CN109951595A - 智能调节屏幕亮度的方法、装置、存储介质及移动终端 - Google Patents

Abstract

本申请实施例公开了一种智能调节屏幕亮度的方法、装置、存储介质及移动终端。该方法包括：监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态；根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。采用上述技术方案，实现结合环境光及用户状态对屏幕亮度进行智能调节，由于结合了用户状态，调节结果更符合用户的实际体验要求，解决了相关技术中的屏幕亮度调节方案的调节结果与用户对亮度的心里预期不相符的问题，提升了移动终端在屏幕亮度调节方面的智能度。

Description

智能调节屏幕亮度的方法、装置、存储介质及移动终端

技术领域

本申请实施例涉及移动终端技术，尤其涉及一种智能调节屏幕亮度的方法、装置、存储介质及移动终端。

背景技术

目前，移动终端被越来越多的应用于生活当中，用户长时间的盯着移动终端屏幕看，若屏幕亮度不合适，则会刺激用户的眼睛。为解决该问题，当前移动终端可以实现根据外部环境光强度来自动调节屏幕的亮度，但是，相关技术中提供的屏幕亮度调节方案存在缺陷，无法满足移动终端用户对屏幕亮度的实际要求，用户往往会在自动调节的基础上再进行手动调节以达到预期的亮度效果，使屏幕亮度调节的智能程度受限。

发明内容

本申请实施例提供一种智能调节屏幕亮度的方法、装置、存储介质及移动终端，可以优化相关技术中屏幕亮度的调节方案，提高移动终端的智能度。

第一方面，本申请实施例提供了一种智能调节屏幕亮度的方法，包括：

监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

第二方面，本申请实施例还提供了一种智能调节屏幕亮度的装置，该装置包括：

图像拍摄模块，用于监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

状态确定模块，用于通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

亮度调节模块，用于根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

第三方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的智能调节屏幕亮度的方法。

第四方面，本申请实施例还提供了一种移动终端，包括摄像头、存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的智能调节屏幕亮度的方法。

本申请实施例提供一种智能调节屏幕亮度的方案，通过监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；通过预先配置的人脸状态理解模型对该人脸图像进行分析，确定该人脸图像对应的用户状态；根据该用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节，实现结合环境光及用户状态对屏幕亮度进行智能调节，由于结合了用户状态，调节结果更符合用户的实际体验要求，解决了相关技术中因屏幕亮度调节方案的调节结果与用户对亮度的心里预期不相符导致多次调节的问题，提升了移动终端在屏幕亮度调节方面的智能度。

附图说明

图1为本申请实施例提供的一种智能调节屏幕亮度的方法的流程图；

图2是本申请实施例提供的另一种智能调节屏幕亮度的方法的流程图；

图3是本申请实施例提供的一种智能调节屏幕亮度的装置的结构框图；

图4是本申请实施例提供的一种移动终端的结构框图；

图5是本申请实施例提供的一种智能手机的结构框图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

相关技术中，移动终端的屏幕亮度自动调节通常是基于环境光检测来实现。但是，由于不同状态下的同一用户对于屏幕亮度的感受是有细微差别的，如果仅基于环境光强弱来自动调节屏幕亮度，则可能不能符合用户对于屏幕亮度的心里预期。例如，用户在疲惫状态下，会希望屏幕亮度尽可能的柔和一些。因此，基于环境光检测的屏幕亮度自动调节方法无法满足用户对屏幕亮度的实际要求，使屏幕亮度调节的智能程序受限。为解决上述技术问题，本申请提供一种智能调节屏幕亮度的方案，可以优化相关技术中屏幕亮度的调节方案。

图1为本申请实施例提供的一种智能调节屏幕亮度的方法的流程图。该方法可以由智能调节屏幕亮度的装置来执行，其中，该装置可由软件和/或硬件实现，一般可集成在移动终端中，例如具有摄像头的移动终端。如图1所示，该方法包括：

