CN106462648A - 针对数据捕获的动态控制 - Google Patents
针对数据捕获的动态控制 Download PDFInfo
- Publication number
- CN106462648A CN106462648A CN201580030845.8A CN201580030845A CN106462648A CN 106462648 A CN106462648 A CN 106462648A CN 201580030845 A CN201580030845 A CN 201580030845A CN 106462648 A CN106462648 A CN 106462648A
- Authority
- CN
- China
- Prior art keywords
- data
- capture
- module
- context
- content
- 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.)
- Granted
Links
- 238000013481 data capture Methods 0.000 title claims abstract description 63
- 238000004891 communication Methods 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 32
- 230000033001 locomotion Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 244000078534 Vaccinium myrtillus Species 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 235000003095 Vaccinium corymbosum Nutrition 0.000 description 1
- 235000017537 Vaccinium myrtillus Nutrition 0.000 description 1
- 241000282485 Vulpes vulpes Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000021014 blueberries Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- JLQUFIHWVLZVTJ-UHFFFAOYSA-N carbosulfan Chemical compound CCCCN(CCCC)SN(C)C(=O)OC1=CC=CC2=C1OC(C)(C)C2 JLQUFIHWVLZVTJ-UHFFFAOYSA-N 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 235000008954 quail grass Nutrition 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/325—Power saving in peripheral device
-
- 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
- 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
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/01—Automatic library building
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2101/00—Still video cameras
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及针对数据捕获的动态控制。一种设备可以包括:捕获逻辑模块,其用于接收来自生物计量感测模块的生物计量数据、来自上下文感测模块的上下文数据、或来自内容感测模块的内容数据中的至少一种数据。捕获逻辑模块可以基于生物计量数据和上下文数据中的至少一种数据来确定是否存在捕获场景。可以基于操作模式来对该确定加权。如果确定存在捕获场景,则捕获逻辑模块可以基于至少内容数据来确定是否捕获数据。可以将所捕获的数据存储在设备中的捕获数据库中(例如,与基于生物计量数据、上下文数据、或内容数据中的至少一种数据的增强的元数据一起)。该设备还可以包括反馈数据库,该反馈数据库包括反馈数据。
Description
技术领域
本公开涉及数据捕获,并且更加特别地,本公开涉及可以经由可以评估用户数据、上下文数据、内容数据等的智能来控制数据捕获的***。
背景技术
移动电子设备的领域中的技术发展的疯狂速度已经允许将电子通信广泛地集成到每天的交互中。例如,从最简单的移动通信设备一直到最复杂的智能电话现在都包括图像捕获设备以作为基本特征。移动设备上的捕获图像、视频等的功能已经从简单的方便演进到生成庞然大物(behemoth)的数据,其已经产生了完全主要专用于经由图像或短视频来交流想法的网站。现在出现了特征在于以下功能的设备,该功能使得用户在很小以使得该设备可以被集成到可以由用户穿戴的物体中的配置中记录(例如,捕获)多媒体数据(例如,文本、图像、声音、视频等)。因此,在移动设备中可获得的用于捕获多媒体数据的功能接着可以伴随随时准备好使事件不朽(immortalize)的“可穿戴”设备。
然而,用于捕获多媒体数据的设备的可获得性不排除一些事件不能被捕获的可能性。在现有的设备中,用户必须“准备就绪”以发起数据捕获。例如,在需要数据捕获的情况下,用户必须能够集中注意力以激活设备中的数据捕获功能、配置将如何捕获数据(例如,配置将被捕获的数据的类型、捕获的速度、所捕获数据的分辨率、调整可能影响捕获的环境的或者有关设备的条件等)、并且接着最终发起数据捕获过程。当用户和数据捕获的对象两者都是固定的、不改变的、摆好姿势的(posed)等时,这样的约束可以是可以接受的。然而,用于捕获数据的功能使得用户想要当正在发生时捕获生活,包括突发事件、其中用户不能够与捕获设备进行交互的涉及用户的事件等。唯一可用的选项则将是持续地捕获数据,同时期望感兴趣的数据也将被捕获。然而,这样的行为将快速地耗尽大多数移动设备的资源、产生大量的数据等。
附图说明
随着以下的具体实施方式的进行,并且在对附图进行了参考之后,所要求保护的主题的各种实施例的特征和优点将变得显而易见,其中,相同的附图标记指代相同的部件,并且其中:
图1示出了根据本公开的至少一个实施例的针对数据捕获的动态控制的示例性***;
图2示出了根据本公开的至少一个实施例可使用的设备的示例配置,以及可以位于设备外部的***组件;
图3示出了根据本公开的至少一个实施例的有助于用于触发数据捕获的决策逻辑的数据流的示例;
图4示出了根据本公开的至少一个实施例的描述了在兴奋等级确定中所使用的数据的示例性图表;
图5示出了根据本公开的至少一个实施例的数据捕获的示例;以及
图6示出了根据本公开的至少一个实施例的针对数据捕获的动态控制的示例性操作。
尽管以下的具体实施方式将是参考说明性的实施例而进行的,但其许多替代、修改、和变型对于本领域的技术人员而言将是显而易见的。
具体实施方式
该申请针对数据捕获的动态控制。在一个实施例中,设备可以包括:至少一个捕获逻辑模块,其用于执行以下操作中的至少一个操作:从生物计量感测模块接收生物计量数据、从上下文感测模块接收上下文数据、或者从内容感测模块接收内容数据。生物计量模块、上下文模块、和内容模块的至少一部分可以位于设备外部。首先,捕获逻辑模块可以基于生物计量数据和上下文数据中的至少一个来确定捕获场景是否存在(例如,场景是否可以令人满意来捕获数据)。可以基于由捕获逻辑模块所确定的操作模式来对该确定加权。接着,如果确定存在捕获场景,则捕获逻辑模块可以基于至少内容数据来确定是否发起数据捕获。可以将所捕获的数据存储在图像捕获数据库中。在一个实施例中,所捕获的数据可以与基于生物计量数据、上下文数据、或内容数据中的至少一种数据的增强的元数据一起存储。设备还可以包括反馈数据库,所述反馈数据库包括用于生成在上文中有关捕获的确定中所使用的标准的反馈数据。
在一个实施例中,用于对数据捕获进行控制的设备可以包括例如捕获数据库和捕获逻辑模块。所述捕获数据库可以用于存储所捕获的数据。所述捕获逻辑模块可以用于从生物计量感测模块接收生物计量数据、从上下文感测模块接收上下文数据、并且基于生物计量数据或上下文数据中的至少一种数据来确定是否存在捕获场景。接着,捕获逻辑模块可以用于基于至少对捕获场景是否存在的确定而从内容感测模块接收内容数据、基于至少内容数据而确定是否捕获数据、基于至少对是否捕获数据的确定而使得捕获模块捕获数据、并且使得所捕获的数据存储在捕获数据库中。
在一个实施例中,设备还可以包括通信模块,其允许捕获逻辑模块与位于设备外部的生物计量感测模块的至少一部分进行交互。所述通信模块还可以允许捕获逻辑模块与位于设备外部的上下文感测模块的至少一部分进行交互和/或允许捕获逻辑模块与位于设备外部的捕获模块的至少一部分进行交互。生物计量数据可以包括例如,对如基于由生物计量感测模块所接收的数据而确定的设备的用户的至少一个运动、设备的用户的关注、或设备的用户的兴奋等级进行描述的数据。上下文数据可以包括例如,对如基于通过上下文感测模块所接收的数据而确定的时间、日期、位置、场景、接近的物体、或接近的人中的至少一个进行描述的数据。内容数据可以包括例如,对如基于通过内容感测模块所接收的数据而确定的捕获质量、审美质量、或对象识别中的至少一个进行描述的数据。
