CN116560552A - 一种信息处理方法、装置、电子设备及介质 - Google Patents
一种信息处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116560552A CN116560552A CN202210113109.0A CN202210113109A CN116560552A CN 116560552 A CN116560552 A CN 116560552A CN 202210113109 A CN202210113109 A CN 202210113109A CN 116560552 A CN116560552 A CN 116560552A
- Authority
- CN
- China
- Prior art keywords
- information
- sliding
- hand
- event
- recognition result
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012549 training Methods 0.000 claims description 48
- 230000001960 triggered effect Effects 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- 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)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开公开了一种信息处理方法、装置、电子设备及介质。所述方法包括：在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息；将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果；基于所述手部识别结果，确定多媒体数据展示界面的布局信息；基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。利用该方法，通过将获取的滑动信息和设备信息输入至属性确定模型中得到滑动事件对应的手部识别结果，提高了手部识别结果的准确性，同时，能够基于手部识别结果的不同来调整多媒体数据展示界面的布局信息，增强了用户体验。
Description
技术领域
本公开实施例涉及计算机视觉技术领域，尤其涉及一种信息处理方法、装置、电子设备及介质。
背景技术
随着科技的迅速发展，在许多新兴领域能够通过屏幕，如触屏来实现人机交互。示例性的，用户通过触屏实现短视频展示界面的浏览。在进行短视频展示页面浏览时，可以通过识别用户操作短视频展示页面的手部为左手还是右手，实现短视频展示界面的调整。
现有的技术方案在进行手部识别时，是通过计算用户手部在触屏上的滑动轨迹的斜率来识别左右手，继而响应手部识别结果实现人机交互。
然而，由于现有的技术方案只是简单的计算斜率来识别左右手，导致识别准确率不高，例如在一次滑动中，用户做弧形滑动，斜率可能是先正后负，也可能是先负后正，很容易出现误判的情况。
发明内容
本公开实施例提供了一种信息处理方法、装置、电子设备及介质，以提高识别结果的准确性，增强用户体验。
第一方面，本公开实施例提供了一种信息处理方法，包括：
在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
第二方面，本公开实施例还提供了一种信息处理装置，包括：
获取模块，用于在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
输入模块，用于将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
确定模块，用于基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
显示模块，用于基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
第三方面，本公开实施例还提供了一种电子设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现本公开实施例提供的信息处理方法。
第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开实施例提供的信息处理方法。
本公开实施例提供了一种信息处理方法、装置、电子设备及介质。所述方法包括：在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；基于所述手部识别结果，确定多媒体数据展示界面的布局信息；基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。利用上述技术方案，通过将获取的滑动信息和设备信息输入至属性确定模型中得到滑动事件对应的手部识别结果，提高了手部识别结果的准确性，同时，能够基于手部识别结果的不同来调整多媒体数据展示界面的布局信息，增强了用户体验。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例一提供的一种信息处理方法的流程示意图；
图2为本公开实施例一提供的一种信息处理方法中滑动事件的示意图；
图3为本公开实施例一提供的一种信息处理方法的结构示意图；
