场景识别模型更新方法、装置、存储介质及电子设备

摘要

本申请实施例提供一种场景识别模型更新方法、装置、存储介质及电子设备，所述场景识别模型更新方法包括：获取当前场景的感知数据；根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；对所述感知数据以及所述目标场景数据进行训练，以得到一子模型；将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。所述场景识别模型更新方法中，电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

权利要求

1.一种场景识别模型更新方法，其特征在于，所述场景识别模型包括多个已知场景的场景数据，所述场景识别模型更新方法包括：获取当前场景的感知数据；

根据所述感知数据从所述多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；

对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；

将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

2.根据权利要求1所述的场景识别模型更新方法，其特征在于，所述根据所述感知数据从所述多个场景数据中确定出目标场景数据的步骤包括：将所述感知数据以及所述多个场景数据进行聚类，得到聚类结果；

将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。

3.根据权利要求1所述的场景识别模型更新方法，其特征在于，所述根据所述感知数据从所述多个场景数据中确定出目标场景数据的步骤包括：分别计算所述感知数据与每一个所述场景数据的余弦相似度；

将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。

4.根据权利要求1所述的场景识别模型更新方法，其特征在于，所述对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，包括：将所述感知数据确定为正样本；

将所述目标场景数据确定为负样本；

对所述正样本和所述负样本进行训练，得到支持向量机分类器；

将所述支持向量机分类器确定为子模型。

5.根据权利要求1至4任一项所述的场景识别模型更新方法，其特征在于，所述获取当前场景的感知数据的步骤前，还包括：判断当前场景是否为所述多个已知场景中的一个场景；

若所述当前场景不是所述多个已知场景中的任一个场景，则获取所述当前场景的感知数据。

6.一种场景识别模型更新装置，其特征在于，所述场景识别模型包括多个已知场景的场景数据，所述场景识别模型更新装置包括：获取模块，用于获取当前场景的感知数据；

确定模块，用于根据所述感知数据从所述多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；

训练模块，用于对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；

更新模块，用于将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

7.根据权利要求6所述的场景识别模型更新装置，其特征在于，所述确定模块用于：将所述感知数据以及所述多个场景数据进行聚类，得到聚类结果；

将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。

8.根据权利要求6所述的场景识别模型更新装置，其特征在于，所述确定模块用于：分别计算所述感知数据与每一个所述场景数据的余弦相似度；

将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。

9.根据权利要求6所述的场景识别模型更新装置，其特征在于，所述训练模块用于：将所述感知数据确定为正样本；

将所述目标场景数据确定为负样本；

对所述正样本和所述负样本进行训练，得到支持向量机分类器；

将所述支持向量机分类器确定为子模型。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1至5任一项所述的场景识别模型更新方法。

11.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至5任一项所述的场景识别模型更新方法。

说明书

场景识别模型更新方法、装置、存储介质及电子设备

技术领域

[0001] 本申请涉及电子技术领域，特别涉及一种场景识别模型更新方法、装置、存储介质及电子设备。

背景技术

[0002] 随着电子技术的发展，诸如智能手机等电子设备能够为用户提供的服务越来越多。例如，电子设备可以为用户提供社交服务、导航服务、旅游推荐服务等。为了能够给用户提供针对性、个性化的服务，电子设备需要对用户所处的场景进行识别。

发明内容

[0003] 本申请实施例提供一种场景识别模型更新方法、装置、存储介质及电子设备，可以提高电子设备识别场景的准确性。

[0004] 本申请实施例提供一种场景识别模型更新方法，所述场景识别模型包括多个已知场景的场景数据，所述场景识别模型更新方法包括：

[0005] 获取当前场景的感知数据；

[0006] 根据所述感知数据从所述多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；

[0007] 对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；

[0008] 将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

[0009] 本申请实施例还提供一种场景识别模型更新装置，所述场景识别模型包括多个已知场景的场景数据，所述场景识别模型更新装置包括：

[0010] 获取模块，用于获取当前场景的感知数据；

[0011] 确定模块，用于根据所述感知数据从所述多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；

[0012] 训练模块，用于对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；

[0013] 更新模块，用于将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

[0014] 本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述场景识别模型更新方法。

[0015] 本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述场景识别模型更新方法。

[0016] 本申请实施例提供的场景识别模型更新方法，包括：获取当前场景的感知数据；根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。所述场景识别模型更新方法中，电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