在相同的或另一个实施例中,设备还可以包括至少部分地位于设备中的反馈数据库,其用于提供用户反馈数据以生成用于在控制生物计量感测模块、上下文感测模块、内容感测模块、或捕获模块中的至少一个模块时使用的标准。所述捕获逻辑模块还可以用于在使得捕获模块捕获数据之前对捕获模块进行配置。所述捕获逻辑模块还可以用于使得增强的元数据与捕获数据相关联地存储在捕获数据库中,增强的元数据是基于生物计量数据、上下文数据、或内容数据中的至少一种数据的。另外,捕获逻辑模块还可以用于确定操作的模式,并且在基于生物计量数据或上下文数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作模式在至少生物计量数据和上下文数据之间设置权重。与本公开一致的针对数据捕获的动态控制的示例方法可以包括接收生物计量数据、接收上下文数据、基于生物计量数据或上下文数据中的至少一种数据来确定是否存在捕获场景、基于至少对是否存在捕获场景的确定来接收内容数据、基于至少内容数据来确定是否捕获数据、基于至少对是否捕获数据的确定来使得数据被捕获、以及使得所捕获的数据存储在捕获数据库中。
图1示出了根据本公开的至少一个实施例的针对数据捕获的动态控制的示例性***。首先,如在本文中所提及的术语“数据捕获”可以包括通过电子设备记录任何类型的数据。涉及数据捕获的典型情况是利用移动通信设备、平板计算设备等中的相机来拍摄数码照片。然而,数据捕获还可以包括记录音频、视频、环境数据(例如,时间、日期、温度、位置等)等。
概括而言,***100可以被配置为基于例如将所感测的数据与对应于用户兴趣的标准进行比较来确定数据捕获可以令人满意的情况,并且被配置为接着触发数据捕获而不需要直接用户交互。因此,数据捕获可以以寻求复制用户在手动地编排数据捕获情况下是如何行动的的方式而自主地进行。为了执行以上的功能,***100可以包括例如捕获模块102、捕获逻辑模块104、生物计量感测模块106、上下文感测模块108、以及内容感测模块110(统称为“模块102-110”)。模块102-110可以驻留在同一设备中,或者模块102-110中的一些或全部模块可以分布在多种实现中。将在下文中并且结合关于示例设备配置的图2来描述***100的示例实现。
捕获模块102可以与本公开一致,捕获逻辑模块104对该模块施加控制。捕获模块102的至少一个示例可以是移动通信设备中的相机和/或麦克风或者也包括捕获逻辑模块104的平板计算设备中的相机和/或麦克风。可替代地,捕获模块102可以与模块104-110分离,例如在可穿戴相机和/或麦克风设备的情况下。例如,捕获模块102可以被集成到眼镜、头饰、可穿戴束带(harness)等。捕获逻辑模块104可以包括处理资源,其用于处理从生物计量感测模块106、上下文感测模块108、和/或内容感测模块110所接收的数据,并且用于基于所处理的数据来确定是否/何时触发数据捕获。
在操作的示例中,生物计量感测模块106可以向捕获逻辑模块104提供生物计量数据。生物计量数据可以包括从附接至或至少紧临于***100的用户的传感器中所读取的数据,该数据可以用于确定用户的特性。特性的示例可以包括情绪、关注、兴奋等级等。上下文感测模块108可以向捕获逻辑模块104提供上下文数据。上下文数据可以是从捕获逻辑模块104在其中驻留的设备内部或外部的资源来确定的。上下文数据的示例可以包括时间、日期、位置、特殊事件、附近的物体、附近的人等。内容感测模块110可以向捕获逻辑模块104提供内容数据。内容数据可以是至少部分地基于当由捕获模块102感测时所捕获的潜在的数据来确定的。内容数据的示例可以包括捕获质量、审美质量、对象识别等。首先,捕获逻辑模块可以考虑至少生物计量数据和上下文数据以确定捕获场景是否存在。捕获场景可以是基于用户配置、偏好、反馈等而在其中捕获数据令人满意的情况。示例捕获场景可以包括但不限于:体育赛事、教育和/或信息性事件、特殊事件(例如,家庭庆祝、生日派对、婚礼等)、可以涉及增强的兴奋等级的任何场景(例如,参与极限运动、见证诸如交通事故、犯罪行为等之类的突发事件)等。如果确定存在捕获场景,则捕获逻辑模块102可以开始监视内容数据以确定何时激活数据捕获。例如,在其中捕获模块102包括相机的场景中,在确定存在捕获场景之后,可以激活相机并且针对捕获而对相机所看见的图像进行评估。例如,可以基于图像内容、质量、审美等来对相机图像进行评估。在确定是否捕获数据时,捕获逻辑模块104还可以将与待捕获的数据无关的因素考虑在内,所述因素例如处理负荷、通信业务、资源可用性(电池水平、数据存储空间等)、隐私问题等。
可以将所捕获的数据存储在捕获数据库中。所捕获的数据可以与增强的元数据一起存储。如在文中所提及的增强的元数据是可以与所捕获的数据对应的“关于数据的数据”。在图像捕获的领域中,可交换图像文件格式(EXIF)数据目前可以与数字照片一起存储,但不限于时间、日期、地理位置、和相机设置。与本公开一致地,可以用基于生物计量数据、上下文数据、和内容数据中的至少一个的元数据来补充EXIF类型的元数据。增强的元数据可以具有多种用途。例如,增强的元数据可以用于对所捕获的数据进行分组/过滤,用户对其的选择或删除可以作为反馈而被存储在反馈数据库中。例如,来自所存储的数据(例如,所选择的图像)的增强的元数据可以用于制定和/或细化用于确定捕获场景和/或用于触发图像捕获的标准。示例标准可以包括生物计量数据的组合,该生物计量数据指示何时用户高兴、生气、兴奋、专注等,什么时间、哪天、什么位置、什么人等构成用于数据捕获的令人满意的内容,要保留所捕获的数据通常需要什么质量、内容、审美等。此外,确定捕获场景和/或触发图像捕获还可以基于针对***100所设置的操作模式。例如,用户可以手动地设置诸如运动、社交、自然等之类的操作模式。所述操作模式可以包括可以影响捕获逻辑模块104如何评估生物计量数据、上下文数据、和内容数据的权重。例如,在运动模式中,捕获逻辑模块104可以更加关注生物计量数据,在社交模式中,上下文数据可以是最重要的,而在自然模式中,内容数据可以权重最重。
图2示出了根据本公开的至少一个实施例可使用的设备的示例配置,以及可以位于设备外部的***组件。***100’可以包括至少设备200。在一个实施例中,设备200包含***100’操作所需的资源中的所有资源。可替代地,设备200可以与外部捕获模块216、至少一个外部传感器模块222、和/或远程资源228进行交互。尽管本公开的各种实施例可以容易地适用于其中设备200可以是诸如以下产品的移动场景,诸如基于来自谷歌公司的OS、来自苹果公司的来自微软公司的OS、来自苹果公司的Mac OS、来自Linux基金会的Tizen OS、来自Mozilla项目的火狐OS、来自黑莓公司的OS、来自惠普公司的OS、来自Symbian基金会的OS等之类的蜂窝手机或智能电话,诸如像来自苹果公司的来自微软公司的来自三星公司的Galaxy来自亚马逊公司的Kindle等的平板计算机、包括由因特尔公司制造的低功率芯片集的上网本、笔记本计算机、膝上型计算机、掌上计算机等之类的移动计算设备,但还可以预见的是,在一些实例中,设备200可以是诸如台式计算机、服务器、智能电视机、像来自因特尔公司的计算的下一单位(NUC)平台的小形状因子计算解决方案(例如,针对空间受限的应用、电视机顶盒等)之类的通常固定的计算设备。无论实际的实现如何,***100’仅旨在作为在与本公开一致的各种实施例中可以使用的设备的示例,而不意在将实施例限制于特定的实现方式。
设备200可以包括例如被配置为对设备操作进行管理的***模块202。***模块202可以包括例如处理模块204、存储器模块206、电源模块208、用户接口模块210、以及通信接口模块212。设备200还可以包括通信模块212和捕获逻辑模块104’。尽管已经将通信模块212和捕获逻辑模块104示出为是与***模块200分离的,但是仅仅出于解释的目的在本文中提供了在图2中所示出的示例实现。可以将通信模块212和/或捕获逻辑模块104’的功能中的一些或全部功能并入到***模块200中。
在设备200中,处理模块204可以包括位于分离的组件中的一个或多个处理器,或者可替代地,包括在单个组件中(例如,在片上***(SOC)配置中)实施的一个或多个处理核心以及任何有关处理器的支持电路(例如,桥接接口等)。示例处理器可以包括但不限于从因特尔公司可获得的各种基于x86的微处理器(包括Pentium、Xeon、Itanium、Celeron、Atom、Core i系列产品家族中的那些微处理器)、增强的RISC(例如,精简指令集计算)机器、或“ARM”处理器等。支持电路的示例可以包括被配置为提供接口的芯片集(例如,从因特尔公司可获得的北桥、南桥等),其中通过所述接口,处理模块204可以在设备200中与以不同速度、在不同的总线上等操作的其他***组件进行交互。可以将通常与支持电路相关联的功能中的一些或全部功能包含在与处理器相同的物理封装中(例如,在从因特尔公司可获得的Sandy Bridge家族的处理器中)。
处理模块204可以被配置为在设备200中执行各种指令。指令可以包括被配置为使得处理模块204执行涉及读数据、写数据、处理数据、制定数据、转换数据、变换数据等的活动的程序代码。可以将信息(例如,指令、数据等)存储在存储器模块206中。存储器模块206可以包括以固定的或可移动的格式的随机存取存储器(RAM)或只读存储器(ROM)。RAM可以包括被配置为在设备200的操作期间保存信息的易失性存储器,例如静态RAM(SRAM)或动态RAM(DRAM)。ROM可以包括基于BIOS、UEFI等而被配置为在设备200被激活时提供指令的非易失性(NV)存储器模块、诸如电子可编程ROM(EPROM)之类的可编程存储器、闪速存储器等。其他的固定的/可移动的存储器可以包括但不限于诸如软盘、硬盘等之类的磁存储器、诸如固态闪速存储器(例如,嵌入式多媒体卡(eMMC)等)之类的电子存储器、可移动存储器卡或棒(例如,微存储设备(uSD)、USB等)、诸如基于压缩盘的ROM(CD-ROM)、数字通用盘(DVD)、蓝光光盘之类的光存储器等。
电源模块208可以包括内部电源(例如,电池、燃料电池等)和/或外部电源(例如,机电或太阳能发电机、电力网、燃料电池等)、以及被配置为给设备200供应操作所需的电力的相关的电路。用户接口模块210可以包括用于允许用户与设备200进行交互的硬件和/或软件,例如各种输入机制(例如,麦克风、开关、按钮、旋钮、键盘、扬声器、触摸感应的表面、配置为捕获图像和/或感测接近度、距离、运动、手势、方向的一个或多个传感器等)以及各种输出机制(例如,扬声器、显示器、发光/闪光指示器、用于振动、运动的机电组件等)。用户接口模块210中的硬件可以并入到设备200内和/或可以经由有线或无线通信介质而耦合至设备200。
