用于可穿戴设备的方法、装置、电子设备及可读存储介质与流程

专利2022-06-29  48


本公开涉及计算机应用技术领域,具体涉及一种用于可穿戴设备的方法、装置、电子设备及可读存储介质。



背景技术:

可穿戴设备是一种便携式装置,不仅可以通话、拍照、玩游戏,而且可以实现包括定位、信息处理、指纹扫描等功能。随着各种应用程序以及硬件装置的开发,可穿戴设备的功能越加丰富,已经成为人们日常生活中不可缺少的设备。

现在的可穿戴设备普遍采用上网的方式从网络中获取天气预报信息,不仅可以方便的获取某地区、某时间段的天气预报信息,而且天气预报信息还可以更新。然而,这种方式得到的天气预报信息往往预报的最小空间单位为市或区,而且预报时间跨度大、实时性不高,一般至少预报未来数小时到数天的天气情况,并且准确性不高。



技术实现要素:

为了解决相关技术中的问题,本公开实施例提供一种用于可穿戴设备的方法、装置、电子设备及可读存储介质。

第一方面,本公开实施例中提供了一种用于可穿戴设备的方法。

具体地,所述用于可穿戴设备的方法,包括:

获取天气相关数据;

将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

显示所述天气预测数据。

结合第一方面,本公开在第一方面的第一种实现方式中,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

结合第一方面的第一种实现方式,本公开在第一方面的第二种实现方式中,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是通过所述可穿戴设备的传感器得到的。

结合第一方面的第二种实现方式,本公开在第一方面的第三种实现方式中,所述基于天空图像获取天空颜色数据,包括:

将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

结合第一方面的第二种实现方式,本公开在第一方面的第四种实现方式中,所述基于天空图像获取风速数据,包括:

基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;

根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风速数据。

结合第一方面的第二种实现方式,本公开在第一方面的第五种实现方式中,所述基于天空图像获取风向数据,包括:

基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;

根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风向数据。

结合第一方面的第一种实现方式,本公开在第一方面的第六种实现方式中,所述基于所述天气相关数据和所述可穿戴设备的位置数据得到所述天气预测数据,包括:

根据所述可穿戴设备的位置数据得到所述位置的历史天气数据;

将所述天空颜色数据、所述风速数据、所述风向数据、所述气温数据、所述气压数据和历史天气数据输入训练好的第二模型;

获取所述第二模型输出的所述天气预测数据。

结合第一方面的第六种实现方式,本公开在第一方面的第七种实现方式中,所述历史天气数据包括往年当日当地天气数据和/或当日当地预设时间段内的天气数据。

结合第一方面,本公开在第一方面的第八种实现方式中,所述天气预测数据包括未来特定时间或时间段内的以下任意一项或多项数据:气温、气压、降水概率、风速、风向、空气质量。

结合第一方面,本公开在第一方面的第九种实现方式中,所述方法还包括:

基于垃圾图像确定垃圾类型和垃圾轮廓;

显示所述垃圾图像并在所述垃圾图像上沿所述垃圾轮廓叠加显示彩色轮廓线,所述彩色轮廓线的颜色与所述垃圾类型相对应。

结合第一方面,本公开在第一方面的第十种实现方式中,所述方法还包括:

接收用户佩戴的信号发射器发射的信号;

根据所述信号确定所述信号发射器相对于所述信号接收器的运动方向和运动距离;

根据所述运动方向和所述运动距离确定用户指令。

结合第一方面的第十种实现方式,本公开在第一方面的第十一种实现方式中,所述信号是红外信号;

所述根据所述信号确定所述信号发射器相对于所述信号接收器的运动距离,包括根据所述红外信号的波长变化确定所述运动距离。

结合第一方面的第十种实现方式,本公开在第一方面的第十二种实现方式中,所述根据所述运动方向和所述运动距离确定用户指令,包括:

将所述运动方向和所述运动距离分别与预设手势的运动方向和运动距离相匹配,根据匹配度确定用户手势;

