CN114726381B - 一种遥控器误触识别智能检测系统及方法 - Google Patents
一种遥控器误触识别智能检测系统及方法 Download PDFInfo
- Publication number
- CN114726381B CN114726381B CN202210380833.XA CN202210380833A CN114726381B CN 114726381 B CN114726381 B CN 114726381B CN 202210380833 A CN202210380833 A CN 202210380833A CN 114726381 B CN114726381 B CN 114726381B
- Authority
- CN
- China
- Prior art keywords
- remote controller
- key
- user
- pressing
- signal
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M11/00—Coding in connection with keyboards or like devices, i.e. coding of the position of operated keys
- H03M11/02—Details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种遥控器误触识别智能检测系统及方法,涉及数据识别技术领域;包括按压信号识别模块、按键管理模块和按键处理模块;按压信号识别模块用于获取使用者按压在遥控器上产生的信号,并处理信号;按键管理模块用于获取使用者在遥控器上的按压行为,得到行为分类的结果;按键处理模块用于取得使用者信息和使用者在遥控器上的行为信息,根据行为屏蔽并且优化屏蔽的时间,屏蔽对象建立在遥控器上的至少一个按键上;能够在使用者只按压了一个区域后,即能够精准识别得到使用者误触遥控器时的行为,并对误触使用遥控器的行为进行管理,防止误触的行为对使用者工作产生干扰。
Description
技术领域
本发明涉及数据识别技术领域,具体为一种遥控器误触识别智能检测系统及方法。
背景技术
随着科技技术的发展,遥控器也逐渐从很多按键进化至少数按键,确保现有遥控器上的按键功能都是必备功能,能够减少使用者使用按键时出错,造成不必要的麻烦;虽然改变了遥控器上的按键,但是由于按键之间的距离小,仍然会有使用者误触的行为产生,因此,未为了避免使用者产生误触行为,采用了各种方法对误触信息进行识别并采取措施解决;
而在现有技术中,对误触信息进行识别并解决会存在如下问题:
1、检测到在遥控器上有多个识别区域时,检测分析识别区域上使用者的偏向具体为何区域,并忽略过滤按压在遥控器上的其他区域,通过此方法能够解决由于使用者的误操作行为导致的多个按压区域被识别,却无法解决如若只存在一个按压区域被不同程度按压时,如何精确的识别得到误触信息;
2、利用摄像头捕捉误触行为,从而防止误触行为产生,但是由于摄像头在捕捉到误触行为时,仍要对数据处理会产生时间上的误触,因此,识别并迅速传输的精度不高;
因此,需要对上述问题进行改善。
发明内容
本发明的目的在于提供一种遥控器误触识别智能检测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种遥控器误触识别智能检测系统,所述智能检测系统包括按压信号识别模块、按键管理模块和按键处理模块;
所述按压信号识别模块用于获取使用者按压在遥控器上产生的信号,并处理信号;
所述按键管理模块用于获取使用者在遥控器上的按压行为,得到行为分类的结果;
所述按键处理模块用于取得使用者信息和使用者在遥控器上的行为信息,根据行为信息进行屏蔽并且优化屏蔽的时间,所述屏蔽对象建立在遥控器上的至少一个按键上;
所述按压信号识别模块与按键管理模块和误触处理模块相连接。
进一步的,所述按压信号识别模块包括信号获取单元、时间分析单元;
