CN117251219B - 一种基于场景识别的多系统切换方法、装置和pc主机 - Google Patents
一种基于场景识别的多系统切换方法、装置和pc主机 Download PDFInfo
- Publication number
- CN117251219B CN117251219B CN202311305750.5A CN202311305750A CN117251219B CN 117251219 B CN117251219 B CN 117251219B CN 202311305750 A CN202311305750 A CN 202311305750A CN 117251219 B CN117251219 B CN 117251219B
- Authority
- CN
- China
- Prior art keywords
- scene
- entertainment
- probability
- user
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009826 distribution Methods 0.000 claims description 30
- 230000008451 emotion Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002996 emotional effect Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4406—Loading of operating system
- G06F9/441—Multiboot arrangements, i.e. selecting an operating system to be loaded
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及智能识别的技术领域，尤其是涉及一种基于场景识别的多系统切换方法、装置和PC主机。本申请通过在计算机启动时激活摄像头实时拍摄使用环境的图像，然后提取图像中的场景特征和人脸特征，从而根据场景特征进行场景识别，根据人脸特征进行人脸识别，得到预测场景类型和用户身份信息，根据用户身份信息确定当前使用场景对于该用户而言属于工作场景还是娱乐场景，从而控制计算机读取相对应的场景的操作系统，从而实现智能识别当前场景选择不同的操作系统启动。
Description
技术领域
本申请涉及智能识别的技术领域，尤其是涉及一种基于场景识别的多系统切换方法、装置和PC主机。
背景技术
计算机技术广泛应用于各个领域，服务于人类生产生活的方方面面。为了适应不同的使用场景和需求，计算机可以安装不同的操作系统。但在现有技术中,计算机多操作系统的切换存在一定问题。
在计算机启动过程中,BIOS程序会读取默认的启动设备和默认的操作系统,直接引导计算机进入该默认操作系统(例如Windows系统)。常见的，在一些共享办公区的环境中，计算机上安装有两个操作系统，两个操作系统上安装了不同的常用软件，以专门适应用户对于工作或娱乐的不同需求，此时在计算机启动时，BIOS程序也会读取其中一个默认的操作系统，要想切换到另一个操作系统,需要人工进行操作系统的选择引导，不能进行智能识别，给用户使用带来不便，对此情况有待进一步改善。
发明内容
为了解决现有的多个操作系统的计算机在启动时需要人工进行操作系统的选择引导，无法智能识别的问题，本申请提供一种基于场景识别的多系统切换方法、装置和PC主机，采用如下的技术方案：
第一方面，本申请提供一种基于场景识别的多系统切换方法，包括如下步骤：
计算机开机启动时，激活摄像头实时拍摄使用环境的图像；
提取所述图像中的场景特征，将所述场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型；
提取所述图像中的人脸特征，将所述人脸特征输入预设的人脸识别模型中，获取用户身份信息；
结合所述预测场景类型和所述用户身份信息，确定当前使用场景，所述当前使用场景包括工作场景和娱乐场景；
若确定所述当前使用场景属于工作场景，则读取默认工作场景操作系统的引导信息，引导加载所述工作场景操作系统启动；
若确定所述当前使用场景属于娱乐场景，则读取默认娱乐场景操作系统的引导信息，引导加载所述娱乐场景操作系统启动。