附图说明

[0017] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0018] 图1为本申请实施例提供的场景识别模型更新方法的应用场景示意图。

[0019] 图2为本申请实施例提供的场景识别模型更新方法的第一种流程示意图。

[0020] 图3为本申请实施例提供的场景识别模型更新方法的第二种流程示意图。

[0021] 图4为本申请实施例提供的场景识别模型更新方法的第三种流程示意图。

[0022] 图5为本申请实施例提供的场景识别模型更新方法的第四种流程示意图。

[0023] 图6为本申请实施例提供的场景识别模型更新方法的第五种流程示意图。

[0024] 图7为本申请实施例提供的场景识别模型更新装置的第一种结构示意图。

[0025] 图8为本申请实施例提供的场景识别模型更新装置的第二种结构示意图。

[0026] 图9为本申请实施例提供的电子设备的第一种结构示意图。

[0027] 图10为本申请实施例提供的电子设备的第二种结构示意图。

具体实施方式

[0028] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。

[0029] 参考图1，图1为本申请实施例提供的场景识别模型更新方法的应用场景示意图。所述场景识别模型更新方法应用于电子设备。所述电子设备中设置有全景感知架构。所述全景感知架构为电子设备中用于实现所述场景识别模型更新方法的硬件和软件的集成。

[0030] 其中，全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。

[0031] 信息感知层用于获取电子设备自身的信息或者外部环境中的信息。所述信息感知层可以包括多个传感器。例如，所述信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。

[0032] 其中，距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器，可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。

[0033] 数据处理层用于对信息感知层获取到的数据进行处理。例如，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。

[0034] 其中，数据清理是指对信息感知层获取到的大量数据进行清理，以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度，以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等，以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下，最大限度的精简数据量。

[0035] 特征抽取层用于对数据处理层处理后的数据进行特征抽取，以提取所述数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。

[0036] 其中，特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。

[0037] 过滤法是指对提取到的特征进行过滤，以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起，以构建一种更加高效、更加准确的特征提取方法，用于提取特征。

[0038] 情景建模层用于根据特征抽取层提取到的特征来构建模型，所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如，情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。

[0039] 智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如，智能服务层可以为用户提供基础应用服务，可以为电子设备进行系统智能优化，还可以为用户提供个性化智能服务。

[0040] 此外，全景感知架构中还可以包括多种算法，每一种算法都可以用于对数据进行分析处理，所述多种算法可以构成算法库。例如，所述算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机(Support Vector Machine，SVM)、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。

[0041] 本申请实施例提供一种场景识别模型更新方法，所述场景识别模型更新方法可以应用于电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。

[0042] 参考图2，图2为本申请实施例提供的场景识别模型更新方法的第一种流程示意图。其中，所述场景识别模型更新方法包括以下步骤：

[0043] 110，获取当前场景的感知数据。

[0044] 电子设备可以获取当前场景的感知数据。所述当前场景为电子设备当前所处环境的场景，也即所述电子设备的用户当前所处环境的场景。所述感知数据可以包括任意的数据。例如，所述感知数据可以包括环境温度、环境光强度、环境噪声等环境数据。所述感知数据还可以包括电子设备上的图像数据、内存数据、电子设备上显示的文本数据等电子设备的运行数据。所述感知数据还可以包括用户行为习惯数据，例如用户的作息时间、用户进行的娱乐活动等。

[0045] 其中，电子设备可以通过上述全景感知架构中的信息感知层来采集当前场景的感知数据。例如，电子设备可以通过温度传感器来检测环境温度，通过光线传感器来检测环境光强度，通过麦克风来检测环境噪声，通过电子设备的处理电路调取电子设备上的图像数据、内存数据等，通过显示控制电路来获取电子设备上显示的文本数据。此外，电子设备还可以通过信息感知层来感知用户的行为并进行记录，以形成用户的行为习惯数据。

