智能终端提醒方法、电子设备及计算机可读存储介质与流程

1.本发明属于电子设备技术领域，尤其涉及一种智能终端提醒方法、电子设备及计算机可读存储介质。


背景技术：

2.目前钓鱼越来越受人们的喜爱，钓鱼人数近些年增长迅速，在网络中钓鱼的网络流量也占比越来越重。随着钓鱼的网络流量增加，越来越多人的在钓鱼时会携带各种设备，如携带各种拍摄设备。但这些设备仅对钓鱼活动进行拍摄，无法辅助钓鱼的人，这样对于一些钓鱼新手无法判断鱼性，这样有些钓鱼人容易浪费时间。


技术实现要素：

3.本发明实施例提供一种智能终端提醒方法、电子设备及计算机可读存储介质，以解决钓鱼人容易浪费时间的问题。
4.本发明提供一种智能终端提醒方法，其应用于电子设备，所述电子设备与用户终端通信连接，包括：
5.采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；
6.采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；
7.对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；
8.基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；
9.在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无法钓到鱼。
10.本发明还提供一种电子设备，包括：
11.第一预测单元，用于采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；
12.第一采集单元，用于采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；
13.采样单元，用于对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；
14.第二预测单元，用于基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；
15.提醒单元，用于在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无法钓到鱼。
16.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现智能终端提醒方法中的步骤。
17.本发明中，采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无法钓到鱼。这样通过提醒消息可以有效提醒钓鱼人目标区域内短时间内无法钓到鱼，以避免钓鱼人浪费时间钓不到鱼，以达到节约钓鱼人时间的效果。
附图说明
18.图1是本发明实施例提供的一种智能终端提醒方法的流程图；
19.图2是本发明实施例提供的一种神经网络模型的结构示意图；
20.图3是本发明实施例提供的一种电子设备的结构图。
具体实施方式
21.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本技术保护的范围。
22.图1是本发明实施例提供的一种智能终端提醒方法的流程图，如图1所示包括：
23.步骤101、采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；
24.步骤102、采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；
25.步骤103、对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；
26.步骤104、基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；
27.步骤105、在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无
法钓到鱼。
28.其中，上述电子设备可以是安装在支持上的具备拍摄功能的设备，也可以是安装在钓箱上的具备拍摄功能的设备，或者也可以是安排在智能钓鱼标上的具备拍摄功能的设备。
29.上述目标人物的精神状态可以是，目标人物对于钓鱼的热情度。
30.上述鱼儿进食状态可以是，鱼儿进食的可能性，或者，鱼儿进食的欲望，或者鱼儿进食的概率。
31.上述提醒消息可以是通过电话或者音频电话的方式来提醒上述用户终端，这样用户在没有查看手机的情况下，也可以及时接收上述提醒消息。
