本發(fā)明涉及智能終端技術領域，特別是涉及一種手持智能終端的防掉落方法、防掉落裝置及其電子設備。

背景技術：

隨著電子技術的不斷發(fā)展，手持式智能電子設備的類型和功能越來越多，例如各類型的智能手機，手持式電子閱讀器以及平板電腦等。其在日常生活中的使用范圍也越來越廣泛。

在用戶躺下，或者倚靠在沙發(fā)上這樣的應用場景(即處于仰臥或者側(cè)臥位置操作)中，用戶可能在操作手持式智能電子設備(如智能手機)的過程中較為疲倦，而導致犯困，感到疲憊或者出現(xiàn)瞌睡的情況。在困倦程度較高的情況下，用戶的反應會變得遲緩而且手部可能無法很好的握持該智能電子設備，從而導致設備的掉落。

在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術中存在著如下的問題：一方面，由于操作的習慣，以躺臥的姿勢操作時，該智能電子設備通常會放置在頭部或者眼部得分位置，掉落的設備會有很大的可能直接砸中用戶的頭部或者面部。尤其是在智能電子設備的外形具有尖銳的部件時，其跌落會對用戶產(chǎn)生較大的風險。

另一方面，即使掉落的智能電子設備沒有砸中用戶，也會砸落在其它堅硬的表面，例如地面，造成智能電子設備的損壞。

技術實現(xiàn)要素：

本發(fā)明實施方式主要解決的技術問題是提供一種手持智能終端的防掉落方法、防掉落裝置及其電子設備，能夠解決現(xiàn)有技術中手持智能終端在仰臥或者側(cè)臥位置操作時容易因用戶困倦而掉落的問題。

為解決上述技術問題，本發(fā)明實施方式采用的一個技術方案是：提供一種手持智能終端的防掉落方法。該方法包括：以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息；所述圖像信息包括用戶面部圖像；提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征；以及若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。

可選地，所述方法還包括：獲取手持智能終端的屏幕朝向；在所述手持智能終端的屏幕朝向為第一方向并維持預定的第一時間時，確認手持智能終端為防掉落狀態(tài)；所述第一方向為與重力方向的夾角小于或等于110°的方向。

可選地，所述面部參數(shù)特征包括：眼瞼形狀參數(shù)和預定的第二時間內(nèi)的嘴巴張合次數(shù)；所述眼瞼形狀參數(shù)包括用戶面部圖像中的眼睛圖像的縱軸和橫軸半徑。

可選地，所述所述面部參數(shù)特征滿足觸發(fā)條件，具體包括：預設由若干個根據(jù)睡眠程度設置的分級條件組成的觸發(fā)條件，所述分級條件具有對應的報警提示；若所述面部參數(shù)特征滿足所述分級條件，則發(fā)出與所述分級條件對應的報警提示；所述報警提示包括：具有第一音量的第一響聲，具有與第一音量不相同的第二音量的第二響聲，提升屏幕顯示亮度和關閉屏幕。

可選地，所述方法還包括：在發(fā)出報警提示后，縮短所述采集圖像信息的預定的周期；根據(jù)調(diào)節(jié)參數(shù)，調(diào)整所述觸發(fā)條件；所述調(diào)節(jié)參數(shù)與發(fā)出報警提示的次數(shù)呈正相關關系。

為解決上述技術問題，本發(fā)明實施方式采用的另一個技術方案是：提供一種手持智能終端的防掉落裝置。該裝置包括：圖像信息采集模塊，用于以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息；所述圖像信息包括用戶面部圖像；參數(shù)特征提取模塊，用于提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征；以及判斷模塊，用于若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。

可選地，所述裝置還包括：防掉落狀態(tài)確認模塊，用于獲取手持智能終端的屏幕朝向；以及在所述手持智能終端的屏幕朝向為第一方向并維持預定的第一時間時，確認手持智能終端為防掉落狀態(tài)；所述第一方向為與重力方向的夾角小于或等于110°的方向。