[0046] 120，根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景。

[0047] 电子设备中设置有场景识别模型。所述场景识别模型可以包括多个已知场景的场景数据。其中，每一个所述场景数据对应于一个已知的场景。也即，每一个所述场景数据用于表示一个已知的场景。例如，在所述场景识别模型对所述多个已知场景的场景数据进行训练时，所述场景识别模型可以将所述多个已知场景的场景数据进行存储。其中，已知场景意为所述场景识别模型可以识别出所述场景，也即所述场景对于所述场景识别模型而言是已知的。

[0048] 例如，所述场景识别模型中可以包括x1、x2、x3、x4、x5等5个场景数据。其中，场景数据x1对应于场景y1，场景数据x2对应于场景y2，场景数据x3对应于场景y3，场景数据x4对应于场景y4，场景数据x5对应于场景y5。

[0049] 其中，所述场景y1、y2、y3、y4、y5对于所述场景识别模型而言均为已知的场景。所述场景y1、y2、y3、y4、y5均为用户生活中存在的场景，例如步行、跑步、上楼梯、自驾出行、起床、睡觉等场景。

[0050] 其中，所述当前场景对于所述场景识别模型而言是未知的场景，也即所述场景识别模型不能识别出当前场景。电子设备获取到当前场景的感知数据后，即可根据所述感知数据从所述多个场景数据中确定出目标场景数据。其中，所述目标场景数据对应的场景与所述当前场景为相似场景。例如，所述当前场景为下楼梯时，电子设备确定出的目标场景数据对应的场景可以为上楼梯。再例如，所述当前场景为乘坐公交时，电子设备确定出的目标场景数据对应的场景可以为自驾出行。

[0051] 需要说明的是，电子设备确定出的目标场景数据可以只包括一个已知场景的场景数据，也可以包括多个已知场景的场景数据。

[0052] 130，对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别。

[0053] 电子设备确定出目标场景数据后，可以对所述感知数据以及所述目标场景数据进行训练，以得到一子模型。例如，电子设备可以根据预设机器学习算法对所述感知数据以及所述目标场景数据进行训练。其中，所述子模型用于对所述当前场景进行识别。所述预设机器学习算法例如可以为支持向量机(Support Vector Machine，SVM)算法。

[0054] 140，将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

[0055] 电子设备得到子模型后，将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。其中，更新后的场景识别模型中包括训练得到的所述子模型。由于所述子模型可以对当前场景进行识别，因此更新后的场景识别模型可以对当前场景进行识别。从而，更新后的场景识别模型可以对更多的场景进行识别。

[0056] 例如，在一些实施例中，电子设备可以通过信息感知层来获取当前场景的感知数据，并通过数据处理层根据所述感知数据从多个场景数据中确定出目标场景数据。可以理解的，从多个场景数据中确定出目标场景数据之前，数据处理层还可以对当前场景的感知数据进行数据清理、数据变换等处理，并根据处理后的感知数据从多个场景数据中确定出目标场景数据。

[0057] 随后，电子设备可以通过情景建模层对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，并将所述子模型添加至场景识别模型中，以对所述场景识别模型进行更新。

[0058] 本申请实施例中，电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

[0059] 在一些实施例中，参考图3，图3为本申请实施例提供的场景识别模型更新方法的第二种流程示意图。

[0060] 其中，步骤120、根据所述感知数据从多个场景数据中确定出目标场景数据，包括以下步骤：

[0061] 121，将所述感知数据以及多个场景数据进行聚类，得到聚类结果；

[0062] 122，将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。

[0063] 电子设备获取到当前场景的感知数据后，可以将所述感知数据以及场景感知模型中的多个场景数据进行聚类，得到聚类结果。例如，可以通过K均值聚类算法对所述感知数据以及多个场景数据进行聚类。

[0064] 随后，电子设备可以将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。例如，当前场景的感知数据为x6。聚类结果中场景数据x1、x2与所述感知数据x6处于相同类别。此时，电子设备即可将所述场景数据x1、x2确定为目标场景数据。

[0065] 再例如，结合到用户生活中的具体场景，当前场景为下楼梯，聚类结果中上楼梯这一场景的场景数据与当前场景的感知数据处于相同类别。那么，电子设备即可将上楼梯这一场景的场景数据确定为目标场景数据。