所述信号获取单元用于获取使用者在遥控器上按压时产生的信号;
所述时间分析单元用于将信号按照时间进行分解处理,得到第一信号和第二信号;
所述信号获取单元的输出端与时间分析单元的输入端相连接。
进一步的,所述按键管理模块包括按键状态分析单元、按键分类处理单元;
所述按键状态分析单元用于分析使用者在遥控器上按压信息,根据所述信息对按键的状态进行分类;
所述按键分类处理单元用以得到按键的分类结果,所述分类结果为正常使用和误触使用;
所述按键状态分析单元的输出端与按键分类处理单元的输入端相连接。
进一步的,所述误触处理模块包括受控范围分析单元、指纹获取单元、屏蔽时间优化单元;
所述受控范围分析单元用于分析遥控器在设定范围内被使用时的受控距离;
所述指纹获取单元用于获取使用者在遥控器按压时的指纹信息;
所述屏蔽时间优化单元用于核实到使用者误触使用遥控器时,对遥控器上的至少一个按键进行屏蔽,并屏蔽优化的时间;
所述受控范围分析单元的输出端与指纹获取单元、屏蔽时间优化单元的输入端相连接。
进一步的,一种遥控器误触识别智能检测方法,所述智能检测方法执行如下步骤:
A1:获取使用者使用遥控器时产生的按压信号,根据按压信号持续时间对按压的时间进行分类,得到第一按压信号和第二按压信号;
A2:分别对第一按压信号和第二按压信号在遥控器上的按键状态进行分类,得到误触遥控器和正常使用遥控器的结果;
A3:如若使用者误触使用遥控器,则对遥控器中至少一个按键屏蔽信号,并优化屏蔽的时间。
在步骤A2中,所述第一按压信号和第二按压信号在遥控器上的按键状态的分类过程如下:获取第一按压信号在遥控器上的受力区域,确定受力区域中若干个按键信息及其按键位置信息W={w1,w2,...,wn},n是指按键项数,wn是指第n个按键的位置,连接若干按键按压形成的路径,形成向量获取使用者在按压受力区域之前的按键信息及其按键位置Y={y1,y2,...,ym},m是指按键项数,ym是指第m个按键的位置,连接在按压受力区域之前所按压的若干按键形成的路径,形成向量
根据使用者在受力区域按压按键和在受力区域之前所按压的按键构成按压路径,得到路径形成的闭合区域面积S;如若闭合区域面积S与数据库内设定面积S’相等,则表示使用者在遥控器上按压按键的关联度高于预设关联度,表示使用者在遥控器上按压受力区域内按键的概率高于预设概率,使用者正常使用遥控器;否则,表示使用者误触遥控器;
获取第二按压信号按压时的持续时间T,若持续时间T>T’时,表示使用者误触遥控器,T’是指预设的持续时间。
在步骤A3中,在对遥控器中至少一个按键屏蔽信号前,预先对使用者在设定范围内使用遥控器的受控距离进行计算;设定遥控器在设定范围内的位置信息为P和设定范围内的墙面数量D;获取使用者按压遥控器上同一个按键的总次数H,得到使用者成功按压遥控器上按键的概率为若使用者按压遥控器上同一个按键成功的概率小于预设概率,则表示遥控器的灵敏度α低;若使用者按压遥控器上同一个按键成功的概率大于预设概率,则表示遥控器的灵敏度α高;则以信号接收器为中心,得到设定范围内不同角度的受控距离为R=L-α*rα-D*rD;若R’>R,则表示遥控器不在受控距离内,则无需对遥控器上的按键进行屏蔽信号;若R’<R,则表示遥控器在受控距离内,对遥控器上的按键进行信号屏蔽;其中:L是指标准的遥控器受控距离,rα是指灵敏度对应的受控衰减距离,rD是指墙面数量对应的受控衰减距离。
在步骤A3中,获取使用者按压遥控器时按键直径U,j是指按键项数;按压遥控器上按键间的距离K,使用者从开始按错按键至使用者按键成功的时间段为F,F=F1-F2,F2是指使用者开始按压与目标按键相邻按键的时间点,F1是指按压目标按键的时间点;将按键直径U、按压按键间的距离K以及使用者从开始按错按键至使用者按键成功的时间段F作为神经网络中输入层的三个神经元,将使用者按压遥控器上按键距离为K’时,使用者从开始按错按键至成功按键成功的时间段F’作为神经网络中输出层的一个神经元;初始化神经网络中的学习率β和迭代次数η;计算得到神经网络中的权重值和偏置项;根据神经网络中的参数变化预测得到时间段F’,得到误差X=|F′-F″|;如若核实得到X>X’时,则更新权重值和偏置项,直至误差X<X’,并输出预测值F’;F″是指实际时间段;
