CN117573269B - 穿戴设备的屏幕点亮校正方法、设备及存储介质 - Google Patents

穿戴设备的屏幕点亮校正方法、设备及存储介质 Download PDF

Info

Publication number
CN117573269B
CN117573269B CN202410056154.6A CN202410056154A CN117573269B CN 117573269 B CN117573269 B CN 117573269B CN 202410056154 A CN202410056154 A CN 202410056154A CN 117573269 B CN117573269 B CN 117573269B
Authority
CN
China
Prior art keywords
action
acceleration data
recognition model
node
determining
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
CN202410056154.6A
Other languages
English (en)
Other versions
CN117573269A (zh
Inventor
张逸舟
曹元�
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.)
Honor Device Co Ltd
Original Assignee
Honor Device 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 Honor Device Co Ltd filed Critical Honor Device Co Ltd
Priority to CN202410056154.6A priority Critical patent/CN117573269B/zh
Publication of CN117573269A publication Critical patent/CN117573269A/zh
Application granted granted Critical
Publication of CN117573269B publication Critical patent/CN117573269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请实施例提供一种穿戴设备的屏幕点亮校正方法、设备及存储介质。该方法包括：采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据；基于第一加速度数据和动作识别模型确定第一动作的类别，其中，第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作；若第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮穿戴设备的屏幕的操作；若检测到用户在设定时间内触发了点亮穿戴设备的屏幕的操作，则控制穿戴设备点亮屏幕；基于第一加速度数据，调整动作识别模型的模型权重。本申请实现了对于用户抬腕但未触发亮屏的动作的学习，使后续对抬腕动作的判断更加精准，快速，延时较低，用户体验较好。

Description

穿戴设备的屏幕点亮校正方法、设备及存储介质
技术领域
本申请涉及智能穿戴技术领域，尤其涉及一种穿戴设备的屏幕点亮校正方法、设备及存储介质。
背景技术
随着科技的发展，智能手表已经广泛应用于人们的生活当中，其具有显示时间，统计步数，与手机连接获得短信或电话连接等多种功能。在实际应用中，为了节约电量，保证智能手表的续航时间，一般在智能手表不使用时会让其处于熄屏的状态，而当用户需要通过智能手表的屏幕查看当前的时间，或步数等信息时，可以通过抬腕的方式使屏幕自动点亮，进而查看智能手表屏幕上显示的信息。
但是，在现有技术中，一般只通过智能手表当前的加速度值或其短时间内的加速度变化量是否超过设定阈值来判断用户是否有抬腕动作，这种通过单一变量比较判断的方法准确度较低，且延时较大，经常会出现智能手表因为误判断而未触发亮屏的情况，用户体验较差。
发明内容
本申请的多个方面提供一种穿戴设备的屏幕点亮校正方法、设备及存储介质，实现了对于用户抬腕但未触发亮屏的动作的学习，使后续对抬腕动作的判断更加精准，快速，延时较低，用户体验较好。
第一方面，本申请实施例提供一种穿戴设备的屏幕点亮校正方法，所述方法包括：
采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据；
基于所述第一加速度数据和动作识别模型确定所述第一动作的类别，其中，所述第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作；
若所述第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮所述穿戴设备的屏幕的操作；
若检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕；
基于所述第一加速度数据，调整所述动作识别模型的模型权重。
第二方面，本申请实施例提供一种穿戴设备的屏幕点亮校正装置，所述装置包括：
采集模块，用于采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据。
确定模块，用于基于所述第一加速度数据和动作识别模型确定所述第一动作的类别，其中，所述第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作。
检测模块，用于若所述第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮所述穿戴设备的屏幕的操作。
控制模块，用于若检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕。
调整模块，用于基于所述第一加速度数据，调整所述动作识别模型的模型权重。
第三方面，本申请实施例还提供一种穿戴设备，所述穿戴设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被所述处理器执行时，触发所述终端设备执行上述穿戴设备的屏幕点亮校正方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述穿戴设备的屏幕点亮校正方法。
