姿势适应选择的制作方法
【专利说明】姿势适应选择
[0001]本申请要求2012年9月18日提交的美国临时申请号61/702，678的权益，其全部内容被通过引用结合到本文中。
【背景技术】
[0002]某些计算设备(例如，移动电话、平板计算机等)可使用存在敏感显示器(例如，屏幕)提供图形键盘作为图形用户界面的一部分以用于文本录入。例如，计算设备的存在敏感显示器可输出图形(或“软”)键盘，其使得用户能够通过指示在存在敏感显示器处显示的键(例如，通过在其上面或之上敲击、滑动和/或挥扫)来录入数据。
[0003]在某些情况下，计算设备可呈现图形键盘，用户通过敲击键盘的个体键或基本上通过将他或她的手指在与键相关联的区域之上滑动而用手势表示出单词来与之相交互。这样，图形键盘提供允许用户用一个或多个手势来录入字符、单词或一组单词的输入方法。同样地，图形键盘可允许用户通过快速地且准确地录入文本来达到一定程度的效率。提供图形键盘的计算设备可利用单词预测、自动修正和/或建议技术以便根据用户输入来确定单
!?r] ο
[0004]然而，图形键盘可具有某些缺点。例如，计算设备可能在用户在输出连续手势图形键盘的存在敏感屏幕处作出手势时生成触摸事件。触摸事件可包括在执行敲击或连续手势时被用户的手指滑过的存在敏感输入设备的一个或多个不同位置的表示。在某些示例中，用户可基于用户用来提供输入的不同姿势(例如，用双拇指和/或不同手的两个手指敲击(双模态)对比用单个手指敲击(单敲击))而在不同的位置上提供此类输入。同样地，图形键盘可能未正确地确定用户意图的键和/或单词。因此，计算设备可选择用户并不意图录入的一个或多个单词和/或字符，从而导致减小用户可与计算设备交互的速度的不准确文本录入。
【发明内容】
[0005]在一个示例中，一种方法包括由计算设备且为了显示而输出包括多个键的图形键盘。该方法还可包括由计算设备接收在被操作地耦接到计算设备的存在敏感输入设备处检测到的输入的指示。该方法还可包括响应于接收到指示，由计算设备来确定输入的输入姿势，其中，输入姿势表示计算设备相对于用来提供输入的输入单元的取向。该方法还可包括至少部分地基于输入姿势且由计算设备来选择被用于确定所述多个键中的一个或多个中的至少一个已被选择的概率的空间模型。
[0006]在一个示例中，一种编码有指令的计算机可读存储介质，所述指令在被执行时，使计算设备的一个或多个处理器执行操作，所述操作包括由计算设备且为了显示而输出包括多个键的图形键盘。计算机可读存储介质进一步编码有指令，所述指令使计算设备的一个或多个处理器执行操作，该操作包括由计算设备接收在存在敏感输入设备处检测到的输入的指示。计算机可读存储介质进一步编码有指令，所述指令使计算设备的一个或多个处理器执行操作，所述操作包括响应于接收到指示，由计算设备来确定输入的输入姿势，其中，输入姿势表示计算设备相对于用来提供输入的输入单元的取向。计算机可读存储介质进一步编码有指令，所述指令使计算设备的一个或多个处理器执行操作，所述操作包括至少部分地基于输入姿势且由计算设备来选择被用于确定所述多个键中的一个或多个中的至少一个已被选择的概率的空间模型。
[0007]在一个示例中，计算设备包括至少一个处理器，其中，所述至少一个处理器可被配置成输出包括多个键的图形键盘以用于显示。在某些示例中，所述至少一个处理器可被配置成接收在存在敏感输入设备处检测到的输入的指示。在某些示例中，所述至少一个处理器可被配置成响应于接收到指示，确定输入的输入姿势，其中，输入姿势表示计算设备相对于用来提供输入的输入单元的取向。在某些示例中，所述至少一个处理器可被配置成至少部分地基于输入姿势来选择被用于确定所述多个键中的一个或多个中的至少一个已被选择的概率的空间模型。