则优化屏蔽的时间为Q=F’。
所述屏蔽信号的方式为信号屏蔽器装置。
与现有技术相比,本发明所达到的有益效果是:
1、本发明通过按压信号识别模块,能够清楚的识别异常按压信号,从而能够预先对异常按压信号进行处理,防止异常的按压信号扰乱使用者正常使用遥控器;
2、本发明通过按键管理模块用于识别使用者在遥控器上的行为,能够在使用者只按压了一个区域后,即能够精准识别得到使用者误触遥控器时的行为,并对误触使用遥控器的行为进行管理,防止误触的行为对使用者工作产生干扰;
3、本发明通过按键处理模块用于对产生的误触信号进行屏蔽,根据不同使用者对屏蔽的时间进行优化,防止由于长时间的屏蔽信号浪费资源。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种遥控器误触识别智能检测系统的组成示意图;
图2是本发明一种遥控器误触识别智能检测方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:
一种遥控器误触识别智能检测系统,所述智能检测系统包括按压信号识别模块、按键管理模块和按键处理模块;
所述按压信号识别模块用于获取使用者按压在遥控器上产生的信号,并处理信号;
所述按键管理模块用于获取使用者在遥控器上的按压行为,得到行为分类的结果;
所述按键处理模块用于取得使用者信息和使用者在遥控器上的行为信息,根据行为信息进行屏蔽并且优化屏蔽的时间,所述屏蔽对象建立在遥控器上的至少一个按键上;
所述按压信号识别模块与按键管理模块和误触处理模块相连接。
进一步的,所述按压信号识别模块包括信号获取单元、时间分析单元;
所述信号获取单元用于获取使用者在遥控器上按压时产生的信号;
所述时间分析单元用于将信号按照时间进行分解处理,得到第一信号和第二信号;所述第一信号和第二信号为根据使用者在遥控器上的按压时间确定;其中第一信号为使用者在按键上的按压时间小于预设时间,第二信号为使用者在按键上的按压时间大于预设时间。
所述信号获取单元的输出端与时间分析单元的输入端相连接。
进一步的,所述按键管理模块包括按键状态分析单元、按键分类处理单元;
所述按键状态分析单元用于分析使用者在遥控器上按压信息,根据所述信息对按键的状态进行分类;所述按压信息为按压时间和按压区域;
所述按键分类处理单元用以得到按键的分类结果,所述分类结果为正常使用和误触使用;
所述按键状态分析单元的输出端与按键分类处理单元的输入端相连接。
进一步的,所述误触处理模块包括受控范围分析单元、指纹获取单元、屏蔽时间优化单元;
所述受控范围分析单元用于分析遥控器在设定范围内被使用时的受控距离;所述受控距离为遥控器能正常使用控制范围;
所述指纹获取单元用于获取使用者在遥控器按压时的指纹信息;
所述屏蔽时间优化单元用于核实到使用者误触使用遥控器时,对遥控器上的至少一个按键进行屏蔽,并屏蔽优化的时间;
所述至少一个按键为一个按键以及多个按键;所述一个按键为使用者在设定时间段内持续按压一个按键,并且使用者循环按压错误的按键,直至按压至正确按键的误触行为;所述多个按键为使用者在设定时间段内同时按压了多个按键的误触行为;因此,对至少一个按键进行不同时间的信号屏蔽,确保不会干扰使用者正常使用遥控器。
所述受控范围分析单元的输出端与指纹获取单元、屏蔽时间优化单元的输入端相连接。
进一步的,一种遥控器误触识别智能检测方法,所述智能检测方法执行如下步骤:
A1:获取使用者使用遥控器时产生的按压信号,根据按压信号持续时间对按压的时间进行分类,得到第一按压信号和第二按压信号;
A2:分别对第一按压信号和第二按压信号在遥控器上的按键状态进行分类,得到误触遥控器和正常使用遥控器的结果;
A3:如若使用者误触使用遥控器,则对遥控器中至少一个按键屏蔽信号,并优化屏蔽的时间。