在本申请实施例提供的方案中, 通过采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据，并基于第一加速度数据和动作识别模型可以确定出第一动作的类别。如果确定出第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮穿戴设备的屏幕的操作，判断是否有用户参与操作，如果检测到用户在设定时间内触发了点亮穿戴设备的屏幕的操作，则可以认为第一动作为设定动作，此时，控制穿戴设备点亮屏幕，并基于第一加速度数据，调整动作识别模型的模型权重即可。简单来说，本申请实现了对于用户抬腕但未触发亮屏的动作的学习，使后续对抬腕动作的判断更加精准，快速，延时较低，用户体验较好。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种穿戴设备的屏幕点亮校正方法的流程图；
图2为本申请实施例提供的智能手表的结构示意图；
图3为本申请实施例提供的一种穿戴设备的屏幕点亮校正方法的具体示例图；
图4为本申请实施例提供的一种穿戴设备的屏幕点亮校正方法的又一具体示例图；
图5a为本申请实施例提供的动作识别模型的具体示例图；
图5b为本申请实施例提供的第一调整后动作识别模型的具体示例图；
图6为本申请实施例提供的动作识别模型的权重调整示例图；
图7为本申请实施例提供的一种穿戴设备的屏幕点亮校正装置的结构示意图；
图8为本申请实施例提供的一种穿戴设备的结构示意图；
图9为本申请实施例提供的一种穿戴设备的软件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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，都属于本申请保护的范围。
随着科技的发展，智能手表已经广泛应用于人们的生活当中。在实际应用中，为了节约电量，保证智能手表的续航时间，一般在智能手表不使用时会让其处于熄屏的状态，而当用户需要通过智能手表的屏幕查看当前的时间，或步数等信息时，可以通过抬腕的方式使屏幕自动点亮，进而查看智能手表屏幕上显示的信息。但是，在现有技术中，一般只通过智能手表当前的加速度值或其短时间内的加速度变化量是否超过设定阈值来判断用户是否有抬腕动作，这种通过单一变量比较判断的方法准确度较低，且延时较大，经常会出现智能手表因为误判断而未触发亮屏的情况，用户体验较差。
针对上述问题，本申请实施例提供一种解决方案，基本思路是：在智能手表端加入训练好的神经网络模型（即下述动作识别模型），利用该动作识别模型对用户的动作进行识别，确定出可能是抬腕动作的动作，并结合用户的主动亮屏操作，以及对动作识别模型的模型权重的修改，实现对于用户抬腕但未触发亮屏的动作的学习，使后续对抬腕动作的判断更加精准，快速，延时较低，用户体验较好。
图1为本申请实施例提供的一种穿戴设备的屏幕点亮校正方法的流程图，该方法的执行主体可以是穿戴设备，该方法具体包括如下步骤：
101、采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据。
其中，穿戴设备可以为智能手表、智能手环等具有亮屏功能的智能穿戴设备，在此不一一列举。
102、基于第一加速度数据和动作识别模型确定第一动作的类别，其中，第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作。
103、若第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮穿戴设备的屏幕的操作。
104、若检测到用户在设定时间内触发了点亮穿戴设备的屏幕的操作，则控制穿戴设备点亮屏幕。
105、基于第一加速度数据，调整动作识别模型的模型权重。
在实际应用中，根据预先采集的训练样本和对应的标签预先在服务器上对神经网络模型进行训练，以得到动作识别模型。其中，训练样本可以为：用户佩戴穿戴设备进行多个动作而产生的加速度数据，而标签则可以为：与该加速度数据对应的动作标签值，该动作标签值用于反映动作的类别。
为了便于理解，下面以穿戴设备是智能手表为例对本申请的方案进行详细说明：
如图2所示，该智能手表包括：系统级芯片20（System on Chip，简称SoC）、与系统级芯片20分别电连接的加速度计21、屏幕22和按键23，其中，加速度计21可以为三轴加速度计，而动作识别模型就部署在该系统级芯片20上。具体实施时，当用户佩戴穿戴设备发出第一动作后，加速度计21会采集穿戴设备随用户的第一动作而产生的第一加速度数据，并将该第一加速度数据发送给部署在系统级芯片20上的动作识别模型，根据动作识别模型的输出结果，确定第一动作的类别，具体的类别确定方法如下：
将第一加速度数据输入动作识别模型中，以得到动作识别模型输出的第一动作预测值。
若第一动作预测值大于第一设定阈值，则确定第一动作的类别为：是设定动作。
若第一动作预测值位于第一设定阈值和第二设定阈值之间，则确定第一动作的类别为：疑似设定动作，其中，第二设定阈值小于第一设定阈值。
若第一动作预测值小于第二设定阈值，则确定第一动作的类别为：非设定动作。
具体实施时，举例来说，假设动作识别模型是一个5层的全连接神经网络，具体包括：1个输入层、3个隐藏层（每个隐藏层为396个节点）和1个输出层（1个节点），加速度计21的采样频率是100Hz，利用该加速度计21采集1.5s内的加速度数据，基于加速度计21的采样结果可以确定，输入层的输入为450个节点。通过该输出层的1个节点输出的第一动作预测值位于-1到1之间，而第一设定阈值可以为0.2，第二设定阈值可以为-0.2。
之后，基于动作识别模型的第一动作预测值和第一设定阈值、第二设定阈值，对第一动作的类别进行判断：如果动作识别模型输出的第一动作预测值为0.8，大于第一设定阈值0.2，则确定第一动作的类别为：是设定动作。如果动作识别模型输出的第一动作预测值为0.1，位于第一设定阈值0.2和第二设定阈值-0.2之间，则确定第一动作的类别为：是疑似设定动作。如果动作识别模型输出的第一动作预测值为-0.8，小于第二设定阈值-0.2，则确定第一动作的类别为：是非设定动作。通过设置第一设定阈值和第二设定阈值，并通过将第一动作预测值与第一设定阈值和第二设定阈值比较的方式确定第一动作的类别，可以保证确定第一动作的类别更加快速、精准。