根据所述用户手势确定所述用户指令。

第二方面,本公开实施例中提供了一种用于可穿戴设备的装置,包括:

获取模块,被配置为获取天气相关数据;

发送模块,被配置为将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

第一接收模块,被配置为从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

显示模块,被配置为显示所述天气预测数据。

结合第二方面,本公开在第二方面的第一种实现方式中,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

结合第二方面的第一种实现方式,本公开在第二方面的第二种实现方式中,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是基于所述可穿戴设备的传感器得到的。

结合二方面的第二种实现方式,本公开在第二方面的第三种实现方式中,所述获取模块中基于天空图像获取天空颜色数据的部分,被配置为将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

结合二方面的第二种实现方式,本公开在第二方面的第四种实现方式中,所述获取模块中基于天空图像获取风速数据的部分,被配置为基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风速数据。

结合二方面的第二种实现方式,本公开在第二方面的第五种实现方式中,所述获取模块中基于天空图像获取风向数据的部分,被配置为基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风向数据。

结合二方面的第一种实现方式,本公开在第二方面的第六种实现方式中,所述第一接收模块包括:

第一获取单元,被配置为根据所述可穿戴设备的位置数据得到所述位置的历史天气数据;

输入单元,被配置为将所述天空颜色数据、所述风速数据、所述风向数据、所述气温数据、所述气压数据和历史天气数据输入训练好的第二模型;

第二获取单元,被配置为获取所述第二模型输出的所述天气预测数据。

结合第二方面的第六种实现方式,本公开在第二方面的第七种实现方式中,所述历史天气数据包括往年当日当地天气数据和/或当日当地预设时间段内的天气数据。

结合第二方面,本公开在第二方面的第八种实现方式中,所述天气预测数据包括未来特定时间或时间段内的以下任意一项或多项数据:气温、气压、降水概率、风速、风向、空气质量。

结合第二方面,本公开在第二方面的第九种实现方式中,所述装置还包括:第一确定模块,被配置为基于垃圾图像确定垃圾类型和垃圾轮廓;

叠加模块,被配置为显示所述垃圾图像并在所述垃圾图像上沿所述垃圾轮廓叠加显示彩色轮廓线,所述彩色轮廓线的颜色与所述垃圾类型相对应。

结合第二方面,本公开在第二方面的第十种实现方式中,所述装置还包括:

第二接收模块,被配置为接收用户佩戴的信号发射器发射的信号;

第二确定模块,被配置为根据所述信号确定所述信号发射器相对于所述信号接收器的运动方向和运动距离;

第三确定模块,被配置为根据所述运动方向和所述运动距离确定用户指令。

结合第二方面的第十种实现方式,本公开在第二方面的第十一种实现方式中,所述信号是红外信号;

所述第二确定模块包括:第一确定单元,被配置为根据所述红外信号的波长变化确定所述运动距离。

结合第二方面的第十种实现方式,本公开在第二方面的第十二种实现方式中,所述第三确定模块包括:

第二确定单元,被配置为将所述运动方向和所述运动距离分别与预设手势的运动方向和运动距离相匹配,根据匹配度确定用户手势;

第三确定单元,被配置为根据所述用户手势确定所述用户指令。

第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现上述第一方面中用于可穿戴设备的方法步骤。

第四方面,本公开实施例中提供了一种可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式至第十二种实现方式任一项所述的方法。

本公开实施例提供的技术方案可以包括以下有益效果:

上述技术方案利用可穿戴设备获取天气相关数据,然后将天气相关数据和可穿戴设备的位置数据发送到服务器,服务器根据接收到的天气相关数据以及可穿戴设备的位置数据预测天气,然后将天气预测数据发送到可穿戴设备,可穿戴设备显示天气预测数据。该技术方案能够利用可穿戴设备实时拍摄天空图像获取天气相关数据,并发送至服务器进行数据分析得到天气预测数据,从而克服了从互联网上获取天气预测信息的局限性,能够在不同时间和地点进行天气预测,进而有效地提高了天气预测的实时性。

应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。

附图说明

结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:

图1示出根据本公开实施例的用于可穿戴设备的方法的应用场景图;

图2示出根据本公开实施例的用于可穿戴设备的方法的流程图;

图3示出根据本公开实施例的基于天空图像获取风速数据的流程图;

图4a-图4d示出了获取风速数据的原理示意图;

图5示出根据本公开实施例的基于天空图像获取风向数据的流程图;

图6a-图6b示出了获取风向数据的原理示意图;

图7示出根据本公开实施例的基于天气相关数据和可穿戴设备的位置数据得到天气预测数据的流程图;

图8示出根据本公开实施例的可穿戴设备的方法的流程图;

图9示出根据本公开实施例的可穿戴设备的方法的流程图;

图10示出根据本公开的实施例的用于可穿戴设备的装置的结构框图;

图11示出根据本公开的实施例的第一接收模块的结构框图;

图12示出根据本公开的实施例的用于可穿戴设备的装置的结构框图;

图13示出根据本公开的实施例的用于可穿戴设备的装置的结构框图;

图14示出根据本公开的实施例的电子设备的结构框图;

图15示出适于用来实现根据本公开实施例的用于可穿戴设备的方法的计算机系统的结构示意图。

具体实施方式

下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。

在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

上文提及,可穿戴设备是一种便携式装置,不仅可以通话、拍照、玩游戏,而且可以实现包括定位、信息处理、指纹扫描等功能。随着各种应用程序以及硬件装置的开发,可穿戴设备的功能越加丰富,已经成为人们日常生活中不可缺少的设备。

现在的可穿戴设备普遍采用上网的方式从网络中获取天气预报信息,不仅可以方便的获取某地区、某时间段的天气预报信息,而且天气预报信息还可以更新。然而,这种方式得到的天气预报信息往往预报的最小空间单位为市或区,而且预报时间跨度大、实时性不高,一般至少预报未来数小时到数天的天气情况,并且准确性不高。

考虑到上述缺陷,本公开实施例提供的技术方案利用可穿戴设备获取天气相关数据,然后将天气相关数据和可穿戴设备的位置数据发送到服务器,服务器根据接收到的天气相关数据以及可穿戴设备的位置数据预测天气,然后将天气预测数据发送到可穿戴设备,可穿戴设备显示天气预测数据。该技术方案能够利用可穿戴设备实时拍摄天空图像获取天气相关数据,并发送至服务器进行数据分析得到天气预测数据,从而克服了从互联网上获取天气预测信息的局限性,能够在不同时间和地点进行天气预测,进而有效地提高了天气预测的实时性。

图1示出根据本公开实施例的用于可穿戴设备的方法的应用场景图。

如图1所示,本公开的实施例的可穿戴设备100以智能眼镜为例进行说明,可以理解,可穿戴设备100还可以是其他智能设备,比如智能手环、智能手表、智能头盔、智能臂环以及智能手机等设备。图1示出了本公开的方法用于智能眼镜的一种应用场景,智能眼镜可以拍摄天空图像,比如,通过设置在眼眶的摄像头进行图像拍摄,然后对图像进行识别,获取初步分析信息,之后将初步分析信息发送至服务器200进行数据处理。服务器200由于具有快速的数据处理能力,再结合实时获得的智能眼镜传输的初步分析信息,可以得到更加准确的天气预测结果。服务器200进行数据处理后,将天气预测结果发送至智能眼镜,从而帮助智能眼镜的使用者做出下一步决策。可以理解,本公开的用于可穿戴设备的方法可以应用于需要实时进行数据分析的应用领域,比如天气预测、交通预测等,上述实例性的说明不构成对本公开的限制。

图2示出根据本公开实施例的用于可穿戴设备的方法的流程图。

如图2所示,所述用于可穿戴设备的方法包括以下步骤s101-s105:

在步骤s101中,获取天气相关数据;

在步骤s102中,将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

在步骤s103中,从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

在步骤s104中,显示所述天气预测数据;

根据本公开的实施例,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

根据本公开的实施例,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是基于所述可穿戴设备的传感器得到的。