可選地，所述面部參數(shù)特征包括：眼瞼形狀參數(shù)和預定的第二時間內(nèi)的嘴巴張合次數(shù)；所述眼瞼形狀參數(shù)包括用戶面部圖像中的眼睛圖像的縱軸和橫軸半徑。

可選地，所述判斷模塊具體包括：分級標準預設單元，用于由若干個根據(jù)睡眠程度設置的分級條件組成的觸發(fā)條件，所述分級條件具有對應的報警提示；報警提示單元，若所述面部參數(shù)特征滿足所述分級條件，則發(fā)出與所述分級條件對應的報警提示；所述報警提示包括：具有第一音量的第一響聲，具有與第一音量不相同的第二音量的第二響聲，提升屏幕顯示亮度和關閉屏幕。

可選地，所述裝置還包括：周期調(diào)整模塊，用于在發(fā)出報警提示后，縮短所述采集圖像信息的預定的周期；以及標準調(diào)節(jié)模塊，用于根據(jù)調(diào)節(jié)參數(shù)，調(diào)整所述觸發(fā)條件；所述調(diào)節(jié)參數(shù)與發(fā)出報警提示的次數(shù)呈正相關關系。

為解決上述技術問題，本發(fā)明實施方式采用的又一個技術方案是：提供一種電子設備。該電子設備包括：至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令程序，所述指令程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠：以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息；所述圖像信息包括用戶面部圖像；提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征；以及若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。

區(qū)別于現(xiàn)有技術的情況，本發(fā)明實施方式在手持智能終端進入到防掉落狀態(tài)時，會通過采集圖像以及分析圖像信息的方式，以特定的判斷標準進行判斷從而完成對用戶狀態(tài)的檢測。在判斷到用戶處于較為困倦的情況下，能夠及時的發(fā)出報警提示，避免用戶因瞌睡導致手持智能終端掉落，砸傷用戶或者損壞手持智能終端。

附圖說明

圖1是本發(fā)明實施例提供的手持智能終端的防掉落方法的應用場景的示意圖；

圖2是本發(fā)明實施例的手持智能終端的防掉落方法的方法流程圖；

圖3是本發(fā)明另一實施例的手持智能終端的防掉落方法的方法流程圖；

圖4是本發(fā)明實施例的屏幕朝向示意圖；

圖5是本發(fā)明實施例的手持智能終端的防掉落裝置的裝置示意圖；

圖6是本發(fā)明另一實施例的手持智能終端的防掉落裝置的裝置示意圖；

圖7是本發(fā)明實施例提供的防掉落方法的電子設備的硬件結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實施例的手持智能終端的防掉落方法能夠應用于合適的，具有一定運算能力的手持式智能設備中，例如掌上游戲機、PDA(掌上計算機)、智能手機、平板電腦、電子閱讀器或者其他合適的手持智能終端中。

本發(fā)明實施例的手持智能終端的防掉落裝置可以作為其中一個軟件或者硬件功能單元，獨立設置在上述手持智能終端中，也可以作為整合在處理器中的其中一個功能模塊，執(zhí)行本發(fā)明實施例的防掉落方法。

在本發(fā)明實施例中，使用“睡眠程度”這樣的術語來表示用戶的困倦狀態(tài)，出現(xiàn)瞌睡情況導致手持智能終端掉落的可能性。該睡眠程度是以預定的標準進行衡量的定性判定方式而非精確的定量判斷方式。該預定的標準并非一個固定的標準閾值，其可以根據(jù)不同的用戶進行一定的調(diào)整，僅需要大致的能夠判斷當前用戶是否屬于精神，能夠握持設備或者是否屬于困倦，容易使設備掉落的狀態(tài)。

圖1為本發(fā)明實施例提供的一種防掉落方法的應用場景。在該場景中，包括手持智能終端10，用戶20以及床鋪30。

用戶20躺臥在床鋪30上，以仰臥位的方式操作手持智能終端10。用戶20通過多種不同的操作方式與手持智能終端10之間進行互動，包括語音控制，觸摸控制等。

在手持智能終端10在執(zhí)行用戶交互操作的同時，進一步的啟動內(nèi)置或者獨立設置的圖像采集裝置采集用戶的圖像信息，或者通過其它網(wǎng)絡等獲取的相關圖像信息對用戶的睡眠程度進行判斷。在一些具體的應用場景中，還可以進一步的添加其它的功能設備，例如網(wǎng)絡40。