[0066] 在一些实施例中，参考图4，图4为本申请实施例提供的场景识别模型更新方法的第三种流程示意图。

[0067] 其中，步骤120、根据所述感知数据从多个场景数据中确定出目标场景数据，包括以下步骤：

[0068] 123，分别计算所述感知数据与每一个场景数据的余弦相似度；

[0069] 124，将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。

[0070] 电子设备获取到当前场景的感知数据后，分别计算所述感知数据与每一个场景数据的余弦相似度。例如，电子设备可以通过余弦相似度算法分别计算所述感知数据与每一个场景数据的余弦相似度。

[0071] 随后，电子设备根据计算得到的结果，将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。其中，所述预设阈值可以为预先设置在电子设备中的一个数值，例如80％。

[0072] 例如，当前场景的感知数据为x6。电子设备计算得到的结果中，场景数据x3与所述感知数据x6的余弦相似度大于预设阈值。此时，电子设备即可将所述场景数据x3确定为目标场景数据。

[0073] 再例如，结合到用户生活中的具体场景，当前场景为乘坐公交，计算结果中自驾出行这一场景的场景数据与当前场景的感知数据之间的余弦相似度大于预设阈值80％。那么，电子设备即可将自驾出行这一场景的场景数据确定为目标场景数据。

[0074] 在一些实施例中，参考图5，图5为本申请实施例提供的场景识别模型更新方法的第四种流程示意图。

[0075] 其中，步骤130、对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，包括以下步骤：

[0076] 131，将所述感知数据确定为正样本；

[0077] 132，将所述目标场景数据确定为负样本；

[0078] 133，对所述正样本和所述负样本进行训练，得到支持向量机分类器；

[0079] 134，将所述支持向量机分类器确定为子模型。

[0080] 电子设备确定出目标场景数据后，即可通过训练得到子模型。所述子模型用于对所述当前场景进行识别。

[0081] 其中，电子设备进行训练时，将获取到的所述感知数据确定为正样本，将确定出的所述目标场景数据确定为负样本。随后，电子设备对所述正样本和所述负样本进行训练，得到支持向量机(Support Vector Machine，SVM)分类器。随后，电子设备将训练得到的所述支持向量机(SVM)分类器确定为子模型。

[0082] 由于电子设备在训练过程中将目标场景数据作为负样本进行训练，从而训练得到的SVM分类器可以准确区分当前场景与相似场景，也即可以准确区分当前场景与所述目标场景数据对应的场景。从而，所述子模型可以用于对当前场景进行准确识别。

[0083] 在一些实施例中，参考图6，图6为本申请实施例提供的场景识别模型更新方法的第五种流程示意图。

[0084] 其中，步骤110、获取当前场景的感知数据之前，还包括以下步骤：

[0085] 150，判断当前场景是否为多个已知场景中的一个场景；

[0086] 若所述当前场景不是所述多个已知场景中的任一个场景，则获取所述当前场景的感知数据。

[0087] 其中，电子设备中设置有场景识别模型。所述场景识别模型可以包括多个已知场景的场景数据。其中，每一个所述场景数据对应于一个已知的场景。也即，每一个所述场景数据用于表示一个已知的场景。

[0088] 电子设备在执行对当前场景进行识别的功能时，可以先判断当前场景是否为多个已知场景中的一个场景。例如，电子设备可以调用所述场景识别模型尝试对当前场景进行识别。若所述场景识别模型能够成功识别出当前场景，则表示当前场景为所述多个已知场景中的一个场景。若所述场景识别模型不能成功识别出当前场景，则表示当前场景不是所述多个已知场景中的任一个场景。

[0089] 若电子设备判断出当前场景为所述多个已知场景中的一个场景，则电子设备可以终止场景识别流程。

[0090] 若电子设备判断出当前场景不是所述多个已知场景中的任一个场景，则电子设备可以获取当前场景的场景数据，并继续进行后续处理。

[0091] 具体实施时，本申请不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。

[0092] 由上可知，本申请实施例提供的场景识别模型更新方法，包括：获取当前场景的感知数据；根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。所述场景识别模型更新方法中，电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

[0093] 本申请实施例还提供一种场景识别模型更新装置，所述场景识别模型更新装置可以集成在电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。

