CN113329121B - 操作执行方法、操作执行装置、电子设备和可读存储介质 - Google Patents

操作执行方法、操作执行装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN113329121B
CN113329121B CN202110593703.XA CN202110593703A CN113329121B CN 113329121 B CN113329121 B CN 113329121B CN 202110593703 A CN202110593703 A CN 202110593703A CN 113329121 B CN113329121 B CN 113329121B
Authority
CN
China
Prior art keywords
scene
user
behavior
alternative
target
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
CN202110593703.XA
Other languages
English (en)
Other versions
CN113329121A (zh
Inventor
刘海鹏
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.)
Vivo Software Technology Co Ltd
Original Assignee
Vivo Software Technology Co 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 Vivo Software Technology Co Ltd filed Critical Vivo Software Technology Co Ltd
Priority to CN202110593703.XA priority Critical patent/CN113329121B/zh
Publication of CN113329121A publication Critical patent/CN113329121A/zh
Application granted granted Critical
Publication of CN113329121B publication Critical patent/CN113329121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72439—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for image or video messaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • 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
    • H04M1/72451—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to schedules, e.g. using calendar applications
    • 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
    • H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
    • 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
    • H04M1/72469—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons

Abstract

本申请公开了一种操作执行方法、操作执行装置、电子设备和可读存储介质，属于人工智能技术领域，其中，操作执行方法包括：显示与用户当前行为特征对应的目标图像；接收针对目标图像的确认输入；响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作，并执行目标操作。

Description

操作执行方法、操作执行装置、电子设备和可读存储介质
技术领域
本申请属于人工智能技术领域，具体涉及一种操作执行方法、操作执行装置、电子设备和可读存储介质。
背景技术
在相关技术中，当用户希望执行终端中一系列的操作流程时，那么用户需要手动进行操作，如当用户需要进行导航时，需要用户手动或通过语音打开导航软件，然后输入目的地进行导航。又或者当用户需要拨打电话时，需要手动点开拨打电话的页面，输入或查找联系人，然后进行拨打电话。
导致用户执行导出的步骤繁琐，用户使用体验不佳。
发明内容
本申请实施例的目的是提供一种操作执行方法、操作执行装置、电子设备和可读存储介质，能够自动根据用户行为特征，自动识别用户所处场景，并自动为用户提供符合当前场景下用户时机需要的操作。
第一方面，本申请实施例提供了一种操作执行方法，包括：
显示与用户当前行为特征对应的目标图像；
接收对目标图像的确认输入；
响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作，并执行目标操作。
第二方面，本申请实施例提供了一种操作执行装置，包括：
显示单元，用于显示与用户当前行为特征对应的目标图像；
接收单元，用于接收针对目标图像的确认输入；
确定单元，用于响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作；
执行单元，用于执行目标操作。
第三方面，本申请实施例提供了一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，该程序或指令被处理器执行时实现如第一方面的方法的步骤。
