度术语也可以解释为包括修饰术语的偏差,例如1%,2%,5%或10%。
此外,本文的端点对数值范围对表述包括该范围内所含的所有数字和分数(例如,1至5包括1、1.5、2、2.75、3、3.90、4和5)。还应理解的是,假定其所有数字和分数均由术语“约”修饰,这意味着如果最终结果没有显著变化,例如1%、2%、5%或10%,则至多所提及的数字的特定量的变化。
本说明书通篇提及的“一个实施例”,“实施例”,“至少一个实施例”或“一些实施例”是指一个或多个特定特征,结构或特性可以以任何合适的方式组合在一个或多个实施例中,除非另外指定为不可组合或作为替代选择。
本说明书和所附权利要求书中使用的单数形式“一个”,“一种”和“该”包括复数指示物,除非内容另外清楚地指示。还应注意,术语“或”通常以其最广泛的含义使用,即,表示“和/或”,除非内容另外清楚地规定。
本公开在此提供的标题和摘要仅是为了方便起见,而不用于解释实施例的范围或含义。
类似地,在整个说明书和所附权利要求书中,术语“通信”,例如“通信路径”,“通信耦合”以及诸如“通信地耦合”之类的变体中,通常用于指代用于传输和/或交换信息的任何设计方案。通信路径的示例包括但不限于导电路径(例如,导电线,导电轨线),磁性路径(例如,磁性介质),光学路径(例如,光纤),电磁辐射路径(例如,无线电波)或其任何组合。通信耦合的示例包括但不限于电耦合,磁耦合,光耦合,无线电耦合或其任何组合。
在整个说明书和所附权利要求书中,经常使用不定式动词形式。示例包括但不限于:“以检测”,“以提供”,“以发送”,“以通信”,“以处理”,“以路由”等。除非特定上下文另有要求,否则此类不定式动词形式应以开放的包容性含义使用,即“以至少检测”,“以至少提供”,“以至少传递”等等。
本文描述的系统和方法的示例性实施例可以被实现为硬件或软件的组合。在一些情况下,本文所描述的示例性实施例可至少部分地通过一个或多个计算机程序来实现,该计算机程序在一个或多个可编程器件上执行,该可编程器件包括至少一个处理元件和数据存储元件(包括易失性存储器,非易失性存储器,存储元件或其任何组合)。这些设备还可以具有至少一个输入设备(例如,键盘,鼠标,触摸屏等),以及至少一个输出设备(例如,显示屏,打印机,无线电设备等),这取决于设备的特性。
如背景技术中所提到的,可拆卸的保护壳已经成为为便携电子设备提供意外损坏保护的广泛和廉价的解决方案。例如,如图1A和1B,可拆卸的保护壳110可以围绕智能电话设备100的侧面和后面设置,以防止意外跌落。在各种情况下,保护壳110可以由吸震轻质材料制成。
至少在一些情况下,保护壳制造商可以通过为保护壳提供保修来向客户提供附加级别的损害赔偿。例如,保修可以覆盖由于壳体失效而引起的电子设备的损坏,从而提供有效的跌落保护。在一些情况下,保修还可以向客户提供请求更换损坏的电子设备的权利,前提是该设备在跌落时受到壳体保护。然而,提供这种性质的保修保护所面临的挑战是保修服务提供商可能遭受欺诈。例如,不讲道德的顾客可以在损坏发生之后才简单地将保护壳套在他们的电子设备上。然后,客户可以向制造商或独立的保修服务商请求偿还或更换,同时谎称在损坏发生时使用了保护壳。
目前,没有可靠的方法来精确地确定在冲击损坏(例如,跌落冲击)发生期间保护壳是否被应用到了电子设备上。尤其是,当前的方法仅能在电子设备跌落的时候,或者在电子设备接触地面的时候检测实例。然而,这些相同的方法不能提供关于跌落的电子设备在跌落冲击期间是否被保护壳保护的进一步的见解。
鉴于上述内容,本文提供的教导针对至少一个实施例,该实施例用于检测电子设备的保护壳在跌落冲击期间是否存在的方法和系统。在至少一些示例性应用中,本文提供的方法和系统可以允许保护壳制造商与被保修人协作或单独地确认要求保护壳存在的保修声明有效。因此,这有助于减少欺诈的发生,并进而降低保修服务供应商的成本。
根据本文的教导,电子设备的保护壳在跌落冲击期间是否存在可以使用耦合到电子设备和/或保护壳的一个或多个传感器来确定。传感器数据可以在第一次检测到潜在跌落的时刻和检测到跌落冲击的时刻之间收集。从传感器数据中可以提取一个或多个特征并将其馈送到已训练的机器学习算法。在多种情况下,机器学习算法可以是二元分类器,其分析输入特征,并确定输入特征是否对应于以下两种情况之一:(i)电子设备在跌落冲击时受到保护壳保护,或(ii)电子设备在跌落冲击时没有受到保护壳保护。
参考图2,其示出了根据本文教导的检测电子设备的保护壳在跌落冲击期间是否存在的系统200的示例性实施例的图。系统200通常提供本文描述的设备和/或方法通常在其中运行的环境。
如图所示,系统200可以包括与远程终端(或服务器)210进行数据通信的便携电子设备205。电子设备205可以通过网络215与远程服务器210通信。例如,网络215可以是诸如BluetoothTM网络的无线个人局域网,诸如IEEE 802.11协议族的无线本地局域网,或者在一些情况下,诸如通用串行总线(USB)接口或IEEE 802.3(以太网)网络的有线网络或通信链路,或其他。在一些实施例中,电子设备205可以实时地与服务器210通信。在其它实施例中,电子设备205可以存储数据以供稍后传输到服务器210。
服务器210可以是连接到网络215的计算机服务器。服务器210具有处理器,易失性和非易失性存储器,至少一个网络接口,并且可以具有各种其他输入/输出设备。系统200中可以包括多个设备以及多个服务器210,但是为了便于说明并未示出所有设备。在各种情况下,服务器210可以例如与保护壳和/或便携电子设备的制造商相关联,或者与为保护壳和/或便携电子设备提供保修的保修服务供应商相关联。
在各种情况下,服务器210可经由网络215从电子设备205接收指示,该指示指出当发生跌落冲击意外时,保护壳是否套在电子设备205上。因此,当电子设备205和/或保护壳在跌落意外中遭到损毁时,可以允许保护壳的制造商或独立的保修服务供应商确认对保护壳和/或便携电子设备205的保修索赔。
在其它实施例中,如本文进一步所详细解释的,服务器210可以不接收关于保护壳的是否存在的指示,而是可以从电子设备205接收在跌落冲击意外期间生成的原始传感器数据和/或提取的特征数据。然后,服务器210可以分析数据和/或提取的特征,以确定在跌落冲击期间保护壳是否套在电子设备205上。
应当理解,服务器210不必是专用物理计算机。例如,在各种实施例中,显示为在服务器210上提供的各种逻辑组件可以由“云”托管服务托管。
便携电子设备205通常是指任何便携电子设备,包括台式计算机、膝上型计算机、平板计算机或移动设备(例如,蜂窝电话或智能电话)。应当理解,电子设备205还可以指能够进行数据通信的宽泛范围的电子设备。与服务器210类似,电子设备205包括处理器、易失性和非易失性存储器、至少一个网络接口和输入/输出设备。在各种情况下,如本文所述,电子设备205配备有传感器。电子设备205有时可以连接到网络215或其一部分。在至少一些实施例中,电子设备205由保护壳保护。
现在参考图3,图中示出了根据本文教导的便携电子设备205的示例性实施例的简要框图。如图所示,便携电子设备205通常包括与存储器304、通信接口306、用户界面308和一个或多个传感器310通信的处理器302。在一些情况下,处理器302还可以与麦克风312(或任何环境声音检测传感器)通信,以及可选地,与相机314(或图像传感器)通信。
处理器302是计算机处理器,例如通用微处理器。在一些其它情况下,处理器302可以是现场可编程门阵列,专用集成电路,微控制器或其它合适的计算机处理器。
处理器302经由计算机数据总线耦合到存储器304。存储器304可以包括易失性和非易失性存储器。非易失性存储器存储由计算机可执行指令组成的计算机程序,该计算机可执行指令可根据需要加载到易失性存储器中以供处理器302执行。本领域的技术人员可以理解,本文提到的电子设备205执行某种功能,或者以特定方式动作,这意味着处理器302正在执行存储在存储器304中的指令(例如,软件程序),并且可能经由一个或多个接口发送或接收输入数据和输出数据。存储器304还可以在执行计算机可执行指令的过程中将输入数据存储到处理器302或从处理器302输出数据。
在本文所提供的各种实施例中,存储器304可接收并存储由一个或一个以上传感器310、麦克风312和/或相机314产生的传感器数据。例如,存储器304可以存储在电子设备205在跌落时产生的传感器数据。如本文所解释的,处理器302可以从存储器304检索所存储的传感器数据,并且可以使用传感器数据来提取一个或多个特征。然后可以返回所提取的特征,以便存储在存储器304上。在一些情况下,存储器304还可以存储关于特定电子设备205的设备规格的信息。
在至少一些实施例中,存储器304可进一步存储与一个或多种机器学习算法相关联的参数。如本文所解释的,处理器302可以使用机器学习算法来处理从传感器数据提取的特征,以便确定电子设备在跌落冲击期间是否受到保护壳的保护。在至少一些实施例中,机器学习算法的输出可以被返回以便存储在存储器304上。
在一些情况下,存储器304可以存储托管机器学习算法的软件程序或应用程序,而不是直接存储机器学习算法参数。该应用程序或程序可以是电子设备205上的独立的应用程序或下载或安装的软件程序。在其它情况下,程序可以被集成到第三方软件应用程序或程序中,第三方软件应用程序或程序本身被下载或安装在电子设备205上。