通过采用上述技术方案，本申请通过在计算机启动时激活摄像头实时拍摄使用环境的图像，然后提取图像中的场景特征和人脸特征，从而根据场景特征进行场景识别，根据人脸特征进行人脸识别，得到预测场景类型和用户身份信息，根据用户身份信息确定当前使用场景对于该用户而言属于工作场景还是娱乐场景，从而控制计算机读取相对应的使用场景的操作系统启动，从而实现智能识别当前场景选择不同的操作系统启动，使用户不需要手动进行操作系统的选择引导，方便用户的使用。
可选的，结合所述预测场景类型和所述用户身份信息，确定当前使用场景属于工作场景还是娱乐场景的过程中，包括如下步骤：
获取所述预测场景类型中的各个场景类型的概率集合；
获取所述用户身份信息中的各个身份的身份集合；
将所述概率集合和所述身份集合输入到融合模型中，得到模型输出结果；
根据所述模型输出结果确定当前使用场景属于工作场景还是娱乐场景。
通过采用上述技术方案，本申请通过获取预测场景类型中各个场景类型的概率集合，然后获取用户身份信息中各个身份的身份集合，将概率集合和身份集合输入到融合模型中，得到模型输出结果，根据模型输出结果确定当前使用场景对于该用户而言属于工作场景还是娱乐场景；通过此，基于预测场景类型的概率集合和用户身份的身份集合进行融合判断，能够较为准确地确定出对于该用户而言当前使用场景的类型，进而引导对应的操作系统进行启动。
可选的，将所述概率集合和所述身份集合输入到融合模型中，得到模型输出结果的过程中，包括如下步骤：
根据所述概率集合和所述身份集合计算场景类型和身份特征的联合概率分布；
根据所述联合概率分布计算用户在所述各个场景类型下的使用场景概率，其中，所述使用场景包括工作场景或者娱乐场景；
对所有所述使用场景概率进行排序，将所述使用场景概率最大的使用场景确定为所述当前使用场景，并得到模型输出结果。
通过采用上述技术方案，本申请根据概率集合和身份集合计算场景类型和身份特征的联合概率分布，然后根据联合概率分布计算用户在所述各个场景类型下的使用场景概率，对使用场景概率进行排序，将使用场景概率最大的使用场景确定为当前使用场景，并得到模型输出结果，从而能够较为准确地确定出对于该用户而言的当前使用场景。
可选的，所述联合概率分布按照以下公式计算：P(Si,Uj)=P(Si|Uj)*P(Uj)；
其中,Si表示场景类型,Uj表示身份特征,P(Si|Uj)表示在给定Uj的条件下场景Si的概率,P(Uj)表示身份特征Uj的概率。
可选的，所述方法还包括：
获取所述用户的历史使用习惯；
根据所述历史使用习惯调整所述联合概率分布。
通过采用上述技术方案，本申请还通过获取用户的历史使用习惯，根据用户的历史使用习惯调整联合概率分布，从而基于用户习惯更加准确地得到当前使用场景。
可选的，所述方法还包括：
根据所述人脸特征识别所述用户的当前情绪状态；
根据所述当前情绪状态调整所述联合概率分布。
通过采用上述技术方案，本申请通过识别用户的当前情绪状态，根据用户的当前情绪状态调整联合概率分布，从而基于用户当前状态更加准确地得到当前使用场景。
可选的，根据所述当前情绪状态调整所述联合概率分布的过程中，包括如下步骤：
确定所述当前情绪状态为正面情绪还是负面情绪；
当确定所述当前情绪状态为正面情绪时，确定工作场景概率加权值为0.1，娱乐场景概率加权值为0.3；
当确定所述当前情绪状态为负面情绪时，确定工作场景概率加权值为0.3，娱乐场景概率加权值为0.1；
根据所述工作场景概率加权值和所述娱乐场景概率加权值对所述联合概率分布中的工作场景概率和娱乐场景概率进行调整。
通过采用上述技术方案，本申请具体公开了在确定用户的当前状态为正面情绪时，确定工作场景概率加权值为0.1，娱乐场景概率加权值为0.3；反之，在确定当前情绪状态为负面情绪时，确定工作场景概率加权值为0.3，娱乐场景概率加权值为0.1；从而根据工作场景概率加权值和娱乐场景概率加权值对联合概率分布中的工作场景概率和娱乐场景概率进行调整。
第二方面，本申请提供一种基于场景识别的多系统切换装置，所述装置包括：
拍摄模块，用于在计算机开机启动时，激活摄像头实时拍摄使用环境的图像；
预测场景类型获取模块，用于提取所述图像中的场景特征，将所述场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型；
用户身份信息获取模块，用于提取所述图像中的人脸特征，将所述人脸特征输入预设的人脸识别模型中，获取用户身份信息；
当前使用场景确定模块，用于结合所述预测场景类型和所述用户身份信息，确定当前使用场景，所述当前使用场景包括工作场景和娱乐场景；
第一启动模块，用于若确定所述当前使用场景属于工作场景，则读取默认工作场景操作系统的引导信息，引导加载所述工作场景操作系统启动；
第二启动模块，用于若确定所述当前使用场景属于娱乐场景，则读取默认娱乐场景操作系统的引导信息，引导加载所述娱乐场景操作系统启动。
