时序平滑方法、装置及电子设备与流程

本公开涉及深度学习算法技术领域，尤其涉及时序平滑方法、装置及电子设备。

背景技术：

相关技术中，可以通过预设的图像分析算法，对图像帧中的目标进行分析，以确定图像帧中目标的特征，例如确定图像帧中的像素点是否属于前景区域，由于图像分析算法可能存在一定的误差，因此一些图像分析算法的输出可以是概率值(以下称原始概率值)，例如输出的分析结果是图像帧中的像素点属于前景区域的概率。在使用图像分析算法对连续多个图像帧进行处理时，由于可能存在随机分布的噪声信号，因此当前图像帧中目标的原始概率值与该目标在当前图像帧的上一图像帧(以下称前图像帧)的原始概率值可能存在较大差距，使得确定得到的该目标的特征在时域上存在波动，即确定得到目标的特征不稳定。

为了提高确定得到目标的特征在时域上的稳定性，可以对当前图像帧中目标的原始概率值进行时序平滑处理，得到平滑概率值，并基于平滑概率值确定目标的特征。在相关技术中，时序平滑处理可以是将当前图像帧中目标的原始概率值和前图像帧中目标的平滑概率值按照一定的加权系数进行加权平均，并将加权平均结果作为当前图像帧中目标的平滑概率值，该平滑概率值，相比于当前图像帧中目标的原始概率值更加接近于前图像帧中目标的平滑概率值，因此基于平滑概率值确定得到目标的特征在时域上的稳定性更好。但是，当前图像帧中不同目标的原始概率值不同，使用相同的加权系数，难以对不同的目标进行准确地时序平滑。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种关键点位置确定方法、装置及电子设备。

根据本公开实施例的第一方面，提供一种关键点位置确定方法，包括：

基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第一方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧中目标的原始概率值和0.5的差值的绝对值正相关。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，包括：

将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述系数确定方程通过以下方式得到，包括：

过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

结合第一方面的第三种可能的实现方式中，在第四种可能的实现方式中，所述将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值，包括：

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，将1与所述第一加权系数的差值作为前图像帧中所述目标的平滑概率值的加权系数，进行加权平均，得到所述当前图像帧中所述目标的平滑概率值。

根据公开实施例的第二方面，提供了一种时序平滑装置，包括：

系数确定单元，被配置为执行基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；

加权平均单元，被配置为执行将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第二方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧中目标的原始概率值和0.5的差值的绝对值正相关。

结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述系数确定单元，具体被配置为将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述系数确定单元，还被配置为执行过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述加权平均单元，具体被配置为将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，将1与所述第一加权系数的差值作为前图像帧中所述目标的平滑概率值的加权系数，进行加权平均，得到所述当前图像帧中所述目标的平滑概率值。

根据本公开实施例的第三方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第三方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧中目标的原始概率值和0.5的差值的绝对值正相关。

结合第三方面的第一种可能的实现方式，在第二种可能的实现方式中，所述处理器，具体被配置为：

将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第三方面的第二种可能的实现方式，在第三种可能的实现方式中，所述处理器，还被配置为：

过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

结合第三方方面的第三种可能的实现方式，在第四种可能的实现方式中，所述处理器，具体被配置为：

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，将1与所述第一加权系数的差值作为前图像帧中所述目标的平滑概率值的加权系数，进行加权平均，得到所述当前图像帧中所述目标的平滑概率值。

根据本公开实施例的第四方面，提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种时序平滑方法，所述方法包括：

基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第四方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧中目标的原始概率值和0.5的差值的绝对值正相关。

结合第四方面的第一种可能的实现方式，在第二种可能的实现方式中，所述基于当前图像帧的原始概率值的效用值，计算第一加权系数，包括：

将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第四方面的第二种可能的实现方式，在第三种可能的实现方式中，其特征在于，，所述系数确定方程通过以下方式得到，包括：

过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

结合第四方面的第三种可能的实现方式，在第四种可能的实现方式中，所述将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值，包括：

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，将1与所述第一加权系数的差值作为前图像帧中所述目标的平滑概率值的加权系数，进行加权平均，得到所述当前图像帧中所述目标的平滑概率值。