步骤110、监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像。

需要说明的是，本申请实施例中的环境光的强度值为表征环境光强弱的数值。该数值可以根据内置于移动终端的设定传感器采集。其中，设定传感器包括但不限于环境光传感器。例如，按照设定的采样周期由环境光传感器获取环境光的强度值。

需要说明的是，强度值的变化量为相邻两个采样时刻的环境光传感器的输出数值的差值。示例性的，获取当前采样时刻由环境光传感器输出的第一数值，作为当前采样时刻的强度值。由设定存储空间内读取上一采样时刻对应的第二数值，计算该第一数值与第二数值的偏差量，该偏差量用于表示强度值的变化量。在该偏差量超过设定阈值时，控制摄像头拍摄至少一帧人脸图像。其中，设定阈值可以是系统默认，还可以是由用户根据实际需要进行设置，该设定阈值用于判断是否触发执行屏幕亮度调节事件。可以理解的是，可以在拍摄人脸图像时，连拍设定数量的人脸图像，可以对拍摄的多张人脸图像进行预筛选，筛选出理想的人脸图像，以根据理想的人脸图像识别出当前的用户状态，避免在拍摄时用户位置移动导致无法拍摄到理想的人脸图像的情况发生。可替换的，还可以控制摄像头按照设定周期拍摄设定数量的人脸图像。由于用户的微表情的随机性很大，可能出现在拍摄瞬间用户正好在打哈欠或打喷嚏等影响用户状态确定的动作，为了提高用户状态确定的准确性，可以按照设定周期拍摄多张人脸图像。

需要说明的是，拍摄人脸图像的操作可以由移动终端的系统执行，或者由移动终端中含有拍摄功能的设定应用软件执行，在满足预设触发条件时，由系统或应用软件执行拍摄人脸图像的操作。其中，此处的预设触发条件包括但不限于是环境光的强度值的变化量超过设定阈值。

步骤120、通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态。

需要说明的是，用户状态可以理解为用户的精神状态，包括但不限于疲惫、兴奋、正常、沮丧或高兴。一般情况下，上述用户状态可以通过眼睛或嘴部的微表情分析得到。

需要说明的是，该人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型，用于确定人脸图像对应的用户状态。其中，图片样本包括各种神态下的人脸图片，包括不同年龄、不同性别、不同国家及不同肤色等的具有各种神态的用户人脸图片。该图片样本可以由网络平台下载，还可以由用户端的相册或照片库中获取。示例性的，可以通过网络爬虫从网络平台下载网络图片，并人工标记出眼部像素和嘴部像素(可以通过眼部和嘴部形态表征用户状态)，同时，制作已标记网络图片对应的用户状态标签(用户状态标签包括疲惫、兴奋、正常、沮丧、高兴或伤心等)，将上述网络图片存储于图片样本集。可选的，还可以获取移动终端的相册(或照片库)中的用户图片，并人工标记用户图片中眼部像素和嘴部像素，并制作已标记用户图片对应的用户状态标签，将上述网络图片存储于图片样本集。

一般地，服务器从移动终端相册中获取用户图片之前需要获取用户许可，因此，服务器在首次由移动终端相册获取用户图片时，移动终端以对话框的形式显示询问信息，以询问是否授予服务器访问相册的权限。获取用户的输入指示，若用户输入肯定信息，则赋予该服务器访问相册的权限。

示例性的，该人脸状态理解模型可以是基于上述图片样本集中的图片样本，采用设定的机器学习算法对预设的深度学习模型进行训练得到的模型，其中，人脸状态理解模型可以是卷积神经网络模型。需要说明的是，上述训练过程可以由服务器执行，还可以由移动终端执行，本申请实施例并不作限定。