第三方面，本申请提供一种PC主机，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于场景识别的多系统切换方法的步骤。
综上所述，本申请包括以下有益技术效果：
本申请通过在计算机启动时激活摄像头实时拍摄使用环境的图像，然后提取图像中的场景特征和人脸特征，从而根据场景特征进行场景识别，根据人脸特征进行人脸识别，得到预测场景类型和用户身份信息，根据用户身份信息确定当前使用场景对于该用户而言属于工作场景还是娱乐场景，从而控制计算机读取相对应的场景的操作系统启动，从而实现智能识别当前场景选择不同的操作系统启动，使用户不需要手动进行操作系统的选择引导，方便用户的使用。
附图说明
图1是本申请实施例一种基于场景识别的多系统切换方法的一个示例性流程图；
图2是本申请实施例调整联合概率分布的示例性流程图；
图3是本申请实施例基于场景识别的多系统切换装置的模块示意图；
图4是本申请实施例计算机设备的内部结构图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
现有的计算机可以安装不同的操作系统，为了工作数据的安全性，一些技术人员会将工作和娱乐放在不同的操作系统当中，现有计算机启动过程中，BIOS程序会读取默认的启动设备和默认的操作系统,直接引导计算机进入该默认操作系统(例如Windows系统)，要想切换不同的操作系统,需要人工进行操作系统的选择引导，不能智能识别当前场景选择不同的操作系统启动，给用户使用带来不便。
本申请提供一种基于场景识别的多系统切换方法、装置和PC主机，通过在计算机启动时激活摄像头实时拍摄使用环境的图像，然后提取图像中的场景特征和人脸特征，通过对场景类型和身份信息的双重判定，从而实现智能识别当前场景选择不同的操作系统启动。
下面结合说明书附图对本申请实施例做进一步详细描述。
本申请实施例提供一种基于场景识别的多系统切换方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。本实施例中，终端设备是PC主机或迷你PC主机，但并不局限于此，也可以是智能平板、电脑等，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制。
迷你PC主机，采用X86架构，具有体积小、功耗低和价格便宜的特点。可以实现和传统电脑一样的性能。由于迷你PC主机体积小、方便携带和转移，可以满足共享办公的需求，因此在一些办公区，存在一个迷你PC被不同团队共享使用的情况，因此，为了便于为不同使用用途的用户提供适宜的使用界面和常用软件，一般在迷你PC上安装有两个操作系统，两个操作系统上安装了不同的常用软件，以专门适应用户对于工作或娱乐的不同需求。此时，电脑需要针对不同用户的工作或娱乐场景进行切换。此时，通过基于场景识别的多系统切换方法识别出迷你PC主机的当前使用环境，并启动对应的操作系统相当有必要。
本申请实施例公开一种基于场景识别的多系统切换方法。参照图1，图1为本申请实施例一种基于场景识别的多系统切换方法的一个示例性流程图。
一种基于场景识别的多系统切换方法，包括如下步骤：
S110、计算机开机启动时，激活摄像头实时拍摄使用环境的图像。
其中，PC主机上设置有摄像头，摄像头的激活指令与PC主机的开机指令相关联，当PC主机开机启动时，先激活摄像头实时拍摄使用环境的图像。
可以理解的是，在摄像头激活之后，摄像头可以进行一定角度的转动，以捕捉到更大范围的环境图像，使用环境的图像可以为多张图像。
S120、提取图像中的场景特征，将场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型。
其中，环境场景识别模型的训练步骤包括：
S121、对图像进行预处理。
其中，对图像进行预处理包括裁剪、缩放、归一化、提升图像质量、消除噪声等，目的是使图像数据适合于输入到神经网络中进行训练和推理，是计算机视觉领域的常用手段。
S122、使用图像处理方法提取图像的低级特征，低级特征包括颜色特征、纹理特征和形状特征。
其中，通过图像的颜色特征、纹理特征和形状特征等低级特征，能够反映环境图像中的客观存在，进而能够初步对环境进行识别。
S123、使用深度学习方法提取图像的语义特征，可以采用卷积神经网络层的特征映射作为场景特征。
其中，在计算机视觉中，语义特征也叫高级特征，指的是比较抽象的特征，这些特征是我们在感知世界时需要进行高级认知才能理解的，会因为我们的主观认知而改变；本实施例中，通过深度学习方法对图像进行分类，从而确定出图像所反映的环境场景，其中，可以采用卷积神经网络中的特征映射作为场景特征。
