[發明專利]基于背景環境的智能手機傳感器邏輯

有效

• 申請號: 201280054460.1
• 申請日: 2012-09-07
• 公開（公告）號: CN103918247A
• 公開（公告）日: 2014-07-09
• 發明（設計）人: T·F·羅德里格斯;白楊
• 申請（專利權）人: 數字標記公司
• 主分類號: H04M1/725
• 分類號: H04M1/725
• 代理公司: 北京尚誠知識產權代理有限公司 11322
• 代理人: 龍淳

相關申請數據

在美國，本申請要求2011年9月23日提交的61/538,578及2011年10月3日提交的61/542,737的臨時申請的優先權。

背景技術

在公布的申請20110212717、20110161076和20120208592中，本受讓人詳述了根據背景環境做出響應的多種智能手機配置方案。本說明書在某些方面擴大這些教導。

發明內容

根據一個方面，根據本技術的系統和方法使用智能手機感測音頻和/或視覺信息，并將信息提供給第一分類器模塊。第一分類器模塊按照類型(例如，音樂、語音、靜默、視頻圖像，自然場景、面部等)表征輸入的視聽刺激。第二分類器模塊處理其它背景環境信息(可包括來自第一分類器模塊的輸出)，例如一日、星期中的一日、位置、日程表數據、時鐘鬧鐘狀態、運動傳感器、Facebook狀態等，并且輸出表征裝置狀態類型或場景的數據。控制規則模塊然后根據來自兩個分類器模塊的輸出，向一個或多個內容識別模塊發出控制信號。

控制信號可簡單地啟用或禁用不同的識別模塊。此外，如果識別模塊被啟用，則控制信號可建立該模塊執行識別功能所用的頻率、計劃，或其它參數。

這樣的配置方案通過不嘗試對于背景環境不必要或不適當的操作而保存電池電量。此外，因為處理資源未轉用于空閑識別操作，所以這些配置方案有助于其它智能手機操作。

本技術的前述和其它特征和優點，通過以下參照附圖進行的詳細說明將更加明顯易見。

附圖說明

圖1示出結合本技術的某些方面的說明性實施例。

圖2示出可在圖1的實施例中使用的幾個內容識別模塊。

圖3是采用本技術的各方面的處理的框圖。

圖4是采用本技術的各方面的裝置的框圖。

圖5是示出對于一個實施例，不同的音頻識別代理如何基于音頻分類數據被激活的事件控制器表。

圖6是示出對于一個實施例，不同的音頻識別代理如何基于音頻分類數據被激活的流程圖。

圖7是示出對于一個實施例，不同的圖像識別代理如何基于來自光傳感器和運動傳感器的輸出以及圖像分類數據被激活的事件控制器表。

圖8是示出對于一個實施例，不同的圖像識別代理如何基于來自光傳感器和運動傳感器的輸出以及圖像分類數據被激活的流程圖。

具體實施方式

參照圖1，結合本技術的某些方面的說明性實施例10包括一個或多個麥克風12、攝像頭14、視聽分類器模塊16、第二分類器模塊18、控制規則模塊20和內容識別模塊22。這些組件可全部包括在智能手機中。替代性地，這些組件可分布在不同位置和/或不同裝置(包括云)之間。

一種適合的智能手機是蘋果iPhone4裝置，其包括兩個攝像頭(一個向前，一個向后)，和兩個麥克風。另一種是HTC?EVO3D，其包括立體攝像頭(均向后)。

視聽分類器模塊16處理由麥克風和/或攝像頭采集的數據，并且按照類型將這種視聽內容分類。

如本領域技術人員所熟悉的(并且如維基百科的文章“Statistical?classification”中所解釋的)，分類是識別新的觀察結果屬于一組類別(亞群)中的哪一類別的問題。可將各個單獨的觀察結果分析成一組可量化特性，已知為各種變量、特征等。這些特性可以是分類的(例如，用于血型的“A”、“B”、“AB”或“O”)，按順序的(例如，“大”、“中”或“小”)，等等。熟悉的(雖然有時是困難的)分類問題是將電子郵件識別為垃圾郵件或非垃圾郵件。實施分類的算法或程序稱為分類器。

傳統上，基于包括類別隸屬關系已知的觀察結果(或實例)的數據訓練集來進行分類。在此意義上，分類被視為有監督機器學習的實例，即，學習正確識別的觀察結果的訓練集可用的情況。相應的無監督過程被稱為聚類(或聚類分析)，并且涉及基于內在相似性的某種度量(例如，被視為多維向量空間中的向量的實例之間的距離)將數據分類。為了本申請的目的，分類被視為包括聚類。

一個說明性分類器模塊16是音頻分類器，其將輸入刺激歸類為語音、音樂、背景/不確定，或靜默。對于前三類，該模塊還將音頻的音量歸類為大聲、中級或安靜。

說明性音頻分類技術將在后面的章節詳述。

一個簡單的實施例按照音頻分類器的輸出，激活不同的內容識別模塊，如下所示：

表Ⅰ