承接上述，在确定第一动作的类别后，若第一动作的类别为：是设定动作（即是抬腕动作），则系统级芯片20直接向屏幕22发送控制信号，点亮屏幕。
若第一动作的类别为：非设定动作（即不是抬腕动作），则忽略，不进行任何处理。
若第一动作的类别为：疑似设定动作（即可能是抬腕动作），则检测用户是否在设定时间（如3s、4s等，具体可根据实际情况确定，在此不作限定）内触发点亮穿戴设备的屏幕的操作，如果用户在设定时间触发点亮穿戴设备的屏幕的操作，则系统级芯片20此时可以有两种选择：
第一种：默认用户确定了该疑似设定动作就是抬腕动作，后续可以基于当前加速度数据调整动作识别模型的模型权重，具体可参见图3所示的流程图。
第二种：向用户发送提示信息，等待用户确认，在收到用户的确认信息后，才基于当前加速度数据调整动作识别模型的模型权重。具体过程如下：发出提示确认信息，提示确认信息用于确认第一动作是否为设定动作；响应于用户对提示确认信息触发的确认操作，基于第一加速度数据，调整动作识别模型的模型权重，具体可参见图4所示的流程图。
在实际应用中，在用户触发点亮穿戴设备的屏幕的操作后，屏幕22上则会弹出提示信息，询问用户是否要将当前第一动作记录为设定动作，此时屏幕上可以有选择控件，如“是”和“否”，若用户点击“是”，则相当于对该提示信息进行了确认，此时，基于第一加速度数据，调整动作识别模型的模型权重即可。其中，“提示信息”的形式在此不作限定，其可以是弹窗形式的文字，也可以是语音提示，在此不作限定，而用户对于该“提示信息”的确认操作也不限于上述“是”和“否”的屏幕控件形式，也可以通过智能手表上的按键23来输入信号对提示信息进行确认，还可以为语音确认，或更换其它确认词，如“确认”和“取消”，在此不一一列举。
基于上述，本申请实施例提供的穿戴设备的屏幕点亮校正方法，通过采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据，并基于第一加速度数据和动作识别模型可以确定出第一动作的类别。如果确定出第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮穿戴设备的屏幕的操作，判断是否有用户参与操作，如果检测到用户在设定时间内触发了点亮穿戴设备的屏幕的操作，则可以认为第一动作为设定动作，此时，控制穿戴设备点亮屏幕，并基于第一加速度数据，调整动作识别模型的模型权重即可。简单来说，本申请实现了对于用户抬腕但未触发亮屏的动作的学习，使后续对抬腕动作的判断更加精准，快速，延时较低，用户体验较好。
下面介绍一下调整动作识别模型的模型权重的具体过程：
作为一种实现方式：基于第一加速度数据，调整动作识别模型的模型权重，包括：
在动作识别模型的输出层新增第一输出节点，第一输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数；基于第一加速度数据的输入，确定前一网络层中各节点输出的第一特征值；根据设定加权系数和第一特征值，确定第一输出节点与前一网络层中各节点的连接边所对应的模型权重，以得到第一调整后动作识别模型。
为了便于理解，下面结合图5a和图5b进行举例说明：
图5a中展示了动作识别模型中的多个“隐藏层”和一个“输出层”对应的节点，其中，X1、X2、X3...Xn表示最后一层“隐藏层”中的各节点对应的特征值（也即上述第一特征值），Y1表示“输出层”对应的原始输出节点输出的第一动作预测值。
在实际应用中，将采集到的第一动作对应的第一加速度数据输入到图5a展示的动作识别模型后，则动作识别模型即会输出Y1。此时即可结合第一设定阈值和第二设定阈值对Y1进行判断，若Y1大于第一设定阈值，则确定用户的第一动作的类型为：是设定动作，此时，不对动作识别模型进行调整。若Y1小于第二设定阈值，则确定用户的第一动作的类型为：非设定动作，此时，也不对动作识别模型进行调整。
而若Y1位于第一设定阈值和第二设定阈值之间，则确定用户的第一动作的类型为：疑似设定动作。此时，在动作识别模型的输出层新增第一输出节点，第一输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数k，该设定加权系数k可以根据实际情况预先设定，在此不对其进行具体限定，如图5b所示，该第一输出节点对应的动作预测值表示为Y2。
具体实施时，基于根据设定加权系数和第一特征值，即可确定第一输出节点与前一网络层中各节点的连接边所对应的模型权重。具体地，举例来说，节点X1与第一输出节点之间的连接边对应的权重W1=X1×k，节点X2与第一输出节点之间的连接边对应的权重W2=X2×k...节点Xn与第一输出节点之间的连接边对应的权重Wn=Xn×k，而Y2=W1+W2...+Wn。应理解，在确定第一输出节点与前一网络层中各节点的连接边所对应的模型权重W1、W2...、Wn后，即表示对动作识别模型的模型权重进行了调整，此时得到的就是第一调整后动作识别模型，其结构可参见图5b。
进一步地，若用户后续还有第二动作、第三动作等，该动作识别模型也会实时的基于采集到的加速度数据进行模型权重的调整，下面以用户又进行了第二动作为例对本申请的方案继续说明，该调整动作识别模型的模型权重的步骤还包括：
采集穿戴设备随用户的第二动作而产生的第二加速度数据；
基于第二加速度数据和第一调整后动作识别模型确定第二动作的类别，具体地，基于第二加速度数据的输入，获取第一调整后动作识别模型的输出层中原始输出节点输出的第二动作预测值，以及第一输出节点输出的第三动作预测值，基于第二动作预测值和第三动作预测值中的最大值，确定第二动作的类别；
若第二动作的类别为疑似设定动作，并检测到用户在设定时间内触发了点亮穿戴设备的屏幕的操作，则控制穿戴设备点亮屏幕；
在第一调整后动作识别模型的输出层创建第二输出节点，第二输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数；
基于第二加速度数据的输入，确定前一网络层中各节点输出的第二特征值；
根据设定加权系数和第二特征值，确定第二输出节点与前一网络层中各节点的连接边所对应的模型权重，以得到第二调整后动作识别模型。