例如，对于一个办公室的环境，低级特征是办公室的图像中的办公桌、办公设备等的颜色、形状等，高级特征则能够识别出当前图像中的环境为办公室。
S124、将低级特征和语义特征进行融合成图像整体特征，构建深度学习模型，使用标注场景类别的图像数据集进行训练，得到环境场景识别模型。
其中，对低级特征和语义特征进行特征融合，形成图像整体特征，从而开始构建环境场景的深度学习模型，本实施例中采用Place Dataset数据集进行训练，最终得到环境场景识别模型。
在实际使用中将图像进行预处理，提取出场景特征之后，将场景特征输入到环境场景识别模型中后，获取场景类别概率分布，如20%的概率为实验室场景，30%的概率为办公室场景等。
S130、提取图像中的人脸特征，将人脸特征输入预设的人脸识别模型中，获取用户身份信息。
其中，用户身份信息包括职业、性别和年龄信息。本申请预设有人脸数据库，人脸数据库中设置有用户标识、用户的人脸信息、用户对应的职业、性别和年龄信息，在获取到人脸特征之后，人脸识别模型识别人脸特征对应的用户，获取用户标识，并根据用户标识获取用户对应的职业、性别和年龄信息等用户身份信息。
人脸识别技术已经比较成熟，在此不再赘述。值得注意的是，本申请人脸识别技术只用于确定用户的职业，并获取用户的性别和年龄信息，这些特征隐去了实名信息，但保留模型运算所需的年龄、性别等关键信息，能够满足共享办公用户的隐私保护需求。
可以理解的是，当PC主机在开机启动时捕捉到用户的人脸特征不清晰时，摄像头对画面中的用户进行实时跟踪，从而获取更多的人脸特征。当拍摄画面中存在多个用户时，摄像头对拍摄画面中占画面比例最大的用户进行实时跟踪。
在一些可选的实施例中，PC主机还包括多个声音接收模块，多个声音接收模块分别设置在PC主机的不同方位，当拍摄画面中不存在用户，且多个声音接收模块接收到声音时，根据多个声音接收模块接收到声音的时间点，确定声音来源方向，然后控制摄像头拍摄声音来源方向的图像。
当拍摄不到足够的人脸特征时，PC主机执行待机等待，直到拍摄到足够的人脸特征。
在一些可选的实施例中，当根据人脸特征获取不到用户身份信息时，系统可以弹出提示框，提示未检测到已登记用户，是否临时添加新用户，如果选择添加新用户，则打开用户注册界面，提示用户输入注册信息，包括姓名、员工号等必要身份信息，然后收集新用户的人脸数据，并输入人脸识别模型中生成新的人脸特征，将新用户信息存储到用户数据库中。然后重新进行人脸识别，判断新用户身份，获取新用户的身份信息。
可以理解的是，用户如果不添加新用户，则可以设置只能加载默认的娱乐场景操作系统；且在新增用户时，可以设置管理员审核，防止非法用户注册。
在一些实施例中，当根据人脸特征获取不到用户身份信息时，可以发送短信通知主机预设的管理人员，以使主机被盗用时管理人员及早发现。
S140、结合预测场景类型和用户身份信息，确定当前使用场景。
其中，当前使用场景包括工作场景或者娱乐场景。
其中，步骤S140包括如下步骤;
S141、获取预测场景类型中的各个场景类型的概率集合。
设图像预测得到的场景类型概率为P，P = [p1, p2, ..., pn]，其中pi表示预测为场景i的概率。
S142、获取用户身份信息中各个身份的身份集合。
U = [u1, u2, ..., um]，其中uj表示用户身份特征j。
S143、将概率集合和身份集合输入到融合模型中，得到模型输出结果。
其中，先根据概率集合和身份集合计算场景类型和身份特征的联合概率分布；具体的，定义场景i与用户身份j的联合概率分布p(Si, Uj) = p(Si | Uj) * p(Uj)，使用贝叶斯定理得到用户在给定场景下的使用场景概率:p(Scene|Si,Uj)；其中,Scene表示使用场景类型(工作或娱乐)，P(Si,Uj)表示Si和Uj的联合概率,P(Si,Uj|Scene)表示在给定使用场景Scene的条件下，场景类型Si和身份特征Uj同时发生的概率，P(Scene)表示使用场景Scene发生的概率；然后对所有使用场景概率进行排序，将使用场景概率最大的使用场景确定为当前使用场景，得到模型输出结果。
具体的，在方法应用之前需要先进行数据积累，在数据积累统计阶段，在每个用户使用PC主机时，系统识别出用户的职业以及当前使用环境，然后由用户选择启动的操作系统，记录用户最终启动的操作系统，形成统计数据。统计数据包括用户职业、使用环境场景、用户选择的操作系统，进而得到在该使用环境场景下对应职业的用户进行工作的条件概率，以及在该使用环境场景下对应职业的用户进行娱乐的条件概率。从而在后续用户使用PC主机时，识别出用户的职业以及使用环境场景之后，得到该职业的用户在该环境场景下进行工作或者娱乐的条件概率。