图4为本公开实施例一提供的另一种信息处理方法的结构示意图；
图5为本公开实施例二提供的一种信息处理方法的流程示意图；
图6为本公开实施例二提供的一种事件监测界面的示意图；
图7为本公开实施例二提供的一种建立属性确定模型的结构示意图；
图8为本公开实施例二提供的一种运行推理的流程示意图；
图9为本公开实施例二提供的一种优化多媒体数据展示界面的示意图；
图10为本公开实施例三提供的一种信息处理装置的结构示意图；
图11为本公开实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。此外，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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示所指的装置或元件必须具有特定的方位，因此不能理解为对本发明的限制。此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例一
图1为本公开实施例一提供的一种信息处理方法的流程示意图，该方法可适用于对手部进行识别的情况，该方法可以由信息处理方法装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上，在本实施例中电子设备包括但不限于：计算机、笔记本电脑、平板电脑、手机等设备。
如图1所示，本公开实施例一提供的一种信息处理方法，包括如下步骤：
S110、在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发。
其中，滑动事件可以是指在电子设备的显示屏上进行滑动所触发的事件，当在电子设备显示屏上进行滑动时，可以触发滑动事件，本实施例不对滑动操作进行限定，例如可以为在显示屏上从任意位置由左至右滑动的操作，也可以为在显示屏上从任意位置由上至下滑动的操作。滑动信息可以是表征滑动操作的信息，滑动信息可以包括滑动操作的滑动轨迹、滑动的方向、触屏点的位置信息等；电子设备的设备信息可以是指电子设备的信息，可以包括电子设备的屏幕宽度、电子设备的屏幕高度、电子设备的形状和与电子设备显示相关的信息等。
在本实施例中，本步骤可以拦截滑动事件，在拦截到滑动事件后，可以获取对应滑动事件的滑动信息和电子设备的设备信息，本实施例不对获取对应滑动事件的滑动信息和电子设备的设备信息的具体步骤进行限定，例如可以对滑动事件进行识别得到滑动事件对应的滑动轨迹，通过滑动轨迹获取对应滑动事件的滑动信息，同时可以向用户获取电子设备的设备权限以获取电子设备的设备信息。
图2为本公开实施例一提供的一种信息处理方法中滑动事件的示意图，如图2所示，滑动事件可以为在电子设备的显示屏上由上至下进行滑动的事件。
S120、将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手。
属性确定模型可以是指基于滑动信息和设备信息来得到手部识别结果的模型，属性确定模型可以为预先训练完成的模型，本步骤不对属性确定模型进行限定，只要能得到滑动事件对应的手部识别结果即可。其中，手部识别结果可以是指通过属性确定模型对触发滑动事件的手部进行识别的结果，手部识别结果可以表示触发滑动事件的手部为左手或右手。
在一个实施例中，所述属性确定模型为基于训练集对神经网络模型训练得到，所述训练集包括：第一数量的第一样本对、第二数量的第二样本对和设备信息；
所述第一样本对由左手滑动信息和表征左手的信息形成，所述第二样本对由右手滑动信息和表征右手的信息形成，
其中，所述左手滑动信息在事件监测界面内左手滑动控件被触发后采集，所述右手滑动信息在所述事件监测界面内右手滑动控件被触发后采集。
训练集可以是指对神经网络模型进行训练的数据，训练集可以包括第一数量的第一样本对、第二数量的第二样本对和设备信息。在本实施例中，第一样本对可以理解为与左手相关的样本对，可以由左手滑动信息和表征左手的信息形成，其中，左手滑动信息可以是指左手触发的滑动事件所对应的滑动信息，即基于左手在电子设备的显示屏上进行滑动操作的信息，可以包括左手触屏点的位置信息和各触屏点的位置信息对应的时间戳，左手滑动信息可以在事件监测界面内左手滑动控件被触发后采集；表征左手的信息例如可以为数字或字母等，如数字1代表是左手。
第二样本对可以理解为与右手相关的样本对，可以由右手滑动信息和表征右手的信息形成，右手滑动信息可以是指右手触发的滑动事件所对应的滑动信息，即基于右手在电子设备的显示屏上进行滑动操作的信息，可以包括右手触屏点的位置信息和各触屏点的位置信息对应的时间戳，右手滑动信息可以在事件监测界面内右手滑动控件被触发后采集；表征右手的信息例如可以为数字或字母等，如数字0代表是右手。
可以理解的是，第一数量为第一样本对的数量，第二数量为第二样本对的数量，本实施例不对第一数量和第二数量进行限定，可以由相关人员进行设定。
需要说明的是，事件监测界面可以为监测左手滑动信息或右手滑动信息的界面，用户可以浏览浏览事件监测界面所呈现的内容。事件监测界面中可以包括左手滑动控件、右手滑动控件，左手滑动控件可以为触发采集左手滑动信息的控件，右手滑动控件可以为触发采集右手滑动信息的控件，即左手滑动信息可以在事件监测界面内左手滑动控件被触发后采集，右手滑动信息可以在事件监测界面内右手滑动控件被触发后采集。
示例性的，在左手滑动控件被触发后，所采集的左手滑动信息，和对应左手滑动控件的表征左手的信息将作为一对样本存入至训练集。