通信接口模块212可以被配置为对分组路由和针对通信模块214的其他控制功能进行管理,通信接口模块214可以包括被配置为支持有线和/或无线通信的资源。在一些实例中,设备200可以包括全都由中央通信接口模块212来管理的多于一个的通信模块214(例如,包括针对有线协议和/或无线电的分离的物理接口模块)。有线通信可以包括诸如以太网、通用串行总线(USB)、火线、数字视频接口(DVI)、高分辨率多媒体接口(HDMI)等之类的串行和并行的有线介质。无线通信可以包括例如极近距离的无线介质(例如,基于近场通信(NFC)标准之类的射频(RF)、红外线(IR)等)、短距离无线介质(例如,蓝牙、WLAN、Wi-Fi等)、长距离无线介质(例如,蜂窝广域无线电通信技术、基于卫星的通信等)、或者经由声波的电子通信。在一个实施例中,通信接口模块212可以被配置为防止在通信模块214中活动的无线通信彼此干扰。在执行该功能时,通信接口模块212可以基于例如等待传输的消息的相对优先级来调度通信模块214的活动。尽管在图2中所公开的实施例示出了通信接口模块212与通信模块214是分离的,但是将通信接口模块212和通信模块214的功能中的一些或全部功能并入到同一模块中也是可能的。
取决于***100’的特定的实现,捕获逻辑模块104’可以与至少存储器模块206、用户接口模块210、和/或通信模块214进行交互。例如,如果***100’所需的全部资源在设备200中是可获得的,则捕获逻辑模块104’可以与用户存储器模块206进行交互,以获得生物计量数据、上下文数据、和/或内容数据,并且可以与用户接口模块210进行交互以使得与用户接口模块210相关联的捕获设备(例如,相机、麦克风等)发起数据捕获。可替代地,分布式实现也是可能的,其中捕获逻辑模块104’所需的资源中的一些或全部资源位于设备200外部。通过被包围在虚线214内来标识***100’中可以属于用户的示例性外部设备(例如,可以由用户佩戴或携带)。外部捕获模块216可以包括例如至少通信模块218和捕获设备220。在一个实施例中,外部捕获模块216可以是可穿戴设备,例如能够经由通信模块216进行无线交互的相机和/或麦克风。在该实例中,捕获逻辑模块104’可以与通信模块214进行交互以从外部捕获模块216接收数据并且向外部捕获模块216发送数据。捕获逻辑模块104’与捕获设备220之间的通信可以包括例如用于激活、配置、和/或触发数据捕获设备220中的数据捕获的指令、对所述指令的确认、错误消息等。同样地,生物计量感测模块106、上下文感测模块108、和/或内容感测模块110中的一些或全部模块可以位于设备200外部。例如,一个或多个传感器模块222可以由用户穿戴,并且可以包括至少通信模块224和传感器设备226。当对传感器模块222进行访问以获得数据、用于进行配置等时,捕获逻辑模块104’可以采用通信模块214。传感器设备226可以用于感测生物计量数据、上下文数据、或内容数据中的至少一种数据。将关于图3来讨论可以由传感器设备226感测的数据的更加具体的示例。远程资源228可以包括例如至少通信模块230和处理资源232。远程资源228的示例可以包括经由网络连接可访问的至少一个服务器(例如,以云计算架构而配置的)。在操作的示例中,远程资源228可以被配置为经由通信模块214向捕获逻辑模块104’(例如,和/或设备200中的模块106-110的其他组件)提供关于用户的外部存储的数据其他。将关于图3来讨论可以提供的数据的更加具体的示例。
图3示出了根据本公开的至少一个实施例的有助于用于触发数据捕获的决策逻辑的数据流的示例。首先,重要的是要理解捕获逻辑模块104可以包括至少学习引擎和/或用于确定何时存在捕获场景和何时发起数据捕获的其他类似的逻辑架构。可以基于将由生物计量感测模块106’、上下文感测模块108’、和内容感测模块110’所提供的数据与基于用户偏好而建立的标准进行比较来进行该确定。与模块106’至110’相比,由捕获逻辑模块104所进行的数据处理可以根据配置而不同。例如,可以在捕获逻辑模块104内执行所有原始数据处理,而将模块106’至110’降级为充当简单的数据收集器。在分布式***中,模块106’至110’可以执行至少一些原始数据处理,可以将该处理的最终结果作为逻辑确定(例如,用户高兴、用户在家、用户关注等)而提供至捕获逻辑模块。也可以构想出落入两个极端之间的组合。重要的是,要注意捕获场景确定和/或数据捕获也可以取决于操作模式(例如,如果***100包括其中可以设置操作模式的功能)。在没有操作模式功能的情况下,由模块106’至110’提供的数据可以被等同地考虑或基于固定的权重。可变的操作模式的引入可以允许用户手动设置(例如,经由用户接口模块210)操作模式,这可以基于捕获场景(例如,运动、社交聚会等)和待捕获的数据等(例如,移动的主体、静止的主体、紧贴的图像、广域图像、自然设置、城市设置等)来改变权重。权重可以是基于例如被认为是对于正被捕获的数据的质量最重要或者最相关的标准的。示例可以包括在运动模式中使得生物计量数据权重更重以在兴奋的时刻期间捕获数据,在社交模式中使得上下文数据权重更重以便能够在可能是狂热的设置中捕获合适的数据,在自然模式中使得内容数据权重最重要以确保捕获到设置的自然美等。
生物计量感测模块106’可以被配置为接收与设备200的用户的当前的性情(disposition)相关的传感器数据300。例如,可以由传感器模块222来提供传感器数据300。可以由生物计量感测模块106’收集和/或处理的数据的示例分类包括用户运动、关注、情绪等。运动可以示出用户当前在参与活动、是静止的、以及集中于观察事件等。这些条件可以指示激活数据捕获的需要。可以基于例如GPS坐标、加速度传感器等来在速度和/或加速度方面对运动进行测量。关注也可以是开始数据捕获的指示符,并且可以通过头部位置、眼睛焦点等来确定。关注可以经由例如当对图像捕获设备可见的图像在一段时间内未改变时,由至少一个可穿戴图像捕获设备(例如,外部捕获模块216)所捕获的图像来测量等,该图像指示用户眼睛关注的地方。可以使用包括兴奋等级的各种因素来确定用户的情绪。例如,如果用户是兴奋的,则这可以是发起数据捕获的适当的时间。可以通过例如被配置为感测用户的心跳、话音模式、皮肤电反应(GSR)等至少一个传感器模块222来确定兴奋等级。
例如,图4公开了如何根据GSR来确定兴奋等级。已经示出了皮电活动(EDA)值可以与高唤醒相关联,并且高等级的唤醒可以指示高等级的挑战、沮丧和/或兴奋。用于测量EDA的至少一个可靠的方式是通过GSR传感器。例如,可以基于所确定的兴奋等级来控制数据捕获的激活和/或数据捕获的速率。图表4展示了该关系,其中兴奋等级(例如,如由在传感器模块222中实现的GSR传感器测量的)相对于时间而被绘制。示出了图表400中的数据捕获的实例402以与所监视的兴奋等级的增加相一致地增加(例如,变得更密)。兴奋的增加可以不仅是由于愉快的事件产生的,而且也可以与诸如受伤、交通事故、见证犯罪行为等坏的或创伤性的事件相关联。在这样的实例中,增加数据捕获可以是有益的,这是因为所捕获的数据可以被提供给医疗服务提供方、保险提供方、执法机关等。当兴奋减少时,数据捕获的密度可以同样地降低。
返回图3,上下文感测模块108’可以收集数据以便将设备200的用户周围的当前情况整理成上下文,接着可以评估该上下文将以确定该上下文是否熟悉、令人满意等。如先前所讨论的,可以向捕获逻辑模块104提供的上下文数据可以包括所收集的原始数据,或者可替代地,包括对特定的上下文(例如,家、工作、学习、生日派对等)的确定。可以通过上下文感测模块108’收集的原始上下文数据302的示例可以包括时间、日期、位置、场景、接近的物体、接近的人等。通过设备200的OS可以容易地获得时间、日期、和位置数据。可以从多种源获得场景以及接近的物体/人。例如,上下文感测模块108’和/或捕获逻辑模块104可以能够访问在设备200上运行的诸如调度应用、社交媒体应用、消息传送应用等之类的应用,以便确定感兴趣的场景和接近的人/物体。调度和社交媒体可以标识可以在特定的日子、在特定时间等与用户的当前位置相关联的重要的事件。此外,也可以直接从远程资源228获得数据(例如,不经过驻留在设备200上的应用)来确定计划的事件、熟人/朋友/家庭的位置,以便确定可能接近用户的感兴趣的人、诸如纪念碑、公园、具有历史趣味的地点之类的感兴趣的地点的位置等。可以单独地或组合地评估上文中的数据以确定当前的用户上下文是否构成其中可以需要捕获数据的场景。
已知基于生物计量数据或上下文数据中的至少一种数据确定了捕获场景存在,则内容感测模块110’可以发起对捕获数据304的收集。例如,捕获逻辑模块104可以激活捕获模块104’,并且可以通过内容感测模块110’和/或捕获逻辑模块104来评估数据的实时馈送,从而确定何时捕获数据。对触发数据捕获的确定可以基于与用户可以采用以知道何时手动地触发数据捕获相同类型的数据,其包括例如,捕获质量、审美质量、对象识别等。捕获质量可以构成焦点、光照水平、显著性等。例如,显著性图可以针对照片/视频而生成并且可以用于确定在相机视野中是否存在令人满意的内容。当显著性水平高时可以捕获数据。例如,可以通过计算针对图像I中的每个块(block)的经验方差来获得对该图像的纹理显著性的一个简单测量。针对图像中的某块B,我们首先估计平均值
其中,|B|是块中的像素数并且是采样平均值。接着,无偏采样方差可以为如下所述:
每个块中的估计的方差可以是关于图像中纹理的数量的良好的指示符。例如,仅具有一种颜色的单色块将具有零方差,并且因此,具有零纹理显著性。具有高度纹理的块在颜色方面将具有许多变化并且因此具有较高的估计方差(例如,高显著性)。可以基于例如设备200中的处理能力的量来选择用于确定是否触发数据捕获的实际算法。例如,纹理显著性可以用于将用户经常误拍的随意的无纹理的照片排除在外,例如像墙一样的单色的表面的照片。额外地,针对可穿戴/移动平台中的捕获设备,可以提取深度显著性。基于在场景中有比其他对象显著地近的对象暗示了用户对该对象特别感兴趣的直觉假设,可以使用深度来向近的对象分配较高的显著性。在一个实施例中,可以通过针对诸如构图、光照、颜色兼容性等之类的现有的摄影规则来评估图像以确定审美质量。分析的结果可以向照片分配分数。接着,捕获逻辑模块104可以利用该分数来决定是接受该照片、丢弃它、还是仅仅记录分数以供以后使用。此外,在待捕获的潜在的数据中识别各种对象也是可能的。例如,对待捕获的潜在的图像包含人的识别可以偏向于为已经展示出喜欢包含人的照片的用户而捕获数据。
基于模块106’-110’的贡献,可以基于对所有因素的评估来调整***100的行为。通过诸如神经网络之类的机器学习和数据挖掘工具,可以利用多层的因素来对模型进行训练。模型的训练可以基于由反馈数据库306所提供的反馈数据。在一个实施例中,反馈数据库306可以保留关于先前所捕获的数据的、用户生成的反馈信息。用户生成的反馈信息可以包括对由用户生成的所捕获的数据的主观和/或有意的响应,和/或对由可以向其呈现所捕获的数据的其他方生成的所捕获的数据的主观和/或有意的响应,所述其他方例如用户的家人、朋友(例如,社交网络)、职业上的同事、与用户在相同或类似活动中的参与者(例如,运动、爱好等)等。反馈信息的示例可以包括与所捕获的数据的用户交互(例如,删除、保存、发电子邮件、重新对焦、放大、裁切等)、诸如Flickr的评分、Facebook的“喜欢”、Twitter的“推文”和/或“转推”等。反馈信息可以从例如在设备200中执行的应用获得、直接从远程资源228获得等。在相同或不同的实施例中,反馈数据库306还可以包括关于用户所保存的所捕获的数据对最终删除了的所捕获的数据的增强的元数据。示例增强的元数据可以包括例如,当数据被捕获时用户的情绪、关注、活动等,当数据被捕获时的时间、日期、位置、事件关联等,数据的内容等。可以将从反馈信息和/或增强的元数据导出的数据馈送至模型,以形成用于未来捕获场景确定和/或捕获触发的标准。在一个实施例中,反馈数据库306可以包括用户的使用数据的历史,并且可以提供用于分析原始传感器数据的个性化的基线和模式,以生成对上下文、用户和待捕获的潜在的数据的较高等级的理解。除了对模型进行训练之外,反馈数据还可以用于(例如,由捕获逻辑模块104使用)在以下方面对捕获逻辑模块104和/或模块106’-110’的操作进行配置:例如何时触发数据捕获、应该如何配置数据捕获、所收集的数据的类型、数据采样分辨率、数据采样率、某些活动的可以不需要数据收集的不活动的时段(例如,当在事件中用户是坐着的时可以不需要运动追踪)等。
图5示出了根据本公开的至少一个实施例的数据捕获的示例。特别地,图5描绘了在已经由捕获逻辑模块104确定了应该捕获数据之后可以发生的事情的示例。捕获模块102’可以被配置为基于例如由捕获逻辑模块104所提供的配置来生成所捕获的数据500。该配置可以包括例如捕获的持续时间、捕获的速率、捕获的质量等级(例如,分辨率、颜色等级、位采样率等)等。在其中捕获模块102’至少包括用于捕获图像和/或视频的图像捕获设备(例如,相机)的示例场景中,捕获模块102’的示例配置可以包括图像捕获倍数和/或可以指示以某一速率(例如,其可以是动态的)来捕获多个图像的间隔、睡眠/唤醒间隔和其他相机专用设置,例如变焦倍数、图像分辨率、ISO、光圈、快门速度、闪烁行为等。捕获模块102’的配置可以不仅基于生物计量数据、上下文数据、和/或内容数据,而且还包括设备中央数据,例如设备功能、处理器荷载、可用的资源(例如,存储空间、电量水平等)等。
在捕获之后,可以将所捕获的数据500存储在捕获数据库502中。捕获数据库502可以驻留在设备200内。可替代地,捕获数据库502的至少一部分可以位于设备200外部(例如,在远程资源228中),其中捕获模块102可以使得所捕获的数据500实时地、周期性地等传输至捕获数据库502。其中捕获数据库502的至少一部分位于设备200外部的实施例可以是有益的,这是因为假如设备200丢失或损坏等,其可以支持额外的存储空间、冗余的存储。在一个实施例中,可以将数据与增强的元数据504一起存储。增强的元数据504可以基于生物计量数据、内容数据、或上下文数据中的至少一种数据。包含增强的元数据504可以不仅有助于捕获后处理(例如,在将所捕获的数据500进行分组或分类时),而且还可以被提供至反馈数据库306以用于改善识别捕获场景和/或触发数据捕获的方式。在一个实施例中,反馈数据库306和捕获数据库502可以实际上是同一数据库,或者可以至少共享一些公共的数据存储区域,以在设备200的存储器内避免重复并且节省空间。
图6示出了根据本公开的至少一个实施例的针对数据捕获的动态控制的示例操作。在操作600中,可以激活***。操作602至604可以是可选的,这是因为它们的存在可以取决于该***是否包括多个模式功能。在操作602中,可以确定操作模式。接着,在操作604中,可以采用在操作602中所确定的操作模式来确定数据权重。在操作606中,可以确定至少生物计量数据和上下文数据。接着,在操作608中,可以基于在操作606中所获得的生物计量数据和上下文数据中的至少一种数据而关于是否存在捕获场景进行确定。在确定不存在捕获场景之后返回操作606,其中,可以确定额外的生物计量数据和/或上下文数据。
如果在操作608中确定了存在捕获场景,则可以在操作610中确定内容数据。接着,可以在操作612中关于是否触发数据捕获进行确定。在操作612中确定了不触发数据捕获之后,返回操作608来重新分析捕获场景。如果在操作612中确定应该触发数据捕获,则在操作614中可以捕获数据,并且在操作616中可以将所捕获的数据与增强的元数据一起存储(例如,在捕获数据库中)。操作618至620可以是可选的,这是因为它们不需要在操作616之后立即发生。在操作618中,可以基于例如用户生成的反馈信息、增强的元数据等来确定反馈数据。在操作620中,可以将所产生的反馈数据存储在反馈数据库中。接着,用于确定捕获场景和/或何时触发数据捕获的控制标准可以被修改并且被反馈以改善该***。例如,控制标准可以改变如何针对不同的模式来设置权重、如何对生物计量数据、上下文数据、和/或内容数据进行分析、如何确定捕获场景、如何触发数据捕获等。
尽管图6示出了根据一个实施例的操作,但应当理解的是,不是在图6中所描绘的所有操作对其它实施例而言都是必须的。实际上,在本文中充分考虑到的是,在本公开的其他实施例中,图6中所描绘的操作、和/或在本问中所描述的其他操作可以以在附图中的任何一幅中都未具体地示出的方式进行组合,但仍然与本公开完全一致。因此,针对没有确切地在一副附图中示出的特征和/或操作的权利要求也被认为是在本公开的范围和内容之内。
如在该申请中和在权利要求中所使用的,由术语“和/或”所连接的一系列项目可以意指所列出的项目的任何组合。例如,短语“A、B、和/或C”可以意指A;B;C;A和B;A和C;B和C;或者A、B和C。如在该申请中和在权利要求中所使用的,由术语“中的至少一个”所连接的一系列项目可以意指所列出的项目的任何组合。例如,短语“A、B或C中的至少一个”可以指A;B;C;A和B;A和C;B和C;或A、B和C。
如在本文中的任何实施例中所使用的,术语“模块”可以指被配置为执行前述操作中的任何一项操作的软件、固件、和/或电路。软件可以被实施为记录在非瞬时性计算机可读存储介质上的软件包、代码、指令、指令集、和/或数据。固件可以被实施为硬编码在存储器设备(例如,非易失性)中的代码、指令或指令集、和/或数据。如在本文中的任何实施例中所使用的“电路”可以单独地或者以任何组合包括例如硬线电路、可编程电路(例如包括一个或多个单个指令处理内核的计算机处理器)、状态机电路、和/或存储由可编程电路所执行的指令的固件。模块可以统一地或者个别地被实施为形成较大的***的一部分的电路(例如,集成电路(IC))、片上***(SoC)、台式计算机、膝上型计算机、平板计算机、服务器、智能电话等。
在本文中所描述的操作中的任何一项操作可以在包括一个或多个存储介质(例如,非瞬时性存储介质)的***中被实现,所述存储介质具有单独地或组合地存储在其上的指令,其中当被执行时,所述指令执行所述方法。在这里,处理器可以包括,例如,服务器CPU、移动设备CPU、和/或其他的可编程电路。同样,其目的在于,在本文中所描述的操作可以跨多个物理设备分布,例如在对于一个的不同的物理位置上的处理结构。存储介质可以包括任何类型的有形的介质,例如,任何类型的盘(其包括硬盘、软盘、光盘、压缩盘只读存储器(CD-ROM)、压缩可重写光盘(CD-RW)、以及磁光盘)、诸如只读存储器(ROM)之类的半导体设备、诸如动态和静态RAM之类的随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器、固态磁盘(SSD)、嵌入式多媒体卡(eMMC)、安全数字输入/输出(SDIO)卡、磁或光学卡、或者适用于存储电子指令的任何类型的介质。其他的实施例可以被实现为由可编程控制设备所执行的软件模块。
因此,该申请涉及针对数据捕获的动态控制。设备可以包括捕获逻辑模块,其用于接收来自生物计量感测模块的生物计量数据、来自上下文感测模块的上下文数据、或者来自内容感测模块的内容数据中的至少一种数据。捕获逻辑模块可以基于生物计量数据和上下文数据中的至少一种数据来确定是否存在捕获场景。可以基于操作模式对该确定加权。如果确定存在捕获场景,则捕获逻辑模块可以基于至少内容数据来确定是否捕获数据。可以将所捕获的数据存储在设备中的捕获数据库中(例如,与基于生物计量数据、上下文数据、或内容数据中的至少一种数据的增强的元数据一起)。该设备还可以包括反馈数据库,该反馈数据库包括反馈数据。
以下的示例涉及进一步的实施例。本公开的以下的示例可以包括诸如设备、方法、用于对当被执行时使得机器执行基于所述方法的动作的指令进行存储的至少一个机器可读介质、用于执行基于所述方法的动作的模块、和/或针对数据捕获的动态控制的***,如在下文中所提供的。