[0008]在附图和以下描述中阐述了本公开的一个或多个示例的细节。根据本描述和附图以及根据权利要求，其他特征、目的以及优点将是显而易见的。
【附图说明】
[0009]图1是图示出根据本公开的一个或多个技术的可实现用以基于用户输入姿势来提供键盘的所选键的改善预测的技术的示例计算设备的框图。
[0010]图2图示出根据本公开的一个或多个方面的图1中所示的计算设备的一个示例的更多细节的框图。
[0011]图3是图示出根据本公开的一个或多个技术的分级适应空间模型(hierarchicaladaptive spatial model)的概念图的框图。
[0012]图4是图示出根据本公开的一个或多个技术的可实现用以基于用户输入姿势来提供键盘的所选键的改善预测的技术的计算设备的更多细节的概念图的框图。
[0013]图5是图示出根据本公开的一个或多个技术的用以基于用户输入姿势来提供键盘的所选键的改善预测的计算设备的示例操作的流程图。
[0014]图6是图示出根据本公开的一个或多个技术的在远程设备处输出图形内容以用于显示的示例计算设备的框图。
【具体实施方式】
[0015]本公开的技术针对基于用户输入姿势来提供键盘的所选键的改善预测。通过基于用户输入姿势来选择空间模型，本公开的技术可使得计算设备能够实现改善的字符、单词和/或短语级识别和预测。在某些示例中，本公开的技术允许计算设备确定用户用来选择图形键盘的键的姿势，例如通过敲击、做手势或使用用户界面设备来提供输入。本公开的技术可被计算设备应用于确定例如其中用户正在一个手中握持移动计算设备并使用第二只不同的手用单个手指做手势的姿势。使用不同的姿势，用户可用双手握持移动计算设备并用他或她的拇指敲击键，并且可以有许多其他姿势。
[0016]实现本公开的技术的移动计算设备使用所确定姿势来选择一个或多个空间模型以预测用户已选择哪个键。在某些示例中，移动计算设备使用空间模型来将用户界面设备处的一个或多个触摸点转换成图形键盘的特定键已被用户选择的概率。由于对于给定键的用户输入的触摸位置可取决于用户用来录入用户输入的姿势而改变，所以本公开的技术可以用来改善对于给定触摸点的意图的键的概率估计。
[0017]在某些示例中，本公开的技术采用具有回退的分级适应空间模型。分级模型可以是适应性的，并包括基于姿势、键以及用户信息的子模型。也就是说，在某些示例中，可以使用识别姿势、用户和/或键中的一个或多个的信息来选择更准确地预测用户选择的键的一个或多个空间模型。每个空间模型可包括概率分布以确定触摸输入对应于图形键盘的键的概率，其中，概率分布基于但不限于输入姿势、键以及用户信息中的一个或多个而补偿偏差。本公开的技术还可以使用一个或多个回退(back-off)技术，使得如果移动计算确定用于姿势、用户或键的不足够量或置信度水平的信息，则分级模型可以基于对于其而言存在足够的置信度水平或量的信息的信息来提供键预测。这样，分级模型可使用分级模型的更多部分，因为用于进行键预测的信息量对于分级模型的相应的部分而言增加。
[0018]图1是图示出根据本公开的一个或多个技术的可实现用以基于用户输入姿势来提供键盘的所选键的改善预测的技术的示例计算设备2的框图。在某些示例中，可使计算设备2与用户相关联。与计算设备2相关联的用户可通过向计算设备提供各种用户输入而与计算设备2交互。在某些示例中，用户可具有一个或多个帐户，该一个或多个帐户具有一个或多个服务，诸如社交联网服务和/或电话服务，并且可利用计算设备2注册该帐户。
[0019]计算设备2的示例可包括但不限于便携式或移动设备，诸如移动电话(包括智能电话)、膝上型计算机、台式计算机、平板计算机、智能电视平台、个人数字助理(PDA)、服务器、主机等。如图1的示例中所示，计算设备2可以是智能电话。在某些示例中，计算设备2可以包括用户界面(UI)设备4、UI模块6、键盘模块8、手势模块10、应用模块1A — 1N(“应用模块10”)以及预测模块14。例如，如图2中所示，实现本公开的技术的计算设备2的其他示例可包括图1中未示出的附加组件。