在其它实施例中,如本文所解释的,机器学习算法可以不存储在存储器304上,而是可以被存储在服务器210上。在这些情况下,原始传感器数据、设备规格和/或提取的特征数据可以被发送到服务器210以使用机器学习算法进行处理。在这些实施例中,存储器304可以简单地存储用于收集传感器数据的软件程序或应用程序,以及该软件程序或应用程序可以将传感器数据发送到服务器210。软件程序或应用程序还可以存储用于从传感器数据中提取特征数据的指令,然后可以将其发送到服务器210。
通信接口306是用于在网络上通信的一个或多个数据网络接口,例如IEEE802.3或IEEE 802.11接口。
用户界面308可以是例如用于根据需要输出信息和数据的显示器。特别地,用户界面308可以显示图形用户界面(GUI)。在一些实施例中,用户界面308可以向用户通知电子设备205的某些方面,例如但不限于他们的设备的保修保护的状态。例如,在电子设备跌落预定次数之后,可以通知用户他们不再受到保护。在一些情况下,用户界面308还可以为用户提供选项以同意将传感器数据、提取的特征数据、设备规格或机器学习算法的输出传输到服务器210。例如,当在对损坏的保护壳和/或电子设备的保修索赔下寻求重新报销时,用户可以同意将该数据发送到服务器210。因此,与服务器210相关联的保修服务供应商可以使用数据来验证保修声明。
电子设备205还包括一个或多个传感器310。传感器310可以收集(或监测)当电子设备205跌落时产生的传感器数据。如图3所示,作为非限制性示例,传感器310通常可包括水分传感器310a、环境光传感器310b、湿度传感器310c、地面定位传感器(GPS)310d、压力传感器310e、磁力计310f、陀螺仪310g、加速度计310h、环境温度传感器310i以及接近传感器310j中的至少一个。在至少一些实施例中,传感器310还可以包括一个或多个方向传感器,包括俯仰传感器310k、倾斜传感器310l和/或偏航传感器310m。同样,传感器310还可以包括雷达传感器310m(例如,运动传感器)。
在各种情况下,如本文所解释的,由每个传感器310产生的传感器数据可以帮助确定保护壳在跌落冲击期间是否被应用到电子设备205上。例如,已经认识到,与没有保护壳的电子设备相比,具有保护壳的电子设备205在撞击硬表面时可以经历不同的“弹跳轨迹”。例如,具有保护壳的电子设备可以比不具有保护壳的电子设备向更高的高度反弹。因此,在至少一个实施例中,来自传感器310的传感器数据可用于确定不同电子设备205的“弹跳轨迹”。例如,在至少一个实施例中,压力传感器310e(例如,气压计)可以记录不同高度处的不同压力作为传感器数据,这可以用于确定电子设备205在撞击诸如地面、地板、桌子、书桌、楼梯等表面之后弹起多高。类似地,与没有保护壳的设备相比,当由外壳保护的设备在地面上弹跳时,加速度计310h可以记录不同的加速度数据。更进一步,在一些其它实施例中,来自一个或多个方向传感器(例如,俯仰传感器310k,倾斜传感器310l和/或偏航传感器310m)的传感器数据可以用于通过跟踪电子设备205的弹跳轨迹运动来确定电子设备205的弹跳轨迹。在各种情况下,传感器310可以以预定的时间或频率间隔连续地或以其它方式向处理器302、存储器304和/或通信接口306发送传感器数据。在一些情况下,传感器310可以仅在由处理器302作出请求时发送传感器数据。
在各种实施例中,传感器310可以位于电子设备205的内部。或者,在其它实施例中,传感器310中的一些或全部可位于电子设备205的外部。例如,一些传感器可以位于保护壳110上。在这些情况下,传感器可以与处理器302和/或服务器210通信(例如,有线或无线通信)。
在一些实施例中,电子设备205可以包括麦克风312,或者其他任何环境声音检测传感器。如本文所解释的,麦克风312可以感测可用于检测声音频率模式的声学数据,该声音频率模式可以单独使用或者与至少一个其它传感器310结合使用,以确定在跌落冲击期间保护壳是否被应用到设备。例如,当保护壳应用于电子设备时产生的声频模式可以不同于没有保护壳应用于设备时产生的声频模式。在至少一些实施例中,来自麦克风312的声音数据还可以在电子设备205没有配备其他传感器的情况下帮助确定电子设备是否受保护壳的保护。
电子设备205还可以包括相机314,或其它任何适合的图像传感器。在至少一些实施例中,相机314可用于在跌落时捕获电子设备205周围的环境的图像。在各种情况下,如本文所解释的,由相机315产生的图像和/或视频数据可用于评估例如电子设备205跌落的高度以及电子设备205在跌落冲击期间撞击的表面类型(例如,木制表面,软表面,塑料表面,玻璃,土壤,岩石等)。该信息可以使用任何合适的图像处理算法来确定,该图像处理算法可以使用处理器302和/或服务器210来执行。例如,在某些情况下,可以通过提取一组丰富的低级和中级特征来执行表面材料识别,这些特征捕获了表面材料外观的各个方面,并使用潜在狄利克雷分配(aLDA)模型在贝叶斯生成框架下组合这些特征,以学习识别图像中的材料的特征的最佳组合来执行。在其它情况下,电子设备205的高度可以例如通过结合关于图像中已知对象的估计对象大小的信息(例如,经由对象识别算法识别的)来分析一个或多个连续图像来确定。在各种实施例中,来自图像和/或视频数据的信息可以与传感器数据结合使用,以确定在跌落时保护壳是否被应用于电子设备205。例如,可以分析来自相机315的图像或视频数据以确定表面类型(例如,木质表面)。这进而可以帮助更好地关联从传感器310接收的弹跳轨迹数据。特别地,与软表面(例如地毯)相比,当电子设备205在硬表面(例如木制表面)上弹跳时,弹跳轨迹数据可以是不同的。在其它实施例中,可以通过分析在图像和/或视频数据中捕获的周围环境的一个或多个方面来从图像和/或视频数据确定表面类型。例如,可以分析图像数据以确定周围环境中是否存在树木、植物等,以及是否存在建筑物。因此,可以大概率地确定电子设备正在跌落,例如在森林中。相应地,跌落表面类型可以被预测为软表面(例如,土壤)。在一些其它情况下,来自相机315的图像和视频数据也可以经由通信接口306被发送到服务器210,以帮助例如保修承保人来确定在跌落时刻是否满足保修条件。
现在参考图4,图中示出了根据本文教导的用于检测电子设备的保护壳在跌落冲击期间是否存在的方法400的示例性实施例的过程流程图。例如,可以使用图3中的处理器302来实现方法400。
如图所示,在动作402处,处理器302可以检测电子设备205是否已经跌落,或者是否可能发生跌落。在各种情况下,使用来自一个或多个传感器310、麦克风312和/或相机314的传感器数据来确定动作402。例如,处理器302可以监测由加速度计310h生成的加速度计数据,以确定加速度是否已经超过预定的加速度阈值(例如,加速度小于0.58mm/s2)。在加速度超过加速度阈值的情况下,这可以指示电子设备205可能已经跌落。在其它情况下,处理器302可以监测由陀螺仪310g生成的陀螺仪数据,以根据陀螺仪数据来确定电子设备205的偏航,俯仰或滚动是否存在足够的变化,这也可以指示潜在的跌落。
在动作404处,在至少一些实施例中,处理器302可以启动看门狗定时器。在动作402处,可以同时或在检测到潜在的跌落之后立即启动看门狗定时器。如本文所解释的,在动作402处,看门狗定时器可以被用于确定跌落信号是否是错误信号。例如,在某些情况下,在动作402处检测到的加速度可能是由电子设备的突然移动而不是由设备跌落引起的。因此,可以将看门狗定时器设置为在预期发生电子设备的跌落冲击的时间段之后期满。例如,在动作402处,可以在检测到跌落信号之后,将看门狗定时器设置为10秒至1分钟期满。如果在阈值期间内没有检测到跌落冲击,则处理器302可以确定在动作402处的跌落信号是错误信号。
在动作406处,一旦在动作402处检测到跌落,处理器302可初始化存储器304内的空的传感器数据窗口。传感器数据窗口被配置成存储来自一个或多个传感器310的传感器数据。
在一些实施例中,在动作408处,处理器302还可以初始化存储器304内的空的声音数据窗口,用于存储来自麦克风312的声音数据。类似地,在动作410处,处理器302可以初始化存储器304内的空的图像数据窗口,用于存储由相机315捕获的图像和/或视频数据。在一些情况下,动作408和410可以与动作406同时发生。
在动作412、414和416处,当电子设备205正在跌落时,处理器302可以在存储器408中生成的数据窗口内部收集和存储分别由传感器310、麦克风312和相机314中的一个或多个生成的传感器、声音和图像数据。在各种情况下,在动作412-416处,处理器302还可激活传感器310,麦克风312和相机314中的一个或多个以收集数据。
在动作418处,处理器302可以根据哪个事件先发生来确定看门狗定时器是否已经期满,或者以其他方式确定是否已经检测到电子设备的跌落冲击。在至少一些实施例中,可以以与动作402处的初始跌落类似的方式来检测跌落冲击。例如,处理器302可以确定来自加速度计310h的加速度数据是否已经超过指示跌落冲击的预定加速度计阈值。否则,处理器302可基于来自陀螺仪310g的陀螺仪数据或来自可用于检测跌落冲击的任何其它传感器310的传感器数据来确定跌落冲击。