[0094] 参考图7，图7为本申请实施例提供的场景识别模型更新装置的第一种结构示意图。

[0095] 其中，所述场景识别模型更新装置200包括：获取模块201、确定模块202、训练模块203、更新模块204。

[0096] 获取模块201，用于获取当前场景的感知数据。

[0097] 获取模块201可以获取当前场景的感知数据。所述当前场景为电子设备当前所处环境的场景，也即所述电子设备的用户当前所处环境的场景。所述感知数据可以包括任意的数据。例如，所述感知数据可以包括环境温度、环境光强度、环境噪声等环境数据。所述感知数据还可以包括电子设备上的图像数据、内存数据、电子设备上显示的文本数据等电子设备的运行数据。所述感知数据还可以包括用户行为习惯数据，例如用户的作息时间、用户进行的娱乐活动等。

[0098] 其中，获取模块201可以通过电子设备中的全景感知架构的信息感知层来采集当前场景的感知数据。例如，获取模块201可以通过温度传感器来检测环境温度，通过光线传感器来检测环境光强度，通过麦克风来检测环境噪声，通过电子设备的处理电路调取电子设备上的图像数据、内存数据等，通过显示控制电路来获取电子设备上显示的文本数据。此外，获取模块201还可以通过信息感知层来感知用户的行为并进行记录，以形成用户的行为习惯数据。

[0099] 确定模块202，用于根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景。

[0100] 电子设备中设置有场景识别模型。所述场景识别模型可以包括多个已知场景的场景数据。其中，每一个所述场景数据对应于一个已知的场景。也即，每一个所述场景数据用于表示一个已知的场景。例如，在所述场景识别模型对所述多个已知场景的场景数据进行训练时，所述场景识别模型可以将所述多个已知场景的场景数据进行存储。其中，已知场景意为所述场景识别模型可以识别出所述场景，也即所述场景对于所述场景识别模型而言是已知的。

[0101] 例如，所述场景识别模型中可以包括x1、x2、x3、x4、x5等5个场景数据。其中，场景数据x1对应于场景y1，场景数据x2对应于场景y2，场景数据x3对应于场景y3，场景数据x4对应于场景y4，场景数据x5对应于场景y5。

[0102] 其中，所述场景y1、y2、y3、y4、y5对于所述场景识别模型而言均为已知的场景。所述场景y1、y2、y3、y4、y5均为用户生活中存在的场景，例如步行、跑步、上楼梯、自驾出行、起床、睡觉等场景。

[0103] 其中，所述当前场景对于所述场景识别模型而言是未知的场景，也即所述场景识别模型不能识别出当前场景。获取模块201获取到当前场景的感知数据后，确定模块202即可根据所述感知数据从所述多个场景数据中确定出目标场景数据。其中，所述目标场景数据对应的场景与所述当前场景为相似场景。例如，所述当前场景为下楼梯时，确定模块202确定出的目标场景数据对应的场景可以为上楼梯。再例如，所述当前场景为乘坐公交时，确定模块202确定出的目标场景数据对应的场景可以为自驾出行。

[0104] 需要说明的是，确定模块202确定出的目标场景数据可以只包括一个已知场景的场景数据，也可以包括多个已知场景的场景数据。

[0105] 训练模块203，用于对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别。

[0106] 确定模块202确定出目标场景数据后，训练模块203可以对所述感知数据以及所述目标场景数据进行训练，以得到一子模型。例如，训练模块203可以根据预设机器学习算法对所述感知数据以及所述目标场景数据进行训练。其中，所述子模型用于对所述当前场景进行识别。所述预设机器学习算法例如可以为支持向量机(Support Vector Machine，SVM)算法。

[0107] 更新模块204，用于将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

[0108] 训练模块203得到子模型后，更新模块204将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。其中，更新后的场景识别模型中包括训练得到的所述子模型。由于所述子模型可以对当前场景进行识别，因此更新后的场景识别模型可以对当前场景进行识别。从而，更新后的场景识别模型可以对更多的场景进行识别。

[0109] 本申请实施例中，电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

[0110] 在一些实施例中，确定模块202用于执行以下步骤：

[0111] 将所述感知数据以及多个场景数据进行聚类，得到聚类结果；

[0112] 将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。

[0113] 获取模块201获取到当前场景的感知数据后，确定模块202可以将所述感知数据以及场景感知模型中的多个场景数据进行聚类，得到聚类结果。例如，可以通过K均值聚类算法对所述感知数据以及多个场景数据进行聚类。