需要说明的是，设定的机器学习算法包括但不限于前向传播算法和后向传播算法。

在本申请实施例中，人脸状态理解模型的构建方式可以是预先设置隐藏层的数目以及输入层、隐藏层和输出层各层的节点数，以及初始化卷积神经网络的第一参数，其中，第一参数包括各层的偏置值及边的权重，初步得到深度学习模型。然后，利用图片样本集对该深度学习模型进行前向传播和后向传播两个阶段的训练；在后向传播训练计算得到的误差达到期望误差值时，训练结束，并得到人脸状态理解模型。若上述模型构建过程在服务器完成，则基于移动终端的模型获取请求，将该人脸状态理解模型发送至移动终端。从而，该移动终端获取服务器发送的人脸状态理解模型，并配置于移动终端本地。由于人脸状态理解模型是由大量地包含各种神态的人脸图片中学习出有效的特征，从而，可以增加可识别的用户状态，提升了人脸状态的理解能力，提高用户状态识别的准确性。

需要说明的是，本申请实施例中对该神经网络模型的层数、神经元的数量、卷积核和/或权重等网络参数不作限定。

在本申请实施例中，分别将拍摄得到的至少一帧人脸图像输入预先配置的人脸状态理解模型，通过人脸状态理解模型分析，确定各帧人脸图像属于该人脸状态理解模型中规定的用户状态的概率，将概率最高的用户状态作为对应的人脸图像的用户状态。可选的，将各帧人脸图像的用户状态作为参考用户状态，统计各类参考用户状态的出现次数，将出现次数最多的参考用户状态为实际的用户状态进行输出。上述设计的好处在于避免在拍摄瞬间用户正好在打哈欠或打喷嚏等影响用户状态确定的动作而影响模型对人脸图像的识别，进一步提高了用户状态确定的准确性。

步骤130、根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

需要说明的是，收集设定数量的用户群体关于屏幕亮度的历史调节数据，基于该历史调节数据分析得到环境光强度值、用户状态及亮度调节后的目标亮度值的对应关系。例如，收集设定数量的用户群体在屏幕亮度调节操作时的环境光的强度值、用户状态、屏幕亮度调整前后的亮度值。采用数据分析的手段，统计得到环境光的强度值、用户状态及目标亮度值的对应关系，可以将强度值、用户状态及目标亮度存储于白名单中。也就是说，强度值、用户状态及目标亮度作为亮度调节方案存储于白名单中，该白名单可以被认为是亮度调节方案集合。

在本申请实施例中，根据模型输出的用户状态及检测到的环境光的强度值查询预先设置于移动终端内的亮度调节方案集合，确定与当前用户状态及强度值匹配的亮度调节方案，从而确定该亮度调节方案包含的目标亮度值。

在本申请实施例中，根据该亮度调节方案对屏幕亮度进行调节可以是采用该目标亮度值替换原屏幕亮度值。但是，此处调节方式比较生硬，对于目标亮度值与原屏幕亮度值相差较大的情况，直接替换会导致用户体验不佳。可选的，可以在目标亮度值与原屏幕亮度值之间设置预设数量的中间值，以避免屏幕亮度骤然跳变使人眼感觉不适的情况发生。例如，获取屏幕的当前亮度值；计算该目标亮度值与该当前亮度值的差值；在该差值超过设定调节间隔值时，根据与该目标亮度值的亮度偏差将该差值分成至少两个数值区间；根据所述数值区间对屏幕亮度进行平滑调节。可选的，上述至少两个数值区间可以是均分当前亮度值与目标亮度值的差值对应的间隔区间的结果。还可以根据实际需要首先采用较小的数值变化量调整远离目标亮度值的当前亮度，在靠近目标亮度值时可以增加数值变化量。例如，目标亮度值是500，当前亮度值是400，则可以确定目标亮度值与当前亮度值的差值是100，可以均分该差值成为4份，以每隔设定时间区间将屏幕亮度值增加25的方式逐步调整当前亮度值，以达到目标亮度值。可选的，还可以根据实际需要设置变化的调节策略，如在当前亮度值达到460之前，以每隔设定时间区间将屏幕亮度增加10的方式进行调整，在当前亮度达到460后，以每隔设定时间区间将屏幕亮度增加20的方式进行调整。