根据本公开的实施例,可穿戴设备可以包括一个或多个摄像头,通过摄像头能够实现对天空图像的捕获。在本公开实施方式中,可穿戴设备还配置有气压传感器、温度传感器等。气压传感器用于获取气压数据,温度传感器用于获取气温数据。气压传感器和温度传感器的具体位置根据需要可以灵活进行设置,在此不做限制。

根据本公开的实施例,可以将天空颜色数据、风速数据、风向数据、气温数据、气压数据、可穿戴设备的位置数据制作成json格式,便于和服务器进行数据交互。

根据本公开的实施例,服务器在进行天气预测时,可以先利用可穿戴设备的位置数据,判断是否有可穿戴设备所在位置的天气预测数据,如果有,则直接发送至通信装置。否则,基于所述天空颜色数据、所述风速数据、所述风向数据、所述气温数据、所述气压数据和所述可穿戴设备的位置数据进行天气预测,并将天气预测数据发送至通信装置。

根据本公开的实施例,基于天空图像获取天空颜色数据,包括:

将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

在本公开方式中,第一模型可以是tensorflow.js框架下的神经网络模型。其中,tensorflow.js是一个基于tensorflow的前端深度学习框架,无需下载或安装其他应用程序,可以直接在可穿戴设备的浏览器上进行神经网络模型训练,也可以直接运行训练好的模型进行数据处理。

在本公开方式中,利用已经训练好的第一模型识别天空图像中的天空部分,输出天空颜色数据。其中,天空颜色数据可以是颜色的rgb值或者是hsb值等,根据第一模型训练时选用的不同的训练数据,可以获得不同的天空颜色数据,本公开对此不做限制。

图3示出根据本公开实施例的基于天空图像获取风速数据的流程图。

如图3所示,所述基于天空图像获取风速数据包括以下步骤s201-s202:

在步骤s201中,基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;

在步骤s202中,根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风速数据。

根据本公开的实施例,风速数据可以通过风吹动天空中的云朵后,计算云朵的位移变化来确定。在本公开方式中,通过在特定时间间隔内拍摄两幅天空图像,分析天空图像中的云朵图像的位移变化,来确定实际天空中云朵的位移变化,进而确定风速数据。根据本公开的实施例,所述两幅天空图像可以是从拍摄的一段视频中截取的。

在本公开方式中,图4a-图4d示出了获取风速数据的原理示意图,结合图4a-图4d,基于天空图像中的云朵在特定时间间隔的位移变化确定风速数据,具体通过如下公式计算:v=s/t;

s切=(h/sinθ)*sinα,s径=h*(cotθ-cotθ′),

θ′=θ δθ,δθ=sin-1(l仰*sinθ/h),α=sin-1l平*sinθ/h,

l仰=p*l仰(屏),l平=p*l平(屏),p=h/(sinθ*f)

其中,v表示风速;t表示特定时间间隔;s表示实际天空中云朵的位移变化;s切为实际云朵相对于云朵上一点到拍摄位置连线(该连线方向称为径向)而言的切向位移变化;s径为实际云朵沿所述径向的径向位移变化;h表示实际云朵高度,可以通过当地的露点温度和地表温度计算得到;θ表示移动设备在拍摄云朵图像时通过陀螺仪获得的移动设备仰角;l仰(屏)表示云朵图像在天空图像中的垂直位移;l平(屏)表示云朵图像在天空图像中的水平位移;p表示实际云朵和云朵图像的大小比例尺;f表示成像焦距。

如图4a所示,d为可穿戴设备距离云朵的实际距离,即为图4c中的ac长度,根据形状t1与t2的相似性,可以计算得出实际云朵与成像云朵的比例尺p。

如图4b所示,天空图像中云朵从c点移动到c终点,位移cc终点可以分为两个方向,即为l仰(屏)以及l平(屏)。

由于l仰(屏)以及l平(屏)可从图像中确定具体数值,然后根据计算得到的比例尺p,即可确定l仰以及l平。云朵距离地面的高度h可以通过当地露点温度和地表温度计算得到,通过h、θ可以确定ac长度ac=h/sinθ,即图4a中的d。根据l仰、l平以及ac即可确定α角以及δθ角,即根据sinδθ=l仰/ac,sinα=l平/ac,计算得到:

δθ=sin-1(l仰*sinθ/h),α=sin-1l平*sinθ/h。

如图4c所示,∠cab即为陀螺仪测得的摄像装置仰角θ。

则s径=cc径=ab-ab径=bc*cotθ-b径c径*cotθ′

=h*(cotθ-cotθ′)。

如图4d所示,由于径向位移cc切相对于可穿戴设备到云层距离ac和ab切可忽略不计。

则s切=cc切≈ac*sinα=(bc/sinθ)*sinα==(h/sinθ)*sinα。

图5示出根据本公开实施例的基于天空图像获取风向数据的流程图。

如图5所示,所述基于天空图像获取风向数据包括以下步骤s301-s302:

在步骤s301中,基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;

在步骤s302中,根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风向数据。

根据本公开的实施例,图6a-图6b示出了获取风向数据的原理示意图;结合图6a-图6b所示,根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风向数据,具体通过如下公式计算:

β=tan-1(s切/s径)

γ=tan-1l平(屏)/l仰(屏)

如图6a所示,∠acc终即为圆锥半角β,根据圆锥半角β,则可以作出以观测点a到云朵起始点c为圆锥中线的圆锥面,且云朵终点c终为圆锥面上一点。

如图6b所示,由tanγ=l平(屏)/l仰(屏),可以推导出:

γ=tan-1l平(屏)/l仰(屏)。

当得到仰角θ、圆锥半角β以及γ之后,可以计算确定c以及c终的坐标。

请参考图4c,若ac的投影地面方向为x轴,地面上垂直ac投影方向为y轴,垂直于地面方向为z轴,设a点坐标为(0,0,0),则

c点坐标为(ac*sinθ,0,ac*cosθ)

c终的坐标为(ac*sinθ cc终*cosθ*sinβ,cc终*sinγ,ac*cosθ-cc终*sinθ*cosβ)。

因此,风向数据可以表示为:

图7示出根据本公开实施例的基于天气相关数据和可穿戴设备的位置数据得到所述天气预测数据的流程图。

如图7所示,所述基于所述天气相关数据和所述可穿戴设备的位置数据得到天气预测数据包括以下步骤s401-s403:

在步骤s401中,根据所述可穿戴设备的位置数据得到所述位置的历史天气数据;

在步骤s402中,将所述天空颜色数据、所述风速数据、所述风向数据、所述气温数据、所述气压数据和历史天气数据输入训练好的第二模型;

在步骤s403中,获取所述第二模型输出的所述天气预测数据。

根据本公开的实施例,可穿戴设备的位置数据可以是当前时刻可穿戴设备的gps定位数据,具体地,可以是位置点的坐标,也可以是以位置点坐标为中心的一个预定区域范围。比如,位置点附近500米的范围均可以视为可穿戴设备的位置。

根据本公开的实施例,历史天气数据可以是可穿戴设备所在的城市、地区或者街道的历史天气数据。在本公开方式中,根据可穿戴设备的位置信息得到的可穿戴设备的定位位置若精确到街道或者小区,则可以首先确定该街道或者小区是否存在历史天气数据,如果不存在,则进一步的扩大到该街道或者小区所在的地区或者城市,并将地区或者城市的历史天气数据作为可穿戴设备的位置确定的历史天气数据。可以理解,若可穿戴设备的定位位置为以位置点坐标为中心的一个预定区域范围,则首先以该位置点确定可穿戴设备位置的历史天气数据,并逐步扩大到预定区域范围,最后以预定区域范围确定可穿戴设备位置的历史天气数据。

比如,若根据可穿戴设备的位置数据确定可穿戴设备的位置为地点a,则历史天气数据,可以是地点a的历史天气数据,或者地点a所在的城市的历史天气数据,或者是地点a附近5公里区域的历史天气数据等等。