事件监测界面中还可以包括重置控件等，重置控件可以为重新采集左手滑动信息或右手滑动信息的控件。重新采集的可以为上一次触发左手滑动控件或右手滑动控件后所采集的信息。
其中，事件监测界面可以是测试样机中的界面，也可以为电子设备中的界面，测试样机可以为区别于电子设备的设备，可以用于对训练集进行采集。
可以理解的是，测试样机采集训练集后，可以基于训练集对神经网络模型训练得到属性确定模型；测试样机也可以在采集训练集后，将训练集发送至服务器，由服务器对神经网络模型训练得到属性确定模型。
在一个实施例中，所述属性确定模型由服务器基于训练集训练得到。
在一个实施例中，所述训练集由测试样机采集。
在本实施例中，属性确定模型可以基于训练集对神经网络模型训练得到，本实施例不对训练得到属性确定模型的具体步骤进行限定，例如首先可以将训练集内各样本对输入至神经网络模型中得到对应的识别手部的结果，然后将识别手部的结果与对应表征左手或右手的信息进行比对来调整神经网络模型的参数，直至满足训练结束条件得到属性确定模型，其中训练结束条件不限，如可以为识别准确率为95％以上。
S130、基于所述手部识别结果，确定多媒体数据展示界面的布局信息。
多媒体数据展示界面可以理解为将多媒体数据进行展示的界面，多媒体数据展示界面中可以包括多个控件以对多媒体数据进行展示或操作，例如多个控件可以包括对多媒体数据进行常规操作的控件，如转发控件以实现对多媒体数据的转发；还可以包括动态展示控件，即可以对设定多媒体数据进行操作的控件。其中，多媒体数据可以包括视频数据、音频数据等。布局信息可以理解为表征多媒体数据展示界面中各控件和视频数据的布局方式的信息。
在本实施例中，可以根据手部识别结果的不同来确定多媒体数据展示界面的布局信息。示例性的，当手部识别结果为左手时，可以依据用户的操作习惯来调整多媒体数据展示界面中某些控件布局的位置，以便于用户更好的操控所需控件。
S140、基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
通过上述步骤确定多媒体数据展示界面的布局信息后，可以基于确定的布局信息在电子设备上显示相应的多媒体数据展示界面。
本公开实施例一提供的一种信息处理方法，在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；基于所述手部识别结果，确定多媒体数据展示界面的布局信息；基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。利用上述方法，通过将获取的滑动信息和设备信息输入至属性确定模型中得到滑动事件对应的手部识别结果，提高了手部识别结果的准确性，同时，能够基于手部识别结果的不同来调整多媒体数据展示界面的布局信息，增强了用户体验。
在一个实施例中，所述基于所述手部识别结果，确定多媒体数据展示界面的布局信息，包括：
基于所述手部识别结果，确定动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置，所述布局信息包括所述显示位置。
其中，动态展示控件可以为对设定多媒体数据进行操作的控件，如兴趣标签控件，以对设定多媒体数据进行感兴趣或不感兴趣的设定，设定多媒体数据可以为***预先设定的多媒体数据，如广告数据等。
显示位置可以认为是多媒体数据展示界面显示设定多媒体数据时动态展示控件的位置。具体的，布局信息可以包括动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置，显示位置可以根据手部识别结果进行确定，本实施例不对确定显示位置的具体步骤进行限定，例如当手部识别结果为右手时，动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置可以位于电子设备显示区域中靠右的区域。
在一个实施例中，所述显示位置位于热点区域内，所述热点区域由所述电子设备显示区域中操作频率大于设定阈值的区域形成。
热点区域可以理解为电子设备显示区域中操作频率较大的区域，例如热点区域可以由电子设备显示区域中操作频率大于设定阈值的区域形成，操作频率可以是指***作的频率，如点击的频率等；设定阈值可以为电子设备显示区域中操作频率的临界值，设定阈值可以由***或相关人员预先进行设定。
图3为本公开实施例一提供的一种信息处理方法的结构示意图，如图3所示，实现过程可大致分为训练模型阶段(即建立属性确定模型阶段)和运行推理阶段(即得到滑动事件对应的手部识别结果阶段)。在训练模型阶段，首先需要通过测试样机的显示屏采集第一数量的第一样本对、第二数量的第二样本对和设备信息形成训练集，然后将训练集上报至AI服务器进行神经网络模型的训练，得到属性确定模型。在运行推理阶段，首先通过电子设备的显示屏采集事件(即拦截滑动事件)以获取对应滑动事件的滑动信息和电子设备的设备信息；然后通过AI引擎将滑动信息和设备信息输入至属性确定模型中，以得到识别结果(即滑动事件对应的手部识别结果)，其中AI引擎可以是支持用户进行机器学习、深度学习模型训练作业开发的框架；最后可以基于识别结果确定多媒体数据展示界面的布局信息并在电子设备上显示多媒体数据展示界面。
图4为本公开实施例一提供的另一种信息处理方法的结构示意图，如图4所示，首先可以在测试样机上收集触摸事件(即滑动事件)以进行训练集的采集，然后测试样机将训练集上传至服务器，由服务器基于训练集进行神经网络模型的训练，得到属性确定模型，最后可以通过电子设备上客户端获取滑动事件对应的滑动信息和设备信息并将滑动信息和设备信息输入至属性确定模型中进行运行推理，以得到滑动事件对应的手部识别结果。