本实施例的技术方案，通过监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；通过预先配置的人脸状态理解模型对该人脸图像进行分析，确定该人脸图像对应的用户状态；根据该用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节，实现结合环境光及用户状态对屏幕亮度进行智能调节，由于结合了用户状态，调节结果更符合用户的实际体验要求，解决了相关技术中的屏幕亮度调节方案的调节结果与用户对亮度的心里预期不相符的问题，提升了移动终端在屏幕亮度调节方面的智能度。

图2是本申请实施例提供的另一种智能调节屏幕亮度的方法的流程图。如图2所示，该方法包括：

步骤201、监测环境光的强度值。

获取在各个采样时刻由环境光传感器输出的数值，作为各个采样时刻的环境光的强度值。

可以理解的是，强度值的获取方式有很多种，并不限于上述列举的通过环境光传感器获取，还可以通过摄像头拍摄一幅外界环境的图像，分析该图像得到环境光的强度值等等。

步骤202、计算该强度值与上一采样时刻对应的强度值的偏差量。

将当前采样时刻的环境光传感器的第一数值与上一采样时刻对应的第二数值做差，并求绝对值，得到强度值的变化量，以该强度值的变化量表征环境光的变化情况。

步骤203、判断该强度值的变化量是否超过设定阈值，若否，则执行步骤204，否则，执行步骤206。

其中，设定阈值用于判断是否触发执行屏幕亮度调节事件。

步骤204、确定当前时间与上一次屏幕亮度调节操作的时间的时间间隔。

需要说明的是，在每次完成屏幕亮度调节操作时，启动计时器开始计时，以记录当前时间与上一次屏幕亮度调节操作的时间的时间间隔。

步骤205、判断该时间间隔是否超过设定时间阈值，若是，则执行步骤206，否则，返回执行步骤204。

上述时间阈值可以是系统默认，或用户根据实际需要自行设置的，用于触发摄像头拍摄至少一帧人脸图像。例如，设定时间间隔可以是15min，获取计时器的读数，判断该时间间隔是否超过15min。

示例性的，按照设定周期读取上述计时器的读数，并与该设定时间阈值进行比较，在该读数大于或等于设定时间阈值，执行步骤206，否则返回执行步骤204。

需要说明的是，该计时器在达到预设时间阈值时清零，以待完成屏幕亮度调节操作后，重新计时。

步骤206、拍摄至少一帧人脸图像。

示例性的，在上述强度值的变化量超过设定阈值时，控制摄像头按照设定周期拍摄设定数量的人脸图像。

可替换的，在上述与上一次屏幕亮度调节操作的时间间隔超过设定时间阈值时，控制摄像头按照设定周期拍摄设定数量的人脸图像。

步骤207、按照预设筛选条件对所述人脸图像进行预筛选，将满足预设筛选条件的人脸图像作为目标人脸图像，并将所述目标人脸图像输入预先配置的人脸状态理解模型。

可以理解的是，用户并不清楚摄像头何时拍摄人脸图像，因此，可能出现拍摄的人脸图像不能达到模型识别要求的情况。在将拍摄得到的人脸图像输入人脸状态理解模型之前，采用预设筛选条件筛选出理想的人脸图像，以根据理想的人脸图像识别出当前的用户状态，避免在拍摄时用户位置移动导致无法拍摄到理想的人脸图像的情况发生。需要说明的是，预设筛选条件包括但不限于人脸图像包括完整的眼部信息及嘴部信息、眼部及嘴部无形变、人脸图像清晰无虚影等。