具体实施时，将第二加速度数据输入第一调整后动作识别模型中，以得到第一调整后动作识别模型输出的第二动作预测值（图5b中的Y1）和第三动作预测值（图5b中的Y2），确定Y1与Y2之间的最大值，假设Y1为0.5，Y2为0.8，则根据较大的Y2来确定第二动作的类别，具体地，若Y2大于第一设定阈值，则确定用户的第二动作的类型为：是设定动作，此时，不对第一调整后动作识别模型进行调整。若Y2小于第二设定阈值，则确定用户的第二动作的类型为：非设定动作，此时，也不对第一调整后动作识别模型进行调整。
若Y2位于第一设定阈值和第二设定阈值之间，则确定用户的第二动作的类型为：疑似设定动作。此时，在第一调整后动作识别模型的输出层新增第二输出节点，第二输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数k，该设定加权系数k可以根据实际情况预先设定，在此不对其进行具体限定，该第二输出节点对应的动作预测值表示为Y3（图5b中未视出）。
根据第二加速度数据的输入，确定前一网络层中各节点输出的第二特征值，并基于根据设定加权系数和第二特征值，即可确定第二输出节点与前一网络层中各节点的连接边所对应的模型权重，进而得到第二调整后动作识别模型，该模型权重的确定方法可参见上述示例，在此不再赘述。应理解，该第二调整后动作识别模型只是一具体示例，后续还可以基于用户的第三动作、第四动作等继续对动作识别模型的模型权重进行调整，生成第三调整后动作识别模型、第四调整后动作识别模型，在此不一一列举。
基于上述，本申请实施例随着用户的不断动作，可以在动作识别模型的输出层不断添加输出节点，并更新新添加的输出节点与前一网络层中各节点之间连接边对应的模型权重，进而实现了对动作识别模型的实时调整，使后续对设定动作的判断更加精准，快速，延时较低，用户体验较好。
作为另一种实现方式：基于第一加速度数据，调整动作识别模型的模型权重，包括：
获取样本集，样本集中包括多个动作的加速度数据的特征值，特征值对应于动作识别模型中输出层的前一网络层中各节点，多个动作的加速度数据中包括第一加速度数据，且第一加速度数据对应的动作标签值与设定动作匹配；确定通过输出层分别对多个动作的加速度数据的特征值进行处理后得到的多个动作各自对应的动作预测值；根据多个动作各自对应的动作预测值与动作标签值，确定多个动作各自对应的预测误差值；根据多个动作各自对应的预测误差值调整动作识别模型的模型权重。
为了便于理解，下面结合图5a和图6进行举例说明：
在实际应用中，将采集到的第一动作对应的第一加速度数据输入到图5a展示的动作识别模型后，则动作识别模型即会输出Y1。此时即可结合第一设定阈值和第二设定阈值对Y1进行判断，若Y1大于第一设定阈值，则确定用户的第一动作的类型为：是设定动作，此时，不对动作识别模型进行调整。若Y1小于第二设定阈值，则确定用户的第一动作的类型为：非设定动作，此时，也不对动作识别模型进行调整。
而若Y1位于第一设定阈值和第二设定阈值之间，则确定用户的第一动作的类型为：疑似设定动作。此时，获取样本集，该样本集中可以包括：用户第一动作对应的第一加速度数据的特征值（可参见图6中的“当前样本”），以及预先获取的多个动作的加速度数据的特征值（可参见图6中的“预制样本集”）。
将包括第一动作在内的多个动作的加速度数据输入动作识别模型中，通过输出层分别对多个动作的加速度数据的特征值进行处理后得到的多个动作各自对应的动作预测值，例如，多个动作包括：第一动作、第二动作和第三动作，那么，针对每个动作，动作识别模型都会输出一个动作预测值，举例来说，第一动作对应的动作预测值为0.7、第二动作对应的动作预测值为0.8、第三动作对应的动作预测值为0.9。
之后，确定第一动作、第二动作和第三动作各自对应的动作标签值，假设第一动作、第二动作和第三动作对应的动作标签值均为1，那么，第一动作、第二动作和第三动作各自对应的预测误差值如下：第一动作的误差值=1-0.7=0.3；第二动作的误差值=1-0.8=0.2；第一动作的误差值=1-0.9=0.1，根据上述确定出的预测误差值即可调整动作识别模型的模型权重，该模型权重的具体调整过程如下：
确定动作识别模型输出层中的输出节点与输出层的前一网络层中各节点连接边上的设定加权系数；确定前一网络层中目标节点与输出节点的目标连接边所对应的累计预测误差值；其中，目标节点为前一网络层中任一节点，累计预测误差值是目标节点针对多个动作分别输出的特征值与相应动作对应的预测误差值的乘积的累加和；根据设定加权系统和累计预测误差值，确定目标连接边对应的模型权重。
在实际应用中，首先，确定动作识别模型输出层中的输出节点与输出层的前一网络层中各节点连接边上的设定加权系数k，该设定加权系数k可以根据实际情况预先设定，在此不作限定。
之后，确定前一网络层中目标节点与输出节点的目标连接边所对应的累计预测误差值，继续以上述第一动作、第二动作和第三动作为例：
第一动作通过动作识别模型得到的输出节点与输出层的前一网络层中第一节点形成的连接边对应的模型权重W11’为：第一节点对应的特征值（X11）×误差值（0.3）×设定加权系数（k）。
第二动作通过动作识别模型得到的输出节点与输出层的前一网络层中第一节点形成的连接边对应的模型权重W21’为：第一节点对应的特征值（X21）×误差值（0.2）×设定加权系数（k）。
第三动作通过动作识别模型得到的输出节点与输出层的前一网络层中第一节点形成的连接边对应的模型权重W31’为：第一节点对应的特征值（X31）×误差值（0.1）×设定加权系数（k）。
那么，最终动作识别模型得到的输出节点与输出层的前一网络层中第一节点形成的连接边对应的模型权重W1’=W1+W11’+W21’+W31’，其中，W1为输出节点与输出层的前一网络层中第一节点形成的连接边对应的修改前模型权重。
同理，动作识别模型得到的输出节点与输出层的前一网络层中第二节点、第三节点、第四节点等形成的连接边对应的模型权重都可以参照上述方法计算，最终即可得到W1’、W2’、W3’...Wn’，进而完成对动作识别模型的模型权重的调节。
基于上述，本申请实施例通过获取样本集，并结合样本集中多个动作各自对应的动作预测值与动作标签值，确定多个动作各自对应的预测误差值，提高了样本训练数量，保证了后续基于预测误差值对动作识别模型的模型权重进行调整的准确度，使调整后的动作识别模型可以更加精准，快速对用户的动作进行识别，用户体验较好。
在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
以下将详细描述本申请的一个或多个实施例的穿戴设备的屏幕点亮校正装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图7为本申请实施例提供的一种穿戴设备的屏幕点亮校正装置的结构示意图，如图7所示，该装置包括：采集模块71、确定模块72、检测模块73、控制模块74和调整模块75。