[0114] 随后，确定模块202可以将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。例如，当前场景的感知数据为x6。聚类结果中场景数据x1、x2与所述感知数据x6处于相同类别。此时，确定模块202即可将所述场景数据x1、x2确定为目标场景数据。

[0115] 再例如，结合到用户生活中的具体场景，当前场景为下楼梯，聚类结果中上楼梯这一场景的场景数据与当前场景的感知数据处于相同类别。那么，确定模块202即可将上楼梯这一场景的场景数据确定为目标场景数据。

[0116] 在一些实施例中，确定模块202用于执行以下步骤：

[0117] 分别计算所述感知数据与每一个场景数据的余弦相似度；

[0118] 将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。

[0119] 获取模块201获取到当前场景的感知数据后，确定模块202分别计算所述感知数据与每一个场景数据的余弦相似度。例如，确定模块202可以通过余弦相似度算法分别计算所述感知数据与每一个场景数据的余弦相似度。

[0120] 随后，确定模块202根据计算得到的结果，将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。其中，所述预设阈值可以为预先设置在电子设备中的一个数值，例如80％。

[0121] 例如，当前场景的感知数据为x6。计算得到的结果中，场景数据x3与所述感知数据x6的余弦相似度大于预设阈值。此时，确定模块202即可将所述场景数据x3确定为目标场景数据。

[0122] 再例如，结合到用户生活中的具体场景，当前场景为乘坐公交，计算结果中自驾出行这一场景的场景数据与当前场景的感知数据之间的余弦相似度大于预设阈值80％。那么，确定模块202即可将自驾出行这一场景的场景数据确定为目标场景数据。

[0123] 在一些实施例中，训练模块203用于执行以下步骤：

[0124] 将所述感知数据确定为正样本；

[0125] 将所述目标场景数据确定为负样本；

[0126] 对所述正样本和所述负样本进行训练，得到支持向量机分类器；

[0127] 将所述支持向量机分类器确定为子模型。

[0128] 确定模块202确定出目标场景数据后，训练模块203即可通过训练得到子模型。所述子模型用于对所述当前场景进行识别。

[0129] 其中，训练模块203进行训练时，将获取到的所述感知数据确定为正样本，将确定出的所述目标场景数据确定为负样本。随后，训练模块203对所述正样本和所述负样本进行训练，得到支持向量机(Support Vector Machine，SVM)分类器。随后，训练模块203将训练得到的所述支持向量机(SVM)分类器确定为子模型。

[0130] 由于训练模块203在训练过程中将目标场景数据作为负样本进行训练，从而训练得到的SVM分类器可以准确区分当前场景与相似场景，也即可以准确区分当前场景与所述目标场景数据对应的场景。从而，所述子模型可以用于对当前场景进行准确识别。

[0131] 在一些实施例中，参考图8，图8为本申请实施例提供的场景识别模型更新装置的第二种结构示意图。

[0132] 其中，场景识别模型更新装置200还包括：判断模块205。

[0133] 判断模块205，用于判断当前场景是否为多个已知场景中的一个场景；

[0134] 所述获取模块201，用于若所述当前场景不是所述多个已知场景中的任一个场景，则获取所述当前场景的感知数据。

[0135] 其中，电子设备中设置有场景识别模型。所述场景识别模型可以包括多个已知场景的场景数据。其中，每一个所述场景数据对应于一个已知的场景。也即，每一个所述场景数据用于表示一个已知的场景。

[0136] 电子设备在执行对当前场景进行识别的功能时，判断模块205可以先判断当前场景是否为多个已知场景中的一个场景。例如，判断模块205可以调用所述场景识别模型尝试对当前场景进行识别。若所述场景识别模型能够成功识别出当前场景，则表示当前场景为所述多个已知场景中的一个场景。若所述场景识别模型不能成功识别出当前场景，则表示当前场景不是所述多个已知场景中的任一个场景。