可以理解的是，在只考虑用户的职业的情况下，用户特征概率是指用户的职业对应的启动PC主机时选择工作或者娱乐的概率。同样的，在每个用户使用PC主机时，系统识别出用户的职业，然后记录用户最终启动的操作系统，形成统计数据，然后建立职业与选择的操作系统的概率的对照表。例如程序员选择办公的概率为0.9，选择娱乐的概率为0.1。从而在后续用户使用PC主机时，识别出用户的职业之后，得到该职业的用户进行工作或者娱乐的用户特征概率。
根据同样的方法，可以根据统计数据得到在其他使用环境场景下，该职业的用户选择使用娱乐操作系统和选择使用工作操作系统的概率。
最后综合各个场景的使用场景概率，确定当前使用场景。
值得注意的是，上述例子中只考虑用户的职业特征作为联合概率分布的计算依据，在一些实施例中，也可以加入用户的年龄和性别，根据不同年龄和性别的用户特征概率来进一步优化联合概率分布。
具体的，在一些实施例中，本申请在统计数据时统计历史使用用户中不同年龄层最终选择工作或者娱乐的概率，得到不同年龄层对工作和娱乐的倾向程度，然后根据统计不同年龄层对工作和娱乐的倾向程度，得到不同年龄层的工作倾向度，根据工作倾向度设置第一加权值，根据第一加权值对用户的职业的用户特征概率进行加权；其中，选择工作是指最终引导工作场景操作系统启动，选择娱乐是指最终引导娱乐场景操作系统启动。
同理，在一些实施例中，本申请在统计数据时统计历史使用用户中不同性别最终选择工作或者娱乐的概率，根据统计不同性别对工作和娱乐的倾向程度，得到不同性别的工作倾向度，根据工作倾向度设置第二加权值，根据第一加权值对用户的职业的用户特征概率进行加权。
通过此，在数据统计之后就可以确定对应职业的用户进行工作或娱乐的条件概率，以及用户特征概率，进而能够建立模型，在后续用户使用时，即使该用户此前没有使用过该PC主机，PC主机也可以通过该用户的身份特征和当前环境场景通过模型直接确定用户大概率会引导工作场景操作系统启动或者是娱乐场景操作系统启动，从而实现智能启动。
S144、根据模型输出结果确定当前使用场景。
其中，当前使用场景包括工作场景和娱乐场景。
S150、若确定当前使用场景属于工作场景，则读取默认工作场景操作系统的引导信息，引导加载工作场景操作系统启动。
其中，工作场景操作系统是指安装了专门适应用户对于工作的需求的常用软件的操作系统。
S160、若确定当前使用场景属于娱乐场景，则读取默认娱乐场景操作系统的引导信息，引导加载娱乐场景操作系统启动。
其中，娱乐场景操作系统是指安装了专门适应用户对于娱乐的需求的常用软件的操作系统。工作场景操作系统和娱乐场景操作系统可以均为window系统或者Linux系统，也可以为应用不同的底层原理的系统，例如一个为window系统，另一个为Linux系统。
在一些实施例中，参照图2，图2为本申请实施例调整联合概率分布的示例性流程图，方法还包括：
S210、获取用户的历史使用习惯。
S220、根据历史使用习惯调整联合概率分布。
其中，对于在该PC主机上多次有过使用历史的用户而言，可以根据统计得到的用户历史的工作和娱乐概率对用户特征概率进行调整，从而调整最终的联合概率分布，以得到更加准确的当前使用场景。
S230、根据人脸特征识别用户的当前情绪状态。
其中，用户的当前情绪状态包括正面情绪和负面情绪，在用户的当前情绪状态不同时为工作场景概率和娱乐场景概率设置不同的加权值，从而使识别到的当前使用场景更加符合用户的当前情绪状态。
S240、根据当前情绪状态调整联合概率分布。
具体的，在本实施例中，先确定当前情绪状态为正面情绪还是负面情绪；当确定当前情绪状态为正面情绪时，确定工作场景概率加权值为0.1，娱乐场景概率加权值为0.3；当确定当前情绪状态为负面情绪时，确定工作场景概率加权值为0.3，娱乐场景概率加权值为0.1；根据工作场景概率加权值和娱乐场景概率加权值对联合概率分布中的工作场景概率和娱乐场景概率的权重进行调整。
举例而言，当用户当前为正面情绪时，P'(工作场景) = P(工作场景) * (1 +0.1)；P'(娱乐场景) = P(娱乐场景) * (1 + 0.3)。从而直观地根据不同情绪,增强或削弱对应场景的概率,从而融入用户情绪因素对系统判断的影响。
本申请实施例一种基于场景识别的多系统切换方法的实施原理为：本申请通过在计算机启动时激活摄像头实时拍摄使用环境的图像，然后提取图像中的场景特征和人脸特征，从而根据场景特征进行场景识别，根据人脸特征进行人脸识别，得到预测场景类型和用户身份信息，根据用户身份信息确定当前使用场景属于工作场景还是娱乐场景，从而控制计算机读取相对应的场景的操作系统，从而实现智能识别当前场景选择不同的操作系统启动。