采集模块71，用于采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据。
确定模块72，用于基于所述第一加速度数据和动作识别模型确定所述第一动作的类别，其中，所述第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作。
检测模块73，用于若所述第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮所述穿戴设备的屏幕的操作。
控制模块74，用于若检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕。
调整模块75，用于基于所述第一加速度数据，调整所述动作识别模型的模型权重。
可选地，所述确定模块72具体用于：将所述第一加速度数据输入所述动作识别模型中，以得到所述动作识别模型输出的第一动作预测值；若所述第一动作预测值大于第一设定阈值，则确定所述第一动作的类别为：是设定动作；若所述第一动作预测值位于第一设定阈值和第二设定阈值之间，则确定所述第一动作的类别为：疑似设定动作，其中，所述第二设定阈值小于所述第一设定阈值；若所述第一动作预测值小于所述第二设定阈值，则确定所述第一动作的类别为：非设定动作。
可选地，所述调整模块75具体用于：发出提示确认信息，所述提示确认信息用于确认所述第一动作是否为所述设定动作；响应于用户对所述提示确认信息触发的确认操作，基于所述第一加速度数据，调整所述动作识别模型的模型权重。
可选地，所述调整模块75具体还用于：在所述动作识别模型的输出层新增第一输出节点，所述第一输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数；基于所述第一加速度数据的输入，确定所述前一网络层中各节点输出的第一特征值；根据所述设定加权系数和所述第一特征值，确定所述第一输出节点与所述前一网络层中各节点的连接边所对应的模型权重，以得到第一调整后动作识别模型。
可选地，所述调整模块75具体还用于：采集所述穿戴设备随用户的第二动作而产生的第二加速度数据；基于所述第二加速度数据和所述第一调整后动作识别模型确定所述第二动作的类别；若所述第二动作的类别为所述疑似设定动作，并检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕；在所述第一调整后动作识别模型的输出层创建第二输出节点，所述第二输出节点分别与所述前一网络层中各节点连接，且每条连接边上设置有所述设定加权系数；基于所述第二加速度数据的输入，确定所述前一网络层中各节点输出的第二特征值；根据所述设定加权系数和所述第二特征值，确定所述第二输出节点与所述前一网络层中各节点的连接边所对应的模型权重，以得到第二调整后动作识别模型。
可选地，所述调整模块75具体还用于：基于所述第二加速度数据的输入，获取所述第一调整后动作识别模型的输出层中原始输出节点输出的第二动作预测值，以及所述第一输出节点输出的第三动作预测值；基于所述第二动作预测值和所述第三动作预测值中的最大值，确定所述第二动作的类别。
可选地，所述调整模块75具体还用于：获取样本集，所述样本集中包括多个动作的加速度数据的特征值，所述特征值对应于所述动作识别模型中输出层的前一网络层中各节点，所述多个动作的加速度数据中包括所述第一加速度数据，且所述第一加速度数据对应的动作标签值与所述设定动作匹配；确定通过所述输出层分别对所述多个动作的加速度数据的特征值进行处理后得到的所述多个动作各自对应的动作预测值；根据所述多个动作各自对应的动作预测值与动作标签值，确定所述多个动作各自对应的预测误差值；根据所述多个动作各自对应的预测误差值调整所述动作识别模型的模型权重。
可选地，所述调整模块75具体还用于：确定所述动作识别模型输出层中的输出节点与所述输出层的前一网络层中各节点连接边上的设定加权系数；确定所述前一网络层中目标节点与所述输出节点的目标连接边所对应的累计预测误差值；其中，所述目标节点为所述前一网络层中任一节点，所述累计预测误差值是目标节点针对所述多个动作分别输出的所述特征值与相应动作对应的预测误差值的乘积的累加和；根据所述设定加权系统和所述累计预测误差值，确定所述目标连接边对应的模型权重。
图7所示装置可以执行前述实施例中穿戴设备的屏幕点亮校正方法执行的步骤，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
本申请实施例还提供一种穿戴设备，包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被处理器执行时，触发穿戴设备执行上述穿戴设备的屏幕点亮校正方法。
该终端设备可以是穿戴式智能手环、手表等。本申请的实施例对该穿戴设备所采用的具体技术和具体设备形态不做限定。
为了能够更好地理解本申请实施例，下面对本申请实施例所适用的终端设备的结构进行说明。图8所示为本申请实施例提供的一种穿戴设备的结构示意图，图8所示的穿戴设备10可以包括处理器110，存储器120，通用串行总线(universal serial bus，USB)接口130，电源140，通信模块150以及显示屏160等。
可以理解的是，本申请实施例示意的结构并不构成对穿戴设备10的具体限定。在本申请另一些实施例中，穿戴设备10可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(Application Processor，AP)，调制解调处理器，图形处理器(Graphics ProcessingUnit，GPU)，图像信号处理器(Image Signal Processor，ISP)，控制器，数字信号处理器(Digital Signal Processor，DSP，基带处理器)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
电源140为穿戴设备10供电。
通信模块150可以使用任何收发器一类的装置，提供应用在穿戴设备10上的包括