在本申请实施例中，将满足预设筛选条件的人脸图像作为目标人脸图像，并将该目标人脸图像输入该人脸状态理解模型。其中，人脸状态理解模型可以是预先训练好的卷积神经网络模型。该卷积神经网络模型的构建方式可以是，收集大量用户各种神态下的人脸图片，并制作每张人脸图片对应的用户状态标签。可选的，为减少训练时间，还可以人工标注每张图片中的人眼区域像素及嘴部区域像素。将人脸图片输入卷积神经网络进行训练，得到用于用户状态理解的人脸状态理解模型。

可选的，在筛选出拍摄得到的人脸图像中满足预设筛选条件的目标人脸图像后，将剩余不满足预设筛选条件的人脸图像删除，以避免占用移动终端的存储空间。

步骤208、通过预先配置的人脸状态理解模型对所述目标人脸图像进行分析，确定所述目标人脸图像对应的用户状态。

按照拍摄时间的顺序将目标人脸图像输入人脸理解模型，利用人脸状态理解模型对目标人脸图像进行一些列卷积、池化等运算，得到该目标人脸图像属于该人脸状态理解模型中规定的用户状态的概率，将概率最高的用户状态作为对应的人脸图像的参考用户状态。

在本申请实施例中分别确定人脸图像对应的参考用户状态，然后，统计该参考用户状态的出现次数，将出现次数最多的参考用户状态作为用户状态输出。

步骤209、根据所述用户状态及强度值查询预先设置的亮度调节方案集合，确定与用户状态及强度值对应的亮度调节方案。

采集大量用户在进行屏幕调节操作时的环境光情况、用户状态及亮度调节前后的屏幕亮度值，作为历史调节数据。采用大数据分析手段对上述历史调节数据进行分析，可以得到环境光情况、用户状态及目标调节值的关联关系，可以采用表1表示上述关联关系。

表1为亮度调节方案表

需要说明的是，上述预设强度阈值I可以是系统默认，或者用户根据实际需要自行设置的。可以理解的是，上述表格中通过预设强度阈值I将环境光情况分为两种具体情况，然而，环境光情况并不限于上述记载的具体情况，还可以根据不同的强度阈值，分为3种或3种以上的具体情况。同时，用户状态也并不限于疲惫及正常状态，还可以包括兴奋、沮丧、高兴、伤心等用户状态。另外，最大亮度为最大屏幕亮度，该数值与屏幕属性相关。可以理解的是，目标亮度值是根据大量用户的历史屏幕亮度调节记录确定的，并不限于表1中列举的几种。

步骤210、获取屏幕的当前亮度值。

步骤211、计算所述目标亮度值与所述当前亮度值的差值。

步骤212、判断该差值是否超过设定调节间隔值，若是，则执行步骤213，否则，执行步骤214。

需要说明的是，上述调节间隔值可以根据上述大量用户群体的屏幕亮度历史调节记录进行分析确定。例如，在执行完由当前亮度调节至目标亮度值的操作后，用户又手动调节了屏幕亮度，则认为本次屏幕亮度调节操作中，当前亮度值与目标亮度值的亮度偏差较大，根据该规律，对屏幕亮度历史调节记录进行分析，确定设定调节间隔值。

步骤213、根据与所述目标亮度值的亮度偏差将所述差值分成至少两个数值区间，根据所述数值区间对屏幕亮度进行平滑调节。

需要说明的是，上述数值区间的划分依据可以是均分该亮度偏差对应的数值间隔。可选的，划分依据还可以是根据距离目标亮度值的偏差。例如，在距离目标亮度值较远时，采用较小的数值区间进行平滑调整，在靠近目标亮度值时，采用较大的数值区间进行亮度调节。