圖2為本發(fā)明實施例的一種手持智能終端的防掉落方法。請參閱圖2，該方法包括如下步驟：

101：以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息；所述圖像信息包括用戶面部圖像。

當手持智能終端進入到防掉落狀態(tài)時，開始進行步驟101，執(zhí)行該防掉落方法以避免手持智能終端的掉落。

該防掉落狀態(tài)是指手持智能終端處于用戶仰臥位或者側(cè)臥位使用時的狀態(tài)。在這樣的防掉落狀態(tài)中，手持智能終端在離開用戶的施力后，在重力作用下將加速下落，存在砸落地面或者擊中用戶的可能。該防掉落狀態(tài)可以通過多種合適的方式或者裝置確定，例如通過設置在手持式智能終端中的位置傳感器(如重力傳感器、陀螺儀)來確定智能終端的方向和位置狀態(tài)，從而確認是否處于防掉落狀態(tài)。

該圖像信息可以通過任何合適的圖像采集裝置完成采集，例如，通過用戶使用的智能手機的前置攝像頭或者是通過外置的拍攝裝置獲取所述圖像信息。

該圖像信息可以是任何類型的圖像，包括多種不同元素或者在各種場景下拍攝的圖片。為保證后續(xù)步驟的順利完成，該圖像信息應當至少包含有全部或者部分的用戶面部圖像。

該預定的周期為圖像信息的采樣周期。其決定了圖像信息的處理量以及該防掉落方法反映的用戶狀態(tài)的實時性。一般的，使用較短的周期能夠更及時的反映用戶狀態(tài)的變化(即睡眠程度的變化)，而使用較長的周期能夠減少圖像信息的數(shù)據(jù)量，減輕后續(xù)步驟的數(shù)據(jù)處理壓力。具體使用的周期可以由技術人員根據(jù)實際情況予以設置，例如可以是每10s采集一次，或者是每30s采集一次，還可以是根據(jù)實際應用情況發(fā)生變動或者周期性變化的采樣周期。

103：提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征。

在獲取到圖像信息后，需要提取其中的參數(shù)特征以獲得圖像信息中包含的用戶狀態(tài)信息。其參數(shù)特征的提取具體可以采用現(xiàn)有技術中任何合適的算法或者其組合來實現(xiàn)，例如維奧拉-瓊斯算法(viola-johns)和監(jiān)督式的梯度下降算法(supervised descent method)。

該參數(shù)特征可以是圖像信息中的各種不同類型的圖像特征，例如面部邊緣特征，用戶的眼睛圖像、用戶的嘴部圖像、前景、背景等。具體的參數(shù)特征根據(jù)實際使用的算法所確定。

在一些算法組合應用過程中，一些參數(shù)特征還可以作為提取其它參數(shù)特征的基礎，例如，通過邊緣算子來獲得面部邊緣特征。然后根據(jù)面部邊緣特征，確定用戶的面部范圍。最后在用戶面部圖像中檢測獲得用戶的眼睛圖像、嘴部圖像等。

為了步驟105的實現(xiàn)，該參數(shù)特征應當至少包括一項與所述用戶面部圖像相關的面部參數(shù)特征。該面部參數(shù)特征是指與用戶面部圖像相關的，能夠反映用戶面部的元素，如眼睛，嘴巴等狀態(tài)的參數(shù)特征，例如，眼睛的長軸長度，眼睛的短軸長度，上下眼皮之間的距離等。

105：若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。

在從所述圖像信息中提取到足夠的參數(shù)特征(包括面部參數(shù)特征)后，可以將其與觸發(fā)條件進行比較，從而定性的確定當前用戶的睡眠程度狀態(tài)，是否存在有較大的概率需要進行提醒以防止用戶瞌睡導致智能手持終端掉落。該觸發(fā)條件可以是根據(jù)實際情況設置的，在滿足該觸發(fā)條件的情況下，表示具有極大的可能性出現(xiàn)手持式終端掉落的情況發(fā)生。