实施例二
图5为本公开实施例二提供的一种信息处理方法的流程示意图，本实施例二在上述实施例中各个可选方案为基础进行具体化。在本实施例中，将滑动信息进一步具体化为：至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳。
进一步地，本实施例还将设备信息进一步具体化为：所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度。
本实施例尚未详尽的内容请参考实施例一。
如图5所示，本公开实施例二提供的一种信息处理方法，包括如下步骤：
S210、在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发，其中，所述滑动信息包括：至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳，所述设备信息包括：所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度。
可以理解的是，显示屏上的滑动操作至少包括两个触屏点，触屏点可以是指手部作用在显示屏的点，故滑动信息可以包括至少两个触屏点的位置信息和各触屏点的位置信息对应的时间戳，在本实施例中，位置信息可以理解为触屏点的位置坐标，例如可以包括触屏点在显示屏的横坐标和/或纵坐标等，时间戳可以理解为各触屏点对应的时间点。需要说明的是，显示屏的坐标轴可以以显示屏的底边为x轴，以显示屏的左边为y轴，以显示屏的底边与左边的交点为原点，本实施例对此不作限定。
设备信息可以包括电子设备的屏幕宽度、电子设备的屏幕高度和电子设备的屏幕密度。其中，屏幕宽度可以认为是电子设备显示屏的宽度，屏幕高度可以认为是电子设备显示屏的高度，屏幕密度可以是指每英寸电子设备显示屏所拥有的像素数。
在拦截到滑动事件后，可以获取滑动事件中至少两个触屏点的位置信息和各触屏点的位置信息对应的时间戳，以及电子设备的屏幕宽度、电子设备的屏幕高度和电子设备的屏幕密度。
需要说明的是，在获取到滑动事件的滑动信息和电子设备的设备信息后，可以将滑动信息和设备信息分别关联存储在文件中，以方便对滑动事件的信息进行读取。此处不限定滑动信息和电子设备的设备信息存储的位置。
在一个实施例中，所述滑动信息存储在文件中；所述设备信息存储在所述文件的文件名中。
在本实施例中，可以将滑动信息存储在文件中，文件的类型不限，例如可以为csv文件，示例性的，在csv文件中，可以将不同的滑动事件标记为不同的滑动事件标识，对于同一个滑动事件，可以将各触屏点的位置信息和各触屏点的位置信息对应的时间戳分别存储在文件中，然后将滑动事件对应电子设备的设备信息存储在文件的文件名中。
可以理解的是，在文件名对应的文件中，可以包括同一个滑动事件对应的各触屏点的位置信息以及各触屏点的位置信息对应的时间戳，还可以包括不同滑动事件对应的各触屏点的位置信息以及各触屏点的位置信息对应的时间戳，滑动事件之间可以根据滑动事件标识来进行区分。
S220、将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手。
S230、基于所述手部识别结果，确定多媒体数据展示界面的布局信息。
S240、基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
本公开实施例二提供的一种信息处理方法，包括：在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发，其中，所述滑动信息包括：至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳，所述设备信息包括：所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度；将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；基于所述手部识别结果，确定多媒体数据展示界面的布局信息；基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面利用该方法，能够将滑动信息和设备信息更加具体化，进一步提高了手部识别结果的准确性。
下面对信息处理方法进行示例性的描述：
首先，可以在测试样机采集操作记录(即训练集)：在测试样机拦截界面(即事件监测界面)的触摸事件以采集训练集，并标注为左右手(即表征左手的信息)，其中，训练集包括：第一数量的第一样本对、第二数量的第二样本对和设备信息，第一样本对由左手滑动信息和表征左手的信息形成，第二样本对由右手滑动信息和表征右手的信息形成。图6为本公开实施例二提供的一种事件监测界面的示意图，如图6所示，事件监测界面中包括左手滑动控件1、右手滑动控件2和重置控件3，其中，左手滑动信息在事件监测界面内左手滑动控件1被触发后采集，右手滑动信息在事件监测界面内右手滑动控件2被触发后采集。
然后，可以将采集的训练集中的左手滑动信息和右手滑动信息序列化成csv文件，例如格式可以如下：
| index | x | y | t |
| 3 | 287.0 | 1662.0 | 542805640 |
| 3 | 285.0 | 1658.0 | 542805662 |
| 3 | 283.0 | 1646.0 | 542805668 |
| 3 | 278.0 | 1628.0 | 542805673 |
| 3 | 273.0 | 1603.0 | 542805679 |
