本發(fā)明涉及智能終端,尤其是涉及一種屏幕亮度調節(jié)方法、裝置、存儲介質及電子設備。
背景技術:
1、現有的手機自動調節(jié)屏幕亮度,都是手機光傳感器根據周圍環(huán)境的光線明暗變化來自動調節(jié),存在精度不足的問題,雖能在一定程度上適應環(huán)境光線變化,但忽略了用戶間視力狀況的差異,導致調節(jié)效果難以滿足所有用戶的視覺需求。特別是對于有近視、散光或特定眼疾的用戶,固定的調節(jié)策略往往無法提供最佳的視覺舒適度。因此,開發(fā)一種能夠根據用戶視力情況自動調節(jié)屏幕亮度的系統,于保護用戶視力具有重要意義。
技術實現思路
1、本發(fā)明實施例提供一種屏幕亮度調節(jié)方法、裝置、存儲介質及電子設備,以便于解決現有技術僅根據環(huán)境光線調節(jié)屏幕亮度導致用戶視覺體驗差的問題,實現根據用戶的視力狀況和當前環(huán)境的光線條件,自動調節(jié)屏幕亮度,從而為用戶提供最舒適的視覺體驗。
2、為了解決上述技術問題,本發(fā)明是這樣實現的:
3、第一方面,本申請?zhí)峁┮环N屏幕亮度調節(jié)方法,所述方法包括:
4、獲取終端用戶的特征信息和當前的環(huán)境信息,其中,所述終端用戶的特征信息包括:視力信息、使用場景信息;
5、確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
6、按照所述終端屏幕亮度值調節(jié)終端的屏幕亮度。
7、進一步地,所述確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值,包括:利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
8、在所述獲取終端用戶的特征信息和當前的環(huán)境信息之前,所述方法還包括:
9、獲取訓練數據,并對所述訓練數據進行預處理,生成模型訓練所需的訓練集、驗證集和測試集;
10、確定回歸模型,并利用所述訓練集對所述回歸模型進行模型訓練,得到訓練后的模型;
11、利用所述驗證集對所述訓練后的回歸模型進行參數調整,得到調整后的模型;
12、利用所述測試集對所述調整后的模型進行測試;
13、若測試通過,則將所述調整后的模型確定為所述訓練好的機器學習模型;
14、若測試不通過,則重新執(zhí)行所述利用所述驗證集對所述訓練后的回歸模型進行參數調整的步驟。
15、進一步地,所述利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值包括:
16、在所述訓練好的機器學習模型包括多個訓練好的基模型的情況下,分別獲取每個所述訓練好的基模型預測的與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度預測值;
17、將多個所述終端屏幕亮度預測值進行融合,得到所述終端屏幕亮度值。
18、進一步地,所述將多個所述終端屏幕亮度預測值進行融合,得到所述終端屏幕亮度值包括以下方式中的其中之一:
19、將多個所述終端屏幕亮度預測值的平均值確定為所述終端屏幕亮度值;
20、為多個所述終端屏幕亮度預測值分配權重,并將加權平均值確定為所述終端屏幕亮度值;
21、將多個所述終端屏幕亮度預測值輸入至訓練好的元模型中,得到所述終端屏幕亮度值,其中,所述訓練好的元模型用于指示多個終端屏幕亮度預測值所對應的終端屏幕亮度值。
22、進一步地,所述獲取終端用戶的特征信息和當前的環(huán)境信息包括:
23、獲取所述終端用戶在終端上設置的視力信息,或通過終端上設置的視力檢測設備采集所述終端用戶的視力信息;
24、獲取所述終端用戶在終端上設置的使用場景信息,其中,所述使用場景信息包括以下模式中的至少之一:工作模式、閱讀模式、游戲模式、影音模式;
25、通過終端上設置的環(huán)境光線檢測設備采集當前的環(huán)境信息。
26、第二方面,本申請?zhí)峁┮环N屏幕亮度調節(jié)裝置,所述裝置包括:
27、第一獲取單元,用于獲取終端用戶的特征信息和當前的環(huán)境信息,其中,所述終端用戶的特征信息包括:視力信息、使用場景信息;
28、第一確定單元,用于確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
29、調節(jié)單元,用于按照所述終端屏幕亮度值調節(jié)終端的屏幕亮度。