第五方面，本申请实施例提供了一种芯片，该芯片包括处理器和通信接口，该通信接口和该处理器耦合，该处理器用于运行程序或指令，实现如第一方面的方法的步骤。
在本申请实施例中，通过用户持有的手机等电子设备，实时采集用户的行为数据。其中，行为数据包括有用户通过手机执行的操作，如拍照、导航等，同时行为数据还包括时间和空间层级的数据，如当前时间，以及定位信息。通过这些用户的行为数据，形成对应的行为特征，该行为特征即集合了上述操作、时间和空间的整合数据。
进一步地，电子设备实时比对当前用户的行为数据与预存储的场景特征集中的场景特征，其中，场景特征集中的每一个场景特征，均与至少一个行为特征相匹配。在用户当前的行为特征，与场景特征集中的任一个第一场景特征相匹配时，根据该场景特征，确定对应的目标图像，该目标图像是用户手机中存储的图像。
显示该与目标行为特征对应的目标图像，如果用户对目标图像进行了确认输入，则进一步根据第一场景特征和行为特征，预测用户需要的目标操作，并在用户确认后自动执行该目标操作。
具体举例来说，用户到某地办事，将车停在了某地附近街道的停车位中，并通过智能手机对停好的车辆和车位进行了拍照。在拍照完成后，手机通过图像识别算法，对所拍的照片进行识别，从中提取场景特征。该场景特征即通过人工智能算法，基于拍摄内容，给照片打上的“标签”，如上述照片的场景特征可以标记为“停车”，同时，由于停车后，用户大概率会去取回停放的车辆，因此“停车”这一场景特征与“取车”的行为特征匹配。
然后，手机持续获取用户的行为数据，包括当前的时间、用户所处的位置和用户对手机的操作等。比如，手机检测到用户停车后，位置由停车位置移动到了某商场，并在某商场中停留了2小时，并进行了若干次的手机支付行为之后，检测到用户的位置离开某商场，此时，结合用户的行为习惯，得到当前用户的行为特征是“取车”。
此时，手机发现手机中存在一张照片，即上述用户拍摄的停车照片，该照片的场景特征是“停车”，与当前用户的行为特征“取车”相匹配，则手机自动向用户展示该照片。用户看到照片后，确认是自己停车时拍摄的照片，此时用户通过双击该照片进行确认，此时手机根据第一场景特征，也即上述用户拍摄的停车照片中的场景特征，以及当前用户的行为特征“取车”，预测用户接下来的需求，为用户需要回到停车的位置，则确定目标操作“导航至停车地点”，并进行执行，自动为用户开启导航，指引用户回到停车地点。
本申请实施例通过检测用户所处场景的场景特征，并采集用户行为数据来确定行为特征，根据场景特征和行为特征之间的关联关系，自动预测用户接下来的需求，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户推荐符合场景需求的操作，极大地提高了场景联动操作的便捷程度，改善了用户体验。
附图说明
图1示出了根据本申请实施例的操作执行方法的流程图之一；
图2示出了根据本申请实施例的图像识别模型的训练流程图；
图3示出了根据本申请实施例的操作执行方法的流程图之二；
图4示出了根据本申请实施例的操作执行装置的结构框图；
图5示出了根据本申请实施例的电子设备的结构框图；
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
具体实施方式
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地描述，显然，所描述的实施例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中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的操作执行方法、操作执行装置、电子设备和可读存储介质进行详细地说明。
在本申请的一些实施例中，提供了一种操作执行方法，图1示出了根据本申请实施例的操作执行方法的流程图之一，如图1所示，方法包括：
步骤102，显示与用户当前行为特征对应的目标图像；
步骤104，接收对目标图像的确认输入；
步骤106，响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作，并执行目标操作。
在本申请实施例中，通过用户持有的手机等电子设备，实时采集用户的行为数据。其中，行为数据包括有用户通过手机执行的操作，如拍照、导航等，同时行为数据还包括时间和空间层级的数据，如当前时间，以及定位信息。通过这些用户的行为数据，形成对应的行为特征，该行为特征即集合了上述操作、时间和空间的整合数据。
进一步地，电子设备实时比对当前用户的行为数据与预存储的场景特征集中的场景特征，其中，场景特征集中的每一个场景特征，均与至少一个行为特征相匹配。在用户当前的行为特征，与场景特征集中的任一个第一场景特征相匹配时，根据该场景特征，确定对应的目标图像，该目标图像是用户手机中存储的图像。
显示该与目标行为特征对应的目标图像，如果用户对目标图像进行了确认输入，则进一步根据第一场景特征和行为特征，预测用户需要的目标操作，并在用户确认后自动执行该目标操作。
具体举例来说，用户到某地办事，将车停在了某地附近街道的停车位中，并通过智能手机对停好的车辆和车位进行了拍照。在拍照完成后，手机通过图像识别算法，对所拍的照片进行识别，从中提取场景特征。该场景特征即通过人工智能算法，基于拍摄内容，给照片打上的“标签”，如上述照片的场景特征可以标记为“停车”，同时，由于停车后，用户大概率会去取回停放的车辆，因此“停车”这一场景特征与“取车”的行为特征匹配。
然后，手机持续获取用户的行为数据，包括当前的时间、用户所处的位置和用户对手机的操作等。比如，手机检测到用户停车后，位置由停车位置移动到了某商场，并在某商场中停留了2小时，并进行了若干次的手机支付行为之后，检测到用户的位置离开某商场，此时，结合用户的行为习惯，得到当前用户的行为特征是“取车”。