該觸發(fā)條件可以是多種不同類型的判斷項目或者其結(jié)合，例如通過和/或/非等比爾運算或者權(quán)重分析的方式結(jié)合，獲得最終的判斷結(jié)果。該觸發(fā)條件包括與采集獲得面部參數(shù)特征匹配的閾值，亦即一種類型的面部參數(shù)特征與一個判斷標準或者判斷項目對應，以盡可能的利用提取的面部參數(shù)特征來完成更為準確的判斷。例如，在面部參數(shù)特征為眼睛和嘴巴相關時，觸發(fā)條件中需要有對應的眼睛和嘴巴相關的閾值。該閾值可以是一個確定的數(shù)值范圍(如10-20)，也可以是一個界限值，例如10,15。當滿足觸發(fā)條件時，表示所述面部參數(shù)特征與所述閾值匹配，即所述面部參數(shù)特征落入閾值的范圍之內(nèi)，或者接近閾值界限值。

該觸發(fā)條件是預先設定的條件，可以由相關技術人員預先設置或者根據(jù)不同的情況進行分析設置。設置后的初始值還可以根據(jù)一些特定的情況進行更改，從而更好的適應當前的應用環(huán)境，實現(xiàn)更準確的判斷。

該報警提示是由手持式智能終端或者應用場景中其它相關設備發(fā)出的提示性信息，用以提示用戶，產(chǎn)生類似于鬧鈴等的效果，避免用戶瞌睡而導致智能終端的跌落。

在本實施例中，采用了對用戶的面部圖像進行定期采樣，然后提取圖像特征并與預設標準進行比對的方法。在用戶的面部圖像顯示用戶具有較高蓋然性進入瞌睡狀態(tài)或者其它睡眠程度導致智能終端跌落的情況下，及時的發(fā)出報警提示信息提示用戶，用戶可以采取相應的措施(如放下智能手機)從而避免用戶在使用過程中，智能終端跌落而產(chǎn)生的安全風險或者導致智能終端的損毀。

圖3為本發(fā)明另一實施例提供的一種手持智能終端的防掉落方法。請參閱圖3，在本實施例中，通過如下步驟確定該手持智能終端是否進入防掉落狀態(tài)：

301：獲取手持智能終端的屏幕朝向。

在實際應用中，可以采用多種不同的方式獲取屏幕朝向，例如，通過手持智能終端內(nèi)置的位置傳感器；通過外部設備獲取的，并傳輸至手持智能終端的位置信息等。

303：在所述手持智能終端的屏幕朝向為第一方向并維持預定的第一時間時，確認手持智能終端為防掉落狀態(tài)。

所述第一方向為與重力方向的夾角小于或等于110°的方向，亦即該第一方向是指朝向地面的方向。該標準能夠包括一些手持智能終端A的屏幕完全正向或者有部分側(cè)向朝向地面的情況(如圖4所示)，也一般的用戶使用情況相適應。

在這種屏幕朝向時，一般的可以認為該手持智能終端基本上屬于圖1中所示的應用場景，需要執(zhí)行提醒功能以防止智能終端掉落帶來的風險。

該預定的第一時間是一個預設的時間值，可以通過任何合適的方式，根據(jù)實際應用情況進行設置，例如，設置為5s，10s或者20s等。設置該預定的第一時間，可以避免一些錯誤的判斷情況，例如用戶在正常使用過程中，將手機翻轉(zhuǎn)的情況。

上述具體步驟提供了一種判斷手持智能終端是否進入防掉落狀態(tài)的方式。該方式提供了一種計算機易于識別和判斷的標準，檢測簡單易行，可以方便的通過，例如手持智能終端的位置傳感器等完成屏幕朝向的判斷。