| 3 | 267.0 | 1577.0 | 542805684 |
其中，index可以为滑动事件标识，index相同表示为同一滑动事件，表中每一行的数据可以代表滑动事件中各触屏点的位置信息和各触屏点的位置信息对应的时间戳，x是在触屏点在显示屏的横坐标、y为触屏点在显示屏的纵坐标，t为时间戳。
同时，可以将携带屏幕的宽高和密度(即设备信息)，当前操作手左右还是右手等信息(即表征左手的信息和表征右手的信息)存储在文件名中，文件名的格式可以为：<日期>_<时间>_<屏幕宽度>_<屏幕高度>_<屏幕密度>_<当前操作手左右还是右手>.csv，如：20211108_175755_1080_2206_2.75_left.csv。
继而，建立离线训练AI模型(即属性确定模型)，具体的，可以基于训练集对神经网络进行训练得到操作手(左右手)识别模型(即属性确定模型)，以下阐述一种属性确定模型及其训练过程/参数：
图7为本公开实施例二提供的一种建立属性确定模型的结构示意图，如图7所示，可以将神经网络模型的输入标准化为6*16的格式：包括6个维度，每个维度有16个数据点，其中6个维度分别是两次采样之间的时间间隔(基于对应的时间戳确定)，屏幕密度，屏幕宽度，屏幕高度，触屏点在以手机左下角为原点的坐标系中的y坐标、触屏点在以手机左下角为原点的坐标系中的x坐标。
对于6个维度，每次输入需要16个采样点。当大于16个时可以获取16个采样点，如使用等间距采样得到16个触屏点，当滑动事件所包括的触屏点小于16个时则舍弃。
将6*16的触屏点放入神经网络模型中进行训练，第一层通过3*6*6的卷积核，经过ReLU激活函数；第二层为3*6*12的卷积核，经过ReLU激活函数，再经过MaxPooling采样；第三层为3*12*24卷积，同样经过ReLU激活函数，在此基础上通过Flatten展开，得到一维向量；第四、五、六层均为不同神经元个数的全连接层，以及对应的激活函数，最后一层的激活函数为Sigmoid。
神经网络模型输出训练目标为左手操作的概率与对应表征左手或右手的信息进行比对来调整神经网络模型的参数，直至表征左手或右手操作的准确度满足训练结束条件时得到属性确定模型。
随后，可以在客户端上运行推理，即在得到属性确定模型后，通过网络下发客户端，此时客户端拦截滑动事件，就可以使用客户端上的AI引擎进行运行推理。图8为本公开实施例二提供的一种运行推理的流程示意图，如图8所示，在客户端首先拦截滑动事件，判断是否已经初始化AI引擎，当确认初始化AI引擎后，进入运行推理阶段以得到左手或者右手(即滑动事件对应的手部识别结果)，最后可以基于左手或者右手分别确定左手逻辑或右手逻辑(即多媒体数据展示界面的布局信息)。
最后，可以根据推理结果(即多媒体数据展示界面的布局信息)优化UI，即基于布局信息在电子设备上显示多媒体数据展示界面。图9为本公开实施例二提供的一种优化多媒体数据展示界面的示意图，当手部识别结果表示触发滑动事件的手部为右手时，如图9所示，左图为优化前的多媒体数据展示界面，在当前界面中，动态展示控件4位于多媒体数据展示界面下方的中间区域；右图为优化后的多媒体数据展示界面，此时，动态展示控件4位于多媒体数据展示界面下方的偏右区域中，以此方便了用户的交互体验。
通过上述描述可以发现，本公开实施例在识别的原理上使用了机器学习，不仅考虑了滑动轨迹的斜率，也考虑了触屏点的坐标、电子设备的屏幕高度、屏幕宽度以及屏幕密度，由此通过属性确定模型能够使手部识别结果的准确率达到95％以上。同时，在应用场景上，本公开实施例可以调整多媒体数据展示界面中的控件位置，使得控件更接近用户的操作手，用户操作起来更加方便，也可以为左右手提供不同样式的多媒体数据展示界面，比如当滑入下一个视频的时候，如果下一个视频是广告等自定义布局，本公开实施例可以设置两套不同的多媒体数据展示界面，让用户手指离广告的详情按钮更近；还可以反向应用，将广告的关闭按钮离用户的手指更远，以此获取更长的广告停留时间。
实施例三
图10为本公开实施例三提供的一种信息处理装置的结构示意图，该装置可适用于对手部进行识别的情况，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上。
如图10所示，该装置包括：
获取模块310，用于在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
输入模块320，用于将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
确定模块330，用于基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
显示模块340，用于基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
在本实施例中，该装置通过获取模块310在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；通过输入模块320将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；通过确定模块330基于所述手部识别结果，确定多媒体数据展示界面的布局信息；通过显示模块340基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。通过该装置，通过将获取的滑动信息和设备信息输入至属性确定模型中得到滑动事件对应的手部识别结果，提高了手部识别结果的准确性，同时，能够基于手部识别结果的不同来调整多媒体数据展示界面的布局信息，增强了用户体验。