根据本公开实施例的第五方面，提供一种计算机程序产品，当所述计算机程序产品由用户终端的处理器执行时，使得终端能够执行一种时序平滑方法，所述方法包括：

基于当前图像帧的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述当前图像帧的特征的有效程度；

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第五方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧的原始概率值和0.5的差值的绝对值正相关。

结合第五方面的第一种可能的实现方式，在第二种可能的实现方式中，所述基于当前图像帧的原始概率值的效用值，计算第一加权系数，包括：

将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第五方面的第二种可能的实现方式，在第三种可能的实现方式中，所述系数确定方程通过以下方式得到，包括：

过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

结合第五方面的第三种可能的实现方式，在第四种可能的实现方式中，所述将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值，包括：

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，将1与所述第一加权系数的差值作为前图像帧中所述目标的平滑概率值的加权系数，进行加权平均，得到所述当前图像帧中所述目标的平滑概率值。

本公开的实施例提供的技术方案可以包括以下有益效果：可以基于当前图像帧中目标的原始概率值的效用值，动态地确定当前图像帧中目标的原始概率值的加权系数，以使得加权系数更加适合该目标，可以实现针对当前图像帧中不同的目标，利用适合该目标的加权系数，对该目标进行更为准确的时序平滑处理。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种时序平滑方法的流程图；

图2是根据一示例性实施例示出的另一种时序平滑方法的流程图；

图3是根据一示例性实施例示出的一种时序平滑装置的结构图；

图4是根据一示例性实施例示出的一种用于时序平滑的电子设备的框图；

图5是根据一示例性实施例示出的另一种用于时序平滑的电子设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种时序平滑方法的流程图，如图1所示，该时序平滑方法用于终端中，包括以下步骤。

在步骤s11中，基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，第一加权系数与效用值正相关。

其中，目标可以是指图像帧中的像素点，也可以是指图像帧中的像素区域。原始概率值可以实际情况的不同，可以是不同的概率值，示例性的，在用户需要从当前图像帧中扣取前景区域像素点的情况下，可以是当前图像帧中像素点属于前景区域的概率值，在用户需要对图像帧进行人脸识别的情况下，可以是当前图像帧中各个像素区域是人脸图像的概率值。效用值用于表示原始概率值对于确定目标的特征的有效程度。当前图像帧是一个固定的图像帧，因此当前图像帧中目标的特征实际上是固定的，例如当前图像帧中像素点是前景区域像素点，或者不是前景区域像素点，不存在第三种可能性，并且对于任一像素点不可能既是前景区域像素点，又不是前景区域像素点。而图像分析算法输出的原始概率值所表示的是图像帧中目标的某个特征的可信程度，例如原始概率值为0.6，可以表示当前图像帧中像素点属于前景区域的概率为60％，当前图像帧中像素点不属于前景区域的概率为40％，在这种情况下，仅根据原始概率值无法准确确定像素点是属于前景区域，还是不属于前景区域。但是原始概率值可以为确定像素点是否属于前景区域提供参考，例如在这种情况下，由于当前图像帧中像素点属于前景区域的概率大于不属于前景区域的概率，因此可以更倾向于属于前景区域，即在这种情况下，原始概率值可以作为确定当前图像帧中像素点是否属于前景区域的一个有效判据。

进一步的，如果原始概率值为1或者0的情况，可以表示当前图像帧中像素点属于前景区域的概率为100％或者0％，在这种情况下可以直接根据原始概率值准确确定像素点是否属于前景区域。即在这种情况下，目标原始概率值可以作为确定当前图像帧中像素点是否属于前景区域的一个决定性的判据，可以认为此时原始概率值的效用值最大。如果原始概率值为0.5，可以表示当前图像帧中像素点属于前景区域的概率为50％，不属于前景区域的概率为50％，可见此时仅根据原始概率值，当前图像帧中像素点属于前景区域，和不属于前景区域是等概率事件，因此可以认为原始概率值对确定当前图像帧中像素点是否属于前景区域是没有效用的判据，即可以认为此时原始概率值的效用值最小。

