CN113505258A - 智能手表表盘界面数据的预存方法、系统、装置及介质 - Google Patents
智能手表表盘界面数据的预存方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN113505258A CN113505258A CN202110696125.2A CN202110696125A CN113505258A CN 113505258 A CN113505258 A CN 113505258A CN 202110696125 A CN202110696125 A CN 202110696125A CN 113505258 A CN113505258 A CN 113505258A
- Authority
- CN
- China
- Prior art keywords
- image
- smart watch
- watch
- color
- case
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006870 function Effects 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种智能手表表盘界面数据的预存方法、系统、装置及介质。该方法通过获取所述智能手表的外观图像；将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；将所述压缩数据导入到所述智能手表的存储装置中。该方法能够有效降低智能手表的硬件成本，方便准确、可控地进行智能手表的表盘界面配色，有利于提高智能手表的使用体验。本申请可广泛应用于智能手表技术领域内。
Description
技术领域
本申请涉及智能手表技术领域，尤其是一种智能手表表盘界面数据的预存方法、系统、智能手表及介质。
背景技术
在智能可穿戴领域，智能手表作为最热门的产品之一，致力于给用户带来一站式的智能监测、信息获取体验。相对于智能手环，智能手表最明显的区别特征是通常有一块较大的显示屏，显示屏作为用户获取信息和操作的主要介质，在显示效果方面上往高分辨率、高对比度和高色彩鲜艳度发展。
当下，智能手表带有表壳以及用于显示画面的表盘，两者的颜色需要搭配统一。一般来说，通用的做法是提前把智能手表的表壳的颜色写入到手表中，用户激活绑定智能手表时，智能手表自动读取表壳的颜色，然后根据读到的表壳颜色来解包相应的表盘界面数据，从而生成颜色相匹配的表盘界面。这种做法的缺点是需要把整个读取程序提前写入智能手表，如果出错就会批量出错，而且读取程序在智能手表侧是不可控的；且智能手表需要存储读取程序和全部品类的智能手表适配的表盘界面数据，对硬件成本要求较高。
综合上述，相关技术中存在的技术问题亟需得到解决。
发明内容
本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
为此，本申请实施例的一个目的在于提供一种智能手表表盘界面数据的预存方法，该方法能够有效降低智能手表的硬件成本，方便准确、可控地进行智能手表的表盘界面配色。
本申请实施例的另一个目的在于提供智能手表表盘界面数据的预存系统。
为了达到上述技术目的，本申请实施例所采取的技术方案包括：
第一方面，本申请实施例提供了一种智能手表表盘界面数据的预存方法，所述方法包括以下步骤：
获取所述智能手表的外观图像；
将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
将所述压缩数据导入到所述智能手表的存储装置中。
另外，根据本申请上述实施例的智能手表表盘界面数据的预存方法，还可以具有以下附加的技术特征：
进一步地，在本申请的一个实施例中，所述将所述外观图像输入到表壳颜色识别模型中，包括：
对所述外观图像进行分割处理，得到表壳图像；
将所述表壳图像输入到所述表壳颜色识别模型中。
进一步地，在本申请的一个实施例中，所述对所述外观图像进行分割处理，得到表壳图像，包括：
将所述外观图像转换为灰度图像；
对所述灰度图像进行二值化处理，得到黑白图像；
通过预设阈值对所述黑白图像进行轮廓分割，得到表壳区域；
根据所述表壳区域从所述外观图像中划取得到所述表壳图像。
进一步地，在本申请的一个实施例中，所述获取所述智能手表的外观图像，包括：
通过图像采集装置采集所述智能手表的原始图像；
对所述原始图像进行尺度变换，得到所述外观图像。
进一步地，在本申请的一个实施例中，所述表壳颜色识别模型通过以下步骤得到：
获取批量的智能手表的外观图像样本和所述外观图像样本对应的标签；所述标签用于表征所述外观图像样本中的智能手表的表壳颜色；
将所述外观图像样本输入到表壳颜色识别模型中，得到所述表壳颜色识别模型输出的表壳颜色的预测结果；
根据所述预测结果和所述标签，确定训练的损失值；
根据所述损失值，对所述表壳颜色识别模型的参数进行更新，得到训练好的表壳颜色识别模型。
进一步地，在本申请的一个实施例中，所述根据所述预测结果和所述标签，确定训练的损失值，包括：
通过交叉熵损失函数计算预测结果和所述标签之间的损失值。
第二方面，本申请实施例提供了一种智能手表表盘界面数据的预存系统，所述系统包括：
获取模块，用于获取所述智能手表的外观图像；
输入模块，用于将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
压缩模块，用于根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
存储模块，用于将所述压缩数据导入到所述智能手表的存储装置中。