根据示例1,提供了一种用于控制数据捕获的设备。所述设备可以包括用于存储所捕获的数据的捕获数据库以及捕获逻辑模块,所述捕获逻辑模块用于从生物计量感测模块接收生物计量数据、从上下文感测模块接收上下文数据、基于生物计量数据或上下文数据中的至少一种数据来确定捕获场景是否存在、基于至少捕获场景是否存在的确定来从内容感测模块接收内容数据、基于至少所述内容数据来确定是否捕获数据、使捕获模块基于至少是否捕获数据的确定来捕获数据并且使得所捕获的数据存储在所述捕获数据库中。
示例2可以包括示例1的元素,并且还可以包括用于允许所述捕获逻辑模块与位于所述设备外部的所述生物计量感测模块的至少一部分进行交互的通信模块。
示例3可以包括示例2的元素,其中,所述通信模块还用于允许所述捕获逻辑模块与位于所述设备外部的所述上下文感测模块的至少一部分进行交互。
示例4可以包括示例2的元素,其中,所述通信模块还用于允许所述捕获逻辑模块与位于所述设备外部的所述捕获模块的至少一部分进行交互。
示例5可以包括示例1至4中的任何一个示例的元素,其中,所述生物计量数据包括这样的数据,其对如基于通过所述生物计量感测模块所接收的数据而确定的所述设备的用户的运动、所述设备的所述用户的关注、或者所述设备的所述用户的兴奋等级中的至少一个进行描述。
示例6可以包括示例1至4中的任何一个示例的元素,其中,所述上下文数据包括对如基于通过所述上下文感测模块接收的数据所确定的时间、日期、位置、场景、接近的物体、或接近的人中的至少一个进行描述的数据。
示例7可以包括示例1至4中的任何一个示例的元素,其中,所述内容数据包括对如基于通过所述内容感测模块接收的数据所确定的捕获质量、审美质量、或对象识别中的至少一个进行描述的数据。
示例8可以包括示例1至4中的任何一个示例的元素,还包括至少部分地位于所述设备中的反馈数据库,其用于提供反馈数据以生成用于在对生物计量感测模块、上下文感测模块、内容感测模块、或捕获模块中的至少一个模块进行控制时所使用的标准。
示例9可以包括示例8的元素,其中,所述反馈数据包括用户生成的反馈或者与所述所捕获的数据相关联的增强的元数据中的至少一个。
示例10可以包括示例9的元素,其中,所述用户生成的反馈包括与所捕获的数据的用户交互或者关于所述所捕获的数据的其他在线交互中的至少一种交互。
示例11可以包括示例1至4中的任何一个的元素,其中,所述捕获逻辑模块还用于在使得所述捕获模块捕获数据之前对所述捕获模块进行配置。
示例12可以包括示例11的元素,其中,对所述捕获模块进行配置包括对捕获倍数、捕获速率、或捕获质量中的至少一个进行配置。
示例13可以包括示例1至4中任何一个的元素,其中,所述捕获逻辑模块还用于使得增强的元数据与所述捕获数据相关联地存储在所述捕获数据库中,所述增强的元数据是基于所述生物计量数据、所述上下文数据、或所述内容数据中的至少一种数据的。
示例14可以包括示例1至4中的任何一个的元素,其中,所述捕获逻辑模块还用于确定操作的模式,并且在基于所述生物计量数据或所述上下文数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作的模式在至少所述生物计量数据和所述上下文数据之间设置权重。
示例15可以包括示例1的元素,并且还可以包括通信模块,其用于允许所述捕获逻辑模块与位于所述设备外部的所述生物计量感测模块的一部分、位于所述设备外部的所述上下文感测模块的一部分、或者位于所述设备外部的所述捕获模块的一部分中的至少一个进行交互。
示例16可以包括示例1至4中任何一个的元素,其中,所述生物计量数据包括这样的数据,其对如基于通过所述生物计量感测模块所接收的数据而确定的所述设备的用户的运动、所述设备的所述用户的关注、或者所述设备的所述用户的兴奋等级中的至少一个进行描述,所述上下文数据包括对如基于通过所述上下文感测模块所接收的数据而确定的时间、日期、位置、场景、接近的对象、或接近的人中的至少一个进行描述,并且所述内容数据包括对如基于由所述内容感测模块所接收的数据而确定的捕获质量、审美质量、或对象识别中的至少一个进行描述的数据。
根据示例17,提供了一种针对数据捕获的动态控制的方法。所述方法可以包括接收生物计量数据、接收上下文数据、基于生物计量数据或上下文数据中的至少一种数据来确定是否存在捕获场景、基于至少对是否存在捕获场景的确定而接收内容数据、基于至少所述内容数据来确定是否捕获数据、基于至少对是否捕获数据的确定而使得数据被捕获、以及使得所捕获的数据存储在捕获数据库中。
示例18可以包括示例17的元素,其中,所述生物计量数据包括描述用户的运动、用户的关注、或者用户的兴奋等级中的至少一个的数据。
示例19可以包括示例17的元素,其中,所述上下文数据包括描述时间、日期、位置、场景、接近的物体、或者接近的人中至少一个的数据。
示例20可以包括示例17的元素,其中,所述内容数据包括描述捕获质量、审美质量、或者对象识别中的至少一个的数据。
示例21可以包括示例17的元素,并且还可以包括基于反馈数据来对生物计量感测、上下文感测、内容感测、或数据捕获中的至少一种感测进行控制。
示例22可以包括示例21的元素,其中,所述反馈数据包括用户生成的反馈或者与所捕获的数据相关联的增强的元数据中的至少一个。
示例23可以包括示例22的元素,其中,用户生成的反馈包括与所捕获的数据的用户交互或者关于所述所捕获的数据的其他在线交互中的至少一个。
示例24可以包括示例17至23中的任何一个的元素,并且还可以包括在使得数据被捕获之前对数据捕获进行配置。
示例25可以包括示例24的元素,其中,对数据捕获进行配置包括对捕获倍数、捕获速率、或捕获质量中的至少一个进行配置。
示例26可以包括示例17至23中的至少一个的元素,并且还可以包括使得增强的元数据与所述捕获数据相关联地存储在所述捕获数据库中,所述增强的元数据是基于生物计量数据、上下文数据、或者内容数据中的至少一种数据的。
示例27可以包括示例17至23中的任何一个的元素,并且还可以包括确定操作的模式,并且在基于所述生物计量数据或所述上下文数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作的模式在至少所述生物计量数据和所述上下文数据之间设置权重。
示例28可以包括示例17至23中任何一个的元素,其中,所述生物计量数据包括描述用户的运动、用户的关注、或者用户的兴奋等级中的至少一个的数据,所述上下文数据包括描述时间、日期、位置、场景、接近的物体、或者接近的人中的至少一个的数据,并且所述内容数据包括描述捕获质量、审美质量、或者对象识别中的至少一个的数据。
根据示例29,提供了一种包括至少一个设备的***,所述***被布置为执行上文的示例17至28中的任何一个示例的方法。
根据示例30,提供了一种被布置为执行上文的示例17至28中任何一个示例的方法的芯片集。
根据示例31,提供了至少一个机器可读介质,其包括多个指令,响应于在计算设备上被执行,所述指令使得所述计算设备实行根据上文的示例17至28中的任何一个示例的方法。
根据权利要求32,提供了一种设备,其针对数据捕获的动态控制而被配置,所述设备被布置为执行上文的示例17至28中的任何一个示例的方法。
根据示例33,提供了一种针对数据捕获的动态控制的***。所述***可以包括用于接收生物计量数据的单元、用于接收上下文数据的单元、用于基于所述生物计量数据或者所述上下文数据中的至少一种数据来确定是否存在捕获场景的单元、用于基于至少对是否存在捕获场景的确定而接收内容数据的单元、用于基于至少内容数据来确定是否捕获数据的单元、用于基于至少对是否捕获数据的确定而使得数据被捕获的单元、以及用于使得所捕获的数据存储在捕获数据库中的单元。
示例34可以包括示例33的元素,其中,生物计量数据包括描述用户的运动、用户的关注、或者用户的兴奋等级中的至少一个的数据。
示例35可以包括示例33的元素,其中,所述上下文数据包括描述时间、日期、位置、场景、接近的物体、或者接近的人中至少一个的数据。
示例36可以包括示例33的元素,其中,所述内容数据包括描述捕获质量、审美质量、或者对象识别中的至少一个的数据。
示例37可以包括示例33至36的元素,并且还可以包括用于基于所述反馈数据来对生物计量感测、上下文感测、内容感测、或者数据捕获中的至少一个进行控制的模块。
示例38可以包括示例33至36的元素,并且还可以包括用于使得增强的元数据与所述捕获数据相关联地存储在所述捕获数据库中的单元,所述增强的元数据是基于所述生物计量数据、所述上下文数据、或者所述内容数据中的至少一种数据的。
示例39可以包括示例33至36中的任何一个的元素,并且还可以包括用于确定操作的模式的单元以及用于在基于所述生物计量数据或者所述上下文数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作的模式在至少所述生物计量数据和所述上下文数据之间设置权重的单元。
已经在本文中所采用的术语和表达被用作描述的术语而不是限制的术语,并且在使用这样的术语和表达时不存在将所示出和描述的特征(或其部分)的任何等同物排除在外的意图,并且应当理解的是,在权利要求的范围内的各种修改是可能的。从而,权利要求旨在覆盖所有这样的等同物。
Claims (23)
1.一种用于控制数据捕获的设备,包括:
用于存储所捕获的数据的捕获数据库;以及
捕获逻辑模块,所述捕获逻辑模块用于:
从生物计量感测模块接收生物计量数据;
从上下文感测模块接收上下文数据;
基于所述生物计量数据或所述上下文数据中的至少一种数据来确定是否存在捕获场景;
基于至少对是否存在捕获场景的确定而从内容感测模块接收内容数据;
基于至少所述内容数据来确定是否捕获数据;
基于至少对是否捕获数据的确定而使得捕获模块捕获数据;以及
使得所捕获的数据存储在所述捕获数据库中。
2.根据权利要求1所述的设备,还包括通信模块,所述通信模块用于允许所述捕获逻辑模块与位于所述设备外部的所述生物计量感测模块的至少一部分进行交互。
3.根据权利要求2所述的设备,其中,所述通信模块还允许所述捕获逻辑模块与位于所述设备外部的所述上下文感测模块的至少一部分进行交互。
4.根据权利要求2所述的设备,其中,所述通信模块还允许所述捕获逻辑模块与位于所述设备外部的所述捕获模块的至少一部分进行交互。
