[发明专利]操作模式识别方法、终端及存储介质

说明书

本发明公开了一种操作模式识别方法、终端及存储介质，属于通信技术领域。该方法方法包括步骤：采集使用者手部接触终端的图像数据；基于卷积神经网络模型，对图像数据进行左右手识别，得到识别结果；当识别结果满足预设的条件时，确定终端的惯用手操作模式，从而能够识别用户的惯用手，根据用户的惯用手，对系统UI进行相应的调整，满足用户的操作习惯，提升用户体验。

技术领域

本发明涉及通信技术领域，尤其涉及一种操作模式识别方法、终端及存储介质。

背景技术

随着移动通信技术的发展，手机等移动终端由键盘式操作发展为触摸屏式操作。为了满足用户的使用需要，移动终端向大屏化发展，由于屏幕尺寸较大，用户不能使用单手对移动终端进行操作，常常需要两只手同时操作，当在实际使用中，用户不方面使用双手同时操作移动终端时，则为用户的使用带来一定的麻烦。为了满足用户多元化的使用场景，很多移动终端厂商推出大屏终端的单手操作模式，以方便用户对移动终端进行单手操作。

根据大多数用户的习惯，主流用户的惯用手均为右手，但仍存在少部分用户，其惯用手为左手。另外，开发者设计的用户界面(User Interface，UI)大多遵从的是惯用手为右手的用户的操作习惯。例如，在应用界面布局中，用户需要频繁操作的菜单键、发送键等按键均布局在界面右侧。尽管这一规则为惯用手为右手的用户带来便利，但另一方面也为惯用手为左手的用户造成操作上的不便，不能满足所有用户的使用需要。

发明内容

本发明的主要目的在于提出一种操作模式识别方法、终端及存储介质，旨在解决现有的操作模式不能满足所有用户的使用需要。

为实现上述目的，本发明提供的一种操作模式识别方法，所述方法包括步骤：

采集使用者手部接触终端的图像数据；

基于卷积神经网络模型，对所述图像数据进行左右手识别，得到识别结果；

当所述识别结果满足预设的条件时，确定所述终端的惯用手操作模式。

可选的，在采集使用者手部接触终端的图像数据之后，所述方法还包括：

标记所述图像数据，得到标签数据；

对所述标签数据进行预处理；

构建多层卷积神经网络模型，以对预处理后的标签数据进行训练和学习。

可选的，所述构建多层卷积神经网络模型，包括：

搭建卷积神经网络模型；

初始化所述卷积神经网络模型的参数。

可选的，所述卷积神经网络包括：

第一卷积层，利用初始的参数对输入数据进行卷积操作，采用第一激活函数对第一卷积层的输出进行非线性化处理；

第一池化层，对所述第一激活函数的输出结果进行池化操作；

第一归一化层，对第一池化层的输出进行归一化处理；

第二卷积层，对所述第一归一化层的输出进行卷积操作，采用第二激活函数对第二卷积层的输出进行非线性化处理；

第二归一化层，对所述第二激活函数的输出进行归一化处理；

第二池化层，对所述第二归一化层的输出进行池化操作，再对得到的数据进行平坦化处理，并采用激活函数对平坦化处理的输出数据进行非线性处理。

可选的，所述采用激活函数对平坦化处理的输出数据进行非线性处理，包括：

采用第三激活函数对所述平坦化处理的输出数据进行非线性处理；

采用第四激活函数对所述第三激活函数的输出结果进行非线性处理；