第三方面，本申请实施例提供了一种智能手表表盘界面数据的预存装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的智能手表表盘界面数据的预存方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的智能手表表盘界面数据的预存方法。
本申请的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：
本申请实施例中提供的智能手表表盘界面数据的预存方法，该方法通过获取所述智能手表的外观图像；将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；将所述压缩数据导入到所述智能手表的存储装置中。该方法能够有效降低智能手表的硬件成本，方便准确、可控地进行智能手表的表盘界面配色，有利于提高智能手表的使用体验。
附图说明
为了更清楚地说明本申请实施例或者现有技术中的技术方案，下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本申请的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
图1为本申请一种智能手表表盘界面数据的预存方法具体实施例的流程示意图；
图2为本申请一种智能手表表盘界面数据的预存系统具体实施例的结构示意图；
图3为本申请一种智能手表表盘界面数据的预存装置具体实施例的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
当下，现有的智能手表一般是提前把智能手表的表壳的颜色写入到手表中，用户激活绑定智能手表时，智能手表自动读取表壳的颜色，然后根据读到的表壳颜色来解包相应的表盘界面数据，从而生成颜色相匹配的表盘界面。这种做法的缺点是需要把整个读取程序提前写入智能手表，如果出错就会批量出错，而且读取程序在智能手表侧是不可控的；且智能手表需要存储读取程序和全部品类的智能手表适配的表盘界面数据，对硬件成本要求较高。
有鉴于此，本申请实施例中提供一种智能手表表盘界面数据的预存方法，本申请实施例中的方法，可应用于智能手表的生产产线中，具体可以是以程序代码的方式被存储在产线控制装置的存储器中，并通过相关的处理器执行来实现。本申请实施例中的智能手表，指供用户佩戴的任何一种带有交互、显示功能的手表，该智能手表包括表壳和表盘。
具体地，参照图1，本申请中的方法主要包括以下步骤：
步骤110、获取所述智能手表的外观图像；
本申请实施例中，获取智能手表的外观图像，可以是在生产线上安装相应的图像采集装置，例如摄像头来对每个需要处理的智能手表进行拍摄获取其外观图像，也可以是从生产系统中获取智能手表的模型图例，并从相关的文件中获取其外观图像。具体地，在拍摄取像时，为了尽可能地消除因拍摄环境因素带来的不稳定因素，在进行拍摄取像的时候最好能够统一拍摄的背景环境，例如可以固定图像采集装置距离智能手表的位置和角度。并且，在一些实施例中，对于图像采集装置获取的大小不同的智能手表的原始图像，可以对原始图像的大小进行尺度变换，以放缩至合适后续处理的尺度。
步骤120、将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
本申请实施例中获取的智能手表的外观图像，主要用于输入到表壳颜色识别模型中，以得到智能手表的表壳颜色的识别结果。具体地，在识别智能手表的表壳颜色的过程中，需要从外观图像中分割出表壳图像的部分，即需要对外观图像进行分割处理，分割处理的过程可以表示为：首先，将外观图像转换为灰度图像，然后对灰度图像进行二值化处理，得到黑白图像。具体地，在进行二值化处理时，可以设定一个灰度阈值，假设灰度图像中的像素灰度值处于0～255之间，则可以设置灰度阈值为100。这样，灰度值高于100的像素点可以被处理为黑色，灰度值低于100的像素点可以被处理为白色，从而使得整个图像呈现出明显的黑白效果，得到黑白图像。黑白图像能明显凸显出需要得到的目标的轮廓，基于该轮廓可以方便地划定出表壳区域，然后从外观图像中可以划取相应区域的图像，即可得到表壳图像。具体地，本申请中对于灰度图像的二值化处理可以使用OpenCV或者Matlab中的相关函数来实现。在一些实施例中，对于外观图像中的表壳图像，也可以采用边缘检测的方法分割得到，具体手段是通过识别图像中灰度变化明显的点来实现分割，常用的算法可以包括Sobel算法、Canny算法、Laplacian算法等。
本申请实施例中，对于获取的表壳图像，可以将其输入到表壳颜色识别模型中以得到表壳颜色的识别结果，该模型可以是任意的一种机器学习模型。具体地，本申请实施例中的表壳颜色识别模型可以通过以下步骤得到：首先，批量获取智能手表的外观图像样本，并标记外观图像样本对应的标签，该标签用于表征外观图像样本中的智能手表的表壳颜色，然后将外观图像样本输入到初始化后的表壳颜色识别模型中，可以得到模型输出的预测结果，从而可以根据该预测结果和前述的标签来评估识别模型预测的准确性，以对模型的参数进行更新。
具体地，对于表壳颜色识别模型来说，它的预测结果的准确性可以通过损失函数(Loss Function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(Cost Function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本申请实施例中，可以从中任选一种损失函数来确定训练的损失值，也即预测结果和标签之间的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的表壳颜色识别模型。具体地迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。