[0137] 若判断模块205判断出当前场景为所述多个已知场景中的一个场景，则电子设备可以终止场景识别流程。

[0138] 若判断模块205判断出当前场景不是所述多个已知场景中的任一个场景，则获取模块201可以获取当前场景的场景数据，并继续进行后续处理。

[0139] 具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。

[0140] 由上可知，本申请实施例提供的场景识别模型更新装置200，通过获取模块201获取当前场景的感知数据；确定模块202根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；训练模块203对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；更新模块204将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。所述场景识别模型更新装置可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

[0141] 本申请实施例还提供一种电子设备。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。

[0142] 参考图9，图9为本申请实施例提供的电子设备的第一种结构示意图。

[0143] 其中，电子设备300包括处理器301和存储器302。其中，处理器301与存储器302电性连接。

[0144] 处理器301是电子设备300的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或调用存储在存储器302内的计算机程序，以及调用存储在存储器302内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

[0145] 在本实施例中，电子设备300中的处理器301会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的计算机程序，从而实现各种功能：

[0146] 获取当前场景的感知数据；

[0147] 根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；

[0148] 对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；

[0149] 将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。

[0150] 在一些实施例中，根据所述感知数据从所述多个场景数据中确定出目标场景数据时，处理器301执行以下步骤：

[0151] 将所述感知数据以及所述多个场景数据进行聚类，得到聚类结果；

[0152] 将所述聚类结果中与所述感知数据处于相同类别的场景数据确定为目标场景数据。

[0153] 在一些实施例中，根据所述感知数据从所述多个场景数据中确定出目标场景数据时，处理器301执行以下步骤：

[0154] 分别计算所述感知数据与每一个所述场景数据的余弦相似度；

[0155] 将与所述感知数据的余弦相似度大于预设阈值的所述场景数据确定为目标场景数据。

[0156] 在一些实施例中，对所述感知数据以及所述目标场景数据进行训练，以得到一子模型时，处理器301执行以下步骤：

[0157] 将所述感知数据确定为正样本；

[0158] 将所述目标场景数据确定为负样本；

[0159] 对所述正样本和所述负样本进行训练，得到支持向量机分类器；

[0160] 将所述支持向量机分类器确定为子模型。

[0161] 在一些实施例中，获取当前场景的感知数据之前，处理器301还执行以下步骤：

[0162] 判断当前场景是否为所述多个已知场景中的一个场景；

[0163] 若所述当前场景不是所述多个已知场景中的任一个场景，则获取所述当前场景的感知数据。

[0164] 存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序，从而执行各种功能应用以及数据处理。

[0165] 在一些实施例中，参考图10，图10为本申请实施例提供的电子设备的第二种结构示意图。

[0166] 其中，电子设备300还包括：显示屏303、控制电路304、输入单元305、传感器306以及电源307。其中，处理器301分别与显示屏303、控制电路304、输入单元305、传感器306以及电源307电性连接。

[0167] 显示屏303可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。

[0168] 控制电路304与显示屏303电性连接，用于控制显示屏303显示信息。

[0169] 输入单元305可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元305可以包括指纹识别模组。

[0170] 传感器306用于采集电子设备自身的信息或者用户的信息或者外部环境信息。例如，传感器306可以包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。

[0171] 电源307用于给电子设备300的各个部件供电。在一些实施例中，电源307可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

[0172] 尽管图10中未示出，电子设备300还可以包括摄像头、蓝牙模块等，在此不再赘述。

[0173] 由上可知，本申请实施例提供了一种电子设备，所述电子设备执行以下步骤：获取当前场景的感知数据；根据所述感知数据从多个场景数据中确定出目标场景数据，其中所述目标场景数据对应的场景与所述当前场景为相似场景；对所述感知数据以及所述目标场景数据进行训练，以得到一子模型，其中所述子模型用于对所述当前场景进行识别；将所述子模型添加至所述场景识别模型中，以对所述场景识别模型进行更新。所述电子设备可以通过自适应的学习对场景识别模型进行更新，使得更新后的场景识别模型可以对当前未知的场景进行识别，从而使得场景识别模型能够识别出更多的场景，以提高电子设备识别场景的准确性。

[0174] 本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的场景识别模型更新方法。

[0175] 需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成，所述计算机程序可以存储于计算机可读存储介质中，所述存储介质可以包括但不限于：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

[0176] 以上对本申请实施例所提供的场景识别模型更新方法、装置、存储介质及电子设备进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。