因此在一种示例性实施例中，原始概率值的效用值可以与，原始概率值和0.5的差值的绝对值正相关，即原始概率值与0.5的差值的绝对值越大，原始概率值的效用值越大。例如，原始概率值为0.6时，认为原始概率值的效用值为0.5，原始概率值为0.9时，认为原始概率值的效用值为0.8，原始概率值为1时，认为原始概率值的效用值为1。在该实施例中，原始概率值和0.5的差值的绝对值，与原始概率值的效用值之间的映射关系可以在满足正相关的条件下根据实际需求进行设置。

进一步的，可以通过一个预设的系数确定方程，将原始概率值作为该系数确定方程的输入，并将该系数确定方程的输出作为第一加权系数。由于原始概率值的取值范围为[0，1]，因此该系数确定方程的可行域至少包括[0，1]，例如该系数确定方程的可行域可以是[0，1]，也可以是[-1，1]，还可以是整个实数域。由于第一加权系数与效用值正相关，而效用值在本实施例中可以与，原始概率值和0.5的差值的绝对值正相关，因此第一加权系数可以与，原始概率值和0.5的差值的绝对值正相关。因此该系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增，以实现当输入的原始概率值为0.5时，该系数确定方程输出的第一加权系数最小。

示例性的，系数确定方程可以如下式所示：

其中，α为原始概率值的效用值，pt为原始概率值。示例性的，假设原始概率值为0.5，则效用值为0.5，假设原始概率值为0.6或者0.4，则效用值为0.52，假设原始概率值为1或者0，则效用值为1。在其他可选的实施例中，系数确定方程也可以其他形式。

在步骤s12中，将第一加权系数作为当前图像帧中目标的原始概率值的加权系数，与前图像帧的平滑概率值进行归一化加权平均，得到当前图像帧中目标的平滑概率值。

其中，前图像帧为当前图像帧的上一个图像帧，前图像帧中目标的平滑概率值可以是按照本公开实施例提供的任一种时序平滑方法计算得到的，也可以是根据相关技术中的时序平滑方法计算得到的，本公开实施例对此不作限制。

进一步的，可以是按照下式对当前图像帧中目标的原始概率值和前图像帧中目标的平滑概率值进行归一化加权平均的：

其中，p′t为当前图像帧中目标的平滑概率值，p′t-1为前图像帧的平滑概率值，β为前图像帧中目标的平滑概率值的加权系数。进一步的，在一种可选的实施例中，β可以等于1与第一加权系数α的差值，在这种情况下p′t满足下式：

p′t＝αpt+(1-α)p′t-1

假设第一加权置信度的计算公式为：前图像帧中目标的平滑概率值为0.8，如果当前图像帧中目标的原始概率值为0.5，则可以计算得到当前图像帧中目标的平滑概率值为0.65，如果当前图像帧中目标的原始概率值为0，则可以计算得到当前图像帧中目标的平滑概率值为0。

如果当前图像帧中目标的原始概率值为0.5，可以认为该原始概率值的效用值较低，基于该原始概率值确定目标的特征的准确性是较低的，此时可以认为相邻的两个图像帧的实际变化较小(例如如果一个像素点在前图像帧中属于前景区域，则可以认为在当前图像帧中该像素点大概率仍属于前景区域)，造成当前图像帧中目标的原始概率值与前图像帧的平滑概率值之间的差异，主要是因为噪声信号的影响，当前图像帧与前图像帧之间所存在的差异的影响较小。因此可以将第一加权系数设置的较低，进而使得当前图像帧中目标的平滑概率值更接近于(甚至等于)前图像帧中目标的平滑概率值，以更多地借助前图像帧帮助确定当前图像帧中目标的特征。

如果当前图像帧中目标的原始概率值与0.5的差值的绝对值较大的情况下，可以认为该原始概率值的效用值较高，基于该原始概率值确定目标的特征的准确性是较高的，此时可以认为造成当前图像帧中目标的原始概率值与前图像帧中目标的平滑概率值之间的差异，主要是当前图像帧与前图像帧之间所存在的差异造成的，噪声信号的影响较低或者不存在，因此可以将第一加权系数设置的较高，进而使得当前图像帧的平滑概率值更接近于(甚至等于)当前图像帧中目标的原始概率值，以更多地利用原始概率值确定当前图像帧的特征。