步骤130、根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
本申请实施例中，对于智能手表来说，一般其表盘的颜色和表壳的颜色需要统一，在实际生产过程中，会有固定的表壳颜色，例如红色、黄色、黑色、白色等等；而表盘界面的颜色因为是通过屏幕显示的，所以相对来说比较多变一些，可以预设几个适配的种类，建立表盘界面数据库，收集相关的表盘界面图像，并按照界面主题的颜色分成多个小组，例如红色主题组、蓝色主题组、黑色主题组等等。本申请实施例中，可以根据表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，目标图像组即为对应的主题颜色和表壳识别颜色相同的小组，该小组内包括若干与识别结果的颜色相同的表盘界面图像。举例来说，在建立表盘界面数据库时，可以将表盘界面图像分为黑色小组、白色小组、黄色小组等等；当识别到某款表壳的颜色是黄色时，则其对应的表盘界面数据库中的目标图像组即为黄色小组。本申请实施例中，当确定出目标图像组时，将目标图像组中的表盘界面图像数据打包成压缩数据。
步骤140、将所述压缩数据导入到所述智能手表的存储装置中。
本申请实施例中，将压缩数据导入到智能手表的存储装置中，从而完成智能手表的表盘界面图像数据的预存工作。可以理解的是，本申请中提供的方法，可以大大减少需要向智能手表中存储的数据，例如相对于相关技术，既不需要安装相应的读取程序，也不需要在智能手表中存储全部的表盘界面图像，因此可以有效降低其硬件成本。并且，本申请中由于智能手表适配的表盘界面图像是预存进去的，在激活时只需要解压供用户挑选即可，可以提高用户体验。在智能手表的芯片内存紧张的情况下，采用本申请中提出的智能手表表盘界面数据的预存方法更有利于大批量生产画面匹配度高、配色准确度高的智能手表。
下面参照附图详细描述根据本申请实施例提出的智能手表表盘界面数据的预存系统。
参照图2，本申请实施例中提出的智能手表表盘界面数据的预存系统，所述系统包括：
获取模块101，用于获取所述智能手表的外观图像；
输入模块102，用于将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
压缩模块103，用于根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
存储模块104，用于将所述压缩数据导入到所述智能手表的存储装置中。
可以理解的是，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3，本申请实施例提供了智能手表表盘界面数据的预存装置，包括：
至少一个处理器201；
至少一个存储器202，用于存储至少一个程序；
当至少一个程序被至少一个处理器201执行时，使得至少一个处理器201实现的智能手表表盘界面数据的预存方法。
同理，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器201可执行的程序，处理器201可执行的程序在由处理器201执行时用于执行上述的智能手表表盘界面数据的预存方法。
同理，上述方法实施例中的内容均适用于本计算机可读存储介质实施例中，本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外，在本申请的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本申请，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本申请是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本申请。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本申请的范围，本申请的范围由所附权利要求书及其等同方案的全部范围来决定。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施方式，本领域的普通技术人员可以理解：在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本申请的范围由权利要求及其等同物限定。
以上是对本申请的较佳实施进行了具体说明，但本申请并不限于实施例，熟悉本领域的技术人员在不违背本申请精神的前提下可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种智能手表表盘界面数据的预存方法，其特征在于，包括以下步骤：
获取所述智能手表的外观图像；
将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
将所述压缩数据导入到所述智能手表的存储装置中。
2.根据权利要求1所述的智能手表表盘界面数据的预存方法，其特征在于，所述将所述外观图像输入到表壳颜色识别模型中，包括：
对所述外观图像进行分割处理，得到表壳图像；
将所述表壳图像输入到所述表壳颜色识别模型中。
3.根据权利要求2所述的智能手表表盘界面数据的预存方法，其特征在于，所述对所述外观图像进行分割处理，得到表壳图像，包括：
将所述外观图像转换为灰度图像；
对所述灰度图像进行二值化处理，得到黑白图像；
通过预设阈值对所述黑白图像进行轮廓分割，得到表壳区域；
根据所述表壳区域从所述外观图像中划取得到所述表壳图像。
4.根据权利要求1所述的智能手表表盘界面数据的预存方法，其特征在于，所述获取所述智能手表的外观图像，包括：
通过图像采集装置采集所述智能手表的原始图像；