根据本公开的实施例,所述历史天气数据包括往年当日当地天气数据和/或当日当地预设时间段内的天气数据。

其中,预设时间段可以是预设的、保留有天气数据的时间段。在获取历史天气数据时可以灵活选择预设时间段,若当地当日保留有整天的历史天气数据,则优先选择和确定可穿戴设备的当前时刻相同预设时间段的历史天气数据。

比如,若根据可穿戴设备的位置数据确定可穿戴设备的位置为地点a,当前日期为11月5日,则历史天气数据,可以是去年或者前年11月5日、地点a的天气数据,也可以是去年或者前年11月5日、地点a以及早上6点至7点的天气数据。

根据本公开的实施例,与第一模型类似地,第二模型也可以是tensorflow.js框架下的神经网络模型,本公开对此不予赘述。

根据本公开的实施例,所述天气预测数据包括未来特定时间或时间段内的以下任意一项或多项数据:气温、气压、降水概率、风速、风向、空气质量。

根据本公开的实施例,由于结合了历史天气数据以及当时当地的各项数据,比如天空颜色数据、风速数据、风向数据、气温数据和气压数据,因此,利用第二模型得到的天气预测数据更加可靠。

图8示出根据本公开实施例的可穿戴设备的方法的流程图。

如图8所示,所述用于可穿戴设备的方法还包括以下步骤s105-s106:

在步骤s105中,基于垃圾图像确定垃圾类型和垃圾轮廓;

在步骤s106中,显示所述垃圾图像并在所述垃圾图像上沿所述垃圾轮廓叠加显示彩色轮廓线,所述彩色轮廓线的颜色与所述垃圾类型相对应。

根据本公开的实施例,所述垃圾类型可以包括以下类型:塑料垃圾、废纸、生活垃圾、电子垃圾、金属垃圾等等。

根据本公开的实施例,所述垃圾轮廓可以根据垃圾的完整程度进行确定,比如可以是垃圾整体轮廓或者是部分轮廓。在叠加彩色轮廓线时,根据确定出的垃圾轮廓选择相应的方式进行叠加,比如,当确定出部分垃圾轮廓时,叠加相应部分的彩色轮廓线。

由于处理器确定的垃圾类型可能有多种,因此,当有多种不同类型的垃圾需要处理时,可以为每种类型的垃圾预先设置不同的彩色轮廓线。比如,将红色线条叠加在金属垃圾的轮廓上,将绿色线条叠加在塑料垃圾的轮廓上。

图9示出根据本公开实施例的可穿戴设备的方法的流程图。

如图9所示,所述用于可穿戴设备的方法还包括以下步骤s107-s109:

在步骤s107中,接收用户佩戴的信号发射器发射的信号;

在步骤s108中,根据所述信号确定所述信号发射器相对于所述信号接收器的运动方向和运动距离;

在步骤s109中,根据所述运动方向和所述运动距离确定用户指令。

根据本公开的实施例,信号接收器和信号发射器可以分别是用户佩戴的可穿戴设备。比如,信号接收器可以是智能手环,信号发射器可以是智能头盔。

根据本公开的实施例,信号发射器用于发射信号,所述信号可以是红外信号,也可以是无线波信号。若信号为红外信号,则信号接收器可以是红外接收器,用于接收红外信号。若信号为无线电波信号,则信号接收器可以是具有wifi功能或者蓝牙功能的智能设备,信号接收器和信号发射器之间通过wifi、蓝牙或者其他近距离通讯网络传输无线电波信号。

根据本公开的实施例,当信号是红外信号时,根据所述信号确定所述信号发射器相对于所述信号接收器的运动距离,包括根据所述红外信号的波长变化确定所述运动距离。

根据本公开的实施例,通过处理器根据红外信号的多普勒效应从红外信号的波长变化确定信号接收器和信号发射器之间的相对位移。根据本公开的实施例,信号接收器可以感知信号发射器发射的信号来自于哪个方向,进而处理器可以确定信号发射器和信号接收器的相对运动方向。这样,处理器可以获知信号发射器和信号接收器的相对运动方向和运动距离,通过轮询的方式获取并处理所述运动方向和运动距离能够得到使用者肢体的移动轨迹,利用移动轨迹可以确定用户在可穿戴设备的操作指令。