在动作418处,如果在检测到跌落冲击之前看门狗计时器已经期满,则处理器302可以确定在动作402处的跌落信号是错误信号。相应地,在动作420处,处理器302可停止收集传感器、声音和/或图像数据,且可分别在动作412-416处简单的丢弃在相应数据窗口中收集的传感器、声音和/或图像数据。然后方法400可以进行到动作430,其中处理器302可以确定是否继续监测新的跌落信号。例如,在一些情况下,处理器302可以在等待对应于用户从地面捡起跌落的设备所花费的时间(例如,1-2分钟)的预定时间段之后继续监测新的跌落信号。在处理器302继续监视新的丢弃信号的情况下,方法400可以继续动作402以重新迭代。否则,方法400可以在动作432处终止。
在其他情况下,如果在看门狗定时器期满之前检测到跌落冲击,则方法400可以进行到动作422。在动作422处,处理器302可以停止收集传感器、声音和/或图像数据,并且可以开始分析传感器、声音和/或图像数据,以确定在跌落冲击期间保护壳是否被应用于电子设备205上。在一些情况下,一旦检测到跌落冲击,处理器302可以不立即停止采集传感器、声音和/或图像数据,而是可以在检测到跌落冲击之后的短时间段(例如,1秒至1分钟)内恢复采集传感器、声音和/或图像数据。特别地,这可以允许处理器302收集关于电子设备205的“弹跳轨迹”的传感器、声音和/或图像数据,这可以在跌落冲击之后立即发生。
在动作424处,基于在动作422处的分析,生成输出结果。该输出结果可指示在跌落冲击期间保护壳被应用到电子设备上,或者,在跌落冲击期间保护壳没有被应用到电子设备上。
在一些实施例中,在动作426处,处理器302可将结果存储在存储器304中。随后,在动作428处,处理器302可以经由网络215将结果发送到服务器210。例如,处理器302可以根据从服务器210到处理器302的请求将结果发送到服务器210。例如,当电子设备205的用户请求保修服务供应商对保护壳和/或电子设备的损坏进行索赔时,与保修服务供应商关联的服务器210可以请求来自处理器302的动作422的结果。在其它情况下,处理器302可仅在电子设备205的用户同意和/或请求时将结果传输到服务器210。在其它情况下,在动作428处,处理器302可以经由网络215将结果直接发送到服务器210。特别是例如,这可以被实现,以防止对存储在电子设备205的本地存储器304上的结果进行篡改。
在至少一些实施例中,在动作424处生成输出结果并发送和/或存储结果之后,可以在动作420处丢弃在数据窗口中收集的数据。然后方法400可以进行到动作430,其中处理器302确定是否继续监测新的跌落信号。
虽然已经参考处理器302解释了方法400,但是应当理解,在其它实施例中,方法400的至少一部分可以由服务器210(例如,服务器210的处理器)执行。例如,在至少一些实施例中,在动作412-416处收集的数据可以被传输到服务器210。数据可以被自动地实时或接近实时地发送到服务器210。在其它情况下,数据可以最初存储在存储器304中,并且可以随后响应于服务器210的请求,或者以其它方式,通过电子设备205的用户的同意,被发送到服务器210。然后,在动作422处,服务器210可以分析所接收的数据,以确定在跌落冲击期间保护壳是否被套在了电子设备205上。然后,输出结果可以临时或永久地存储在服务器210的存储器上。
在其它实施例中,处理器302可能不产生数据窗口以将数据存储在存储器304内。在这些情况下,传感器、声音和/或图像数据可以在其被收集时被自动地实时或接近实时地传输到服务器210。
现在参考图5,图中示出了根据本文教导的用于分析传感器、声音和/或图像数据以确定在跌落冲击期间在电子设备上是否存在保护壳的方法500的示例性实施例的处理流程。方法500可对应于方法400的动作422。
如图所示,在动作502处,处理器302可以开始分析传感器、声音和/或图像数据,以确定在跌落冲击期间保护壳是否被应用于电子设备205。
在动作504处,处理器302可以在第一次检测到电子设备205已经跌落(动作402)和检测到跌落冲击之间的时间帧中,或者在一些情况下,在检测到跌落冲击后不久(动作418),从存储器304中检索在传感器数据窗口中收集的传感器数据。然后处理器302可以分析传感器数据以提取一个或多个传感器数据特征。例如,作为非限制性示例,处理器302可以分析来自单个传感器的传感器数据以提取传感器数据特征,所述传感器数据特征包括频率值、幅度值、能量值,频率、幅度和能量值中的至少一个数据的最小值和最大值,频率,幅度和能量值中的至少一个的最大值和最小值之间的差值,频率、幅度和能量值中的至少一个数据的平均值和/或从时域中收集的传感器数据的幅度值的标准偏差。在一些实施例中,处理器302可以在时域中将来自单个传感器的传感器数据分割成多个时间段的集合。例如,处理器302可以将加速度计数据拼接成每帧0.5秒至1秒的多个时间帧。然后,处理器302可以从每个时间帧中提取一个或多个传感器数据特征。在另一些实施例中,传感器数据可以被变换到频域(例如,使用离散傅立叶变换技术)以生成频域数据,并且可以从频域数据中提取至少一个传感器数据特征。例如,作为非限制性示例,处理器302可以分析来自单个传感器的频域数据以提取传感器数据特征,所述传感器数据特征包括频率值、幅度值、能量值、功率值,频率值中的一个或多个,频率,幅度,能量和功率值中至少一个数据的最小值和最大值,频率,幅度,能量和功率值中至少一个数据的最小值和最大值的差值,频率,幅度,能量和功率值中至少一个数据的平均值和/或频域中的幅度值的标准偏差。
在从多个传感器310收集传感器数据的情况下,在动作504处,处理器302可以从由不同传感器产生的传感器数据中提取特征。例如,处理器302可以分别从由加速度计310h产生的加速度数据中提取加速度特征,并且从由方向传感器(例如,俯仰传感器310k,倾斜传感器310l和/或偏航传感器310m)产生的方向数据和/或由陀螺仪310g产生的陀螺仪数据中提取定向特征。
在一些实施例中,在动作506处,处理器302可检索存储在位于存储器304中的声音数据窗口中的声音数据(例如,图4中的动作414)。然后可以以与传感器数据(如前所述)类似的方式分析声音数据,以提取一个或多个声音数据特征。例如,可以在时域或频域中分析声音数据以确定包括频率内容、幅度值和能量以及声音数据的幅度值最小值、最大值、平均值和标准偏差在内的一个或多个声音数据特征。在其它实施例中,在动作508处,处理器302还可检索存储在位于存储器304中的图像数据窗口中的图像数据。然后可以分析图像数据以提取一个或多个图像数据特征。图像数据特征的示例可以包括颜色特征,包括图像的一个或多个片段的像素颜色值的直方图。图像数据特征还可以包括纹理特征,JET特征,尺度不变特征变换(SIFT)特征,微纹理特征(例如,微JET特征或微SIFT特征),图像对象的轮廓曲率以及包括边缘切片和边缘带特征的基于反射率的特征。在一些情况下,图像数据特征还可以包括局部二进制模式(LBP)和定向梯度的直方图(HOG)。在一些实施例中,动作506和508可以与动作504同时执行。在其它情况下,动作504、506和508可以以任何适当的顺序相继地执行。
在动作510处,处理器302可以接收电子设备205的设备规格数据。在各种情况下,设备规格数据可以存储在电子设备205的存储器304上。作为非限制性示例,设备规格数据可以包括设备类型(例如,移动设备,平板电脑,可佩戴设备),设备品牌和型号信息,设备重量以及设备软件规格(例如,操作系统版本等)。
在动作512处,处理器302可分析在动作504-508处提取的特征以及来自动作510的装置规格数据,以确定在跌落冲击期间保护壳是否被应用到电子设备205上。在至少一些情况下,处理器302还可分析在方法400的动作412-416处收集的原始传感器、声音和图像数据,以确定在跌落冲击期间是否存在保护的情况。
在各种实施例中,可以使用一种或多种机器学习算法来执行动作512处的分析。可以训练机器学习算法以执行输入数据的二元分类,其中输入数据可以包括提取的传感器数据特征,声音数据特征,图像数据特征,设备规格数据和原始传感器、声音和/或图像数据中的一个或多个,以生成输出结果。特别地,在二元分类中,机器学习算法分析输入数据,并将输入数据分类为属于两个互斥类中的一个。在图5的示例应用中,可以实现一个或多个机器学习算法以将输入数据分类为对应于:(i)在跌落冲击期间受保护壳保护的电子设备;或者(ii)在跌落冲击期间不受保护壳保护的电子设备。在各种情况下,机器学习算法产生介于0和1之间的概率值,以指示输入数据对应于两个类中的任一个的可能性。例如,更接近“0”的概率值可以指示存在保护的情况,更接近“1”的概率值可以指示不存在保护的情况。
在至少一些实施例中,馈送到二元分类器的输入数据可以包括传感器、声音和图像数据特征的组合。因此,二元分类器可以分析和分类所有数据特征的组合以生成分类输出结果。在某些情况下,如果输入数据中缺少数据特征,则丢失的数据特征可以用NULL值代替。特别地,NULL值可以是一个特定值,它被二元分类器解释为不包含在输入数据集中的数据特征。例如,在至少一些实施例中,电子设备205可以不包括用于收集声音数据的麦克风312,因此,输入数据可以不包括声音数据特征。因此,声音数据特征可以在输入数据中表示为NULL值。类似地,在其它情况下,电子设备205可以不配备传感器,或者不配备相机。因此,二元分类器的输入值可以不包括传感器数据特征和/或图像数据特征。这样,传感器数据特征或图像数据特征也可以使用NULL值来表示。因此,以这种方式,二元分类器适于适应可能不包括传感器、麦克风和摄像机的组合和/或传感器、麦克风或摄像机不能正确产生数据的环境的不同设备类型。