对所述原始图像进行尺度变换，得到所述外观图像。
5.根据权利要求1-4中任一项所述的智能手表表盘界面数据的预存方法，其特征在于，所述表壳颜色识别模型通过以下步骤得到：
获取批量的智能手表的外观图像样本和所述外观图像样本对应的标签；所述标签用于表征所述外观图像样本中的智能手表的表壳颜色；
将所述外观图像样本输入到表壳颜色识别模型中，得到所述表壳颜色识别模型输出的表壳颜色的预测结果；
根据所述预测结果和所述标签，确定训练的损失值；
根据所述损失值，对所述表壳颜色识别模型的参数进行更新，得到训练好的表壳颜色识别模型。
6.根据权利要求5所述的智能手表表盘界面数据的预存方法，其特征在于，所述根据所述预测结果和所述标签，确定训练的损失值，包括：
通过交叉熵损失函数计算预测结果和所述标签之间的损失值。
7.一种智能手表表盘界面数据的预存系统，其特征在于，包括：
获取模块，用于获取所述智能手表的外观图像；
输入模块，用于将所述外观图像输入到表壳颜色识别模型中，得到所述智能手表的表壳颜色的识别结果；
压缩模块，用于根据所述表壳颜色的识别结果，从表盘界面数据库中确定目标图像组，并将所述目标图像组打包成压缩数据；所述目标图像组中包括若干与所述识别结果的颜色相同的表盘界面图像；
存储模块，用于将所述压缩数据导入到所述智能手表的存储装置中。
8.一种智能手表表盘界面数据的预存装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6中任一项所述的智能手表表盘界面数据的预存方法。
9.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-6中任一项所述的智能手表表盘界面数据的预存方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696125.2A CN113505258A (zh) | 2021-06-23 | 2021-06-23 | 智能手表表盘界面数据的预存方法、系统、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696125.2A CN113505258A (zh) | 2021-06-23 | 2021-06-23 | 智能手表表盘界面数据的预存方法、系统、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113505258A true CN113505258A (zh) | 2021-10-15 |
Family
ID=78010788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110696125.2A Pending CN113505258A (zh) | 2021-06-23 | 2021-06-23 | 智能手表表盘界面数据的预存方法、系统、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113505258A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024088299A1 (zh) * | 2022-10-26 | 2024-05-02 | 华为技术有限公司 | 一种显示方法及相关装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150185703A1 (en) * | 2013-12-27 | 2015-07-02 | Kabushiki Kaisha Toshiba | Electronic device and method for displaying watch object |
| CN108604378A (zh) * | 2015-11-30 | 2018-09-28 | 斯纳普公司 | 视频流的图像分割和修改 |
| CN108701012A (zh) * | 2016-12-22 | 2018-10-23 | 华为技术有限公司 | 一种表盘呈现的方法、装置和智能手表 |
| CN109254817A (zh) * | 2018-08-28 | 2019-01-22 | 广东小天才科技有限公司 | 一种可穿戴设备的表盘更换方法、系统及可穿戴设备 |
| US20200264567A1 (en) * | 2019-02-19 | 2020-08-20 | Samsung Electronics Co., Ltd. | Method for determining watch face image and electronic device therefor |
| CN111860533A (zh) * | 2019-04-30 | 2020-10-30 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
| WO2021008339A1 (zh) * | 2019-07-16 | 2021-01-21 | 深圳市杉川机器人有限公司 | 机器人、基于机器人的清洁方法和计算机可读存储介质 |
| CN112750162A (zh) * | 2020-12-29 | 2021-05-04 | 北京电子工程总体研究所 | 一种目标识别定位方法和装置 |
-
2021
- 2021-06-23 CN CN202110696125.2A patent/CN113505258A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150185703A1 (en) * | 2013-12-27 | 2015-07-02 | Kabushiki Kaisha Toshiba | Electronic device and method for displaying watch object |