32.当用户接收到上述提醒消息后，就知道在短时间内无法钓到鱼，进而回家，或者去其他地方钓鱼，以节约用户时间。
33.本发明中，通过提醒消息可以有效提醒钓鱼人目标区域内短时间内无法钓到鱼，以避免钓鱼人浪费时间钓不到鱼，以达到节约钓鱼人时间的效果。
34.本发明可以对一些钓鱼新手进行有效提醒，以节约钓鱼新手的时间。
35.在一些实施方式中，所述基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，包括：
36.对所述浮漂图像特征序列进行卷积操作，得到浮漂图像特征卷积序列，并对所述漂图像特征卷积序列进行归一化处理，得到浮漂图像特征归一化序列，并针对浮漂图像特征归一化序列中的每个特征点计算其激活权重权系数，将浮漂图像特征归一化序列中每个特征点与该特征点的激活权重系数进行相乘，得到第二浮漂图像特征序列；
37.基于所述第二浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态。
38.如图2所示，该实施方式中，可以通过包括卷积层201、归一化层202和激活函数层203和全连接层204的神经网络模型预测目标区域的鱼儿进食状态，其中，卷积层201用于对所述浮漂图像特征序列进行卷积操作，得到浮漂图像特征卷积序列；归一化层202用于对所述漂图像特征卷积序列进行归一化处理，得到浮漂图像特征归一化序列，激活函数层203用于针对浮漂图像特征归一化序列中的每个特征点计算其激活权重权系数，将浮漂图像特征归一化序列中每个特征点与该特征点的激活权重系数进行相乘，得到第二浮漂图像特征序列；全连接层204用于基于所述第二浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态。另外，上述神经网络模型为预先训练好的，或者预先接收其他设备发送的用于鱼儿进食状态的神经网络模型。
39.该实施方式中，通过上述操作可以准确地预测目标区域的鱼儿进食状态。
40.在一些实施方式，所述环境信息包括：天气信息和水面图像信息；
41.所述基于所述第二浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，包括：
42.获取天气信息样本、水平图像信息样本和浮漂图像特征序列样本，以及目标鱼儿进食标签信息，基于所述天气信息样本、水平图像信息样本、浮漂图像特征序列样本和目标鱼儿进食标签信息对初始网络模块进行迭代训练，得到用于基于浮漂图像特征序列、天气信息和水面图像信息预测鱼儿进食状态的目标网络模块；
43.将所述第二浮漂图像特征序列和所述天气信息和所述水面图像信息输入到所述
目标网络模块进行预测，得到所述目标区域的鱼儿进食状态。
44.其中，上述目标网络模块可以是全连接层网络，也可以是独立的神经网络模型，或者神经网络模型的分类模块。
45.该实施方式中，由于上述目标网络模块是通过基于天气信息样本、水平图像信息样本、浮漂图像特征序列样本和目标鱼儿进食标签信息对初始网络模块进行迭代训练，这样可以提高目标网络模块的准确性，进而提高鱼儿进食状态的准确性。
46.在一些实施方式，所述方法还包括：
47.采集所述目标人物的第二图像数据，所述第二图像数据包括所述目标人物在鱼钩挂上的目标鱼食，并基于所述目标鱼食预测所述目标人物的目标鱼种；
48.所述基于所述第二浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，包括：
49.基于所述第二浮漂图像特征序列和所述环境信息预测目标区域中所述目标鱼种的鱼儿进食状态。
50.上述基于所述目标鱼食预测所述目标人物的目标鱼种可以是，基于钓鱼大数据建立的鱼种和鱼食之间的映射关系，预测目标人物的目标鱼种，例如：对于玉米主要钓的鱼种是草鱼、翘嘴、鲤鱼，而对于蚯蚓主要钓的鲫鱼和黄骨鱼。
51.这样当目标人物的目标鱼种确定之后，可以基于目标鱼种的进食习性，可以更加准确地预测目标鱼种的鱼儿进食状态，进而提高提醒的准确性。
52.可选的，所述基于所述第二浮漂图像特征序列和所述环境信息预测目标区域中所述目标鱼种的鱼儿进食状态，包括：
53.在预设数据库中查找所述目标鱼种在所述天气信息下的进食信息，其中，所述预设数据库预先存储有多种鱼种的信息，且每种鱼种的信息中包括多个天气下的进食信息；
54.基于所述目标鱼种在所述天气信息下的进食信息、所述第二浮漂图像特征序列和所述水面图像信息，预测目标区域中所述目标鱼种的鱼儿进食状态。
55.该实施方式中，可以进一步基于天气信息和目标鱼种的关系，预测目标鱼种的鱼儿进食状态。因为，不同鱼种在不同天气下进食是不同的，例如：对于冬天主要是鲫鱼进食，而其他鱼种进食的欲望比较低。