在步骤A2中,所述第一按压信号和第二按压信号在遥控器上的按键状态的分类过程如下:获取第一按压信号在遥控器上的受力区域,确定受力区域中若干个按键信息及其按键位置信息W={w1,w2,...,wn},n是指按键项数,wn是指第n个按键的位置,连接若干按键按压形成的路径,形成向量获取使用者在按压受力区域之前的按键信息及其按键位置Y={y1,y2,...,ym},m是指按键项数,ym是指第m个按键的位置,连接在按压受力区域之前所按压的若干按键形成的路径,形成向量
根据使用者在受力区域按压按键和在受力区域之前所按压的按键构成按压路径,得到路径形成的闭合区域面积S;如若闭合区域面积S与数据库内设定面积S’相等,则表示使用者在遥控器上按压按键的关联度高于预设关联度,表示使用者在遥控器上按压受力区域内按键的概率高于预设概率,使用者正常使用遥控器;否则,表示使用者误触遥控器;
获取第二按压信号按压时的持续时间T,若持续时间T>T’时,表示使用者误触遥控器,T’是指预设的持续时间;
通过按压按键形成的面积,根据使用者的指纹信息,得到使用者按压按键的路径和使用者使用按键的范围;将面积与设定面积相比较,同时为了确保虽然是相同面积,但是却由不同按压按键的路径出现,将路径的变化形成向量;根据面积得到使用者按压按键的关联度;根据关联度确定所受力区域中的按键是否按错,进而得到按键的使用状态;本方法能够针对不同的使用者身份确定按键的关联度,能够精确得到不同使用者的按键行为,提高了识别误触的精度;例如,识别到家庭成员1在使用遥控器时,检测到1熟练使用遥控器上的每个按键,形成的路径面积数量多;识别到家庭成员2在使用遥控器时,检测到2只使用遥控器上固定的按键时,在遥控器上形成的路径面积数量相比于1少;因此针对不同使用者,误触的检测识别也不同。
在步骤A3中,在对遥控器中至少一个按键屏蔽信号前,预先对使用者在设定范围内使用遥控器的受控距离进行计算;设定遥控器在设定范围内的位置信息为P和设定范围内的墙面数量D;获取使用者按压遥控器上同一个按键的总次数H,得到使用者成功按压遥控器上按键的概率为若使用者按压遥控器上同一个按键成功的概率小于预设概率,则表示遥控器的灵敏度α低;若使用者按压遥控器上同一个按键成功的概率大于预设概率,则表示遥控器的灵敏度α高;则以信号接收器为中心,得到设定范围内不同角度的受控距离为R=L-α*rα-D*rD;若R’>R,则表示遥控器不在受控距离内,则无需对遥控器上的按键进行屏蔽信号;若R’<R,则表示遥控器在受控距离内,对遥控器上的按键进行信号屏蔽;其中:L是指标准的遥控器受控距离,rα是指灵敏度对应的受控衰减距离,rD是指墙面数量对应的受控衰减距离;
由于使用者在设定范围内使用遥控器时,所收到的干扰也很多,例如墙面和灵敏度;其中墙面和灵敏度越多,受控距离越小,因此,在此计算受控距离,是分析遥控器是否在受控范围内;如若在受控范围内,则需要对误触信号屏蔽,如若不在受控范围内,则无需对误触信号屏蔽。
在步骤A3中,获取使用者按压遥控器时按键直径U,j是指按键项数;按压遥控器上按键间的距离K,使用者从开始按错按键至使用者按键成功的时间段为F,F=F1-F2,F2是指使用者开始按压与目标按键相邻按键的时间点,F1是指按压目标按键的时间点;将按键直径U、按压按键间的距离K以及使用者从开始按错按键至使用者按键成功的时间段F作为神经网络中输入层的三个神经元,将使用者按压遥控器上按键距离为K’时,使用者从开始按错按键至成功按键成功的时间段F’作为神经网络中输出层的一个神经元;初始化神经网络中的学习率β和迭代次数η;计算得到神经网络中的权重值和偏置项;根据神经网络中的参数变化预测得到时间段F’,得到误差X=|F′-F″|;如若核实得到X>X’时,则更新权重值和偏置项,直至误差X<X’,并输出预测值F’;F″是指实际时间段;
则优化屏蔽的时间为Q=F’;
在此通过神经网络的方式对遥控器上发出误触信号屏蔽,并预测得到信号屏蔽的时间,通过此方式确定屏蔽的时间能够得到预测的精准度;在屏蔽的时间中包括针对第一信号和第二信号所发出的屏蔽时间,如若是由于第一信号产生的误触,则根据按压等因素预测得到屏蔽的时间;如若是由于第二信号产生的误触,若使用者按下其他按键时,且在设定时间段内未对其他按键进行按压,则在使用者按下其他按键时激活关闭屏蔽的时间;如若使用者未按下其他按键时,则根据按压因素预测并激活关闭屏蔽的时间;通过不同的方式确定屏蔽时间,能够减少由于长时间屏蔽行为导致的资源浪费。