在其它实施例中,可以使用单独的二元分类器来分析不同类型的特征数据。例如,第一二元分类器可以分析传感器数据特征,第二二元分类器可以分析声音数据特征,并且第三二元分类器可以分析图像数据特征。在一些情况下,一个二元分类器可以分析两种特征数据类型(例如,传感器和声音数据特征),而第二二元分类器可以分析第三特征类型(例如,图像数据特征)。因此,每个二元分类器可以基于被分析的数据特征来生成单独的分类输出。然后,可以将每个二元分类器的输出聚合到单个分类输出中。例如,可以使用平均,最大或最小聚合函数中的任何一个来聚合输出,或者使用任何其它合适的聚合方法来聚合输出。在缺少数据特征的实施例中,可以忽略来自相应的二元分类器的输出。
在一些实施例中,二元分类器可以是两个或更多个二元分类器的组合。例如,可以使用集成方法,将其中几个机器学习算法组合成单个二元分类模型。在一些情况下,集成方法可以使用多于一种类型的二元分类器,并且可以使用聚合函数将每个分类器的各个输出聚合为单个输出(例如,装袋方法)。在各种情况下,可以这样做以改进二元分类器的预测精度。在动作512处实现的一个或多个机器学习算法可以被训练为使用任何合适的技术或算法来执行二元分类。例如,在一些实施例中,可以使用监督学习算法来训练机器学习算法。
在监督学习算法中,训练机器学习算法为使用训练数据集对输入数据进行分类。训练数据集包括特征数据(例如,传感器、声音和/或图像特征数据),该特征数据是通过在不同测试条件下对电子设备进行测试而生成的,并且在一些情况下还包括原始传感器、声音和图像数据。例如,电子设备可以从不同高度和/或不同表面(例如,硬、软等)跌落。对于每个测试跌落,收集传感器、声音和/或图像数据。然后从收集的每种类型的数据中提取数据特征。跌落测试针对电子设备受保护壳保护的情况和电子设备不受保护壳保护的情况进行。然后将训练数据标记为对应于为带有保护壳(例如,正标签)跌落的电子设备和没有保护壳(例如,负标签)跌落的电子设备收集的数据。在至少一个示例情况中,为了生成训练数据,使用壳(例如正样本)总共丢弃不同类型的智能手机设备1907次,不使用壳(例如,负样本)总共丢弃1248次)。智能手机设备从不同的高度(50厘米、60厘米、70厘米、80厘米、90厘米和100厘米)、不同的表面(例如软垫、大理石和硬木)和使用不同的跌落模式(例如,直线下降和旋转下降),以获得不同的训练数据集。
一旦生成了训练数据,标记的训练数据就会作为输入数据提供给机器学习算法,从而允许算法将二元标签与不同的输入数据集相关联。机器学习算法可以额外地被馈送对应于被测试跌落的设备的设备规格数据(例如,设备类型、品牌、型号等)的输入数据。这可以允许机器学习算法进一步将不同的输入数据集与不同类型的电子设备相关联。
在至少一些实施例中,在训练单个机器学习算法来分析所有特征数据(例如,传感器、声音和图像特征数据)的组合的情况下,馈送到机器学习算法中的训练数据可以包括所有特征数据的组合。训练数据还可以包括一些包含缺失特征数据的训练数据。例如,在一些情况下,训练数据可以包括传感器、声音和/或图像特征数据被NULL值代替的数据集。因此,这可以允许训练二元分类器以适应缺少声音、传感器或图像特征数据中的一个或多个的情况(例如,电子设备没有配备传感器、麦克风和/或相机的情况)。在其它实施例中,如前所述,可以训练不同的机器学习算法来分析不同类型的特征数据。因此,在这些情况下,馈送到每个机器学习算法的训练数据仅包括相关数据特征(例如,声音、传感器或图像)。
在一些实施例中,一旦训练了机器学习算法,就可以使用来自测试跌落的附加数据作为验证数据。验证数据被用于进一步微调与机器学习算法相关联的参数,并且继而增强算法性能设置。一些测试跌落的数据也可以作为测试数据。在测试数据集中,“未标记”的输入数据(例如,传感器、声音和/或设备规格数据)被馈送到经过训练的机器学习算法。然后将机器学习算法的输出与输入数据的真实标签进行比较,以评估算法的准确性。
在各种情况下,为了确定二元分类器的最佳设置,使用k折交叉验证技术。特别地,来自测试跌落的数据被分成“k”个大小相等的非重叠集合,也被称为“折叠”。对于k-折叠中的每一个:(a)使用k-1个折叠作为训练数据来训练二元分类模型;(b)训练后的模型在数据的剩余部分上进行测试。步骤(a)和(b)是重新运行“k”次,所报告的性能测量是“k”次运行的平均值。在至少一些实施方案中,“k”被设定为10,并且性能测量值以AUC-ROC(接收器操作特性)曲线中的“曲线下面积”(AUC)表示。通常,AUC越高,模型在执行二元分类方面的表现就越好。
用于训练机器学习算法以执行二元分类的监督学习算法的示例可以包括例如感知器、朴素贝叶斯、决策树、逻辑回归、人工神经网络/深度学习、支持向量机和/或随机森林算法。
在至少一些示例性实施例中,使用随机森林技术,其是一种集成技术,其将多个决策树分类器拟合在数据集的各种子样本上,并使用平均来提高预测精度和控制过度拟合。在随机森林中,可以训练或重新定义的参数可以包括森林中的决策树的数量、每个树的最大深度、以及每个叶节点所需的最小样本数。在至少一些示例性实施例中,随机森林可以具有1000个树,由此每个树具有15个节点的最大深度,并且每个叶节点所需的最小样本数是1,并且分裂内部节点所需的最小样本数是2。可以使用在一分钟的时间窗口中获得的传感器数据以及使用从加速度计310h,磁力计310f和一个或多个方向传感器(倾斜传感器310l,偏航传感器310m和雷达传感器310m)获得的传感器数据特征来训练随机森林。从加速度计310h,磁力计310g和方向传感器中的每一个获得的传感器数据特征可以包括:最小幅度值,最大幅度值,最小和最大幅度值之间的差值,平均幅度值,以及幅度值的标准偏差。对于方向传感器,数据特征值是使用旋转数据确定的,可以根据公式(1)计算:
使用这些输入和训练参数,并使用如上所述产生的训练数据,可以在1小时内训练随机森林,同时就曲线下面积(AUC)而言保持大约95.47%的精确度。通常,在具有更大最大深度的森林中使用更多数量的树可以增加精确度,然而,以执行时间为代价。在一些实施例中,可以在处理器302上训练机器学习算法。例如,可以将训练,验证和测试数据存储在存储器304上,并且处理器302可以使用该数据来训练未训练的算法。这可以在执行方法400和500之前的任何时间执行。在其它情况下,可以例如在服务器210上训练机器学习算法。然后,可以经由网络215将训练算法的参数发送到电子设备205,并将其存储在存储器304上。然后,处理器302可以将输入数据应用到经过训练的算法以生成输出结果。在动作514处,处理器302可以基于在动作510的分析生成输出结果。输出结果514可以识别在跌落冲击时保护壳是否被套在电子设备205上。
在各种情况下,方法500的全部或任何部分可以在服务器210上执行,而不是在处理器302上执行。例如,在一些情况下,在动作504和506中提取特征数据之后,提取的特征数据和/或设备规格可以经由网络215发送到服务器210。然后,服务器210可以分析数据以确定在跌落冲击期间电子设备205上是否存在保护壳。特别地,在这些实施例中,服务器210可以确定训练的机器学习算法,该算法可以用于分析传感器和/或声音数据以及提取的特征数据中的至少一个。在其它情况下,可以将原始传感器和/或声音数据以及设备规格中的至少一个发送到服务器210。服务器210可以从数据和特征中的至少一个中提取特征,以及分析所有数据和特征以确定保护壳的存在。
虽然为了说明的目的,本申请的教导与各种实施例结合,但是本申请的教导并不限于这些实施例,因为本文描述的实施例旨在作为示例。相反,在不背离本文描述的实施例的情况下,本文描述和说明的申请人的教导包括各种更换,修改和等同物,这些实施例的一般范围在所附权利要求中限定。
Claims (28)
1.一种用于在设备跌落冲击期间检测便携电子设备上的保护壳是否存在的方法,其特征在于,所述方法包括:
由至少一个处理器接收所述便携电子设备正在跌落的第一指示;
由所述至少一个处理器收集由耦合到所述电子设备的至少一个传感器生成的传感器数据;
由所述至少一个处理器接收所述便携电子设备已经经历所述跌落冲击的第二指示;
由所述至少一个处理器分析由所述至少一个传感器在接收所述第一指示和所述第二指示之间的时间段内生成的传感器数据;以及
由所述至少一个处理器基于所述分析确定输出结果,其中所述输出结果指示以下两者之一:(i)所述便携电子设备在跌落冲击时受到保护壳的保护;或者(ii)所述便携电子设备在跌落冲击时没有受到保护壳的保护。
2.如权利要求1所述的方法,其特征在于,所述分析进一步包括:
由所述至少一个处理器从由所述至少一个传感器在所述时间段内生成的所述传感器数据中提取至少一个特征;以及
由所述至少一个处理器对所述至少一个特征应用至少一种机器学习算法,以生成所述输出结果。
3.如权利要求2所述的方法,其特征在于,所述机器学习算法包括二元分类器,并且所述二元分类器被配置为将所述至少一个特征分类成两个互斥类中的一个,所述两个互斥类包括第一类和第二类,所述第一类指示所述电子设备在跌落冲击时被所述保护壳保护,所述第二类指示所述电子设备在跌落冲击时未被所述保护壳保护。
4.如权利要求2或3所述的方法,其特征在于,所述机器学习算法包括感知器,朴素贝叶斯,决策树,逻辑回归,人工神经网络,支持向量机和随机森林算法中的至少一个。