此时，手机发现手机中存在一张照片，即上述用户拍摄的停车照片，该照片的场景特征是“停车”，与当前用户的行为特征“取车”相匹配，则手机自动向用户展示该照片。用户看到照片后，确认是自己停车时拍摄的照片，此时用户通过双击该照片进行确认，此时手机根据第一场景特征，也即上述用户拍摄的停车照片中的场景特征，以及当前用户的行为特征“取车”，预测用户接下来的需求，为用户需要回到停车的位置，则确定目标操作“导航至停车地点”，并进行执行，自动为用户开启导航，指引用户回到停车地点。
能够理解的是，目标操作可以是预设的与特定场景特征和行为特征相关联的业务，也可以是由用户手动编辑的业务，还可以包括其他与用户需求相关联的业务，如识别到用户停车的车位是付费车位的情况下，自动弹出停车付费页面。又或是判断用户喝酒后，自动弹出代驾软件等。本申请实施例对“目标操作”的具体内容不做限定。
在另一个使用场景中，用户因工作需要，会在工作日每天的固定时间段，拨打特定的电话进行汇报工作。对于这个场景，手机根据用户的历史通话记录，构建成用户的行为特征是拿起手机，而场景特征则是满足特定的时间段。
在实际使用中，当手机获取到在该特定时间段被用户拿起并解锁的行为特征时，手机主屏幕可以自动弹出显示有关联上述特定电话的名片的目标图像窗口，此时用户可以通过对该名片进行确认输入，来快速向目标号码拨打电话，而不需要用户手动拨号或者搜索通讯录，从而简化了用户执行“电话汇报”的操作流程，提高了用户体验。
本申请实施例通过检测用户所处场景的场景特征，并采集用户行为数据来确定行为特征，根据场景特征和行为特征之间的关联关系，自动预测用户接下来的需求，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户查找停车位置，极大地提高了场景联动操作的便捷程度，改善了用户体验。
在本申请的一些实施例中，在显示与用户当前行为特征对应的目标图像之前，方法还包括：
对图像数据库中的图像文件进行特征识别，得到每个图像对应的N个第二场景特征，其中每个第二场景特征均与至少一个用户行为特征相匹配，其中N为大于或等于1的整数；
通过第二场景特征与相匹配的用户行为特征生成场景特征集；
显示与用户当前行为特征对应的目标图像，包括：
通过场景特征集获取并显示用户当前行为特征对应的目标图像。
在本申请实施例中，获取图像文件，且获取到的图像文件与行为数据相关，具体是指通过用户的行为，来获取到该图像文件，具体包括用户通过手机拍摄的照片，或用户对已有图像进行了编辑、批注、标记等。一般来说，这种图像文件中的场景特征，都存在着与之相匹配的行为特征。
进一步地，通过获取到的图像文件，建立图像数据库，图像数据库中保存有多个图像文件，且为每个图像文件均标注有其对应的场景特征，将这些场景特征提取出来，建立成场景特征集。
其中，通过基于人工智能的深度学习，对第一神经网络进行训练，训练后的神经网络形成为图像识别模型，通过该图像识别模型，能够对图像文件中的场景特征进行识别。
具体地，首先获取包含了大量图像数据的图像数据集，其中图像数据可以是离线图片或在线图片，并基于预设的聚类方式，基于图像中包含的场景，对图像数据集中的图像文件进行聚类，并为聚类后的图像添加标签，该标签标注了图像中包含的场景，如道路、室内、树林、山川、车库等。聚类并标注好的图像数据集，即是标注好的图像训练集。
通过标注好的图像训练集，对预设的第一神经网络进行深度学习训练，从而得到训练好的图像识别模型，该图像识别模型能够自动地对图像文件进行特征识别，从而自动根据图像文件识别出其对应的场景特征。其中，每个场景特征，均与至少一个行为特征相匹配，也就是说，每个场景特征都是与行文特征相匹配的。
通过上述方法训练好的图像识别模型，对上述图像数据库中的全部图像文件分别进行特征识别，从而得到每个图像文件分别对应的N个第二场景特征，对这些第二场景特征进行整合，即可得到上述场景特征集。
也就是说，场景特征集中的每一个场景特征，均对应图像数据库中的至少一个图像文件，通过场景特征集中的场景特征，即可查询到包括该场景特征的图像文件，从而在用户当前的行为特征，与场景特征集中的任一个第一场景特征相匹配时，可以快速地根据该场景特征，确定对应的目标图像并进行展示。
其中，还可以实现图像识别模型的自动迭代。具体地，在通过图像识别模型，对图像数据库中的图像文件进行特征识别的过程中，在图像识别模型能够识别出图像文件的第二场景特征的情况下，输出该第二场景特征。在图像识别模型无法识别出图像文件的第二场景特征的情况下，将该图像文件添加至图像训练集，并再次对图像识别模型进行训练。图2示出了根据本申请实施例的图像识别模型的训练流程图，如图2所示，包括：
步骤202，获取大量图片；
步骤204，对图片进行相似聚类分析；
步骤206，对聚类后的图片添加标签，得到训练集；
步骤208，通过训练集对神经网络进行训练，提取特征数据集；
步骤210，获取目标图片；
步骤212，对目标图片进行特征提取，得到场景特征；
步骤214，判断场景特征与特征数据集是否匹配；是则进入步骤218，否则进入步骤216；
步骤216，将目标图片放入本地数据库，并返回步骤208；
步骤218，输出场景特征。
在本申请的一些实施例中，根据第一场景特征，确定对应的目标图像，包括：
在第二场景特征中，确定与第一场景特征相符合的目标场景特征；
在图像数据库中，将与目标场景特征对应的图像文件确定为目标图像。
在本申请实施例中，在根据用户的行为数据，确定了当前的第一场景特征后，在第二场景特征中，逐个比对每个第二场景特征与第一场景特征是否相符合。举例来说，第一场景特征为“停车位A”，第二场景特征包括“室内”、“树林”、“道路”、“停车位B”，则能够确定“停车位B”的第二场景特征，与“停车位A”的第一场景特征相符合，则将“停车位B”的第二场景特征确定为目标场景特征。
进一步地，在存储的图像数据库中，查找目标场景特征对应的目标图像文件，也即用户在停车后拍摄的车位照片，并进行展示，即在识别到用户有取车需求后，自动展示用户停车的车位的照片，并在用户确认后，自动导航至车位，极大地提高了找车时的便捷程度，改善了用户体验。
在本申请的一些实施例中，确定与目标图像中的第一场景特征对应的目标操作，包括：
对第一场景特征和用户当前行为特征进行预测，得到M个备选操作，其中M为大于或等于1的整数；