5.根据权利要求1所述的设备,其中,所述生物计量数据包括对如基于通过所述生物计量感测模块接收的数据而确定的所述设备的用户的运动、所述设备的所述用户的关注、或者所述设备的所述用户的兴奋等级中的至少一个进行描述的数据。
6.根据权利要求1所述的设备,其中,所述上下文数据包括对如基于通过所述上下文感测模块接收的数据而确定的时间、日期、位置、场景、接近的物体、或者接近的人中的至少一个进行描述的数据。
7.根据权利要求1所述的设备,其中,所述内容数据包括对如基于通过所述内容感测模块接收的数据而确定的捕获质量、审美质量、或者对象识别中的至少一个进行描述的数据。
8.根据权利要求1所述的设备,还包括至少部分地位于所述设备中的反馈数据库,所述反馈数据库用于提供反馈数据以产生用于在对所述生物计量感测模块、所述上下文感测模块、所述内容感测模块、或者所述捕获模块中的至少一个模块进行控制时所使用的标准。
9.根据权利要求1所述的设备,其中,所述捕获逻辑模块还用于:
在使得所述捕获模块捕获数据之前对所述捕获模块进行配置。
10.根据权利要求1所述的设备,其中,所述捕获逻辑模块还用于:
使得增强的元数据与所述捕获数据相关联地存储在所述捕获数据库中,所述增强的元数据是基于所述生物计量数据、所述上下文数据、或者所述内容数据中的至少一种数据的。
11.根据权利要求1所述的设备,其中,所述捕获逻辑模块还用于:
确定操作的模式;以及
在基于所述生物计量数据或者所述内容数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作的模式在至少所述生物计量数据和所述内容数据之间设置权重。
12.一种用于针对数据捕获的动态控制的方法,包括:
接收生物计量数据;
接收上下文数据;
基于所述生物计量数据或者所述上下文数据中的至少一种数据来确定是否存在捕获场景;
基于至少对是否存在捕获场景的确定而接收内容数据;
基于至少所述内容数据来确定是否捕获数据;
基于至少对是否捕获数据的确定而使得数据被捕获;以及
使得所捕获的数据存储在捕获数据库中。
13.根据权利要求12所述的方法,其中,所述生物计量数据包括描述用户的运动、所述用户的关注、或者所述用户的兴奋等级中的至少一个的数据。
14.根据权利要求12所述的方法,其中,所述上下文数据包括描述时间、日期、位置、场景、接近的物体、或者接近的人中的至少一个的数据。
15.根据权利要求12所述的方法,其中,所述内容数据包括描述捕获质量、审美质量、或者对象识别中的至少一个的数据。
16.根据权利要求12所述的方法,还包括:
基于反馈数据来对生物计量感测、上下文感测、内容感测、或者数据捕获中的至少一个进行控制。
17.根据权利要求12所述的方法,还包括:
使得增强的元数据与所述捕获数据相关联地存储在所述捕获数据库中,所述增强的元数据是基于所述生物计量数据、所述上下文数据、或者所述内容数据中的至少一个的。
18.根据权利要求12所述的方法,还包括:
确定操作的模式;以及
在基于所述生物计量数据或者所述内容数据中的至少一种数据来确定是否存在捕获场景之前,基于所述操作的模式在至少所述生物计量数据和所述内容数据之间设置权重。
19.一种包括至少一个设备的***,所述***被布置为执行权利要求12至18中的任何一项所述的方法。
20.一种芯片集,其被布置为执行权利要求12至18中的任何一项所述的方法。
21.至少一个机器可读介质,所述机器可读介质包括多个指令,其中响应于在计算设备上被执行,所述指令使得所述计算设备实行根据权利要求12至18中的任何一项所述的方法。
22.一种针对数据捕获的动态控制而被配置的设备,所述设备被布置为执行权利要求12至18中的任何一项所述的方法。
23.一种设备,所述设备具有用于执行权利要求12至18中的任何一项所述的方法的单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910885899.2A CN110674485B (zh) | 2014-07-11 | 2015-05-15 | 针对数据捕获的动态控制 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/329,711 US10074003B2 (en) | 2014-07-11 | 2014-07-11 | Dynamic control for data capture |
US14/329,711 | 2014-07-11 | ||
PCT/US2015/030930 WO2016007220A1 (en) | 2014-07-11 | 2015-05-15 | Dynamic control for data capture |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910885899.2A Division CN110674485B (zh) | 2014-07-11 | 2015-05-15 | 针对数据捕获的动态控制 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106462648A true CN106462648A (zh) | 2017-02-22 |
CN106462648B CN106462648B (zh) | 2019-10-22 |
Family
ID=55064655
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910885899.2A Active CN110674485B (zh) | 2014-07-11 | 2015-05-15 | 针对数据捕获的动态控制 |
CN201580030845.8A Active CN106462648B (zh) | 2014-07-11 | 2015-05-15 | 针对数据捕获的动态控制 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910885899.2A Active CN110674485B (zh) | 2014-07-11 | 2015-05-15 | 针对数据捕获的动态控制 |
Country Status (6)
Country | Link |
---|---|
US (2) | US10074003B2 (zh) |
EP (1) | EP3167385A4 (zh) |
JP (1) | JP6434137B2 (zh) |
KR (1) | KR101819925B1 (zh) |
CN (2) | CN110674485B (zh) |
WO (1) | WO2016007220A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110325993A (zh) * | 2017-02-23 | 2019-10-11 | 三星电子株式会社 | 通过使用多个生物特征传感器执行认证的电子设备及其操作方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3079334B1 (en) * | 2015-04-09 | 2019-03-13 | The Boeing Company | Device and method for transferring files from a portable storage device |
US10564794B2 (en) * | 2015-09-15 | 2020-02-18 | Xerox Corporation | Method and system for document management considering location, time and social context |
EP3353947A4 (en) * | 2015-09-22 | 2019-04-24 | Mc10, Inc. | METHOD AND SYSTEM FOR CROWD-GESOURCTE ALGORITHM DEVELOPMENT |
US10229324B2 (en) | 2015-12-24 | 2019-03-12 | Intel Corporation | Video summarization using semantic information |
US10375119B2 (en) * | 2016-07-28 | 2019-08-06 | International Business Machines Corporation | Dynamic multi-factor authentication challenge generation |
US11062104B2 (en) * | 2019-07-08 | 2021-07-13 | Zebra Technologies Corporation | Object recognition system with invisible or nearly invisible lighting |
US11677828B2 (en) | 2019-07-09 | 2023-06-13 | Rhombus Systems | Camera network for enhancing industrial monitoring and security |
CN111507941B (zh) * | 2020-03-24 | 2023-06-02 | 杭州电子科技大学 | 一种用于美学质量评价的构图表征学习方法 |
US11877052B2 (en) * | 2020-12-08 | 2024-01-16 | Cortica Ltd. | Filming an event by an autonomous robotic system |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040208496A1 (en) * | 2003-04-15 | 2004-10-21 | Hewlett-Packard Development Company, L.P. | Attention detection |