需要说明的是，本步骤执行完成后，执行步骤215。

步骤214、采用所述目标亮度值替换当前亮度值。

由于目标亮度值与当前亮度值的差值并不大，可以采用直接替换的方式调节屏幕亮度，本步骤执行完成后执行步骤215。

步骤215、获取与所述目标亮度值对应的目标图像亮度值，并根据所述目标图像亮度值调节当前显示内容的亮度。

可以理解的是，在某些场景下，影响用户看屏幕的感受的因素不仅是屏幕亮度，屏幕中所显示内容也会影响用户的观看体验。考虑到这一点，采集设定数量的用户群体针对屏幕亮度及屏幕中显示的图像亮度的历史设置操作，采用数据分析手段对上述历史设置操作进行分析，得到与屏幕亮度匹配的显示图像的亮度，并预先配置于移动终端内。例如，可以采用白名单的形式存储上述屏幕亮度与图像亮度的对应关系。

本申请实施例中，在获取目标亮度值之后，根据目标亮度值查询上述白名单，确定对应的图像亮度值，根据该图像亮度值调节当前显示内容的亮度。

需要说明的是，在当前图像亮度值与目标图像亮度值的偏差较大时，可以根据与目标图像亮度值的偏差将差值区间(当前图像亮度值与目标图像亮度值的差值的取值范围)分成至少两个子区间，根据该子区间对图像亮度进行平滑调节，实现显示内容的图像亮度调节过程与屏幕亮度平滑过度相适应。

需要说明的是，本步骤并非本申请实施例的必要步骤，即步骤215可执行也可不执行。同时，步骤215的执行顺序并不限于本申请实施例所记载的情况，步骤215在确定目标亮度值之后执行即可。

本实施例的技术方案，通过在将人脸图像输入人脸状态理解模型之前，执行按照预设筛选条件对所述人脸图像进行预筛选，将满足预设筛选条件的人脸图像作为目标人脸图像，并将所述目标人脸图像输入预先配置的人脸状态理解模型，避免在拍摄时用户位置移动导致无法拍摄到理想的人脸图像的情况发生。同时，删除不满足预设筛选条件的人脸图像，可以有效的减少图片样本占用的存储空间。另外，对屏幕亮度进行平滑调节，可以有效地避免相差较大的屏幕亮度值直接替换导致屏幕亮度跳变的情况发生。同时，在调节屏幕亮度之外，还调节显示内容的亮度，更好的符合用户感受，有效地避免多次调节屏幕亮度，提高移动终端的执行效率。

图3是本申请实施例提供的一种智能调节屏幕亮度的装置的结构框图。该装置可以通过软件和/或硬件实现，可被集成于移动终端内，用于执行本申请实施例提供的智能调节屏幕亮度的方法。如图3所示，该装置包括：

图像拍摄模块310，用于监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

状态确定模块320，用于通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

亮度调节模块330，用于根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

本实施例的技术方案提供一种智能调节屏幕亮度的装置，实现结合环境光及用户状态对屏幕亮度进行智能调节，由于结合了用户状态，调节结果更符合用户的实际体验要求，解决了相关技术中的屏幕亮度调节方案的调节结果与用户对亮度的心里预期不相符的问题，提升了移动终端在屏幕亮度调节方面的智能度。

可选的，图像拍摄模块310具体用于：

获取当前采样时刻由环境光传感器输出的第一数值；

计算所述第一数值与上一采样时刻对应的第二数值的偏差量；

在所述偏差量超过设定阈值时，控制摄像头按照设定周期拍摄设定数量的人脸图像。

可选的，图像拍摄模块310还用于：

在通过预先配置的人脸状态理解模型对所述人脸图像进行分析之前，确定当前时间与上一次屏幕亮度调节操作的时间的时间间隔；

在所述时间间隔超过设定时间阈值时，拍摄至少一帧人脸图像。

可选的，还包括：

图像预筛选模块，用于按照预设筛选条件对所述人脸图像进行预筛选，将满足预设筛选条件的人脸图在拍摄至少一帧人脸图像之后，像作为目标人脸图像，并将所述目标人脸图像输入预先配置的人脸状态理解模型；删除不满足预设筛选条件的人脸图像。