在M个备选操作中，确定目标操作。
在本申请实施例中，在根据目标图片对应的第一场景特征，和根据用户的行为数据确定的行为特征，来预测对应的目标操作时，可以通过训练好的业务预测模型，基于人工智能来进行预测。
具体地，对预设的神经网络进行训练。首先，获取历史行为数据、历史行为数据对应的历史业务和历史业务对应的历史场景。其中，历史行为数据为一段时间内的用户的行为、空间、时间、状态的数据。其中，用户的行为包括用户使用的手机软件、支付行为、拍摄的照片等，空间包括用户到达过的地点或位置，时间则是用户行为和用户所处地点或位置时对应的时间，状态则是用户的时间、空间状态，如保持在某地不动，或在多个地点之间运动。
历史数据对应的历史业务，则是当历史数据形成为一定特征时，接下来用户所进行的业务。如历史数据的行为特征是“取车”时，其对应的历史业务是导航至停车地点。而历史业务对应的历史场景，则对应于用户停车时拍摄的“车位”照片。
根据上述历史行为数据、历史业务和历史场景，生成对应的行为训练集，通过该行为训练集，对预设的第二神经网络进行深度学习训练，从而使之称为训练好的业务预测模型。
通过训练好的业务预测模型，能够根据当前采集到的第一场景特征和行为特征，对用户接下来可能需要的业务进行预测，最终生成一个或多个备选目标操作。其中，每一个备选目标操作中，均包括一组互相匹配的备选操作行为和备选场景。
接下来，在备选操作行为中，根据备选操作行为的置信度，选取用户最可能需要的目标操作，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户查找停车位置，极大地提高了找车时的便捷程度，改善了用户体验。
在本申请的一些实施例中，备选操作包括一个操作行为和一个备选场景特征；
在M个备选操作中，确定目标操作，包括：
获取备选操作行为的第一置信度和备选场景的第二置信度；
根据第一置信度和第二置信度，确定每个备选操作的第三置信度；
选取第三置信度最高的备选操作，作为目标操作。
在本申请实施例中，备选操作与一个备选操作行为和一个备选场景相关联，也就是说，备选操作，实际上包括一组备选操作行为和与之匹配的备选场景特征，即在某个场景下执行某个业务。
在多个备选操作中，分别根据其对应的备选操作行为的第一置信度，和其对应的备选场景特征的第二置信度，对每个备选操作的第三置信度进行计算。其中，第一置信度代表了用户需要该备选操作行为的可能性，第二置信度代表了备选场景特征与当前用户所处场景的匹配程度。结合第一置信度和第二置信度，能够对备选标操作的第三置信度进行计算，第三置信度则代表了一个备选操作符合当前用户场景的需求的可能性。
在确定全部备选目标操作的第三置信度之后，选取第三置信度最高的一个备选目标操作，作为目标操作，因此最终输出的目标操作是最可能满足用户当前实际需求的目标操作，比如在用户取车时，能够准确识别用户是需要导航到车位，还是需要预支付停车费用，从而满足用户的时机需要。
具体地，通过以下公式计算第三置信度：
z＝x×β×y+μ；
其中，z为第三置信度，x为第一置信度，y为第二置信度，β为比例因子，且β为常数，μ为离散因子，且μ为常数。
在本申请实施例中，在计算一个备选目标操作的第三置信度时，计算其对应的备选操作行为的第一置信度，与其对应的备选场景的第二置信度的乘积，同时引入比例因子和离散因子。加入比例因子β和离散因子μ之后，能够使求得的多个第三置信度之间更加离散，防止第三置信度过于集中，有利于快速在多个备选目标操作中选出最适合的目标操作，有利于提高效率。
在本申请的一些实施例中，图3示出了根据本申请实施例的操作执行方法的流程图之二，如图3所示，执行目标操作，包括：
步骤302，获取目标操作对应的备选场景；
步骤304，确定备选场景对应的第三场景特征；
步骤306，在第三场景特征与第一场景特征相符合的情况下，执行目标操作对应的备选操作行为。
在本申请实施例中，在确定目标操作之后，获取其对应的备选场景，从而确定其对应的第三场景特征。如果第三场景特征，与用户确认的目标图片中的第一场景特征相符合，如第三场景特征为“停车位C”，第一场景特征为“停车位A”时，确定两者相符合，则说明目标操作确实与用户当前所处场景相对应，此时则执行目标操作对应的备选操作行为，如导航到停车位。
而如果第三场景特征与第一场景特征不相符，如第三场景特征为“道路”，而第一场景特征为“停车位A”，则说明当前确定的目标操作与用户时机所处场景不匹配，此时放弃执行目标操作对应的备选操作行为。
在本申请的一些实施例中，提供了一种操作执行装置，图4示出了根据本申请实施例的操作执行装置的结构框图，如图4所示，操作执行装置400包括：
显示单元402，用于显示与用户当前行为特征对应的目标图像；
接收单元404，用于接收针对目标图像的确认输入；
确定单元406，用于响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作；
执行单元408，用于执行目标操作。
在本申请实施例中，通过用户持有的手机等电子设备，实时采集用户的行为数据。其中，行为数据包括有用户通过手机执行的操作，如拍照、导航等，同时行为数据还包括时间和空间层级的数据，如当前时间，以及定位信息。通过这些用户的行为数据，形成对应的行为特征，该行为特征即集合了上述操作、时间和空间的整合数据。
进一步地，电子设备实时比对当前用户的行为数据与预存储的场景特征集中的场景特征，其中，场景特征集中的每一个场景特征，均与至少一个行为特征相匹配。在用户当前的行为特征，与场景特征集中的任一个第一场景特征相匹配时，根据该场景特征，确定对应的目标图像，该目标图像是用户手机中存储的图像。
显示该与目标行为特征对应的目标图像，如果用户对目标图像进行了确认输入，则进一步根据第一场景特征和行为特征，预测用户需要的目标操作，并在用户确认后自动执行该目标操作。
具体举例来说，用户到某地办事，将车停在了某地附近街道的停车位中，并通过智能手机对停好的车辆和车位进行了拍照。在拍照完成后，手机通过图像识别算法，对所拍的照片进行识别，从中提取场景特征。该场景特征即通过人工智能算法，基于拍摄内容，给照片打上的“标签”，如上述照片的场景特征可以标记为“停车”，同时，由于停车后，用户大概率会去取回停放的车辆，因此“停车”这一场景特征与“取车”的行为特征匹配。