在本實施例中，所述面部參數(shù)特征可以包括：眼瞼形狀參數(shù)和預定的第二時間內(nèi)的嘴巴張合次數(shù)。所述眼瞼形狀參數(shù)可以包括用戶面部圖像中的眼睛圖像的縱軸和橫軸半徑。

使用上述兩個面部參數(shù)特征，具有較強的代表性能夠識別用戶是否已經(jīng)進入到一個容易導致手機掉落的睡眠程度狀態(tài)中。

慣常的檢測人體睡眠程度的方法通常是以檢測眨眼次數(shù)來完成的。該檢測眨眼次數(shù)的方式，由于是一種發(fā)生形變的圖像識別，對于圖像識別和運算量的要求較高。在本實施例中，使用上述較為容易識別以及容易進行判斷，精確度較高的方式，能夠有效的節(jié)約提取參數(shù)特征占用的系統(tǒng)資源。這樣的方式，對于計算能力較為有限的手持式智能終端是較為適合的。

在本實施例中，請參閱圖3，步驟103具體可以包括如下步驟：

1031：預設由若干個根據(jù)睡眠程度設置的分級條件組成的觸發(fā)條件，所述分級條件具有對應的報警提示。

將觸發(fā)條件設置為多種不同的分級條件。利用該分級條件能夠?qū)τ脩舻乃叱潭冗M行分級。例如，這樣的分級可以是：輕度、中度或者重度睡眠。在滿足一個分級條件的情況下，可以判斷為用戶處于相應的睡眠程度狀態(tài)。例如，可以將分級條件設置為1級條件為嘴巴張合次數(shù)為3次，2級條件為嘴巴張合次數(shù)為5次以及3級條件為嘴巴張合次數(shù)為8次這樣包括3級分級條件的觸發(fā)條件。

相對應地，報警提示也設置為與分級條件對應。所述報警提示可以包括：具有第一音量的第一響聲，具有與第一音量不相同的第二音量的第二響聲，提升屏幕顯示亮度和關閉屏幕。例如，上述設置了3個分級條件后，也設置三個不同的報警提示與其對應。

1033：若所述面部參數(shù)特征滿足所述分級條件，則發(fā)出與所述分級條件對應的報警提示。

在面部參數(shù)特征滿足某一特定的分級條件以后，則觸發(fā)執(zhí)行與所述分級條件對應的報警提示。

在本實施例中，通過將觸發(fā)條件設置為不同的具有不同等級的分級條件，從而適應用戶在實際情況中不同的睡眠狀態(tài)的判斷。根據(jù)用戶的實際睡眠狀態(tài)情況，發(fā)出相對應的報警提示，實現(xiàn)區(qū)別化對待。

例如，在用戶滿足1級分級條件的情況下，發(fā)出第一音量的第一響聲，若用戶繼續(xù)使用，其滿足了2級分級條件以后，就發(fā)出第二音量的第二響聲(使用更大的音量)，從而提醒用戶。最后若滿足3級分級條件以后，執(zhí)行降低屏幕亮度或者關閉屏幕等操作，使得用戶無法使用，提示用戶應當放下手持智能終端從而避免掉落發(fā)生安全風險或者意外。

請繼續(xù)參閱圖3，在本實施例中，所述方法還包括如下步驟：

307：在發(fā)出報警提示后，縮短所述采集圖像信息的預定的周期。在手持式智能終端發(fā)出過報警提示后，用戶可能仍然會繼續(xù)使用該終端來繼續(xù)觀看視頻或者瀏覽網(wǎng)頁等。

在這樣的應用場景中，可以認為用戶已經(jīng)處于比較疲倦的狀態(tài)，需要更及時的采集數(shù)據(jù)以提高實時性，從而及時的發(fā)出報警提示。如前所述，可以通過縮短采樣的周期來實現(xiàn)這樣的目的。

309：根據(jù)調(diào)節(jié)參數(shù)，調(diào)整所述觸發(fā)條件，所述調(diào)節(jié)參數(shù)與發(fā)出報警提示的次數(shù)呈正相關關系。