可选的，状态确定模块320具体用于：

分别将所述人脸图像输入预先配置的人脸状态理解模型，通过所述人脸状态理解模型确定所述人脸图像对应的参考用户状态；

统计所述参考用户状态的出现次数，将出现次数最多的参考用户状态作为用户状态输出。

可选的，亮度调节模块330包括：

调节方案确定子模块，用于根据所述用户状态及强度值查询预先设置的亮度调节方案集合，确定与用户状态及强度值对应的亮度调节方案，其中，亮度调节方案包含目标亮度值；

亮度调节子模块，用于根据所述目标亮度值对屏幕亮度进行调节。

可选的，亮度调节子模块，用于获取屏幕的当前亮度值；计算所述目标亮度值与所述当前亮度值的差值；在所述差值超过设定调节间隔值时，根据与所述目标亮度值的亮度偏差将所述差值分成至少两个数值区间；根据所述数值区间对屏幕亮度进行平滑调节。

可选的，还包括：

内容亮度调节模块，用于获取与所述目标亮度值对应的目标图像亮度值，并根据所述目标图像亮度值调节当前显示内容的亮度。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种智能调节屏幕亮度的方法，该方法包括：

监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的智能调节屏幕亮度的操作，还可以执行本申请任意实施例所提供的智能调节屏幕亮度的方法中的相关操作。

本申请实施例提供了一种移动终端，该移动终端内具有操作系统，该移动终端中可集成本申请实施例提供的智能调节屏幕亮度的装置。其中，移动终端可以为智能手机、PAD(平板电脑)、掌上游戏机等。图4是本申请实施例提供的一种移动终端的结构框图。如图4所示，该移动终端可以包括摄像头410、存储器420及处理器430。所述摄像头410，用于拍摄至少一帧人脸图像；所述存储器420，用于存储计算机程序、人脸状态理解模型及人脸图像等；所述中央处理器430读取并执行所述存储器420中存储的计算机程序。所述处理器430在执行所述计算机程序时实现以下步骤：监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

上述示例中列举的存储器及处理器均为移动终端的部分元器件，所述移动终端还可以包括其它元器件。以智能手机为例，说明上述移动终端可能的结构。图5是本申请实施例提供的一种智能手机的结构框图。如图5所示，该智能手机可以包括：存储器501、中央处理器(Central Processing Unit，CPU)502(又称处理器，以下简称CPU)、外设接口503、RF(Radio Frequency，射频)电路505、音频电路506、扬声器511、显示器512、摄像头513、电源管理芯片508、输入/输出(I/O)子系统509、其他输入/控制设备510以及外部端口504，这些部件通过一个或多个通信总线或信号线507来通信。

应该理解的是，图示智能手机500仅仅是移动终端的一个范例，并且智能手机500可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的集成有智能调节屏幕亮度的装置的智能手机进行详细的描述。

存储器501，所述存储器501可以被CPU502、外设接口503等访问，所述存储器501可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。在存储器511中存储计算机程序，还可以存储人脸状态理解模型、人脸图像及白名单等。

外设接口503，所述外设接口503可以将设备的输入和输出外设连接到CPU502和存储器501。

I/O子系统509，所述I/O子系统509可以将设备上的输入输出外设，例如屏幕512和其他输入/控制设备510，连接到外设接口503。I/O子系统509可以包括显示控制器5091和用于控制其他输入/控制设备510的一个或多个输入控制器5092。其中，一个或多个输入控制器5092从其他输入/控制设备510接收电信号或者向其他输入/控制设备510发送电信号，其他输入/控制设备510可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器5092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

屏幕512，所述屏幕512是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

摄像头513，所述摄像头513获取人脸的光学图像，并将光学图像转换为电信号，通过外设接口503存储于存储器501。

I/O子系统509中的显示控制器5051从屏幕512接收电信号或者向屏幕512发送电信号。屏幕512检测屏幕上的接触，显示控制器5091将检测到的接触转换为与显示在屏幕512上的用户界面对象的交互，即实现人机交互，显示在屏幕512上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由屏幕形成的触摸敏感表面的延伸。