进一步的，所述滑动信息包括：
至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳。
进一步的，所述设备信息包括：
所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度。
进一步的，所述滑动信息存储在文件中；所述设备信息存储在所述文件的文件名中。
进一步的，所述属性确定模型为基于训练集对神经网络模型训练得到，所述训练集包括：第一数量的第一样本对、第二数量的第二样本对和设备信息；
所述第一样本对由左手滑动信息和表征左手的信息形成，所述第二样本对由右手滑动信息和表征右手的信息形成，
其中，所述左手滑动信息在事件监测界面内左手滑动控件被触发后采集，所述右手滑动信息在所述事件监测界面内右手滑动控件被触发后采集。
进一步的，所述确定模块330具体用于：
基于所述手部识别结果，确定动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置，所述布局信息包括所述显示位置。
进一步的，所述显示位置位于热点区域内，所述热点区域由所述电子设备显示区域中操作频率大于设定阈值的区域形成。
上述信息处理装置可执行本公开任意实施例所提供的信息处理方法，具备执行方法相应的功能模块和有益效果。
实施例四
图11为本公开实施例四提供的一种电子设备的结构示意图。图11示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的电子设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal DigitalAssistant，PDA)、平板电脑(Portable Android Device，PAD)、便携式多媒体播放器(Portable Media Player，PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图11示出的电子设备400仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，电子设备400可以包括一个或多个处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(Read-Only Memory，ROM)402中的程序或者从存储装置408加载到随机访问存储器(Random Access Memory，RAM)403中的程序而执行各种适当的动作和处理。一个或多个处理装置401实现如本公开提供的信息处理方法。在RAM403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(Input/Output，I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(Liquid CrystalDisplay，LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408，存储装置408用于存储一个或多个程序；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程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，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如超文本传输协议(Hyper TextTransfer Protocol，HTTP)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(LAN)，广域网(WAN)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备400中所包含的；也可以是单独存在，而未装配入该电子设备400中。
上述计算机可读介质存储有一个或者多个计算机程序，当上述一个或者多个程序被处理装置执行时实现如下方法：上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备400：可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、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。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，该模块、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***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模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、专用标准产品(Application Specific Standard Parts，ASSP)、片上***(System on Chip，SOC)、复杂可编程逻辑设备(Complex Programming logic device，CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种信息处理方法，包括：