由于基于采樣周期的調(diào)整，因此需要使用一個調(diào)節(jié)參數(shù)來對預設的觸發(fā)條件進行調(diào)整，才能夠反映當前的用戶情況和完成匹配。該調(diào)節(jié)參數(shù)通常可以設置一個預設值，然后根據(jù)實際的情況進行調(diào)節(jié)以改變判斷標準。例如，該調(diào)節(jié)參數(shù)可以是一個在觸發(fā)條件前的權(quán)重參數(shù)，如105％，隨著報警次數(shù)的提高，調(diào)節(jié)參數(shù)持續(xù)上升(如每增加依次報警次數(shù)增加5％)，從而使得觸發(fā)條件不斷的提高，以適應這一較短的采樣周期，避免因采樣周期的變化而導致誤操作，發(fā)出報警提示影響用戶對于手持智能終端的使用體驗。例如，嘴巴張合次數(shù)的判斷標準為：15x-18x；可以由調(diào)節(jié)參數(shù)x來調(diào)整嘴巴張合次數(shù)的判斷標準。

該調(diào)節(jié)參數(shù)的變化與報警次數(shù)之間具有相關關系。該相關關系應當具有一定的指向性。在本實施例中的應用場景中，這樣的相關關系應當為正相關，即調(diào)節(jié)參數(shù)是隨著報警次數(shù)同時上升的，避免錯誤的反向調(diào)節(jié)。

為詳細陳述本發(fā)明實施例提供的手持智能終端的防掉落方法，以下結(jié)合圖1所示的應用環(huán)境進行具體描述。

首先，在用戶20處于躺臥的情況下，用戶20打開智能手機10進行操作。此時，智能手機10在屏幕被觸發(fā)狀態(tài)下，開始通過內(nèi)置的重力傳感器感應此時手機的屏幕朝向(即手機的使用方向)。智能手機10確認此時屏幕朝向為相對地面方向(如圖1所示)，并且維持特定的時間(如10min)后，開始進入檢測狀態(tài)。

其次，用戶20可以在這一過程中持續(xù)的對智能手機10進行操作，或者進行一些交互，例如觀看視頻，瀏覽網(wǎng)頁。智能手機10可以使用其內(nèi)置的前置攝像頭(或者掃描模塊)來采集此時的用戶面部圖像信息。

采集獲得用戶面部圖像信息可以進行一些預處理操作后再進行特征參數(shù)的提取。該預處理過程可以包括：通過例如使用邊緣檢測算子的識別模塊，將用戶的面部圖像從采集的圖像的背景中分離。當然，還可以包括例如高斯濾波、二值化等預處理方式。

智能手機10獲取用戶面部圖像信息(如面部輪廓圖像)后，可以提取、計算例如眼瞼形狀參數(shù)、嘴巴張合次數(shù)(通?？梢源泶蚬返拇螖?shù))等。計算完成后，將眼瞼形狀參數(shù)、嘴巴張合次數(shù)等與預設的參數(shù)范圍(即觸發(fā)條件)進行比較，若屬于這個參數(shù)范圍(即滿足觸發(fā)條件的情況)，智能手機10可以認為用戶即將進入瞌睡狀態(tài)，具有很好的概率發(fā)生智能手機掉落的情況。這一用戶狀態(tài)的判斷情況可以反饋至智能手機10的控制器中?？刂破鹘邮盏椒答佇盘柡?，可以控制智能手機發(fā)出報警提示(如發(fā)出聲響、屏幕亮度改變)。在本應用場景中，可以使用一些經(jīng)典的人臉識別算法，例如，維奧拉-瓊斯算法(viola-johns)。

該算法是一個依賴于哈爾特征以及Adaboost訓練強分類器的人臉識別算法。該算法對于人臉識別具有特別優(yōu)秀的效果，雖然需要依賴于較大規(guī)模的訓練數(shù)據(jù)完成訓練集。這樣的訓練數(shù)據(jù)可以通過圖1所示的網(wǎng)絡40來獲取，例如從互聯(lián)網(wǎng)中搜索相關圖像信息，或者從在線數(shù)據(jù)庫中調(diào)用用戶的歷史面部圖像信息。