第二方面，本申请提供了一种基于场景识别的多系统切换装置，下面结合上述基于场景识别的多系统切换方法，对本申请的基于场景识别的多系统切换装置进行描述。请参阅图3，图3是本申请实施例基于场景识别的多系统切换装置的模块示意图。
一种基于场景识别的多系统切换装置，装置包括：
拍摄模块310，用于在计算机开机启动时，激活摄像头实时拍摄使用环境的图像；
预测场景类型获取模块320，用于提取图像中的场景特征，将场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型；
用户身份信息获取模块330，用于提取图像中的人脸特征，将人脸特征输入预设的人脸识别模型中，获取用户身份信息；
当前使用场景确定模块340，用于结合预测场景类型和用户身份信息，确定当前使用场景属于工作场景还是娱乐场景；
第一启动模块350，用于若确定当前使用场景属于工作场景，则计算机读取默认工作场景操作系统的引导信息，引导计算机加载工作场景操作系统启动；
第二启动模块360，用于若确定当前使用场景属于娱乐场景，则计算机读取默认娱乐场景操作系统的引导信息，引导计算机加载娱乐场景操作系统启动。
在一个实施例中，本申请提供一种PC主机，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于场景识别的多系统切换方法的步骤。
在一个实施例中，本申请提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于场景识别的多系统切换装置方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种基于场景识别的多系统切换方法，其特征在于，包括如下步骤：
计算机开机启动时，激活摄像头实时拍摄使用环境的图像；
提取所述图像中的场景特征，将所述场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型；
提取所述图像中的人脸特征，将所述人脸特征输入预设的人脸识别模型中，获取用户身份信息；
结合所述预测场景类型和所述用户身份信息，确定当前使用场景，所述当前使用场景包括工作场景和娱乐场景；
若确定所述当前使用场景属于工作场景，则读取默认工作场景操作系统的引导信息，引导加载所述工作场景操作系统启动；
若确定所述当前使用场景属于娱乐场景，则读取默认娱乐场景操作系统的引导信息，引导加载所述娱乐场景操作系统启动；
其中，结合所述预测场景类型和所述用户身份信息，确定当前使用场景属于工作场景还是娱乐场景的过程中，包括如下步骤：
获取所述预测场景类型中的各个场景类型的概率集合；
获取所述用户身份信息中的各个身份的身份集合；
将所述概率集合和所述身份集合输入到融合模型中，得到模型输出结果；
根据所述模型输出结果确定当前使用场景属于工作场景还是娱乐场景。
2.根据权利要求1所述的基于场景识别的多系统切换方法，其特征在于，将所述概率集合和所述身份集合输入到融合模型中，得到模型输出结果的过程中，包括如下步骤：
根据所述概率集合和所述身份集合计算场景类型和身份特征的联合概率分布；
根据所述联合概率分布计算用户在所述各个场景类型下的使用场景概率，其中，所述使用场景包括工作场景或者娱乐场景；
对所有所述使用场景概率进行排序，将所述使用场景概率最大的使用场景确定为所述当前使用场景，并得到模型输出结果。
3.根据权利要求2所述的基于场景识别的多系统切换方法，其特征在于，所述联合概率分布按照以下公式计算：P(Si,Uj)=P(Si|Uj)*P(Uj)；
其中,Si表示场景类型,Uj表示身份特征,P(Si|Uj)表示在给定Uj的条件下场景Si的概率,P(Uj)表示身份特征Uj的概率。
4.根据权利要求2所述的基于场景识别的多系统切换方法，其特征在于，所述方法还包括：
获取所述用户的历史使用习惯；
根据所述历史使用习惯调整所述联合概率分布。
5.根据权利要求2所述的基于场景识别的多系统切换方法，其特征在于，所述方法还包括：
根据所述人脸特征识别所述用户的当前情绪状态；
根据所述当前情绪状态调整所述联合概率分布。
6.根据权利要求5所述的基于场景识别的多系统切换方法，其特征在于，根据所述当前情绪状态调整所述联合概率分布的过程中，包括如下步骤：
确定所述当前情绪状态为正面情绪还是负面情绪；
当确定所述当前情绪状态为正面情绪时，确定工作场景概率加权值为0.1，娱乐场景概率加权值为0.3；
当确定所述当前情绪状态为负面情绪时，确定工作场景概率加权值为0.3，娱乐场景概率加权值为0.1；