RF电路505，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路505接收并发送RF信号，RF信号也称为电磁信号，RF电路505将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路505可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路506，主要用于从外设接口503接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器511。

扬声器511，用于将手机通过RF电路505从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片508，用于为CPU502、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本申请实施例提供的移动终端，可以实现结合环境光及用户状态对屏幕亮度进行智能调节，由于结合了用户状态，调节结果更符合用户的实际体验要求，从而提升用户体验。

上述实施例中提供的智能调节屏幕亮度的装置、存储介质及移动终端可执行本申请任意实施例所提供的智能调节屏幕亮度的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的智能调节屏幕亮度的方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (11)

1.一种智能调节屏幕亮度的方法，其特征在于，包括：

监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

2.根据权利要求1所述的方法，其特征在于，监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像，包括：

获取当前采样时刻由环境光传感器输出的第一数值；

计算所述第一数值与上一采样时刻对应的第二数值的偏差量；

在所述偏差量超过设定阈值时，控制摄像头按照设定周期拍摄设定数量的人脸图像。

3.根据权利要求1所述的方法，其特征在于，在通过预先配置的人脸状态理解模型对所述人脸图像进行分析之前，还包括：

确定当前时间与上一次屏幕亮度调节操作的时间的时间间隔；

在所述时间间隔超过设定时间阈值时，拍摄至少一帧人脸图像。

4.根据权利要求1所述的方法，其特征在于，在拍摄至少一帧人脸图像之后，还包括：

按照预设筛选条件对所述人脸图像进行预筛选，将满足预设筛选条件的人脸图像作为目标人脸图像，并将所述目标人脸图像输入预先配置的人脸状态理解模型；

删除不满足预设筛选条件的人脸图像。

5.根据权利要求1所述的方法，其特征在于，通过预先配置的人脸状态理解模型对所述人脸图像进行分析，包括：

分别将所述人脸图像输入预先配置的人脸状态理解模型，通过所述人脸状态理解模型确定所述人脸图像对应的参考用户状态；

统计所述参考用户状态的出现次数，将出现次数最多的参考用户状态作为用户状态输出。

6.根据权利要求1至5中任一项所述的方法，其特征在于，根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节，包括：

根据所述用户状态及强度值查询预先设置的亮度调节方案集合，确定与用户状态及强度值对应的亮度调节方案，其中，亮度调节方案包含目标亮度值；

根据所述目标亮度值对屏幕亮度进行调节。

7.根据权利要求6所述的方法，其特征在于，根据所述目标亮度值对屏幕亮度进行调节，包括：

获取屏幕的当前亮度值；

计算所述目标亮度值与所述当前亮度值的差值；

在所述差值超过设定调节间隔值时，根据与所述目标亮度值的亮度偏差将所述差值分成至少两个数值区间；

根据所述数值区间对屏幕亮度进行平滑调节。

8.根据权利要求6所述的方法，其特征在于，还包括：

获取与所述目标亮度值对应的目标图像亮度值，并根据所述目标图像亮度值调节当前显示内容的亮度。

9.一种智能调节屏幕亮度的装置，其特征在于，包括：

图像拍摄模块，用于监测环境光的强度值，并在所述强度值的变化量超过设定阈值时，拍摄至少一帧人脸图像；

状态确定模块，用于通过预先配置的人脸状态理解模型对所述人脸图像进行分析，确定所述人脸图像对应的用户状态，其中，所述人脸状态理解模型为根据设定数量的图片样本训练的深度学习模型；

亮度调节模块，用于根据所述用户状态及强度值匹配对应的亮度调节方案，根据所述亮度调节方案对屏幕亮度进行调节。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的智能调节屏幕亮度的方法。

11.一种移动终端，包括摄像头、存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的智能调节屏幕亮度的方法。