應當說明的是，在這樣的應用場景下，前置攝像頭拍攝獲得圖像信息中，用戶面部占據(jù)了圖像信息中的較大面積，這樣的采樣數(shù)據(jù)是符合上述算法對于輸入數(shù)據(jù)的要求，能夠賦予該算法較好的運算準確度。

在上述智能手機10的檢測過程中，用戶20與智能手機10之間在不斷的交互，智能手機10也可以采集這些交互信息，作為判斷用戶狀態(tài)的輔助信息，以確定是否發(fā)出報警提示。

最后，智能手機10在交互過程中，發(fā)出報警提示從而提示用戶將智能手機10放下或者停止使用智能手機10，避免掉落帶來的安全風險或者損壞智能手機10。

在計算嘴巴張合次數(shù)時，可以通過與計算眼瞼的形狀參數(shù)相類似的方式以簡化運算消耗的系統(tǒng)資源，如可以計算嘴張開時的縱軸和橫軸半徑。在達到預定的判斷值時，可以記錄為一次嘴巴張合。

在實際的情況中，可以在眼瞼形狀參數(shù)達到預設參數(shù)范圍10～180秒后(進一步的，可以為60～120秒)，反饋給控制器從而發(fā)出報警提示。

圖5為本發(fā)明實施例的一種手持智能終端的防掉落裝置。請參閱圖5，該裝置包括：圖像信息采集模塊100，參數(shù)特征提取模塊200以及判斷模塊300。

該圖像信息采集模塊100用于以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息；所述圖像信息包括用戶面部圖像。參數(shù)特征提取模塊200則用于提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征。判斷模塊300用于若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。

該裝置能夠在用戶的面部圖像顯示用戶具有較高蓋然性進入瞌睡狀態(tài)或者其它睡眠程度導致智能終端跌落的情況下，及時的發(fā)出報警提示信息提示用戶，用戶可以采取相應的措施(如放下智能手機)從而避免用戶在使用過程中，智能終端跌落而產(chǎn)生的安全風險或者導致智能終端的損毀。

圖6為本發(fā)明另一實施例提供的手持智能終端的防掉落裝置。請參閱圖6，除圖5所示的模塊外，該裝置還可以包括：防掉落狀態(tài)確認模塊400，用于獲取手持智能終端的屏幕朝向；以及在所述手持智能終端的屏幕朝向為第一方向并維持預定的第一時間時，確認手持智能終端為防掉落狀態(tài)；所述第一方向為與重力方向的夾角小于或等于110°的方向。

在本實施例中，所述面部參數(shù)特征可以包括：眼瞼形狀參數(shù)和預定的第二時間內(nèi)的嘴巴張合次數(shù)；所述眼瞼形狀參數(shù)包括用戶面部圖像中的眼睛圖像的縱軸和橫軸半徑。

在應用過程中，上述面部特征參數(shù)與慣常使用的眨眼頻率等相比，較為容易識別以及容易進行判斷，精確度較高。這樣能夠有效的節(jié)約提取參數(shù)特征占用的系統(tǒng)資源，尤其對于計算能力較為有限的手持式智能終端而言。

在本實施例中，請繼續(xù)參閱圖6，所述判斷模塊300具體包括：分級標準預設單元310以及報警提示單元320。

所述分級標準預設單元310用于預設由若干個根據(jù)睡眠程度設置的分級條件組成的觸發(fā)條件，所述分級條件具有對應的報警提示。而報警提示單元320用于若所述面部參數(shù)特征滿足所述分級條件，則發(fā)出與所述分級條件對應的報警提示；所述報警提示包括：具有第一音量的第一響聲，具有與第一音量不相同的第二音量的第二響聲，提升屏幕顯示亮度和關閉屏幕。

通過將判斷標準設置為不同的具有不同等級的分級標準，從而適應用戶在實際情況中不同的睡眠狀態(tài)的判斷。根據(jù)用戶的實際睡眠狀態(tài)情況，發(fā)出相對應的報警提示，實現(xiàn)區(qū)別化對待。

