[发明专利]智能手表的屏幕控制方法、装置、设备及存储介质

权利要求书

1.一种智能手表的屏幕控制方法，其特征在于，所述智能手表设有三轴加速度传感器，所述方法包括：

在所述智能手表的屏幕状态处于熄灭状态时，获取所述三轴加速度传感器在第一预设时间段内采集的多个第一采样值和第一时刻采集的第二采样值，并将所述多个第一采样值输入预设的状态检测模型，以获取用户的手腕在所述第一预设时间段内的状态；其中，所述用户的手腕佩戴所述智能手表，所述第一预设时间段为与所述第一时刻相连的并在所述第一时刻之前的时间段；

根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致；

若所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致，获取所述三轴加速度传感器在第二预设时间段内采集的多个第三采样值；其中，所述第二预设时间段为所述第一时刻与第二时刻之间的时长，所述第二时刻为当前时刻；

将所述用户在所述第一预设时间段内的状态和多个所述第三采样值输入预设的屏幕控制模型，以判断当前时刻是否需要点亮所述智能手表的屏幕；

若当前时刻需要点亮所述智能手表的屏幕，点亮所述智能手表的屏幕。

2.根据权利要求1所述的智能手表的屏幕控制方法，其特征在于，所述根据多个所述第一采样值和所述第二采样值，判断所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态是否一致，包括：

根据多个所述第一采样值和所述第二采样值计算第一标准差、第二标准差和第三标准差；其中，所述第一标准差为多个所述第一采样值和所述第二采样值中的第一方向的加速度值的标准差，所述第二标准差为多个所述第一采样值和所述第二采样值中的第二方向的加速度值的标准差，所述第三标准差为多个所述第一采样值和所述第二采样值中的第三方向的加速度值的标准差；

根据所述用户的手腕在所述第一预设时间段内的状态获取第一预设标准差、第二预设标准差和第三预设标准差；其中，所述第一预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第一方向的加速度值的标准差的最大值，所述第二预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第二方向的加速度值的标准差的最大值，所述第三预设标准差为与所述用户的手腕在所述第一预设时间段内的状态相匹配的所述第三方向的加速度值的标准差的最大值；

将所述第一标准差和所述第一预设标准差进行比较，并将所述第二标准差和所述第二预设标准差进行比较，及将所述第三标准差和所述第三预设标准差进行比较；

若所述第一标准差大于所述第一预设标准差、所述第二标准差大于所述第二预设标准差和所述第三标准差大于所述第三预设标准差中的至少一个条件成立，确定所述用户的手腕在所述第一时刻的状态与所述第一预设时间段内的状态不一致。

3.根据权利要求1所述的智能手表的屏幕控制方法，其特征在于，所述预设的屏幕控制模型的训练方法，包括：

获取训练样本集，所述训练样本集包括若干个映射关系，所述映射关系为实验者的手腕所处的状态与所述实验者的手腕偏离所述实验者的手腕所处的状态时采集到的所述实验者的手腕在所述第二预设时间段内的三轴加速度值之间的映射关系；

分别对所述训练样本集中的若干个映射关系进行标注，以区分正样本和负样本，其中，所述正样本为所述实验者的手腕偏离所述实验者的手腕所处的状态的原因是查看所述智能手表的屏幕所匹配的所述映射关系；

构建卷积神经网络模型，所述卷积神经网络模型依次包括四个并行分支、第一卷积层、第一最大值池化层、第二卷积层、第二最大值池化层、第一全连接层、tanh激活层、第二全连接层和sigmoid激活层；

基于标注后的所述训练样本集对所述卷积神经网络模型进行训练，以获得所述屏幕控制模型。