根据本公开的实施例,所述根据所述运动方向和所述运动距离确定用户指令,包括:将所述运动方向和所述运动距离分别与预设手势的运动方向和运动距离相匹配,根据匹配度确定用户手势;根据所述用户手势确定所述用户指令。

在本公开方式中,预设手势可以是可穿戴设备预先设置的、具有预定操作功能的手势选项,当根据运动方向和运动距离确定的移动轨迹与手势选项中的某一选项匹配度最高时,选择该用户手势,并根据该用户手势对应的用户指令对可穿戴设备进行操作。

图10示出根据本公开的实施例的用于可穿戴设备的装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图10所示,所述用于可穿戴设备的装置包括获取模块110、发送模块120、第一接收模块130和显示模块140。

所述获取模块110被配置为获取天气相关数据;

所述发送模块120被配置为将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

所述第一接收模块130被配置为从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

所述显示模块140被配置为显示所述天气预测数据。

根据本公开的实施例,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

根据本公开的实施例,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是基于所述可穿戴设备的传感器得到的。

根据本公开的实施例,所述获取模块中基于天空图像获取天空颜色数据的部分,被配置为将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

根据本公开的实施例,所述获取模块中基于天空图像获取风速数据的部分,被配置为基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风速数据。

根据本公开的实施例,所述获取模块中基于天空图像获取风向数据的部分,被配置为基于所述可穿戴设备的摄像装置相隔特定时间间隔拍摄的两幅天空图像,获取所述天空图像中的云朵图像的位移;根据所述云朵图像的位移、所述云朵距离地面的高度、所述摄像装置在拍摄时的仰角、所述摄像装置的焦距、所述特定时间间隔,确定所述风向数据。

图11示出根据本公开的实施例的第一接收模块的结构框图。

如图11所示,所述第一接收模块130包括第一获取单元131、输入单元132和第二获取单元133。

所述第一获取单元131被配置为根据所述可穿戴设备的位置数据得到所述位置的历史天气数据;

所述输入单元132被配置为将所述天空颜色数据、所述风速数据、所述风向数据、所述气温数据、所述气压数据和历史天气数据输入训练好的第二模型;

所述第二获取单元133被配置为获取所述第二模型输出的所述天气预测数据。

根据本公开的实施例,所述历史天气数据包括往年当日当地天气数据和/或当日当地预设时间段内的天气数据。

根据本公开的实施例,所述天气预测数据包括未来特定时间或时间段内的以下任意一项或多项数据:气温、气压、降水概率、风速、风向、空气质量。

图12示出根据本公开的实施例的用于可穿戴设备的装置的结构框图。如图12所示,所述用于可穿戴设备的装置还包括第一确定模块210和叠加模块220。

所述第一确定模块210被配置为基于垃圾图像确定垃圾类型和垃圾轮廓;

所述叠加模块220被配置为显示所述垃圾图像并在所述垃圾图像上沿所述垃圾轮廓叠加显示彩色轮廓线,所述彩色轮廓线的颜色与所述垃圾类型相对应。

图13示出根据本公开的实施例的用于可穿戴设备的装置的结构框图。如图13所示,所述用于可穿戴设备的装置还包括第二接收模块310、第二确定模块320和第三确定模块330。

所述第二接收模块310被配置为接收用户佩戴的信号发射器发射的信号;

所述第二确定模块320被配置为根据所述信号确定所述信号发射器相对于所述信号接收器的运动方向和运动距离;

所述第三确定模块330被配置为根据所述运动方向和所述运动距离确定用户指令。

根据本公开的实施例,所述信号是红外信号;

所述第二确定模块320包括:第一确定单元,被配置为根据所述红外信号的波长变化确定所述运动距离。

根据本公开的实施例,所述第三确定模块330包括:

第二确定单元,被配置为将所述运动方向和所述运动距离分别与预设手势的运动方向和运动距离相匹配,根据匹配度确定用户手势;

第三确定单元,被配置为根据所述用户手势确定所述用户指令。

本公开还公开了一种电子设备,图14示出根据本公开的实施例的电子设备的结构框图。

如图14所示,所述电子设备1400包括存储器1401和处理器1402;其中,

所述存储器1401用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器1402执行以实现以下方法步骤:

获取天气相关数据;

将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

显示所述天气预测数据。

图15示出适于用来实现根据本公开实施例的用于可穿戴设备的方法的计算机系统的结构示意图。

如图15所示,计算机系统1500包括中央处理单元(cpu)1501,其可以根据存储在只读存储器(rom)1502中的程序或者从存储部分1508加载到随机访问存储器(ram)1503中的程序而执行上述实施例中的各种处理。在ram1503中,还存储有系统1500操作所需的各种程序和数据。cpu1501、rom1502以及ram1503通过总线1504彼此相连。输入/输出(i/o)接口1505也连接至总线1504。

以下部件连接至i/o接口1505:包括键盘、鼠标等的输入部分1506;包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1507;包括硬盘等的存储部分1508;以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1509。通信部分1509经由诸如因特网的网络执行通信处理。驱动器1510也根据需要连接至i/o接口1505。可拆卸介质1511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1510上,以便于从其上读出的计算机程序根据需要被安装入存储部分1508。

特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行上述对象类别确定方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1509从网络上被下载和安装,和/或从可拆卸介质1511被安装。

附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。


技术特征:

1.一种用于可穿戴设备的方法,其特征在于,包括:

获取天气相关数据;

将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

显示所述天气预测数据。

2.根据权利要求1所述的方法,其特征在于,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

3.根据权利要求2所述的方法,其特征在于,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是通过所述可穿戴设备的传感器得到的。

4.根据权利要求3所述的方法,其特征在于,所述基于天空图像获取天空颜色数据,包括:

将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

5.一种用于可穿戴设备的装置,其特征在于,包括:

获取模块,被配置为获取天气相关数据;

发送模块,被配置为将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;

第一接收模块,被配置为从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;

显示模块,被配置为显示所述天气预测数据。

6.根据权利要求5所述的装置,其特征在于,所述天气相关数据包括:天空颜色数据、风速数据、风向数据、气温数据和气压数据。

7.根据权利要求6所述的装置,其特征在于,所述天空颜色数据、风速数据以及风向数据是基于所述可穿戴设备的摄像装置拍摄的天空图像得到的;所述气温数据以及气压数据是通过所述可穿戴设备的传感器得到的。

8.根据权利要求7所述的装置,其特征在于,所述获取模块中基于天空图像获取天空颜色数据的部分,被配置为将所述天空图像输入训练好的第一模型,所述第一模型识别所述天空图像中的天空部分并输出所述天空颜色数据。

9.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1-4任一项所述的方法步骤。

10.一种可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-4任一项所述的方法步骤。

技术总结
本公开实施例公开了一种用于可穿戴设备的方法、装置、电子设备及可读存储介质,所述方法包括:获取天气相关数据;将所述天气相关数据和所述可穿戴设备的位置数据发送到服务器;从所述服务器接收天气预测数据,所述天气预测数据是基于所述天气相关数据和所述可穿戴设备的位置数据得到的;显示所述天气预测数据。该技术方案能够利用可穿戴设备实时拍摄天空图像获取天气相关数据,并发送至服务器进行数据分析得到天气预测数据,从而克服了从互联网上获取天气预测信息的局限性,能够在不同时间和地点进行天气预测,进而有效地提高了天气预测的实时性。

技术研发人员:张健亮
受保护的技术使用者:拉扎斯网络科技(上海)有限公司
技术研发日:2020.01.03
技术公布日:2020.06.05

转载请注明原文地址: https://bbs.8miu.com/read-52202.html

最新回复(0)