根据所述工作场景概率加权值和所述娱乐场景概率加权值对所述联合概率分布中的工作场景概率和娱乐场景概率进行调整。
7.一种基于场景识别的多系统切换装置，其特征在于，所述装置包括：
拍摄模块，用于在计算机开机启动时，激活摄像头实时拍摄使用环境的图像；
预测场景类型获取模块，用于提取所述图像中的场景特征，将所述场景特征输入预设的环境场景识别模型中，获取使用环境的预测场景类型；
用户身份信息获取模块，用于提取所述图像中的人脸特征，将所述人脸特征输入预设的人脸识别模型中，获取用户身份信息；
当前使用场景确定模块，用于结合所述预测场景类型和所述用户身份信息，确定当前使用场景，所述当前使用场景包括工作场景和娱乐场景；
第一启动模块，用于若确定所述当前使用场景属于工作场景，则读取默认工作场景操作系统的引导信息，引导加载所述工作场景操作系统启动；
第二启动模块，用于若确定所述当前使用场景属于娱乐场景，则读取默认娱乐场景操作系统的引导信息，引导加载所述娱乐场景操作系统启动；
其中，所述当前使用场景确定模块执行如下步骤：
获取所述预测场景类型中的各个场景类型的概率集合；
获取所述用户身份信息中的各个身份的身份集合；
将所述概率集合和所述身份集合输入到融合模型中，得到模型输出结果；
根据所述模型输出结果确定当前使用场景属于工作场景还是娱乐场景。
8.一种PC主机，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的基于场景识别的多系统切换方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311305750.5A CN117251219B (zh) | 2023-10-10 | 2023-10-10 | 一种基于场景识别的多系统切换方法、装置和pc主机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311305750.5A CN117251219B (zh) | 2023-10-10 | 2023-10-10 | 一种基于场景识别的多系统切换方法、装置和pc主机 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117251219A CN117251219A (zh) | 2023-12-19 |
| CN117251219B true CN117251219B (zh) | 2024-07-02 |
Family
ID=89132862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311305750.5A Active CN117251219B (zh) | 2023-10-10 | 2023-10-10 | 一种基于场景识别的多系统切换方法、装置和pc主机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117251219B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107992336A (zh) * | 2017-11-28 | 2018-05-04 | 深圳市筑泰防务智能科技有限公司 | 一种企业内部移动终端的双系统切换方法 |
| CN108875341A (zh) * | 2018-05-24 | 2018-11-23 | 北京旷视科技有限公司 | 一种人脸解锁方法、装置、系统及计算机存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490154A (zh) * | 2017-09-19 | 2017-12-19 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置和计算机可读存储介质 |
| KR102661983B1 (ko) * | 2018-08-08 | 2024-05-02 | 삼성전자주식회사 | 이미지의 인식된 장면에 기반하여 이미지를 처리하는 방법 및 이를 위한 전자 장치 |
| CN109783047B (zh) * | 2019-01-18 | 2022-05-06 | 三星电子（中国）研发中心 | 一种终端上的智能音量控制方法和装置 |
| CN111597955A (zh) * | 2020-05-12 | 2020-08-28 | 博康云信科技有限公司 | 基于深度学习的表情情绪识别的智能家居控制方法及装置 |