然后，手机持续获取用户的行为数据，包括当前的时间、用户所处的位置和用户对手机的操作等。比如，手机检测到用户停车后，位置由停车位置移动到了某商场，并在某商场中停留了2小时，并进行了若干次的手机支付行为之后，检测到用户的位置离开某商场，此时，结合用户的行为习惯，得到当前用户的行为特征是“取车”。
此时，手机发现手机中存在一张照片，即上述用户拍摄的停车照片，该照片的场景特征是“停车”，与当前用户的行为特征“取车”相匹配，则手机自动向用户展示该照片。用户看到照片后，确认是自己停车时拍摄的照片，此时用户通过双击该照片进行确认，此时手机根据第一场景特征，也即上述用户拍摄的停车照片中的场景特征，以及当前用户的行为特征“取车”，预测用户接下来的需求，为用户需要回到停车的位置，则确定目标操作“导航至停车地点”，并进行执行，自动为用户开启导航，指引用户回到停车地点。
能够理解的是，目标操作可以是预设的与特定场景特征和行为特征相关联的业务，也可以是由用户手动编辑的业务，还可以包括其他与用户需求相关联的业务，如识别到用户停车的车位是付费车位的情况下，自动弹出停车付费页面。又或是判断用户喝酒后，自动弹出代驾软件等。本申请实施例对“目标操作”的具体内容不做限定。
本申请实施例通过检测用户所处场景的场景特征，并采集用户行为数据来确定行为特征，根据场景特征和行为特征之间的关联关系，自动预测用户接下来的需求，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户查找停车位置，极大地提高了场景联动操作的便捷程度，改善了用户体验。
在本申请的一些实施例中，操作执行装置400还包括：
识别单元410，用于对图像数据库中的图像进行特征识别，得到图像对应的N个第二场景特征，其中每个第二场景特征均与至少一个用户行为特征相匹配，其中N为大于或等于1的整数；
确定单元406，还用于通过第二场景特征与相匹配的用户行为特征生成场景特征集；
显示单元402，还用于通过场景特征集获取并显示用户当前行为特征对应的目标图像。
在本申请实施例中，获取图像文件，且获取到的图像文件与行为数据相关，具体是指通过用户的行为，来获取到该图像文件，具体包括用户通过手机拍摄的照片，或用户对已有图像进行了编辑、批注、标记等。一般来说，这种图像文件中的场景特征，都存在着与之相匹配的行为特征。
进一步地，通过获取到的图像文件，建立图像数据库，图像数据库中保存有多个图像文件，且为每个图像文件均标注有其对应的场景特征，将这些场景特征提取出来，建立成场景特征集。
其中，通过基于人工智能的深度学习，对第一神经网络进行训练，训练后的神经网络形成为图像识别模型，通过该图像识别模型，能够对图像文件中的场景特征进行识别。
具体地，首先获取包含了大量图像数据的图像数据集，其中图像数据可以是离线图片或在线图片，并基于预设的聚类方式，基于图像中包含的场景，对图像数据集中的图像文件进行聚类，并为聚类后的图像添加标签，该标签标注了图像中包含的场景，如道路、室内、树林、山川、车库等。聚类并标注好的图像数据集，即是标注好的图像训练集。
通过标注好的图像训练集，对预设的第一神经网络进行深度学习训练，从而得到训练好的图像识别模型，该图像识别模型能够自动地对图像文件进行特征识别，从而自动根据图像文件识别出其对应的场景特征。其中，每个场景特征，均与至少一个行为特征相匹配，也就是说，每个场景特征都是与行文特征相匹配的。
通过上述方法训练好的图像识别模型，对上述图像数据库中的全部图像文件分别进行特征识别，从而得到每个图像文件分别对应的N个第二场景特征，对这些第二场景特征进行整合，即可得到上述场景特征集。
也就是说，场景特征集中的每一个场景特征，均对应图像数据库中的至少一个图像文件，通过场景特征集中的场景特征，即可查询到包括该场景特征的图像文件，从而在用户当前的行为特征，与场景特征集中的任一个第一场景特征相匹配时，可以快速地根据该场景特征，确定对应的目标图像并进行展示。
在本申请的一些实施例中，确定单元406还用于：
对第一场景特征和用户当前行为特征进行预测，得到M个备选操作，其中M为大于或等于1的整数；
在M个备选操作中，确定目标操作。
在本申请实施例中，在根据目标图片对应的第一场景特征，和根据用户的行为数据确定的行为特征，来预测对应的目标操作时，可以通过训练好的业务预测模型，基于人工智能来进行预测。
具体地，对预设的神经网络进行训练。首先，获取历史行为数据、历史行为数据对应的历史业务和历史业务对应的历史场景。其中，历史行为数据为一段时间内的用户的行为、空间、时间、状态的数据。其中，用户的行为包括用户使用的手机软件、支付行为、拍摄的照片等，空间包括用户到达过的地点或位置，时间则是用户行为和用户所处地点或位置时对应的时间，状态则是用户的时间、空间状态，如保持在某地不动，或在多个地点之间运动。
历史数据对应的历史业务，则是当历史数据形成为一定特征时，接下来用户所进行的业务。如历史数据的行为特征是“取车”时，其对应的历史业务是导航至停车地点。而历史业务对应的历史场景，则对应于用户停车时拍摄的“车位”照片。
根据上述历史行为数据、历史业务和历史场景，生成对应的行为训练集，通过该行为训练集，对预设的第二神经网络进行深度学习训练，从而使之称为训练好的业务预测模型。
通过训练好的业务预测模型，能够根据当前采集到的第一场景特征和行为特征，对用户接下来可能需要的业务进行预测，最终生成一个或多个备选目标操作。其中，每一个备选目标操作中，均包括一组互相匹配的备选操作行为和备选场景。
接下来，在备选操作行为中，根据备选操作行为的置信度，选取用户最可能需要的目标操作，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户查找停车位置，极大地提高了找车时的便捷程度，改善了用户体验。
在本申请的一些实施例中，备选操作与一个备选操作行为和一个备选场景特征相关联；确定单元406还用于：