在本實施例中，請繼續(xù)參閱圖6，該裝置還可以包括周期調(diào)整模塊500以及調(diào)節(jié)模塊600。該周期調(diào)整模塊500用于在發(fā)出報警提示后，縮短所述采集圖像信息的預定的周期。標準調(diào)節(jié)模塊600用于根據(jù)調(diào)節(jié)參數(shù)，調(diào)整所述觸發(fā)條件；所述調(diào)節(jié)參數(shù)與發(fā)出報警提示的次數(shù)呈正相關關系。

在本發(fā)明實施例中，首先可以由圖像信息采集模塊100以預定的周期采集處于防掉落狀態(tài)的手持智能終端的圖像信息。然后通過參數(shù)特征提取模塊200提取所述圖像信息的參數(shù)特征，所述參數(shù)特征包括至少一項與所述用戶面部圖像相關的面部參數(shù)特征。最后，使用判斷模塊300進行判斷，若所述面部參數(shù)特征滿足觸發(fā)條件，則發(fā)出報警提示；所述觸發(fā)條件為與所述面部特征參數(shù)匹配的閾值。還可以進一步的使用防掉落狀態(tài)確認模塊400來確認手持式智能終端是否為防掉落狀態(tài)，或者通過周期調(diào)整模塊500以及調(diào)節(jié)模塊600來調(diào)整采樣周期以及判斷標準。

圖7是本發(fā)明實施例提供的防掉落方法的電子設備的硬件結(jié)構(gòu)示意圖。請參閱圖7，該設備包括：

一個或多個處理器710以及存儲器720，圖7中以一個處理器710為例。

防掉落方法的設備還可以包括：輸入裝置730和輸出裝置740。處理器710、存儲器720、輸入裝置730和輸出裝置740可以通過總線或者其他方式連接，圖7中以通過總線連接為例。

存儲器720作為一種非易失性計算機可讀存儲介質(zhì)，可用于存儲非易失性軟件程序、非易失性計算機可執(zhí)行程序以及模塊，如本發(fā)明實施例中的彈幕處理方法對應的程序指令/模塊(例如，附圖5所示的圖像信息采集模塊100，參數(shù)特征提取模塊200以及判斷模塊300，或者附圖6所示的防掉落狀態(tài)確認模塊400)。處理器710通過運行存儲在存儲器720中的非易失性軟件程序、指令以及模塊，從而執(zhí)行服務器的各種功能應用以及數(shù)據(jù)處理，即實現(xiàn)上述方法實施例防掉落方法。

存儲器720可以包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需要的應用程序；存儲數(shù)據(jù)區(qū)可存儲根據(jù)防掉落裝置的使用所創(chuàng)建的數(shù)據(jù)等。此外，存儲器720可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他非易失性固態(tài)存儲器件。在一些實施例中，存儲器720可選包括相對于處理器710遠程設置的存儲器，這些遠程存儲器可以通過網(wǎng)絡連接至防掉落裝置。上述網(wǎng)絡的實例包括但不限于互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)、局域網(wǎng)、移動通信網(wǎng)及其組合。

輸入裝置730可接收輸入的數(shù)字或字符信息，以及產(chǎn)生與防掉落裝置的用戶設置以及功能控制有關的鍵信號輸入。輸出裝置740可包括顯示屏等顯示設備。

所述一個或者多個模塊存儲在所述存儲器720中，當被所述一個或者多個處理器710執(zhí)行時，執(zhí)行上述任意方法實施例中的防掉落方法。

上述產(chǎn)品可執(zhí)行本發(fā)明實施例所提供的方法，具備執(zhí)行方法相應的功能模塊和有益效果。未在本實施例中詳盡描述的技術細節(jié)，可參見本發(fā)明實施例所提供的方法。

專業(yè)人員應該還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。專業(yè)技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。所述的計算機軟件可存儲于計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體或隨機存儲記憶體等。

以上所述僅為本發(fā)明的實施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。