因此，基于原始概率值的效用值，动态计算得到的第一加权系数，相比于固定的加权系数，更适合目标，基于第一加权系数可以更加准确地对当前图像帧中目标的原始概率值进行时序平滑处理。因此选用该实施例，可以可以基于当前图像帧中目标的原始概率值的效用值，动态地确定当前图像帧中目标的原始概率值的加权系数，以使得加权系数更加适合该目标，可以实现针对当前图像帧中不同的目标，利用适合该目标的加权系数，对该目标进行更为准确的时序平滑处理。

图2是根据一示例性实施例示出的一种系数确定方程的确定方法，如图2所示，可以包括以下步骤：

在步骤s21中，过点(0，1)、(1，1)、(0.5，a)构建二次曲线。

其中，a的取值区间为[0，1)，二次曲线可以是抛物线、双曲线，也可以是椭圆弧线。为讨论方便，下面以抛物线为例，可以假设抛物线的方程为：

y＝ax²+bx+c

由于该抛物线经过点(0，1)，(1，1)，(0.5，a)，因此可以得到以下方程组：

1＝c

1＝a+b+c

计算可以得到，a＝4(1-a)，b＝4(a-1)，c＝1，即抛物线的方程为：

y＝4(1-a)x²+4(a-1)x+1

在步骤s22中，将构建得到的二次曲线的曲线方程作为系数确定方程。

即将二次曲线的曲线方程中的自变量x更改为当前图像帧中目标的原始概率值，因变量y更改为第一加权系数，因此可以确定系数确定方程为：

a的取值可以根据用户的实际需求或者实际经验进行设置。

图3是根据一示例性实施例示出的一种平滑装置的结构图，如图3所示，该装置可以包括：

系数确定单元301，被配置为执行基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，第一加权系数与效用值正相关，效用值用于表示原始概率值对于确定当前图像帧的特征的有效程度；

加权平均单元302，被配置为执行将第一加权系数作为当前图像帧中目标的原始概率值的加权系数，与前图像帧中目标的平滑概率值进行归一化加权平均，得到当前图像帧中目标的平滑概率值。

在一示例性实施例中，效用值与，当前图像帧中目标的原始概率值与0.5的差值的绝对值正相关。

在一示例性实施例中，系数确定单元301，具体被配置为将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将系数确定方程的输出作为第一加权系数，系数确定方程的可行域包括[0，1]，并且系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

在一示例性实施例中，系数确定单元302，还被配置为执行过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。

在一示例性实施例中，加权平均单元302，具体被配置为将第一加权系数作为当前图像帧中目标的原始概率值的加权系数，将1与第一加权系数的差值作为前图像帧中目标的平滑概率值的加权系数，进行加权平均，得到当前图像帧中目标的平滑概率值。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4是根据一示例性实施例示出的一种用于时序平滑的电子设备400的框图。例如，电子设备400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，电子设备400可以包括以下一个或多个组件：处理组件42，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(i/o)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制电子设备400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在电子设备400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为电子设备400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为电子设备400生成、管理和分配电力相关联的组件。

多媒体组件408包括在电子设备400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(mic)，当电子设备400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

i/o接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为电子设备400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如组件为电子设备400的显示器和小键盘，传感器组件414还可以检测电子设备400或电子设备400一个组件的位置改变，用户与电子设备400接触的存在或不存在，电子设备400方位或加速/减速和电子设备400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于电子设备400和其他设备之间有线或无线方式的通信。电子设备400可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件416还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由电子设备400的处理器420执行以完成上述方法。例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品可以存储于计算机可读存储介质中，例如存储器404，该计算机程序产品可由400的处理器420执行以完成上述方法。

图5是根据一示例性实施例示出的一种用于时序平滑的电子设备500的框图。例如，电子设备500可以被提供为一服务器。参照图5，电子设备500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述方法。

电子设备500还可以包括一个电源组件526被配置为执行电子设备500的电源管理，一个有线或无线网络接口550被配置为将电子设备500连接到网络，和一个输入输出(i/o)接口558。电子设备500可以操作基于存储在存储器532的操作系统，例如windowsservertm，macosxtm，unixtm，linuxtm，freebsdtm或类似。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。