US20050012830A1 (en) * | 2003-06-27 | 2005-01-20 | Maurizio Pilu | Autonomous camera having exchangable behaviours |
GB2404511A (en) * | 2003-07-26 | 2005-02-02 | Hewlett Packard Development Co | Image capture device having a learning function |
US20080192129A1 (en) * | 2003-12-24 | 2008-08-14 | Walker Jay S | Method and Apparatus for Automatically Capturing and Managing Images |
CN101809972A (zh) * | 2007-08-31 | 2010-08-18 | 诺基亚公司 | 使用元数据流来发现点对点内容 |
US20120188382A1 (en) * | 2011-01-24 | 2012-07-26 | Andrew Morrison | Automatic selection of digital images from a multi-sourced collection of digital images |
CN103294393A (zh) * | 2012-02-24 | 2013-09-11 | 三星电子株式会社 | 提供捕获数据的方法及其移动终端 |
CN103310099A (zh) * | 2013-05-30 | 2013-09-18 | 佛山电视台南海分台 | 一种利用图像捕获和识别技术实现增强现实的方法和*** |
US20130286244A1 (en) * | 2010-03-23 | 2013-10-31 | Motorola Mobility Llc | System and Method for Image Selection and Capture Parameter Determination |
JP2013255168A (ja) * | 2012-06-08 | 2013-12-19 | Toyota Infotechnology Center Co Ltd | 撮像装置、および撮像方法 |
CN103581544A (zh) * | 2012-07-20 | 2014-02-12 | 捷讯研究有限公司 | 动态感兴趣区域调整和提供动态感兴趣区域调整的图像捕捉设备 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248300B1 (en) | 1999-06-03 | 2007-07-24 | Fujifilm Corporation | Camera and method of photographing good image |
US6301440B1 (en) * | 2000-04-13 | 2001-10-09 | International Business Machines Corp. | System and method for automatically setting image acquisition controls |
JP2004121218A (ja) | 2002-08-06 | 2004-04-22 | Jenokkusu Soyaku Kenkyusho:Kk | 気管支喘息または慢性閉塞性肺疾患の検査方法 |
US7319780B2 (en) * | 2002-11-25 | 2008-01-15 | Eastman Kodak Company | Imaging method and system for health monitoring and personal security |
US7403211B2 (en) * | 2003-02-13 | 2008-07-22 | Lumapix, Inc. | Method and system for interactive region segmentation |
JP2004356970A (ja) | 2003-05-29 | 2004-12-16 | Casio Comput Co Ltd | ウエアラブルカメラの撮影方法、撮像装置、及び撮影制御プログラム |
WO2006022977A2 (en) * | 2004-07-23 | 2006-03-02 | Digimarc Corporation | Facial database methods and systems |
US9001215B2 (en) * | 2005-06-02 | 2015-04-07 | The Invention Science Fund I, Llc | Estimating shared image device operational capabilities or resources |
JP4717539B2 (ja) * | 2005-07-26 | 2011-07-06 | キヤノン株式会社 | 撮像装置及び撮像方法 |
EP1793580B1 (en) * | 2005-12-05 | 2016-07-27 | Microsoft Technology Licensing, LLC | Camera for automatic image capture having plural capture modes with different capture triggers |
JP2007336098A (ja) | 2006-06-13 | 2007-12-27 | Canon Inc | 映像録画・再生システム用映像制御装置 |
JP5017989B2 (ja) | 2006-09-27 | 2012-09-05 | ソニー株式会社 | 撮像装置、撮像方法 |
FR2913510B1 (fr) * | 2007-03-07 | 2009-07-03 | Eastman Kodak Co | Procede pour determiner automatiquement une probabilite de saisie d'images avec un terminal a partir de donnees contextuelles |
US7817914B2 (en) * | 2007-05-30 | 2010-10-19 | Eastman Kodak Company | Camera configurable for autonomous operation |
US8253770B2 (en) * | 2007-05-31 | 2012-08-28 | Eastman Kodak Company | Residential video communication system |
JP5024093B2 (ja) | 2008-02-08 | 2012-09-12 | ソニー株式会社 | 画像の撮影装置、その表示装置および画像データの管理システム |
CN101673346B (zh) * | 2008-09-09 | 2013-06-05 | 日电(中国)有限公司 | 对图像进行处理的方法、设备和*** |
US8745250B2 (en) | 2009-06-30 | 2014-06-03 | Intel Corporation | Multimodal proximity detection |
WO2011148212A1 (en) * | 2010-05-26 | 2011-12-01 | Sony Ericsson Mobile Communications Ab | Camera system and method for taking photographs that correspond to user preferences |
JP5229336B2 (ja) | 2011-02-07 | 2013-07-03 | トヨタ自動車株式会社 | カーテンエアバッグ装置 |
KR101750827B1 (ko) * | 2011-03-02 | 2017-06-27 | 삼성전자주식회사 | 통신 시스템에서 소셜 네트워크를 이용한 미디어 공유 방법 및 장치 |
US20120277914A1 (en) * | 2011-04-29 | 2012-11-01 | Microsoft Corporation | Autonomous and Semi-Autonomous Modes for Robotic Capture of Images and Videos |
US9596398B2 (en) * | 2011-09-02 | 2017-03-14 | Microsoft Technology Licensing, Llc | Automatic image capture |
US8611015B2 (en) | 2011-11-22 | 2013-12-17 | Google Inc. | User interface |
JP2014057191A (ja) * | 2012-09-12 | 2014-03-27 | Olympus Imaging Corp | 撮像装置 |
US20140078304A1 (en) * | 2012-09-20 | 2014-03-20 | Cloudcar, Inc. | Collection and use of captured vehicle data |
US9210319B2 (en) * | 2013-07-11 | 2015-12-08 | Magisto Ltd. | Method and system for capturing important objects using a camera based on predefined metrics |