所述屏蔽信号的方式为信号屏蔽器装置。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种遥控器误触识别智能检测方法,其特征在于:所述智能检测方法执行如下步骤:
A1:获取使用者使用遥控器时产生的按压信号,根据按压信号持续时间对按压的时间进行分类,得到第一按压信号和第二按压信号;
A2:分别对第一按压信号和第二按压信号在遥控器上的按键状态进行分类,得到误触遥控器和正常使用遥控器的结果;
在步骤A2中,所述第一按压信号和第二按压信号在遥控器上的按键状态的分类过程如下:获取第一按压信号在遥控器上的受力区域,确定受力区域中若干个按键信息及其按键位置信息W={w1,w2,...,wn},n是指按键项数,wn是指第n个按键的位置,连接若干按键按压形成的路径,形成向量获取使用者在按压受力区域之前的按键信息及其按键位置Y={y1,y2,...,ym},m是指按键项数,ym是指第m个按键的位置,连接在按压受力区域之前所按压的若干按键形成的路径,形成向量
根据使用者在受力区域按压按键和在受力区域之前所按压的按键构成按压路径,得到路径形成的闭合区域面积S;如若闭合区域面积S与数据库内设定面积S’相等,则表示使用者在遥控器上按压按键的关联度高于预设关联度,表示使用者在遥控器上按压受力区域内按键的概率高于预设概率,使用者正常使用遥控器;否则,表示使用者误触遥控器;
获取第二按压信号按压时的持续时间T,若持续时间T>T’时,表示使用者误触遥控器,T’是指预设的持续时间;
A3:如若使用者误触遥控器,则对遥控器中至少一个按键屏蔽信号,并优化屏蔽的时间。
2.根据权利要求1所述的一种遥控器误触识别智能检测方法,其特征在于:在步骤A3中,在对遥控器中至少一个按键屏蔽信号前,预先对使用者在设定范围内使用遥控器的受控距离进行计算;设定遥控器在设定范围内的位置信息为P和设定范围内的墙面数量D;获取使用者按压遥控器上同一个按键的总次数H,得到使用者成功按压遥控器上按键的概率为若使用者按压遥控器上同一个按键成功的概率小于预设概率,则表示遥控器的灵敏度低;若使用者按压遥控器上同一个按键成功的概率大于预设概率,则表示遥控器的灵敏度高;其中,H1表示使用者按压遥控器上同一个按键的总成功次数;则以信号接收器为中心,得到设定范围内不同角度的受控距离为R=L-*r-D*rD;若R’>R,则表示遥控器不在受控距离内,则无需对遥控器上的按键进行屏蔽信号;若R’<R,则表示遥控器在受控距离内,对遥控器上的按键进行信号屏蔽;其中:L是指标准的遥控器受控距离,r是指灵敏度对应的受控衰减距离,rD是指墙面数量对应的受控衰减距离;R’表示设定范围内不同角度的实际受控距离。
3.根据权利要求1所述的一种遥控器误触识别智能检测方法,其特征在于:在步骤A3中,获取使用者按压遥控器时按键直径U;按压遥控器上按键间的距离K,使用者从开始按错按键至使用者按键成功的时间段为F,F=F1-F2,F2是指使用者开始按压与目标按键相邻按键的时间点,F1是指按压目标按键的时间点;将按键直径U、按压按键间的距离K以及使用者从开始按错按键至使用者按键成功的时间段F作为神经网络中输入层的三个神经元,将使用者按压遥控器上按键距离为K’时,使用者从开始按错按键至成功按键成功的时间段F’作为神经网络中输出层的一个神经元;初始化神经网络中的学习率和迭代次数;计算得到神经网络中的权重值和偏置项;根据神经网络中的参数变化预测得到时间段F’,得到误差X=|F’-F|;如若核实得到X>X’时,则更新权重值和偏置项,直至误差X<X’,并输出预测值F’;F是指实际时间段;X’表示误差阈值;
则优化屏蔽的时间为Q=F’。
4.根据权利要求1所述的一种遥控器误触识别智能检测方法,其特征在于:所述屏蔽信号的方式为采用信号屏蔽器装置。