[0020]计算设备2可包括UI设备4。在某些示例中，UI设备4被配置成接收触觉、音频或视觉输入。如图1中所示，π设备4的示例可包括存在敏感输入设备、触摸敏感显示器、存在敏感显示器、光学敏感显示器或用于接收输入的任何其他类型的设备。UI设备4可输出诸如图形用户界面(GUI) 16之类的内容以用于显示。在图1的示例中，UI设备4可以是存在敏感显示器，其可以显示图形用户界面16并使用存在敏感显示器处或附近的电容、电感和/或光学检测而从用户接收输入。
[0021]如图1中所示，计算设备2可包括用户界面(UI)模块6。Π模块6可执行一个或多个功能以接收输入的指示，诸如从Π设备4接收用户输入的指示，并向与计算设备2相关联的其他组件发送此类输入的指示，诸如应用模块12。Π模块6还可从计算设备2的组件或被操作地耦接到计算设备2的组件接收数据。使用数据，Π模块6可使得与计算设备2(诸如Π设备4)相关联的其他组件基于数据来提供输出。例如，Π模块6可从应用模块8接收使得UI设备4显示⑶I 10、18和24的数据。
[0022]在某些示例中，计算设备2包括键盘模块8。键盘模块8可包括用以生成图形键盘以用于显示的功能。键盘模块8还接收和/或处理输入数据，诸如在图形键盘处接收到的用以选择一个或多个键的输入指示。例如，键盘模块8可从UI模块6接收数据，该数据表示由用户经由在Π设备4处显示的图形键盘作为敲击手势和/或连续挥扫手势而输入的某些敲击、按键、手势等的输入。键盘模块8基于输入特征，诸如接收到的输入位置、输入持续时间、输入速度等，来可处理接收到的按键并确定所选字符、单词、串等。键盘模块8还可用于向与计算设备2相关联的其他组件，诸如应用模块12、手势模块10、键盘、UI模块6等，发送字符、单词和/或字符串数据。也就是说，在各种示例中，键盘模块8可从UI模块6接收输入数据，处理输入数据以确定字符、文本、串等，并向应用模块12提供数据。
[0023]如图1中所示，计算设备2还可包括手势模块10。在某些示例中，可将手势模块10配置成从UI模块6接收手势数据并处理该手势数据。例如，手势模块10可接收数据，该数据指示由用户在Π设备4处输入的手势。手势模块10可确定输入手势对应于键入手势、光标移动手势、光标区域手势或其他手势。在某些示例中，手势模块10确定一个或多个对准点，其对应于响应于用户手势而被触摸或检测的UI设备4的位置。在某些示例中，手势模块10可确定与连续手势相关联的一个或多个特征，诸如两个对准点之间的欧几里德距离、手势路径的长度、手势的方向、手势路径的曲率以及对准点之间的手势的最大曲率、手势的速度等。连续手势可以是这样的手势，其在第一位置处开始，在被计算设备2检测的同时继续至Π设备4的第二、不同位置，使得在到达第二、不同位置时不再检测到连续手势。手势模块10可向计算设备2的其他组件，诸如应用模块12、键盘模块8、预测模块14等，发送已处理数据。
[0024]在某些示例中，计算设备2包括一个或多个应用模块12。应用模块12可包括将在计算设备2上执行任何种类的操作的功能。例如，应用模块12可包括文字处理器、电子数据表、web浏览器、多媒体播放器、服务器应用、操作系统、分布式计算应用、图形设计应用、视频编辑应用、web开发应用、通知应用等。如图1的示例中所描述的，应用模块12A可包括显示图形内容的电子邮件应用的功能。此类图形内容可包括文本编辑器控制器22和图形键盘24，其每个被包括在⑶I 16中。在图1的示例中，应用模块12A可使得用户能够阅读电子邮件、编写并发送电子邮件等。