无线局域网(Wireless Local Area Networks，WLAN) (如无线保真(WirelessFidelity，WiFi)网络)，蓝牙(Bluetooth，BT)，全球导航卫星系统(Global NavigationSatellite System，GNSS)，调频(Frequency Modulation，FM)，近距离无线通信技术(NearField Communication，NFC)，红外技术(Infrared，IR)等无线通信的解决方案。通信模块150可以是集成至少一个通信处理模块的一个或多个器件。通信模块150经由天线接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。通信模块150还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线转为电磁波辐射出去。
在一些实施例中，穿戴设备10的天线和通信模块150耦合，使得穿戴设备10可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，GSM)，通用分组无线服务(general packet
radio service，GPRS)，码分多址接入(code division multiple access，CDMA)，宽带码分多址(wideband code division multiple access，WCDMA)，时分码分多址(timedivision code division multiple access，TDSCDMA)，长期演进(long termevolution，LTE)，BT， GNSS，WLAN，NFC，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system，GPS)，全球导航卫星系统(global navigationsatellite system，GLONASS)，北斗卫星导航系统(beidou navigation satellitesystem，BDS)，准天顶卫星系统(quasizenith satellite system，QZSS)和/或星基增强系统(satellite based augmentation systems，SBAS)。
穿戴设备10通过GPU，显示屏160，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏160和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏160用于显示图像，视频等。显示屏160包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic lightemittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体 (activematrixorganic light emitting diode，AMOLED)，柔性发光二极管(flex lightemitting diode，FLED)，Miniled，MicroLed，MicrooLed，量子点发光二极管(quantum dot light emittingdiodes，QLED)等。在一些实施例中，穿戴设备10可以包括1个或N个显示屏160，N为大于1的正整数。
存储器120可以用于存储一个或多个计算机程序，该一个或多个计算机程序包括指令。处理器110可以通过运行存储在存储器120的上述指令，从而使得穿戴设备10执行各种功能应用以及数据处理等。存储器120可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统。
存储数据区可存储穿戴设备10使用过程中所创建的数据等。此外，存储器120可以
包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。在一些实施例中，处理器110可以通过运行存储在存储器120的指令，和/或存储在设置于处理器110中的存储器的指令，来使得穿戴设备10执行各种功能应用及数据处理。
图9是本申请实施例提供的穿戴设备10的软件结构框图。
分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android系统分为四层，从上至下分别为应用程序层，框架层，安卓运行时(Android runtime)和硬件抽象层，以及驱动层。
应用程序层可以包括一系列应用程序包。
如图9所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图9所示，框架层可以包括电话框架、蓝牙框架和音频框架等。
电话框架用于管理电话程序，其可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。
蓝牙框架用于提供蓝牙功能。
音频框架用于提供音频数据。
安卓运行时（Android Runtime）包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
应用程序层和框架层运行在虚拟机中。虚拟机将应用程序层和框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
硬件抽象层可以包括多个功能模块。例如：通话管理器，蓝牙管理器，音频管理器等。
通话管理器用于对通话功能进行管理。
蓝牙管理器用于对蓝牙功能进行管理。
音频管理器支持多种常用的音频，视频格式回放和录制，以及静态图像文件等，且音频管理器还可以支持多种音视频编码格式，例如: MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。
驱动层是硬件和软件之间的层。驱动层至少包含显示驱动，蓝牙驱动，音频驱动等。
下面示例性说明终端设备10软件以及硬件的工作流程。
处理器110在基于采集到的第一加速度数据和动作识别模型确定第一动作的类别后，检测用户是否在设定时间内触发点亮穿戴设备的显示屏160的操作，若显示屏160接收到触摸操作，相应的硬件中断被发给驱动层。驱动层将触摸操作加工成原始输入事件(包括触摸坐标，触摸操作的时间戳等信息)。原始输入事件被存储在驱动层。框架层从驱动层获取原始输入事件，识别该输入事件所对应的控件。以该触摸操作是触摸单击操作，该单击操作所对应的控件为用户确定点亮穿戴设备的确认图标的控件为例，在识别到控件后，处理器110控制点亮显示屏160，并基于第一加速度数据，调整动作识别模型的模型权重。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述穿戴设备的屏幕点亮校正方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种穿戴设备的屏幕点亮校正方法，其特征在于，包括：