5.如权利要求2至4中任一项所述的方法,其特征在于,所述至少一个特征包括以下特征中的至少一个:频率值,幅度值,能量值,所述频率值、所述幅度值和所述能量值中的至少一个的数据最小值和最大值,所述频率值、所述幅度值和所述能量值中的至少一个的最大值和最小值之间的差值,所述频率值、所述幅度值和所述能量值中的至少一个的数据平均值,以及时域和频域中的至少一个中的来自所述传感器数据的所述幅度值的标准偏差。
6.如权利要求2至5中任一项所述的方法,其特征在于,所述至少一个特征包括多种特征,并且所述至少一种机器学习算法包括多种机器学习算法,并且将不同的机器学习算法应用于不同的特征以生成子输出结果,并且其中来自所述多种机器学习算法中的每一种的所述子输出结果被聚合以生成所述输出结果。
7.如权利要求2至6中任一项所述的方法,其特征在于,所述至少一个传感器包括多种传感器,每种传感器在所述时间段内生成相应的传感器数据集,并且所述至少一个处理器被配置为从每个所述传感器数据集中提取至少一个特征。
8.如权利要求1至7中任一项所述的方法,其特征在于,所述至少一个传感器包括以下多种传感器中的至少一种:加速度计,环境温度传感器,陀螺仪,加速度计,压力传感器,磁力计,湿度传感器,全球定位系统(GPS),湿度传感器,环境光传感器,包括俯仰传感器,旋转传感器和偏航传感器中的至少一个的定向传感器,雷达传感器以及声音检测传感器。
9.如权利要求8所述的方法,其特征在于,当所述至少一个传感器包括成像传感器时,所述至少一个特征包括以下各特征中的至少一个:像素色值的直方图,局部二进制图案(LBP),定向梯度的直方图(HOG),JET特征,尺度恒定特征变换(SIFT)特征,微JET特征,微SIFT特征,图像对象的轮廓曲率,以及基于包括边缘切片特征和边缘带特征中的至少一个特征的反射率。
10.如权利要求1至9中任一项所述的方法,其特征在于,在接收到所述第一指示之后,所述方法还包括:
由所述至少一个处理器启动看门狗定时器;
由所述至少一个处理器确定所述看门狗定时器已经期满;以及
由所述至少一个处理器确定所述第二指示是否在所述看门狗定时器期满之前接收到,
其中,当在所述看门狗定时器期满之前接收到所述第二指示时,生成所述便携电子设备已经经历所述跌落的所述第二指示,并且当在所述看门狗定时器期满之前没有接收到所述第二指示时,所述至少一个处理器被配置为丢弃从所述至少一个传感器收集的数据。
11.如权利要求1至10中任一项所述的方法,其特征在于,所述至少一个处理器是所述便携电子设备的处理器。
12.如权利要求1至11中任一项所述的方法,其特征在于,所述方法还包括使用所述电子设备的通信接口将所述输出结果发送到服务器。
13.如权利要求1至12中任一项所述的方法,其特征在于,所述至少一个处理器包括所述电子设备的至少一个第一处理器和所述服务器的至少一个第二处理器,以及
其中所述至少一个第一处理器接收所述第一指示,收集从所述至少一个传感器生成的数据并接收所述第二指示,
其中所述电子设备的通信接口向所述服务器发送在所述时间段内收集的数据,以及
其中所述至少一个第二处理器分析在所述时间段内收集的数据,并且基于所述分析确定所述输出结果。
14.如权利要求13所述的方法,其特征在于,所述服务器是云服务器。
15.一种用于在设备的跌落冲击期间检测所述电子设备上的保护壳是否存在的系统,其特征在于,所述系统包括:
耦合到所述电子设备的至少一个传感器;
与所述至少一个传感器通信的至少一个处理器,所述至少一个处理器可操作,以:
接收所述电子设备正在跌落的第一指示;
收集从所述至少一个传感器产生的传感器数据;
接收指示电子设备的所述跌落冲击的第二指示;
分析由所述至少一个传感器在所述第一指示和所述第二指示之间的时间段内生成的传感器数据;以及
基于所述分析确定基于所述分析的输出结果,其中所述输出结果指示以下两者之一:(i)所述电子设备在跌落冲击时受到保护壳的保护;或者(ii)所述电子设备在跌落冲击时没有受到保护壳的保护。
16.如权利要求15所述的系统,其特征在于,为了分析所述传感器数据,所述至少一个处理器可操作,以:
从所述至少一个传感器在所述时间段内生成的所述传感器数据中提取至少一个特征;以及
对所述至少一个特征应用至少一种机器学习算法,以生成输出结果。
17.如权利要求16所述的系统,其特征在于,所述机器学习算法包括二元分类器,并且所述二元分类器被配置为将所述至少一个特征分类成两个互斥类中的一个,所述两个互斥类包括第一类和第二类,所述第一类指示所述电子设备在跌落冲击时被所述保护壳保护,所述第二类指示所述电子设备在跌落冲击时未被所述保护壳保护。
18.如权利要求16或17所述的系统,其特征在于,所述机器学习算法包括感知器,朴素贝叶斯,决策树,逻辑回归,人工神经网络,支持向量机和随机森林算法中的至少一个。
19.如权利要求16至18中任一项所述的系统,其特征在于,所述至少一个特征包括以下数值中的至少一个:频率值,幅度值,能量值,所述频率值、所述幅度值和能量值中的至少一个的数据最小值和最大值,所述频率值、所述幅度值和所述能量值中的至少一个的最大值和最小值之间的差值,所述频率值、所述幅度值和所述能量值中的至少一个的数据平均值以及时域和频域中的至少一个中的来自所述传感器数据的所述幅度值的标准偏差。
20.如权利要求16至19中任一项所述的系统,其特征在于,所述至少一个特征包括多种特征,并且所述至少一个机器学习算法包括多种机器学习算法,并且将不同的机器学习算法应用于不同的特征以生成子输出结果,并且其中来自所述多种机器学习算法中的每个中的所述子输出结果被聚合以生成所述输出结果。
21.如权利要求16至20中任一项所述的系统,其特征在于,所述至少一个传感器包括多种传感器,每种传感器在所述时间段内生成相应的传感器数据集,并且所述至少一个处理器被配置为从每个传感器数据集中提取至少一个特征。
22.如权利要求15至21中任一项所述的系统,其特征在于,所述至少一个传感器包括以下多种传感器中的至少一种:加速度计,环境温度传感器,陀螺仪,加速度计,压力传感器,磁力计,湿度传感器,全球定位系统(GPS),湿度传感器,环境光传感器,包括俯仰传感器,旋转传感器和偏航传感器中的至少一个的定向传感器,雷达传感器以及声音检测传感器。
23.如权利要求22所述的系统,其特征在于,当所述至少一个传感器包括成像传感器时,所述至少一个特征包括以下特征中的至少一个:像素色值的直方图,局部二进制图案(LBP),定向梯度的直方图(HOG),JET特征,尺度恒定特征变换(SIFT)特征,微JET特征,微SIFT特征,图像对象的轮廓曲率,以及基于包括边缘切片特征和边缘带特征中的至少一个特征的反射率。
24.如权利要求15至23中任一项所述的系统,其特征在于,在接收到所述第一指示之后,所述至少一个处理器可操作,以:
启动看门狗定时器;
确定看门狗计时器已期满;以及
确定在所述看门狗定时器期满之前是否接收到所述第二指示,
其中,当在所述看门狗定时器期满之前接收到所述第二指示时,生成所述便携电子设备已经经历所述跌落的所述第二指示,并且当在所述看门狗定时器期满之前没有接收到所述第二指示时,所述至少一个处理器可操作用于丢弃从所述至少一个传感器收集的数据。
25.如权利要求15至24中任一项所述的系统,其特征在于,所述至少一个处理器是所述便携电子设备的处理器。
26.如权利要求15至25中任一项所述的系统,其特征在于,所述处理器还可操作用于经由通信接口将所述输出结果发送到服务器。
27.如权利要求15至26中任一项所述的系统,其特征在于,所述至少一个处理器包括所述电子设备的至少一个第一处理器和所述服务器的至少一个第二处理器,以及
其中所述至少一个第一处理器可操作以接收所述第一指示,收集从所述至少一个传感器生成的数据并接收所述第二指示,
其中所述电子设备的通信接口可操作,以向所述服务器发送在所述时间段内收集的数据,
其中所述至少一个第二处理器可操作,以分析在所述时间段内收集的数据,并且基于所述分析来确定所述输出结果。
28.如权利要求15所述的系统,其特征在于,所述服务器是云服务器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862756721P | 2018-11-07 | 2018-11-07 | |
US62/756,721 | 2018-11-07 | ||
PCT/CA2019/051590 WO2020093166A1 (en) | 2018-11-07 | 2019-11-07 | Method and system for detecting presence of a protective case on a portable electronic device during drop impact |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113302457A true CN113302457A (zh) | 2021-08-24 |
Family
ID=70611477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980088238.5A Pending CN113302457A (zh) | 2018-11-07 | 2019-11-07 | 检测便携电子设备的保护壳在跌落冲击期间是否存在的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220005341A1 (zh) |