30、進一步地,所述第一確定單元包括:確定模塊,用于利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
31、所述裝置還包括:
32、第二獲取單元,用于在所述獲取終端用戶的特征信息和當前的環(huán)境信息之前,獲取訓練數據,并對所述訓練數據進行預處理,生成模型訓練所需的訓練集、驗證集和測試集;
33、訓練單元,用于確定回歸模型,并利用所述訓練集對所述回歸模型進行模型訓練,得到訓練后的模型;
34、調整單元,用于利用所述驗證集對所述訓練后的回歸模型進行參數調整,得到調整后的模型;
35、測試單元,用于利用所述測試集對所述調整后的模型進行測試;
36、第二確定單元,用于若測試通過,則將所述調整后的模型確定為所述訓練好的機器學習模型;
37、返回執(zhí)行單元,用于若測試不通過,則重新執(zhí)行所述利用所述驗證集對所述訓練后的回歸模型進行參數調整的步驟。
38、進一步地,所述第一確定單元包括:
39、第一獲取模塊,用于在所述訓練好的機器學習模型包括多個訓練好的基模型的情況下,分別獲取每個所述訓練好的基模型預測的與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度預測值;
40、融合模塊,用于將多個所述終端屏幕亮度預測值進行融合,得到所述終端屏幕亮度值。
41、第三方面,本申請?zhí)峁┮环N計算機可讀存儲介質,所述計算機可讀存儲介質上存儲有計算機程序,其中,所述計算機程序被處理器執(zhí)行時實現上述第一方面所述的方法。
42、第四方面,本申請?zhí)峁┮环N電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,所述處理器通過所述計算機程序執(zhí)行上述第一方面所述的方法。
43、本申請?zhí)峁┝艘环N屏幕亮度調節(jié)方法,所述方法包括:獲取終端用戶的特征信息和當前的環(huán)境信息,其中,所述終端用戶的特征信息包括:視力信息、使用場景信息;確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;按照所述終端屏幕亮度值調節(jié)終端的屏幕亮度。本申請實施例中,通過確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值,進而對終端屏幕亮度進行調節(jié),解決了現有技術僅根據環(huán)境光線調節(jié)屏幕亮度導致用戶視覺體驗差的問題,實現根據用戶的視力狀況和當前環(huán)境的光線條件,自動調節(jié)屏幕亮度,能夠使得終端屏幕亮度調節(jié)準確度更高,從而為用戶提供最舒適的視覺體驗。
1.一種屏幕亮度調節(jié)方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值,包括:利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
3.根據權利要求2所述的方法,其特征在于,所述利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值包括:
4.根據權利要求3所述的方法,其特征在于,所述將多個所述終端屏幕亮度預測值進行融合,得到所述終端屏幕亮度值包括以下方式中的其中之一:
5.根據權利要求1至4中任一項所述的方法,其特征在于,所述獲取終端用戶的特征信息和當前的環(huán)境信息包括:
6.一種屏幕亮度調節(jié)裝置,其特征在于,所述裝置包括:
7.根據權利要求6所述的裝置,其特征在于,所述第一確定單元包括:確定模塊,用于利用訓練好的機器學習模型確定與所述終端用戶的特征信息和所述當前的環(huán)境信息相對應的終端屏幕亮度值;
8.根據權利要求7所述的裝置,其特征在于,所述第一確定單元包括:
9.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質上存儲有計算機程序,其中,所述計算機程序被處理器執(zhí)行時執(zhí)行上述權利要求1至5任一項中所述的方法。
10.一種電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,其特征在于,所述處理器通過所述計算機程序執(zhí)行上述權利要求1至5任一項中所述的方法。