采集用户佩戴的穿戴设备随用户的第一动作而产生的第一加速度数据；
基于所述第一加速度数据和动作识别模型确定所述第一动作的类别，其中，所述第一动作的类别为以下之一：是设定动作、非设定动作、疑似设定动作，所述设定动作为抬腕动作；
若所述第一动作的类别为疑似设定动作，则检测用户是否在设定时间内触发点亮所述穿戴设备的屏幕的操作；
若检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕；
基于所述第一加速度数据，调整所述动作识别模型的模型权重；
所述基于所述第一加速度数据，调整所述动作识别模型的模型权重，包括：获取样本集，所述样本集中包括多个动作的加速度数据的特征值，所述特征值对应于所述动作识别模型中输出层的前一网络层中各节点，所述多个动作的加速度数据中包括所述第一加速度数据，且所述第一加速度数据对应的动作标签值与所述设定动作匹配；确定通过所述输出层分别对所述多个动作的加速度数据的特征值进行处理后得到的所述多个动作各自对应的动作预测值；根据所述多个动作各自对应的动作预测值与动作标签值，确定所述多个动作各自对应的预测误差值；根据所述多个动作各自对应的预测误差值调整所述动作识别模型的模型权重；
其中，所述根据所述多个动作各自对应的预测误差值调整所述动作识别模型的模型权重，包括：确定所述动作识别模型输出层中的输出节点与所述输出层的前一网络层中各节点连接边上的设定加权系数；确定所述前一网络层中目标节点与所述输出节点的目标连接边所对应的累计预测误差值；其中，所述目标节点为所述前一网络层中任一节点，所述累计预测误差值是目标节点针对所述多个动作分别输出的所述特征值与相应动作对应的预测误差值的乘积的累加和；根据所述设定加权系数和所述累计预测误差值，确定所述目标连接边对应的模型权重。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一加速度数据和动作识别模型确定所述第一动作的类别，包括：
将所述第一加速度数据输入所述动作识别模型中，以得到所述动作识别模型输出的第一动作预测值；
若所述第一动作预测值大于第一设定阈值，则确定所述第一动作的类别为：是设定动作；
若所述第一动作预测值位于第一设定阈值和第二设定阈值之间，则确定所述第一动作的类别为：疑似设定动作，其中，所述第二设定阈值小于所述第一设定阈值；
若所述第一动作预测值小于所述第二设定阈值，则确定所述第一动作的类别为：非设定动作。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一加速度数据，调整所述动作识别模型的模型权重，包括：
发出提示确认信息，所述提示确认信息用于确认所述第一动作是否为所述设定动作；
响应于用户对所述提示确认信息触发的确认操作，基于所述第一加速度数据，调整所述动作识别模型的模型权重。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一加速度数据，调整所述动作识别模型的模型权重，包括：
在所述动作识别模型的输出层新增第一输出节点，所述第一输出节点分别与前一网络层中各节点连接，且每条连接边上设置有设定加权系数；
基于所述第一加速度数据的输入，确定所述前一网络层中各节点输出的第一特征值；
根据所述设定加权系数和所述第一特征值，确定所述第一输出节点与所述前一网络层中各节点的连接边所对应的模型权重，以得到第一调整后动作识别模型。
5.根据权利要求4所述的方法，其特征在于，还包括：
采集所述穿戴设备随用户的第二动作而产生的第二加速度数据；
基于所述第二加速度数据和所述第一调整后动作识别模型确定所述第二动作的类别；
若所述第二动作的类别为所述疑似设定动作，并检测到用户在设定时间内触发了点亮所述穿戴设备的屏幕的操作，则控制所述穿戴设备点亮屏幕；
在所述第一调整后动作识别模型的输出层创建第二输出节点，所述第二输出节点分别与所述前一网络层中各节点连接，且每条连接边上设置有所述设定加权系数；
基于所述第二加速度数据的输入，确定所述前一网络层中各节点输出的第二特征值；
根据所述设定加权系数和所述第二特征值，确定所述第二输出节点与所述前一网络层中各节点的连接边所对应的模型权重，以得到第二调整后动作识别模型。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第二加速度数据和所述第一调整后动作识别模型确定所述第二动作的类别，包括：
基于所述第二加速度数据的输入，获取所述第一调整后动作识别模型的输出层中原始输出节点输出的第二动作预测值，以及所述第一输出节点输出的第三动作预测值；
基于所述第二动作预测值和所述第三动作预测值中的最大值，确定所述第二动作的类别。
7.一种穿戴设备，其特征在于，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至6中任一项所述的穿戴设备的屏幕点亮校正方法。
8.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至6中任一项所述的穿戴设备的屏幕点亮校正方法。
CN202410056154.6A 2024-01-15 2024-01-15 穿戴设备的屏幕点亮校正方法、设备及存储介质 Active CN117573269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410056154.6A CN117573269B (zh) 2024-01-15 2024-01-15 穿戴设备的屏幕点亮校正方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410056154.6A CN117573269B (zh) 2024-01-15 2024-01-15 穿戴设备的屏幕点亮校正方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN117573269A CN117573269A (zh) 2024-02-20
CN117573269B true CN117573269B (zh) 2024-06-04