获取备选操作行为的第一置信度和备选场景的第二置信度；
根据第一置信度和第二置信度，确定每个备选操作的第三置信度；
选取第三置信度最高的备选操作，作为目标操作。
在本申请实施例中，
备选操作与一个备选操作行为和一个备选场景相关联，也就是说，备选操作，实际上包括一组备选操作行为和与之匹配的备选场景特征，即在某个场景下执行某个业务。
在多个备选操作中，分别根据其对应的备选操作行为的第一置信度，和其对应的备选场景特征的第二置信度，对每个备选操作的第三置信度进行计算。其中，第一置信度代表了用户需要该备选操作行为的可能性，第二置信度代表了备选场景特征与当前用户所处场景的匹配程度。结合第一置信度和第二置信度，能够对备选标操作的第三置信度进行计算，第三置信度则代表了一个备选操作符合当前用户场景的需求的可能性。
在确定全部备选目标操作的第三置信度之后，选取第三置信度最高的一个备选目标操作，作为目标操作，因此最终输出的目标操作是最可能满足用户当前实际需求的目标操作，比如在用户取车时，能够准确识别用户是需要导航到车位，还是需要预支付停车费用，从而满足用户的时机需要。
其中，确定单元406还用于通过以下公式计算第三置信度：
z＝x×β×y+μ；
其中，z为第三置信度，x为第一置信度，y为第二置信度，β为比例因子，且β为常数，μ为离散因子，且μ为常数。
在本申请实施例中，在计算一个备选目标操作的第三置信度时，计算其对应的备选操作行为的第一置信度，与其对应的备选场景的第二置信度的乘积，同时引入比例因子和离散因子。加入比例因子β和离散因子μ之后，能够使求得的多个第三置信度之间更加离散，防止第三置信度过于集中，有利于快速在多个备选目标操作中选出最适合的目标操作，有利于提高效率。
在本申请的一些实施例中，执行单元408还用于：
获取目标操作关联的备选场景；
确定备选场景对应的第三场景特征；
在第三场景特征与第一场景特征相符合的情况下，执行目标操作。
在本申请实施例中，在确定目标操作之后，获取其对应的备选场景，从而确定其对应的第三场景特征。如果第三场景特征，与用户确认的目标图片中的第一场景特征相符合，如第三场景特征为“停车位C”，第一场景特征为“停车位A”时，确定两者相符合，则说明目标操作确实与用户当前所处场景相对应，此时则执行目标操作对应的备选操作行为，如导航到停车位。
而如果第三场景特征与第一场景特征不相符，如第三场景特征为“道路”，而第一场景特征为“停车位A”，则说明当前确定的目标操作与用户时机所处场景不匹配，此时放弃执行目标操作对应的备选操作行为。
本申请实施例中的操作执行装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的操作执行装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的操作执行装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选地，本申请实施例还提供一种电子设备500，图5示出了根据本申请实施例的电子设备的结构框图，如图5所示，包括处理器502，存储器504，存储在存储器504上并可在处理器502上运行的程序或指令，该程序或指令被处理器502执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备2000包括但不限于：射频单元2001、网络模块2002、音频输出单元2003、输入单元2004、传感器2005、显示单元2006、用户输入单元2007、接口单元2008、存储器2009、以及处理器2010等部件。
本领域技术人员可以理解，电子设备2000还可以包括给各个部件供电的电源2011(比如电池)，电源2011可以通过电源管理系统与处理器2010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图6中示出的电子设备结构并不构成对电子设备的限定，电子设备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，在此不再赘述。
其中，显示单元2006用于显示与用户当前行为特征对应的目标图像；
用户输入单元2007用于接收针对目标图像的确认输入；
处理器2010用于响应于确认输入，确定与目标图像中的第一场景特征对应的目标操作，并执行目标操作。
可选地，处理器2010还用于对图像数据库中的图像进行特征识别，得到图像对应的N个第二场景特征，其中每个第二场景特征均与至少一个用户行为特征相匹配，其中N为大于或等于1的整数；通过第二场景特征与相匹配的用户行为特征生成场景特征集；
显示单元2006还用于通过场景特征集获取并显示用户当前行为特征对应的目标图像。
可选地，处理器2010还用于对第一场景特征和用户当前行为特征进行预测，得到M个备选操作，其中M为大于或等于1的整数；在M个备选操作中，确定目标操作。
可选地，处理器2010还用于获取备选操作行为的第一置信度和备选场景的第二置信度；根据第一置信度和第二置信度，确定每个备选操作的第三置信度；选取第三置信度最高的备选操作，作为目标操作。
可选地，处理器2010还用于获取目标操作关联的备选场景；确定备选场景对应的第三场景特征；在第三场景特征与第一场景特征相符合的情况下，执行目标操作对应的备选操作行为。
本申请实施例通过检测用户所处场景的场景特征，并采集用户行为数据来确定行为特征，根据场景特征和行为特征之间的关联关系，自动预测用户接下来的需求，并执行能够满足用户需求的目标操作，因此能够实现根据用户行为习惯，在用户需要时自动为用户查找停车位置，极大地提高了找车时的便捷程度，改善了用户体验。
应理解的是，本申请实施例中，输入单元2004可以包括图形处理器(GraphicsProcessing Unit，GPU)5082和麦克风5084，图形处理器5082对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。