EP (1) | EP3877728A4 (zh) |
CN (1) | CN113302457A (zh) |
WO (1) | WO2020093166A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021072557A1 (en) * | 2019-10-18 | 2021-04-22 | World Wide Warranty Life Services Inc. | Detecting the presence or absence of a protective case on an electronic device |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030151517A1 (en) * | 2001-02-15 | 2003-08-14 | Kazunari Nishihara | Electronic device and method for sensing shock to the device |
EP2267579B1 (en) * | 2009-06-22 | 2013-08-21 | Research In Motion Limited | Portable electronic device and method of measuring drop impact at the portable electronic device |
CN103562730A (zh) * | 2011-06-09 | 2014-02-05 | 富士通株式会社 | 下落判定装置和下落判定方法 |
US20140200054A1 (en) * | 2013-01-14 | 2014-07-17 | Fraden Corp. | Sensing case for a mobile communication device |
CN104076822A (zh) * | 2013-03-27 | 2014-10-01 | 辉达公司 | 用于减轻电子设备中的冲击故障的系统和方法 |
CN104349625A (zh) * | 2013-08-06 | 2015-02-11 | 航天信息股份有限公司 | 带有安全气囊的保护壳 |
US20150106020A1 (en) * | 2013-10-10 | 2015-04-16 | Wireless Medical Monitoring Inc. | Method and Apparatus for Wireless Health Monitoring and Emergent Condition Prediction |
US20160054354A1 (en) * | 2011-06-20 | 2016-02-25 | Invensense, Inc. | System and method for drop detection |
EP2996351A1 (en) * | 2014-09-12 | 2016-03-16 | HzO, Inc. | Moisture detection response |
US9326404B1 (en) * | 2013-09-23 | 2016-04-26 | Amazon Technologies, Inc. | Electronic device cover |
US9640057B1 (en) * | 2015-11-23 | 2017-05-02 | MedHab, LLC | Personal fall detection system and method |
WO2017095034A2 (en) * | 2015-12-01 | 2017-06-08 | Lg Electronics Inc. | Watch-type mobile terminal and controlling method thereof |
US20170352240A1 (en) * | 2016-06-03 | 2017-12-07 | John Carlton-Foss | Method and system for motion analysis and fall prevention |
WO2018007100A1 (en) * | 2016-07-07 | 2018-01-11 | Brighter Ab (Publ) | Using a mobile phone for monitoring a medical device |
CN107659732A (zh) * | 2017-10-18 | 2018-02-02 | 上海斐讯数据通信技术有限公司 | 一种通过保护套实现手机智能防摔的方法及系统 |
CN108055414A (zh) * | 2018-01-23 | 2018-05-18 | 广东欧珀移动通信有限公司 | 跌落保护方法及相关产品 |
CN108141492A (zh) * | 2015-10-05 | 2018-06-08 | 三星电子株式会社 | 电子设备和控制附件的方法 |
CN108197719A (zh) * | 2018-01-25 | 2018-06-22 | 广东欧珀移动通信有限公司 | 跌落处理方法及相关设备 |
CN108234703A (zh) * | 2018-01-18 | 2018-06-29 | 广东欧珀移动通信有限公司 | 电子装置、摄像头检测方法及相关产品 |
CN108307059A (zh) * | 2018-01-23 | 2018-07-20 | 广东欧珀移动通信有限公司 | 跌落保护方法及相关产品 |
CN108307053A (zh) * | 2018-01-18 | 2018-07-20 | 广东欧珀移动通信有限公司 | 电子装置、跌落控制方法及相关产品 |
CN108337371A (zh) * | 2018-01-18 | 2018-07-27 | 广东欧珀移动通信有限公司 | 电子装置、跌落保护方法及相关产品 |
CN108760214A (zh) * | 2018-04-27 | 2018-11-06 | Oppo广东移动通信有限公司 | 撞击角度获取方法及相关产品 |
CN108769380A (zh) * | 2018-04-27 | 2018-11-06 | Oppo广东移动通信有限公司 | 撞击角度获取方法及相关产品 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0768532B1 (en) * | 1995-10-09 | 2003-04-23 | Matsushita Electric Industrial Co., Ltd | Acceleration sensor and method for producing the same, and shock detecting device using the same |
US6453266B1 (en) * | 1999-01-29 | 2002-09-17 | International Business Machines Corporation | Peak detecting shock gauge and damage diagnostic for mobile and handheld computers |
US6570503B1 (en) * | 2000-04-21 | 2003-05-27 | Izaak A. Ulert | Emergency signaling device |
US6603620B1 (en) * | 2001-05-25 | 2003-08-05 | Western Digital Technologies, Inc. | Mobile device comprising a disk storage system protected by a motion detector |
US7275412B2 (en) * | 2001-08-09 | 2007-10-02 | Matsushita Electric Industrial Co., Ltd. | Drop shock measurement system and acceleration sensor element used in the same |
TW546477B (en) * | 2001-08-09 | 2003-08-11 | Matsushita Electric Ind Co Ltd | Drop impact determination system and acceleration sensing element used in the drop impact determination system |
US6698272B1 (en) * | 2002-12-30 | 2004-03-02 | International Business Machines Corporation | Device for indicating exposure to an impact, adverse temperature and/or humidity |