在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
根据本公开的一个或多个实施例，示例2根据示例1所述的方法，
所述滑动信息包括：
至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳。
根据本公开的一个或多个实施例，示例3根据示例1所述的方法，
所述设备信息包括：
所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度。
根据本公开的一个或多个实施例，示例4根据示例1所述的方法，
所述滑动信息存储在文件中；所述设备信息存储在所述文件的文件名中。
根据本公开的一个或多个实施例，示例5根据示例1所述的方法，
所述属性确定模型为基于训练集对神经网络模型训练得到，所述训练集包括：第一数量的第一样本对、第二数量的第二样本对和设备信息；
所述第一样本对由左手滑动信息和表征左手的信息形成，所述第二样本对由右手滑动信息和表征右手的信息形成，
其中，所述左手滑动信息在事件监测界面内左手滑动控件被触发后采集，所述右手滑动信息在所述事件监测界面内右手滑动控件被触发后采集。
根据本公开的一个或多个实施例，示例6根据示例1所述的方法，
所述基于所述手部识别结果，确定多媒体数据展示界面的布局信息，包括：
基于所述手部识别结果，确定动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置，所述布局信息包括所述显示位置。
根据本公开的一个或多个实施例，示例7根据示例6所述的方法，
所述显示位置位于热点区域内，所述热点区域由所述电子设备显示区域中操作频率大于设定阈值的区域形成。
根据本公开的一个或多个实施例，示例8提供了一种信息处理装置，包括：
获取模块，用于在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
输入模块，用于将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
确定模块，用于基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
显示模块，用于基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
根据本公开的一个或多个实施例，示例9提供了一种电子设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如示例1-7中任一所述的方法。
根据本公开的一个或多个实施例，示例10提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如示例1-7中任一所述的方法。
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，本公开中所涉及的公开范围，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上述公开构思的情况下，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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
2.根据权利要求1所述的方法，其特征在于，所述滑动信息包括：
至少两个触屏点的位置信息和各所述触屏点的位置信息对应的时间戳。
3.根据权利要求1所述的方法，其特征在于，所述设备信息包括：
所述电子设备的屏幕宽度、所述电子设备的屏幕高度和所述电子设备的屏幕密度。
4.根据权利要求1所述的方法，其特征在于，
所述滑动信息存储在文件中；所述设备信息存储在所述文件的文件名中。
5.根据权利要求1所述的方法，其特征在于，
所述属性确定模型为基于训练集对神经网络模型训练得到，所述训练集包括：第一数量的第一样本对、第二数量的第二样本对和设备信息；
所述第一样本对由左手滑动信息和表征左手的信息形成，所述第二样本对由右手滑动信息和表征右手的信息形成，
其中，所述左手滑动信息在事件监测界面内左手滑动控件被触发后采集，所述右手滑动信息在所述事件监测界面内右手滑动控件被触发后采集。
6.根据权利要求1所述的方法，其特征在于，所述基于所述手部识别结果，确定多媒体数据展示界面的布局信息，包括：
基于所述手部识别结果，确定动态展示控件在多媒体数据展示界面显示设定多媒体数据时的显示位置，所述布局信息包括所述显示位置。
7.根据权利要求6所述的方法，其特征在于，
所述显示位置位于热点区域内，所述热点区域由所述电子设备显示区域中操作频率大于设定阈值的区域形成。
8.一种信息处理装置，其特征在于，所述装置包括：
获取模块，用于在拦截到滑动事件后，获取对应所述滑动事件的滑动信息和电子设备的设备信息，所述滑动事件为所述电子设备显示屏上的滑动操作触发；
输入模块，用于将所述滑动信息和所述设备信息输入至属性确定模型，得到所述滑动事件对应的手部识别结果，所述手部识别结果表示触发所述滑动事件的手部为左手或右手；
确定模块，用于基于所述手部识别结果，确定多媒体数据展示界面的布局信息；
显示模块，用于基于所述布局信息在所述电子设备上显示所述多媒体数据展示界面。