[0025]如图1中所示，⑶I 16可以是由键盘模块8和应用模块12A中的一个或多个生成的允许用户与计算设备2交互的用户界面。UI 16可包括图形内容。图形内容一般地可以是GUI 16中的任何视觉上可显示的表示。图形内容的示例可包括图形对象、文本、图像、一组移动图像、字符、符号等。如图1中所示，GUI 16包括文本编辑器控制装置22和图形键盘24。
[0026]如图1中所示，⑶I 16可以是由应用模块12A生成的允许用户与计算设备2交互的用户界面。GUI 14可包括图形键盘24和/或文本编辑器控制装置22。如图1中所示，文本编辑器控制装置22可显示由用户录入的、由计算设备2生成的和/或由计算设备2从被操作地耦接到计算设备2的另一计算设备接收到的文本内容。出于图1中的图示的目的，文本内容可包括“The quick brown fox (敏捷的棕色狐狸)”。Π模块6可使得Π设备4显示具有包括的文本内容的文本编辑器控制装置22。
[0027]图形键盘24可被Π设备4显示为可选择键的集合。键可表示来自字符集合的单个字符(例如，英语字母表中的字母)，或者可表示字符的组合。图形键盘的一个示例可包括传统“QWERTY”键盘布局。其他示例可包含用于不同语言、不同字符集合或不同字符布局的字符。如图1的示例中所示，图形键盘24包括提供字符键的用于英语语言以及提供其他功能的各种键(例如，“向上箭头”键，其提供“移位”功能)的传统“QWERTY”键盘布局的版本。示例键包括“O”键30和“X”键28。在某些示例中，图形键盘24包括一个或多个单词建议，诸如包括单词“狐狸”的单词建议32。
[0028]根据本公开的技术，计算设备2可实现预测模块14以改善键盘24处的用户选择的预测准确度。如在本公开中描述的，预测模块14确定用户用来选择图形键盘24的一个或多个键的姿势。基于所确定的用户姿势，预测模块14可识别与姿势相关联的空间模型以预测用户已意图选择的键盘24的一个或多个可能键。预测模块14可至少部分地基于至少一个空间模型来确定空间模型分数，其指示所述多个键中的键已被选择的概率。如在本文中进一步描述的，在某些示例中，预测模块14和键盘模块8可至少部分地基于空间模型分数来确定包括在字典中的单词和用于显示的单词。
[0029]如图1中所示，Π设备4接收接近于图形键盘24的所述多个键中的一个或多个的输入的指示。例如，用户可在Π设备4处执行一个或多个敲击和/或连续手势。Π模块6可将来自Π设备4的数据发送给手势模块10，其进而确定一个或多个手势滑过的Π设备4的一个或多个位置。基于该数据，手势模块10可以确定输入信息，其指示手势路径的形状、一个或多个挥扫手势滑过的UI设备4的位置等。预测模块14可从手势模块10接收输入信息。
[0030]响应于接收到该信息，预测模块14确定输入的输入姿势。示例“双拇指”输入姿势可包括用左手和右手来握持计算设备2。用户可通过使用他或她的相应的右手和左手的拇指来在UI设备4处做手势、敲击或指示用户输入来在UI设备4处提供输入。在不同的“单手指”输入姿势中，用户可利用用户的左手或右手中的一个来握持计算设备2。使用没有在握持计算设备2的剩余的手，用户可在UI设备4处提供输入，例如通过使用剩余的手的手指在UI设备4处敲击或做手势。上述两个输入姿势是示例性的，并且预测模块14可确定在某些示例中的其他的不同姿势。
[0031]在某些示例中，预测模块14使用计算设备2的加速度计基于设备的取向来确定用户正在使用什么输入姿势。在其他示例中，预测模块14基于在UI设备4处检测到的两次输入之间流逝的时间和两个输入之间的距离来确定用户正在使用什么输入姿势来提供输入。例如，在分开较长距离处但在较短持续时间内在Π设备4处发生的连续输入可指示双拇指输入姿势的较高概率。然而，在UI设备4处在分开较长距离处但在较长持续时间内发