5.一种应用权利要求1-4中任一项所述的遥控器误触识别智能检测方法的遥控器误触识别智能检测系统,其特征在于:所述智能检测系统包括按压信号识别模块、按键管理模块和误触处理模块;
所述按压信号识别模块用于获取使用者按压在遥控器上产生的信号,并处理信号;
所述按键管理模块用于获取使用者在遥控器上的按压行为,得到行为分类的结果;
所述误触处理模块用于取得使用者信息和使用者在遥控器上的行为信息,根据行为信息进行屏蔽并且优化屏蔽的时间,所述屏蔽对象建立在遥控器上的至少一个按键上;
所述按压信号识别模块与按键管理模块和误触处理模块相连接。
6.根据权利要求5所述的一种遥控器误触识别智能检测系统,其特征在于:所述按压信号识别模块包括信号获取单元、时间分析单元;
所述信号获取单元用于获取使用者在遥控器上按压时产生的信号;
所述时间分析单元用于将信号按照时间进行分解处理,得到第一信号和第二信号;
所述信号获取单元的输出端与时间分析单元的输入端相连接。
7.根据权利要求5所述的一种遥控器误触识别智能检测系统,其特征在于:所述按键管理模块包括按键状态分析单元、按键分类处理单元;
所述按键状态分析单元用于分析使用者在遥控器上按压信息,根据所述按压信息对按键的状态进行分类;
所述按键分类处理单元用以得到按键的分类结果,所述分类结果为正常使用和误触使用;
所述按键状态分析单元的输出端与按键分类处理单元的输入端相连接。
8.根据权利要求5所述的一种遥控器误触识别智能检测系统,其特征在于:所述误触处理模块包括受控范围分析单元、指纹获取单元、屏蔽时间优化单元;
所述受控范围分析单元用于分析遥控器在设定范围内被使用时的受控距离;
所述指纹获取单元用于获取使用者在遥控器按压时的指纹信息;
所述屏蔽时间优化单元用于核实到使用者误触使用遥控器时,对遥控器上的至少一个按键进行屏蔽,并优化屏蔽的时间;
所述受控范围分析单元的输出端与指纹获取单元、屏蔽时间优化单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210380833.XA CN114726381B (zh) | 2022-04-12 | 2022-04-12 | 一种遥控器误触识别智能检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210380833.XA CN114726381B (zh) | 2022-04-12 | 2022-04-12 | 一种遥控器误触识别智能检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114726381A CN114726381A (zh) | 2022-07-08 |
CN114726381B true CN114726381B (zh) | 2023-04-07 |
Family
ID=82244134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210380833.XA Active CN114726381B (zh) | 2022-04-12 | 2022-04-12 | 一种遥控器误触识别智能检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114726381B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104347072A (zh) * | 2013-08-02 | 2015-02-11 | 广东美的制冷设备有限公司 | 遥控器控制的方法、装置和遥控器 |
CN105608861B (zh) * | 2015-10-29 | 2019-08-30 | 小米科技有限责任公司 | 电子设备控制方法及装置 |
CN107450356A (zh) * | 2017-06-01 | 2017-12-08 | 广西昌成科技有限公司 | 一种指纹遥控器系统 |