56.该实施方式中，可以进一步提高鱼儿进食状态的准确性。
57.可选的，所述基于所述目标鱼种在所述天气信息下的进食信息、所述第二浮漂图像特征序列和所述水面图像信息，预测目标区域中所述目标鱼种的鱼儿进食状态，包括：
58.识别所述水面图像信息的特征信息，所述特征信息用于表示水面上的气泡状态；
59.基于所述气泡状态判断所述水面上在预设时间内产生的气泡数量是否小于第三预设阈值；
60.在所述水面上在预设时间内产生的气泡数量小于第三预设阈值，且所述进食信息表示所述目标鱼种在所述天气信息下进食欲望低于第三预设阈值时，基于所述第二浮漂图像特征序列判断所述浮漂的动作频繁是否呈逐步降低的状态，若所述浮漂的动作频繁呈逐步降低的状态，预测所述目标区域中所述目标鱼种的鱼儿进食状态。
61.该实施方式中，可以实现在所述水面上在预设时间内产生的气泡数量小于第三预设阈值，且所述进食信息表示所述目标鱼种在所述天气信息下进食欲望低于第三预设阈值
时，以及所述浮漂的动作频繁呈逐步降低的状态时才预测目标区域中所述目标鱼种的鱼儿进食状态。这样可以实现只在这些状态下才预测，以节约功耗。
62.在一些实施方式中，所述采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态，包括：
63.采集所述目标人物在所述预测时段的图像数据集，所述图像数据集中每个图像数据包括所述目标人物的手、鱼竿和所述浮漂；
64.基于所述图像数据集识别所述目标人物的抛竿频率；
65.识别所述目标人物的每次提杆时所述浮漂的动作内容，所述动作内容包括：所述浮漂未变化、所述浮漂移动、所述浮漂上升和所述浮漂下降中的至少一项；
66.基于所述目标人物的抛竿频率和每次提杆时所述浮漂的动作内容，预测所述目标人物的精神状态；其中，当所述抛竿频率低于第四阈值，且在所述预测时段内所述浮漂未变化的提杆的比例高于第五阈值，则确定所述目标人物对钓鱼兴趣低于第二阈值。
67.上述当所述抛竿频率低于第三阈值，且在所述预测时段内所述浮漂未变化的提杆的比例高于第四阈值可以理解为，用户抛竿频率很低，且用户抛竿的原因并不是由于浮漂的动作而引起的抛竿，这表示用户当前对于钓鱼已经兴趣不大，从而确定目标人物对钓鱼兴趣低于第二阈值。
68.当所述抛竿频率低于第三阈值，且在所述预测时段内所述浮漂未变化的提杆的比例高于第五阈值时，可以确定用户抛竿的原因是由于浮漂的动作而引起的抛竿，这表示用户当前对于钓鱼的兴趣还比较大，因为，每一次提杆都是认真提起的，并不是随意在进行的。
69.当所述抛竿频率大于第三阈值时，这表示用户当前对于钓鱼的兴趣还比较大，因为，用户还比较乐于提杆，即便浮漂未变化，用户抛竿频率表示用户此时对钓鱼的兴趣还是比较大的，即便没有鱼钓，也不提醒用户，以打击用户的钓鱼积极性，例如：一个新手如果乐于抛竿，则表示用户此时对钓鱼的兴趣还是比较大的，即便没有鱼钓，也不提醒用户，以打击用户的钓鱼积极性。
70.该实施方式中，通过上述方式可以有效地提醒用户，以避免打击用户的钓鱼积极性，以提高用户体验。
71.在一些实施方式中，所述采集预设时段内的浮漂图像集，以及所述预设时段内的环境信，包括：
72.基于所述第一图像数据判断所述目标人物在预设时间内是否中鱼，若所述目标人物在预设时间内未中鱼，则采集预设时段内的浮漂图像集，以及所述预设时段内的环境信。
73.该实施方式中，可以实现在预设时间内未中鱼的情况下，执行本方法，以有效地提醒用户，以避免打击用户的钓鱼积极性，以提高用户体验。
74.本发明中，采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低
于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无法钓到鱼。这样通过提醒消息可以有效提醒钓鱼人目标区域内短时间内无法钓到鱼，以避免钓鱼人浪费时间钓不到鱼，以达到节约钓鱼人时间的效果。
75.图3是本发明实施例提供的一种电子设备的结构图，如图3所示包括：
76.第一预测单元301，用于采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；
77.第一采集单元302，用于采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息，所述预设时段的时长超过预设时长，所述环境信息包括如下至少一项：天气信息和水面图像信息；
78.采样单元303，用于对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；