显示单元2006可包括显示面板5122，可以采用液晶显示器、有机发光二极管等形式来配置显示面板5122。用户输入单元2007包括触控面板5142以及其他输入设备5144。触控面板5142，也称为触摸屏。触控面板5142可包括触摸检测装置和触摸控制器两个部分。其他输入设备5144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，在此不再赘述。存储器2009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器2010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器2010中。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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可以以计算机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介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种操作执行方法，其特征在于，包括：
采集用户的行为数据，所述行为数据包括拍照操作、导航操作、当前时间和定位信息；
根据所述行为数据，形成用户当前行为特征；
显示与所述用户当前行为特征对应的目标图像；
接收针对所述目标图像的确认输入；
响应于所述确认输入，确定与所述目标图像中的第一场景特征对应的目标操作，并执行所述目标操作；
所述目标操作包括预设的与所述第一场景特征和所述当前行为特征相关联的业务。
2.根据权利要求1所述的操作执行方法，其特征在于，所述显示与用户当前行为特征对应的目标图像之前，还包括：
对图像数据库中的图像进行特征识别，得到所述图像对应的N个第二场景特征，其中每个所述第二场景特征均与至少一个用户行为特征相匹配，其中N为大于或等于1的整数；
通过所述第二场景特征与相匹配的用户行为特征生成场景特征集；
所述显示与用户当前行为特征对应的目标图像，包括：
通过场景特征集获取并显示用户当前行为特征对应的目标图像。
3.根据权利要求1或2所述的操作执行方法，其特征在于，所述确定与所述目标图像中的第一场景特征对应的目标操作，包括：
对所述第一场景特征和所述用户当前行为特征进行预测，得到M个备选操作，其中M为大于或等于1的整数；
在M个所述备选操作中，确定所述目标操作。
4.根据权利要求3所述的操作执行方法，其特征在于，所述备选操作包括一个备选操作行为和一个备选场景特征；
所述在M个所述备选操作中，确定所述目标操作，包括：
获取备选操作行为的第一置信度和所述备选场景的第二置信度；
根据所述第一置信度和所述第二置信度，确定每个所述备选操作的第三置信度；
选取所述第三置信度最高的所述备选操作，作为所述目标操作。
5.根据权利要求4所述的操作执行方法，其特征在于，所述执行所述目标操作，包括：
获取所述目标操作关联的所述备选场景；
确定所述备选场景对应的第三场景特征；
在所述第三场景特征与所述第一场景特征相符合的情况下，执行所述目标操作对应的备选操作行为。
6.一种操作执行装置，其特征在于，包括：
采集单元，用于采集用户的行为数据，所述行为数据包括拍照操作、导航操作、当前时间和定位信息；根据所述行为数据，形成为用户当前行为特征；
显示单元，用于显示与用户当前行为特征对应的目标图像；
接收单元，用于接收针对所述目标图像的确认输入；
确定单元，用于响应于所述确认输入，确定与所述目标图像中的第一场景特征对应的目标操作；
执行单元，用于执行所述目标操作；
所述目标操作包括预设的与所述第一场景特征和所述当前行为特征相关联的业务。
7.根据权利要求6所述的操作执行装置，其特征在于，还包括：
识别单元，用于对图像数据库中的图像进行特征识别，得到所述图像对应的N个第二场景特征，其中每个所述第二场景特征均与至少一个用户行为特征相匹配，其中N为大于或等于1的整数；
所述确定单元，还用于通过所述第二场景特征与相匹配的用户行为特征生成场景特征集；
所述显示单元，还用于通过场景特征集获取并显示用户当前行为特征对应的目标图像。
8.根据权利要求6或7所述的操作执行装置，其特征在于，所述确定单元还用于：
对所述第一场景特征和所述用户当前行为特征进行预测，得到M个备选操作，其中M为大于或等于1的整数；
在M个所述备选操作中，确定所述目标操作。
9.根据权利要求8所述的操作执行装置，其特征在于，所述备选操作与一个备选操作行为和一个备选场景特征相关联；
所述确定单元还用于：
获取备选操作行为的第一置信度和所述备选场景的第二置信度；
根据所述第一置信度和所述第二置信度，确定每个所述备选操作的第三置信度；
选取所述第三置信度最高的所述备选操作，作为所述目标操作。
10.根据权利要求9所述的操作执行装置，其特征在于，所述执行单元还用于：
获取所述目标操作关联的所述备选场景；
确定所述备选场景对应的第三场景特征；
在所述第三场景特征与所述第一场景特征相符合的情况下，执行所述目标操作。
11.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
12.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
CN202110593703.XA 2021-05-28 2021-05-28 操作执行方法、操作执行装置、电子设备和可读存储介质 Active CN113329121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110593703.XA CN113329121B (zh) 2021-05-28 2021-05-28 操作执行方法、操作执行装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110593703.XA CN113329121B (zh) 2021-05-28 2021-05-28 操作执行方法、操作执行装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN113329121A CN113329121A (zh) 2021-08-31