| CN108604378A (zh) * | 2015-11-30 | 2018-09-28 | 斯纳普公司 | 视频流的图像分割和修改 |
| CN108701012A (zh) * | 2016-12-22 | 2018-10-23 | 华为技术有限公司 | 一种表盘呈现的方法、装置和智能手表 |
| CN109254817A (zh) * | 2018-08-28 | 2019-01-22 | 广东小天才科技有限公司 | 一种可穿戴设备的表盘更换方法、系统及可穿戴设备 |
| US20200264567A1 (en) * | 2019-02-19 | 2020-08-20 | Samsung Electronics Co., Ltd. | Method for determining watch face image and electronic device therefor |
| CN111860533A (zh) * | 2019-04-30 | 2020-10-30 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
| WO2021008339A1 (zh) * | 2019-07-16 | 2021-01-21 | 深圳市杉川机器人有限公司 | 机器人、基于机器人的清洁方法和计算机可读存储介质 |
| CN112750162A (zh) * | 2020-12-29 | 2021-05-04 | 北京电子工程总体研究所 | 一种目标识别定位方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 贾宇霞;樊帅昌;易晓梅;: "基于显著性增强和迁移学习的鱼类识别研究", 渔业现代化, no. 01 * |
| 郭会娟，汪海波著: "基于符号学的产品交互界面设计方法及应用", 31 August 2017, 东南大学出版社, pages: 219 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024088299A1 (zh) * | 2022-10-26 | 2024-05-02 | 华为技术有限公司 | 一种显示方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232326B (zh) | 一种三维物体识别方法、装置及存储介质 | |
| CN113642582B (zh) | 电表读数识别方法、装置、电子设备和存储介质 | |
| CN111369550A (zh) | 图像配准与缺陷检测方法、模型、训练方法、装置及设备 | |
| CN109784385A (zh) | 一种商品自动识别方法、系统、装置及存储介质 | |
| JP2011053953A (ja) | 画像処理装置及びプログラム | |
| CN113888431B (zh) | 图像修复模型的训练方法、装置、计算机设备及存储介质 | |
| CN113807378A (zh) | 训练数据增量方法、电子装置与计算机可读记录介质 | |
| CN111784675A (zh) | 物品纹理信息处理的方法、装置、存储介质及电子设备 | |
| CN118275449A (zh) | 铜带表面缺陷检测方法、装置及设备 | |
| CN116152166A (zh) | 基于特征相关性的缺陷检测方法及相关装置 | |
| KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
| CN119301634A (zh) | 用于在制造中进行视觉质量检查的自监督异常检测框架 | |
| CN114998290A (zh) | 基于有监督模式的织物瑕疵检测方法、装置、设备及介质 | |
| CN114444565A (zh) | 一种图像篡改检测方法、终端设备及存储介质 | |
| CN113505258A (zh) | 智能手表表盘界面数据的预存方法、系统、装置及介质 | |
| CN112307944A (zh) | 菜品库存信息处理方法、菜品出库方法及相关装置 | |
| JP7668473B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
| CN119251671A (zh) | 一种小麦产量预估方法、装置、计算机设备及存储介质 | |
| CN114511702A (zh) | 一种基于多尺度分权注意力的遥感图像分割方法和系统 | |
| CN117372937B (zh) | 一种基于指针仪表的数据读取方法 | |
| CN117788444A (zh) | Smt贴片偏移检测方法、装置及视觉检测系统 | |
| CN113474786A (zh) | 电子签购单识别方法、装置及终端设备 | |
| CN116109627A (zh) | 基于迁移学习和小样本学习缺陷检测方法、装置及介质 | |
| CN104463898A (zh) | 一种物流平台用图像识别计数系统 | |
| US11562561B2 (en) | Object verification/recognition with limited input |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211015 |