9.一种电子设备，其特征在于，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210113109.0A CN116560552A (zh) | 2022-01-29 | 2022-01-29 | 一种信息处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210113109.0A CN116560552A (zh) | 2022-01-29 | 2022-01-29 | 一种信息处理方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116560552A true CN116560552A (zh) | 2023-08-08 |
Family
ID=87492049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210113109.0A Pending CN116560552A (zh) | 2022-01-29 | 2022-01-29 | 一种信息处理方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116560552A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170982A (zh) * | 2023-11-02 | 2023-12-05 | 建信金融科技有限责任公司 | 人机检测方法、装置、电子设备和计算机可读介质 |
-
2022
- 2022-01-29 CN CN202210113109.0A patent/CN116560552A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170982A (zh) * | 2023-11-02 | 2023-12-05 | 建信金融科技有限责任公司 | 人机检测方法、装置、电子设备和计算机可读介质 |
| CN117170982B (zh) * | 2023-11-02 | 2024-02-13 | 建信金融科技有限责任公司 | 人机检测方法、装置、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
| JP2023547917A (ja) | 画像分割方法、装置、機器および記憶媒体 | |
| CN111190520A (zh) | 菜单项选择方法、装置、可读介质及电子设备 | |
| CN111399729A (zh) | 图像的绘制方法、装置、可读介质和电子设备 | |
| CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
| CN112015314A (zh) | 信息展示方法、装置、电子设备和介质 | |
| CN113032172B (zh) | 异常检测方法、装置和电子设备 | |
| CN112487871B (zh) | 笔迹数据处理方法、装置及电子设备 | |
| CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
| CN110865734A (zh) | 目标对象显示方法、装置、电子设备和计算机可读介质 | |
| CN113986003A (zh) | 多媒体信息播放方法、装置、电子设备及计算机存储介质 | |
| CN116560552A (zh) | 一种信息处理方法、装置、电子设备及介质 | |
| CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
| CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
| CN112183388B (zh) | 图像处理方法、装置、设备和介质 | |
| CN111552620B (zh) | 数据获取方法、装置、终端及存储介质 | |
| CN111931075B (zh) | 一种内容推荐方法、装置、计算机设备及存储介质 | |
| CN112200183A (zh) | 图像处理的方法、装置、设备和计算机可读介质 | |
| CN112231023A (zh) | 一种信息显示方法、装置、设备及存储介质 | |
| US20230281983A1 (en) | Image recognition method and apparatus, electronic device, and computer-readable medium | |
| US20230306602A1 (en) | Information generation method and apparatus, electronic device, and computer readable medium | |
| US20220374144A1 (en) | Target object display method and apparatus, electronic device and non-transitory computer-readable medium | |
| CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
| CN112487875B (zh) | 笔迹图形化方法、装置及电子设备 | |
| CN115222478A (zh) | 产品消息推送方法、电子设备及可读存储介质 |
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 |