WO2015127383A1 (en) * | 2014-02-23 | 2015-08-27 | Catch Motion Inc. | Person wearable photo experience aggregator apparatuses, methods and systems |
-
2014
- 2014-07-11 US US14/329,711 patent/US10074003B2/en active Active
-
2015
- 2015-05-15 CN CN201910885899.2A patent/CN110674485B/zh active Active
- 2015-05-15 KR KR1020167034611A patent/KR101819925B1/ko active IP Right Grant
- 2015-05-15 CN CN201580030845.8A patent/CN106462648B/zh active Active
- 2015-05-15 JP JP2017519208A patent/JP6434137B2/ja active Active
- 2015-05-15 WO PCT/US2015/030930 patent/WO2016007220A1/en active Application Filing
- 2015-05-15 EP EP15819512.3A patent/EP3167385A4/en not_active Withdrawn
-
2018
- 2018-09-11 US US16/127,929 patent/US20190095670A1/en not_active Abandoned
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040208496A1 (en) * | 2003-04-15 | 2004-10-21 | Hewlett-Packard Development Company, L.P. | Attention detection |
US20050012830A1 (en) * | 2003-06-27 | 2005-01-20 | Maurizio Pilu | Autonomous camera having exchangable behaviours |
GB2404511A (en) * | 2003-07-26 | 2005-02-02 | Hewlett Packard Development Co | Image capture device having a learning function |
US20080192129A1 (en) * | 2003-12-24 | 2008-08-14 | Walker Jay S | Method and Apparatus for Automatically Capturing and Managing Images |
CN101809972A (zh) * | 2007-08-31 | 2010-08-18 | 诺基亚公司 | 使用元数据流来发现点对点内容 |
US20130286244A1 (en) * | 2010-03-23 | 2013-10-31 | Motorola Mobility Llc | System and Method for Image Selection and Capture Parameter Determination |
US20120188382A1 (en) * | 2011-01-24 | 2012-07-26 | Andrew Morrison | Automatic selection of digital images from a multi-sourced collection of digital images |
CN103294393A (zh) * | 2012-02-24 | 2013-09-11 | 三星电子株式会社 | 提供捕获数据的方法及其移动终端 |
JP2013255168A (ja) * | 2012-06-08 | 2013-12-19 | Toyota Infotechnology Center Co Ltd | 撮像装置、および撮像方法 |
CN103581544A (zh) * | 2012-07-20 | 2014-02-12 | 捷讯研究有限公司 | 动态感兴趣区域调整和提供动态感兴趣区域调整的图像捕捉设备 |
CN103310099A (zh) * | 2013-05-30 | 2013-09-18 | 佛山电视台南海分台 | 一种利用图像捕获和识别技术实现增强现实的方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110325993A (zh) * | 2017-02-23 | 2019-10-11 | 三星电子株式会社 | 通过使用多个生物特征传感器执行认证的电子设备及其操作方法 |
CN110325993B (zh) * | 2017-02-23 | 2022-12-23 | 三星电子株式会社 | 通过使用多个生物特征传感器执行认证的电子设备及其操作方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2016007220A1 (en) | 2016-01-14 |
CN106462648B (zh) | 2019-10-22 |
EP3167385A1 (en) | 2017-05-17 |
JP6434137B2 (ja) | 2018-12-05 |
US10074003B2 (en) | 2018-09-11 |
US20160012270A1 (en) | 2016-01-14 |
KR101819925B1 (ko) | 2018-01-18 |
KR20170008776A (ko) | 2017-01-24 |
JP2017525069A (ja) | 2017-08-31 |
CN110674485B (zh) | 2023-05-26 |
EP3167385A4 (en) | 2018-03-07 |
US20190095670A1 (en) | 2019-03-28 |
CN110674485A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106462648B (zh) | 针对数据捕获的动态控制 | |
US10924564B2 (en) | Apparatus and methods for providing recommendations based on environmental data | |
US10841476B2 (en) | Wearable unit for selectively withholding actions based on recognized gestures | |
WO2017202006A1 (zh) | 数据处理方法和装置、计算机存储介质 | |
CN110209952A (zh) | 信息推荐方法、装置、设备及存储介质 | |
Zhang et al. | Discovering place-informative scenes and objects using social media photos | |
CN110458360B (zh) | 热门资源的预测方法、装置、设备及存储介质 | |
CN105934760A (zh) | 利用计算机视觉辅助的适应性图像搜索 | |
CN106462598A (zh) | 信息处理设备、信息处理方法与程序 | |
CN106165386A (zh) | 用于照片上传和选择的自动化技术 | |
CN105653636A (zh) | 一种信息处理方法和装置、一种用于信息处理的装置 | |
CN103412951A (zh) | 基于人物照片的人脉关联分析管理***与方法 | |
US9349041B2 (en) | Information processing device, specifying method, and non-transitory computer readable storage medium | |
CN107148628A (zh) | 用于基于特征进行认证的***和方法 | |
CN110472057A (zh) | 话题标签的生成方法及装置 | |
Purnama et al. | Online data-driven concurrent product-process-supply chain design in the early stage of new product development | |
US11651280B2 (en) | Recording medium, information processing system, and information processing method | |
CN103929460A (zh) | 获取联系人状态信息的方法及移动设备 | |
JP2012168862A (ja) | 行動情報記録装置 | |
CN114707075A (zh) | 一种冷启动推荐方法和设备 | |
CN111797175A (zh) | 数据存储方法、装置、存储介质及电子设备 | |
Dapp et al. | Big data | |
JP6998914B2 (ja) | 情報処理システム、プログラム、及び情報処理方法 | |
Geng et al. | Classifying personal photo collections: an event-based approach | |
Takano et al. | Photo Sharing Service for Recommending Sightseeing Places |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |