[發明專利]一種目標屏幕確定方法、裝置及存儲介質

在審

• 申請號: 201810181679.7
• 申請日: 2018-03-06
• 公開（公告）號: CN110231960A
• 公開（公告）日: 2019-09-13
• 發明（設計）人: 孫延賓
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06F9/4401
• 分類號: G06F9/4401;G06K9/62
• 代理公司: 廣東廣和律師事務所 44298
• 代理人: 吳彬

1.一種目標屏幕確定方法，適用于設有至少兩個屏幕的終端，其特征在于，所述方法包括：

獲取至少一個屏幕的圖像采集裝置拍攝的圖像；

對所述圖像進行分類處理獲取所述圖像的圖像分類；

判斷所述圖像分類是否被標記為與目標屏幕對應；

根據判斷結果確定目標屏幕。

2.如權利要求1所述的方法，其特征在于，所述對所述圖像進行分類處理獲取所述圖像的圖像分類，包括：

對所述圖像的圖像數據進行計算獲取圖像特征信息；

將所述圖像特征信息與預置特征庫中的預置特征信息進行匹配，并將與之匹配的預置特征信息對應的圖像分類作為所述圖像的圖像分類。

3.如權利要求1所述的方法，其特征在于，當所述終端設有兩個屏幕時，所述根據判斷結果確定目標屏幕，包括：

若獲取了所述兩個屏幕的圖像采集裝置拍攝的圖像，確定圖像分類被標記為與目標屏幕對應的圖像所對應的屏幕為目標屏幕；

若僅獲取了一個圖像采集裝置拍攝的圖像，則在所述圖像的圖像分類被標記為與目標屏幕對應時，確定所述圖像采集裝置對應的屏幕為目標屏幕，否則，確定另一個屏幕為目標屏幕。

4.如權利要求1至3任一項所述的方法，其特征在于，所述根據判斷結果確定目標屏幕之后，所述方法還包括：

校驗用戶進行操作的屏幕是否與確定的目標屏幕一致；

根據校驗結果標記或修訂所述預置特征信息對應的圖像分類。

5.如權利要求1至3任一項所述的方法，其特征在于，所述對所述圖像進行分類處理獲取該圖像的圖像分類，包括：

采用機器學習算法對所述圖像進行分類處理，包括：

根據所述機器學習算法對歷史數據的依賴程度，在圖像特征數據庫中選擇性讀取預置特征信息以進行匹配，并學習新特征；

其中，所述機器學習算法包括K-近鄰算法、支持向量機算法或深度學習算法。

6.一種目標屏幕確定裝置，適用于設有至少兩個屏幕的終端，其特征在于，所述裝置包括：

獲取模塊，用于獲取至少一個屏幕的圖像采集裝置拍攝的圖像；

分類模塊，用于對所述圖像進行分類處理獲取所述圖像的圖像分類；

判斷模塊，用于判斷所述圖像分類是否被標記為與目標屏幕對應，并根據判斷結果確定目標屏幕。

7.如權利要求6所述的裝置，其特征在于，所述分類模塊，包括：

計算子模塊，用于對所述圖像的圖像數據進行計算獲取圖像特征信息；

匹配模塊，用于將所述圖像特征信息與預置特征庫中的預置特征信息進行匹配，并將與之匹配的預置特征信息對應的圖像分類作為所述圖像的圖像分類。

8.如權利要求7所述的裝置，其特征在于，當所述終端設有兩個屏幕時，所述判斷模塊，還用于在獲取了所述兩個屏幕的圖像采集裝置拍攝的圖像時，確定圖像分類被標記為與目標屏幕對應的圖像所對應的屏幕為目標屏幕，或者還用于在僅獲取了一個圖像采集裝置拍攝的圖像時，在所述圖像的圖像分類被標記為與目標屏幕對應時，確定所述圖像采集裝置對應的屏幕為目標屏幕，否則，確定另一個屏幕為目標屏幕。

9.如權利要求6至7任一項所述的裝置，其特征在于，所述裝置還包括：

校驗模塊，用于在確定目標屏幕之后，校驗用戶進行操作的屏幕是否與確定的目標屏幕一致，并根據校驗結果標記或修訂所述預置特征信息對應的圖像分類。

10.如權利要求6至7任一項所述的裝置，其特征在于，所述分類模塊，還用于采用機器學習算法對所述圖像進行分類處理，包括：根據所述機器學習算法對歷史數據的依賴程度，在圖像特征數據庫中選擇性讀取預置特征信息以進行匹配，并學習新特征；

其中，所述機器學習算法包括K-近鄰算法、支持向量機算法或深度學習算法；

屏幕點亮模塊，用于點亮確定的目標屏幕。

11.一種存儲介質，其特征在于，所述存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如權利要求1-5任一項所述的步驟。