79.第二预测单元304，用于基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；
80.提醒单元305，用于在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息，所述提醒消息用于提醒所述目标人物在所述目标区域内短时间内无法钓到鱼。
81.可选地，所述第二预测单元304用于：
82.对所述浮漂图像特征序列进行卷积操作，得到浮漂图像特征卷积序列，并对所述漂图像特征卷积序列进行归一化处理，得到浮漂图像特征归一化序列，并针对浮漂图像特征归一化序列中的每个特征点计算其激活权重权系数，将浮漂图像特征归一化序列中每个特征点与该特征点的激活权重系数进行相乘，得到第二浮漂图像特征序列；
83.基于所述第二浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态。
84.可选地，所述环境信息包括：天气信息和水面图像信息；
85.所述第二预测单元304用于：
86.获取天气信息样本、水平图像信息样本和浮漂图像特征序列样本，以及目标鱼儿进食标签信息，基于所述天气信息样本、水平图像信息样本、浮漂图像特征序列样本和目标鱼儿进食标签信息对初始网络模块进行迭代训练，得到用于基于浮漂图像特征序列、天气信息和水面图像信息预测鱼儿进食状态的目标网络模块；
87.将所述第二浮漂图像特征序列和所述天气信息和所述水面图像信息输入到所述目标网络模块进行预测，得到所述目标区域的鱼儿进食状态。
88.可选地，所述装置还包括：
89.第二采集单元，用于采集所述目标人物的第二图像数据，所述第二图像数据包括所述目标人物在鱼钩挂上的目标鱼食，并基于所述目标鱼食预测所述目标人物的目标鱼种；
90.第二预测单元304用于：
91.基于所述第二浮漂图像特征序列和所述环境信息预测目标区域中所述目标鱼种的鱼儿进食状态。
92.可选地，所述第二预测单元304用于：
93.在预设数据库中查找所述目标鱼种在所述天气信息下的进食信息，其中，所述预设数据库预先存储有多种鱼种的信息，且每种鱼种的信息中包括多个天气下的进食信息；
94.基于所述目标鱼种在所述天气信息下的进食信息、所述第二浮漂图像特征序列和所述水面图像信息，预测目标区域中所述目标鱼种的鱼儿进食状态。
95.可选地，所述第二预测单元304用于：
96.识别所述水面图像信息的特征信息，所述特征信息用于表示水面上的气泡状态；
97.基于所述气泡状态判断所述水面上在预设时间内产生的气泡数量是否小于第三预设阈值；
98.在所述水面上在预设时间内产生的气泡数量小于第三预设阈值，且所述进食信息表示所述目标鱼种在所述天气信息下进食欲望低于第三预设阈值时，基于所述第二浮漂图像特征序列判断所述浮漂的动作频繁是否呈逐步降低的状态，若所述浮漂的动作频繁呈逐步降低的状态，预测所述目标区域中所述目标鱼种的鱼儿进食状态。
99.可选地，第一预测单元301用于：
100.采集所述目标人物在所述预测时段的图像数据集，所述图像数据集中每个图像数据包括所述目标人物的手、鱼竿和所述浮漂；
101.基于所述图像数据集识别所述目标人物的抛竿频率；
102.识别所述目标人物的每次提杆时所述浮漂的动作内容，所述动作内容包括：所述浮漂未变化、所述浮漂移动、所述浮漂上升和所述浮漂下降中的至少一项；
103.基于所述目标人物的抛竿频率和每次提杆时所述浮漂的动作内容，预测所述目标人物的精神状态；其中，当所述抛竿频率低于第四阈值，且在所述预测时段内所述浮漂未变化的提杆的比例高于第五阈值，则确定所述目标人物对钓鱼兴趣低于第二阈值。
104.可选地，第一采集单元302用于：
105.基于所述第一图像数据判断所述目标人物在预设时间内是否中鱼，若所述目标人物在预设时间内未中鱼，则采集预设时段内的浮漂图像集，以及所述预设时段内的环境信。
106.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的智能终端提醒方法中的步骤。
107.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
108.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做
出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
109.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。