Family

ID=89862634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410056154.6A Active CN117573269B (zh) 2024-01-15 2024-01-15 穿戴设备的屏幕点亮校正方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117573269B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749945A (zh) * 2015-04-13 2015-07-01 深圳市欧珀通信软件有限公司 点亮屏幕的方法、装置及智能手表
AU2017100061A4 (en) * 2014-07-18 2017-02-23 Apple Inc. Raise gesture detection in a device
CN110399032A (zh) * 2019-07-09 2019-11-01 北京卡路里信息技术有限公司 穿戴设备的控制方法和装置
CN112130675A (zh) * 2020-09-23 2020-12-25 深圳市爱都科技有限公司 一种抬腕识别方法及可穿戴终端
CN113031840A (zh) * 2021-03-01 2021-06-25 维沃软件技术有限公司 腕戴设备的防误触发方法、装置、电子设备及存储介质
CN116301290A (zh) * 2023-03-24 2023-06-23 Oppo广东移动通信有限公司 屏幕状态控制方法及装置、电子设备和存储介质
CN117037657A (zh) * 2023-06-28 2023-11-10 深圳小澈科技有限公司 一种显示控制方法、智能手表及可读介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017100061A4 (en) * 2014-07-18 2017-02-23 Apple Inc. Raise gesture detection in a device
CN104749945A (zh) * 2015-04-13 2015-07-01 深圳市欧珀通信软件有限公司 点亮屏幕的方法、装置及智能手表
CN110399032A (zh) * 2019-07-09 2019-11-01 北京卡路里信息技术有限公司 穿戴设备的控制方法和装置
CN112130675A (zh) * 2020-09-23 2020-12-25 深圳市爱都科技有限公司 一种抬腕识别方法及可穿戴终端
CN113031840A (zh) * 2021-03-01 2021-06-25 维沃软件技术有限公司 腕戴设备的防误触发方法、装置、电子设备及存储介质
CN116301290A (zh) * 2023-03-24 2023-06-23 Oppo广东移动通信有限公司 屏幕状态控制方法及装置、电子设备和存储介质
CN117037657A (zh) * 2023-06-28 2023-11-10 深圳小澈科技有限公司 一种显示控制方法、智能手表及可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向腕臂动作识别的加速度计数据分析;朱国康 等;机械科学与技术;20180530;第7卷(第9期);第1426-1430页 *

Also Published As

Publication number Publication date
CN117573269A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
WO2020244622A1 (zh) 一种通知的提示方法、终端及系统
US20220172717A1 (en) Voice Interaction Method and Electronic Device
US20140337861A1 (en) Method of using use log of portable terminal and apparatus using the same
CN113132526B (zh) 一种页面绘制方法及相关装置
WO2021057537A1 (zh) 一种卡顿预测的方法、数据处理的方法以及相关装置
CN110866254B (zh) 一种检测漏洞方法与电子设备
WO2022252793A1 (zh) 基于环境光传感器的屏幕亮度调整方法
WO2024046088A1 (zh) 任务调度方法及相关设备
CN116048933A (zh) 一种流畅度检测方法
WO2022127130A1 (zh) 一种添加操作序列的方法、电子设备和系统
CN117573269B (zh) 穿戴设备的屏幕点亮校正方法、设备及存储介质
US11934420B2 (en) Systems and methods for componentization and plug and play workflows
CN113409041B (zh) 一种电子卡的选取方法、装置、终端以及存储介质
CN116483734B (zh) 一种基于编译器的插桩方法、系统及相关电子设备
WO2024027391A1 (zh) 任务管理方法及相关设备
CN115098449B (zh) 一种文件清理方法及电子设备
CN116128571A (zh) 广告曝光量分析方法及相关装置
KR102691990B1 (ko) 예측 모델을 이용하여 농촌 내 유휴공간을 분석하기 위한 전자 장치 및 동작 방법
KR102623712B1 (ko) 디지털 트윈 기술을 이용하여 농촌 내 유휴공간을 분석하기위한 전자 장치 및 그 동작 방법
CN116052567B (zh) 环境光增益的调整方法、电子设备及可读存储介质
WO2024131486A1 (zh) 性能分析方法、可读存储介质、程序产品及电子设备
CN117082480B (zh) 基于蓝牙通信的数据处理方法、设备及存储介质
CN114860354B (zh) 一种加载列表的方法及电子设备
WO2023207682A1 (zh) 一种文本编辑方法及电子设备
CN117692507B (zh) 一种桌面功能推送方法及相关装置

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