US20050222801A1 (en) * | 2004-04-06 | 2005-10-06 | Thomas Wulff | System and method for monitoring a mobile computing product/arrangement |
US7190540B2 (en) * | 2004-06-03 | 2007-03-13 | Sony Corporation | Portable apparatus having head retracting function and head retracting method |
WO2006061950A1 (ja) * | 2004-12-09 | 2006-06-15 | Murata Manufacturing Co., Ltd. | 落下検知装置および磁気ディスク装置 |
US7690253B2 (en) * | 2005-01-31 | 2010-04-06 | Hitachi Metals, Ltd. | Fall detecting method and fall detecting device |
US8217795B2 (en) * | 2006-12-05 | 2012-07-10 | John Carlton-Foss | Method and system for fall detection |
US20080243530A1 (en) * | 2007-03-27 | 2008-10-02 | James Stubler | Method for auditing product damage claims utilizing shock sensor technology |
US7451057B2 (en) * | 2007-03-28 | 2008-11-11 | Kionix, Inc. | System and method for detection of freefall with spin using two tri-axis accelerometers |
TWI375033B (en) * | 2008-04-09 | 2012-10-21 | Ind Tech Res Inst | All-directional fall sensor and the method thereof |
US20090316327A1 (en) * | 2008-06-20 | 2009-12-24 | Stinger Systems, Inc. | Shocking device having a count-based monitoring and recording circuit |
CN101834921A (zh) * | 2009-03-13 | 2010-09-15 | 鸿富锦精密工业(深圳)有限公司 | 具有防摔保护功能的电子设备 |
US8061182B2 (en) * | 2009-06-22 | 2011-11-22 | Research In Motion Limited | Portable electronic device and method of measuring drop impact at the portable electronic device |
US9189020B2 (en) * | 2012-03-16 | 2015-11-17 | Cisco Technology, Inc. | Portable computing device with cover providing access and control of applications |
US9548275B2 (en) * | 2013-05-23 | 2017-01-17 | Globalfoundries Inc. | Detecting sudden changes in acceleration in semiconductor device or semiconductor packaging containing semiconductor device |
US9939314B2 (en) * | 2014-02-25 | 2018-04-10 | Panasonic Intellectual Property Management Co., Ltd. | Shock recording device |
US20150263777A1 (en) * | 2014-03-17 | 2015-09-17 | Jacob Fraden | Sensing case for a mobile communication device |
US20150339736A1 (en) * | 2014-05-23 | 2015-11-26 | James Duane Bennett | Electronic device post-sale support system |
JP6490108B2 (ja) * | 2014-06-18 | 2019-03-27 | 華為技術有限公司Huawei Technologies Co.,Ltd. | 端末、保護ケース、および感知方法 |
US9473192B2 (en) * | 2015-03-10 | 2016-10-18 | Incipio, Llc | Protective case for mobile device having cover with opaque and transparent regions |
KR102411738B1 (ko) * | 2015-09-25 | 2022-06-21 | 삼성전자 주식회사 | 낙상 감지 장치 및 그 제어방법 |
PH12016000237A1 (en) * | 2016-06-24 | 2018-02-12 | Samsung Electronics Co Ltd | Method of and device for detecting and visually representing an impact event |
WO2018106562A1 (en) * | 2016-12-05 | 2018-06-14 | Barron Associates, Inc. | Autonomous fall monitor having sensor compensation |
CN107093417B (zh) * | 2017-07-03 | 2020-06-16 | 京东方科技集团股份有限公司 | 感光电路及其驱动方法、电子装置 |
US11445986B2 (en) * | 2018-01-30 | 2022-09-20 | Gaia Connect Inc. | Health monitor wearable device |
US12067625B2 (en) * | 2018-06-01 | 2024-08-20 | World Wide Warranty Life Services Inc. | System and method for protection plans and warranty data analytics |
EP4213680A1 (en) * | 2020-09-18 | 2023-07-26 | Catalyst Lifestyle Limited | Multi-functional accessory attachment system for electronic devices |
KR20230064630A (ko) * | 2020-10-12 | 2023-05-10 | 애플 인크. | 검출된 액세서리 디바이스들에 기초한 전자 디바이스를 위한 동적 사용자 인터페이스 방식들 |
-
2019
- 2019-11-07 WO PCT/CA2019/051590 patent/WO2020093166A1/en unknown
- 2019-11-07 US US17/291,876 patent/US20220005341A1/en not_active Abandoned
- 2019-11-07 CN CN201980088238.5A patent/CN113302457A/zh active Pending
- 2019-11-07 EP EP19882743.8A patent/EP3877728A4/en not_active Withdrawn
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030151517A1 (en) * | 2001-02-15 | 2003-08-14 | Kazunari Nishihara | Electronic device and method for sensing shock to the device |
EP2267579B1 (en) * | 2009-06-22 | 2013-08-21 | Research In Motion Limited | Portable electronic device and method of measuring drop impact at the portable electronic device |