CN113329121B true CN113329121B (zh) 2022-11-08

Family

ID=77422283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110593703.XA Active CN113329121B (zh) 2021-05-28 2021-05-28 操作执行方法、操作执行装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN113329121B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424113A (zh) * 2013-08-01 2013-12-04 毛蔚青 移动终端基于图像识别技术的室内定位与导航方法
CN107786732A (zh) * 2017-09-28 2018-03-09 努比亚技术有限公司 终端应用推送方法、移动终端及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045140B (zh) * 2015-05-26 2019-01-01 深圳创维－Rgb电子有限公司 智能控制受控设备的方法和装置
CN106959754A (zh) * 2017-03-22 2017-07-18 广东小天才科技有限公司 控制移动终端的方法及移动终端
CN108693548B (zh) * 2018-05-18 2021-10-22 中国科学院光电研究院 一种基于场景目标识别的导航方法及系统
CN109067990B (zh) * 2018-08-20 2021-01-08 麒麟合盛网络技术股份有限公司 一种应用服务执行方法及装置
CN109117233A (zh) * 2018-08-22 2019-01-01 百度在线网络技术（北京）有限公司 用于处理信息的方法和装置
CN109271228A (zh) * 2018-09-28 2019-01-25 珠海市君天电子科技有限公司 应用的界面功能识别方法、装置及电子设备
CN112035042A (zh) * 2020-08-31 2020-12-04 维沃移动通信有限公司 应用程序控制方法、装置、电子设备及可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424113A (zh) * 2013-08-01 2013-12-04 毛蔚青 移动终端基于图像识别技术的室内定位与导航方法
CN107786732A (zh) * 2017-09-28 2018-03-09 努比亚技术有限公司 终端应用推送方法、移动终端及计算机可读存储介质

Also Published As

Publication number Publication date
CN113329121A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN109800325B (zh) 视频推荐方法、装置和计算机可读存储介质
CN109816441B (zh) 策略推送方法、系统及相关装置
US8275414B1 (en) User augmented reality for camera-enabled mobile devices
CN104239408B (zh) 基于由移动设备记录的图像的内容的数据访问
EP2457183B1 (en) System and method for tagging multiple digital images
US9633479B2 (en) Time constrained augmented reality
US10606824B1 (en) Update service in a distributed environment
CN109189879B (zh) 电子书籍显示方法及装置
CN107193983A (zh) 图像搜索方法及装置
WO2014032419A1 (zh) 一种基于图片获得咨询信息的方法和系统
CN111581423B (zh) 一种目标检索方法及装置
CN104520848A (zh) 按照出席者搜索事件
KR102468309B1 (ko) 영상 기반 건물 검색 방법 및 장치
KR20130034749A (ko) 컴퓨팅 기기에서 위치 정보가 부착된 컨텐츠 생성 및 검색을 위한 장치 및 방법
CN112241489B (zh) 信息推送方法、装置、可读存储介质和计算机设备
CN104133819A (zh) 信息检索方法及装置
CN113869063A (zh) 数据推荐方法、装置、电子设备及存储介质
CN113037925A (zh) 信息处理方法、信息处理装置、电子设备和可读存储介质
CN113329121B (zh) 操作执行方法、操作执行装置、电子设备和可读存储介质
CN104750792B (zh) 一种用户特征的获取方法及装置
KR20150097250A (ko) 태그 정보를 이용한 스케치 검색 시스템, 사용자 장치, 서비스 제공 장치, 그 서비스 방법 및 컴퓨터 프로그램이 기록된 기록매체
CN114445778A (zh) 一种计数方法及装置、电子设备和存储介质
CN109084750B (zh) 一种导航方法及电子设备
CN112183149B (zh) 图形码处理方法及装置
CN110879863A (zh) 跨领域搜索方法和跨领域搜索装置

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
GR01 Patent grant
GR01 Patent grant