CN109656406B (zh) * | 2018-11-09 | 2022-05-06 | 信利半导体有限公司 | 一种显示屏触摸按键的抗干扰方法、装置及可读存储介质 |
CN113407061B (zh) * | 2021-06-30 | 2023-07-14 | 歌尔科技有限公司 | 遥控装置防误触方法、终端设备及可读存储介质 |
-
2022
- 2022-04-12 CN CN202210380833.XA patent/CN114726381B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114726381A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163611B (zh) | 一种身份识别方法、装置以及相关设备 | |
EP0973123A1 (en) | Finger sensor operating technique | |
US20060069955A1 (en) | Sequential data examination method | |
CN111625792B (zh) | 一种基于异常行为检测的身份识别方法 | |
CN107133135B (zh) | 一种基于统计学与声音定位的键盘按键检测方法 | |
CN106019260A (zh) | 在移动终端上进行距离传感器防污的方法及系统 | |
CN111436944A (zh) | 一种基于智能移动终端的跌倒检测方法 | |
CN113438114B (zh) | 互联网系统的运行状态监控方法、装置、设备及存储介质 | |
CN106792883A (zh) | 传感器网络异常数据检测方法与系统 | |
CN106340138A (zh) | 一种交易行为检测方法及装置 | |
Liu et al. | Zero-bias deep-learning-enabled quickest abnormal event detection in IoT | |
CN111898129B (zh) | 基于Two-Head异常检测模型的恶意代码样本筛选器及方法 | |
KR100837002B1 (ko) | 패턴 식별 시스템, 패턴 식별 방법, 및 패턴 식별 프로그램을 기록한 기록매체 | |
Zohrevand et al. | Should i raise the red flag? A comprehensive survey of anomaly scoring methods toward mitigating false alarms | |
CN114726381B (zh) | 一种遥控器误触识别智能检测系统及方法 | |
CN112085281B (zh) | 检测业务预测模型安全性的方法及装置 | |
CN113518058B (zh) | 异常登录行为检测方法、装置、存储介质和计算机设备 | |
CN111798237B (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN111241314A (zh) | 指纹底库录入方法、装置、电子设备及存储介质 | |
TW202217628A (zh) | 射頻指紋訊號處理裝置及射頻指紋訊號處理方法 | |
CN112507299A (zh) | 持续身份认证系统中的自适应击键行为认证方法及装置 | |
Liu et al. | Zero-bias deep learning enabled quick and reliable abnormality detection in IoT | |
CN113705547B (zh) | 环境弄虚作假行为识别动态管控方法、装置 | |
CN117687533B (zh) | 一种红外触控发射接收器的抗干扰的数据处理方法 | |
CN117997650B (zh) | 一种基于人工智能的攻击检测系统 |
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 |