CN103562730A (zh) * | 2011-06-09 | 2014-02-05 | 富士通株式会社 | 下落判定装置和下落判定方法 |
US20160054354A1 (en) * | 2011-06-20 | 2016-02-25 | Invensense, Inc. | System and method for drop detection |
US20140200054A1 (en) * | 2013-01-14 | 2014-07-17 | Fraden Corp. | Sensing case for a mobile communication device |
CN104076822A (zh) * | 2013-03-27 | 2014-10-01 | 辉达公司 | 用于减轻电子设备中的冲击故障的系统和方法 |
CN104349625A (zh) * | 2013-08-06 | 2015-02-11 | 航天信息股份有限公司 | 带有安全气囊的保护壳 |
US9326404B1 (en) * | 2013-09-23 | 2016-04-26 | Amazon Technologies, Inc. | Electronic device cover |
US20150106020A1 (en) * | 2013-10-10 | 2015-04-16 | Wireless Medical Monitoring Inc. | Method and Apparatus for Wireless Health Monitoring and Emergent Condition Prediction |
EP2996351A1 (en) * | 2014-09-12 | 2016-03-16 | HzO, Inc. | Moisture detection response |
CN108141492A (zh) * | 2015-10-05 | 2018-06-08 | 三星电子株式会社 | 电子设备和控制附件的方法 |
US9640057B1 (en) * | 2015-11-23 | 2017-05-02 | MedHab, LLC | Personal fall detection system and method |
WO2017095034A2 (en) * | 2015-12-01 | 2017-06-08 | Lg Electronics Inc. | Watch-type mobile terminal and controlling method thereof |
US20170352240A1 (en) * | 2016-06-03 | 2017-12-07 | John Carlton-Foss | Method and system for motion analysis and fall prevention |
WO2018007100A1 (en) * | 2016-07-07 | 2018-01-11 | Brighter Ab (Publ) | Using a mobile phone for monitoring a medical device |
CN107659732A (zh) * | 2017-10-18 | 2018-02-02 | 上海斐讯数据通信技术有限公司 | 一种通过保护套实现手机智能防摔的方法及系统 |
CN108234703A (zh) * | 2018-01-18 | 2018-06-29 | 广东欧珀移动通信有限公司 | 电子装置、摄像头检测方法及相关产品 |
CN108307053A (zh) * | 2018-01-18 | 2018-07-20 | 广东欧珀移动通信有限公司 | 电子装置、跌落控制方法及相关产品 |
CN108337371A (zh) * | 2018-01-18 | 2018-07-27 | 广东欧珀移动通信有限公司 | 电子装置、跌落保护方法及相关产品 |
CN108055414A (zh) * | 2018-01-23 | 2018-05-18 | 广东欧珀移动通信有限公司 | 跌落保护方法及相关产品 |
CN108307059A (zh) * | 2018-01-23 | 2018-07-20 | 广东欧珀移动通信有限公司 | 跌落保护方法及相关产品 |
CN108197719A (zh) * | 2018-01-25 | 2018-06-22 | 广东欧珀移动通信有限公司 | 跌落处理方法及相关设备 |
CN108760214A (zh) * | 2018-04-27 | 2018-11-06 | Oppo广东移动通信有限公司 | 撞击角度获取方法及相关产品 |
CN108769380A (zh) * | 2018-04-27 | 2018-11-06 | Oppo广东移动通信有限公司 | 撞击角度获取方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2020093166A1 (en) | 2020-05-14 |
US20220005341A1 (en) | 2022-01-06 |
EP3877728A4 (en) | 2022-08-03 |
EP3877728A1 (en) | 2021-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11481571B2 (en) | Automated localized machine learning training | |
US11080434B2 (en) | Protecting content on a display device from a field-of-view of a person or device | |
US11688043B2 (en) | Video deblurring method and apparatus, storage medium, and electronic apparatus | |
US9852158B2 (en) | Dynamic adaptation of feature identification and annotation | |
WO2020199926A1 (zh) | 一种图像识别网络模型训练方法、图像识别方法及装置 | |
KR101900176B1 (ko) | 물체 검출 장치, 물체 검출 방법, 및 물체 검출 시스템 | |
US11429807B2 (en) | Automated collection of machine learning training data | |
KR101939683B1 (ko) | 사용자 행동 실시간 인식장치 및 방법 | |
WO2017215668A1 (zh) | 姿势估计方法和装置、计算机系统 | |
US20140139633A1 (en) | Method and System for Counting People Using Depth Sensor | |
CN104268586B (zh) | 一种多视角动作识别方法 | |
CN105956518A (zh) | 一种人脸识别方法、装置和系统 | |
KR102530045B1 (ko) | 전자 장치 및 그 동작 방법 | |
US20220375126A1 (en) | System, method and computer program product for determining sizes and/or 3d locations of objects imaged by a single camera | |
US20150262068A1 (en) | Event detection apparatus and event detection method | |
CN111368811B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN108629170A (zh) | 身份识别方法以及相应的装置、移动终端 | |
US20220130019A1 (en) | Electronic device and method for processing image by same | |
CN113190646A (zh) | 一种用户名样本的标注方法、装置、电子设备及存储介质 | |
CN107533371A (zh) | 使用影响手势的用户接口控制 | |
CN110414360A (zh) | 一种异常行为的检测方法及检测设备 | |
CN108121350A (zh) | 一种控制飞行器降落的方法以及相关装置 | |
CN113302457A (zh) | 检测便携电子设备的保护壳在跌落冲击期间是否存在的方法和系统 | |
CN105809183A (zh) | 基于视频的人头跟踪方法及其装置 | |
US20220383625A1 (en) | A system and method for detecting a protective product on the screen of electronic devices |
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 |