| CN114153501A (zh) * | 2020-09-07 | 2022-03-08 | 中兴通讯股份有限公司 | 一种基于geo定位的终端多系统切换方法及装置、终端 |
| CN112329580A (zh) * | 2020-10-29 | 2021-02-05 | 珠海市大悦科技有限公司 | 基于人脸识别身份认证的方法及装置 |
| CN115086478A (zh) * | 2022-05-10 | 2022-09-20 | 广东以诺通讯有限公司 | 一种终端信息保密方法、装置、电子设备及存储介质 |
| CN116456155A (zh) * | 2023-04-21 | 2023-07-18 | 山东浪潮超高清视频产业有限公司 | 基于人脸识别的安卓tv智能切换方法及系统 |
-
2023
- 2023-10-10 CN CN202311305750.5A patent/CN117251219B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107992336A (zh) * | 2017-11-28 | 2018-05-04 | 深圳市筑泰防务智能科技有限公司 | 一种企业内部移动终端的双系统切换方法 |
| CN108875341A (zh) * | 2018-05-24 | 2018-11-23 | 北京旷视科技有限公司 | 一种人脸解锁方法、装置、系统及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117251219A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110046266B (zh) | 一种照片的智能管理方法及装置 | |
| CN111444826B (zh) | 视频检测方法、装置、存储介质及计算机设备 | |
| CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
| JP5287333B2 (ja) | 年令推定装置 | |
| CN109992237B (zh) | 智能语音设备控制方法、装置、计算机设备和存储介质 | |
| CN111306700A (zh) | 一种空调控制方法、装置及计算机存储介质 | |
| CN111667001B (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
| CN103617432A (zh) | 一种场景识别方法及装置 | |
| CN111080746B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| WO2023173646A1 (zh) | 一种表情识别方法及装置 | |
| CN112381104A (zh) | 一种图像识别方法、装置、计算机设备及存储介质 | |
| CN112818909A (zh) | 图像更新方法、装置、电子设备及计算机可读介质 | |
| CN108664526A (zh) | 检索的方法和设备 | |
| CN112818995B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
| WO2022127814A1 (zh) | 一种图像的显著性物体检测方法、装置、设备及存储介质 | |
| CN111626058A (zh) | 基于cr2神经网络的图像-文本双编码实现方法及系统 | |
| CN113723310B (zh) | 基于神经网络的图像识别方法及相关装置 | |
| CN117251219B (zh) | 一种基于场景识别的多系统切换方法、装置和pc主机 | |
| CN113780424A (zh) | 一种基于背景相似度的照片实时在线聚类方法及系统 | |
| CN109522844B (zh) | 一种社交亲密度确定方法及系统 | |
| CN103984415A (zh) | 一种信息处理方法及电子设备 | |
| CN116261009B (zh) | 智能转化影视受众的视频检测方法、装置、设备及介质 | |
| CN113792759B (zh) | 识别模型训练方法、装置、计算机设备和存储介质 | |
| CN112989083B (zh) | 人员身份分析方法、装置、设备及存储介质 | |
| CN112669509A (zh) | 门禁管理方法、系统、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |