基于用户意图和/或身份调整移动设备状态

摘要

在一个实施方式中，当计算系统处于第一状态时，检测来自一个或多个第一传感器的第一组输入。生成第一传感器值阵列，并且将第一值阵列作为输入馈送至通过第一神经网络生成的第一函数。基于第一函数计算一个或多个第一输出值，并且基于这些第一输出值做出是否出现第一动作的确定，如果出现第一动作，则从来自一个或多个第二传感器的第二组输入生成第二传感器值阵列。第二传感器值阵列被作为输入馈送至通过第二神经网络生成的第二函数。基于第二函数计算一个或多个输出值，并且基于这些第二输出值退出第一状态。

说明书

技术领域

本公开内容整体涉及移动电子设备。

背景技术

移动电子设备如智能电话、平板电脑、笔记本电脑等可具有多重操作 状态。例如，当用户不使用移动设备时，为了降低功耗水平并延长电池寿 命，它可以处于省电或睡眠状态(例如，屏幕变暗或变黑)。在一些情况 下，移动设备还可处于输入锁定状态(例如，移动设备的触摸屏或按键被 锁定)，使得移动设备不能执行无意或意外操作。在其他情况下，移动设 备可以是安全锁定，使得为了解锁并使用该设备，要求用户提供正确的密 码或个人识别号码(PIN)。另一方面，当用户积极使用移动设备时，它可 能处于正常操作状态(例如，处于全功率水平以及屏幕或按键处于解锁状 态并且准备接收用户输入)。

附图说明

图1示出了示例性移动电子设备。

图2示出了示例性移动设备的外形。

图3示出了用于从一个或多个移动设备接收训练数据的示例性网络 环境。

图4示出了获取和传输训练数据的示例性方法。

图5示出了经由神经网络生成函数的示例性方法。

图6示出了经由移动设备传感器检测移动设备的物理状态的示例性 方法。

图7示出了示例性计算机系统。

具体实施方式

现在参考在附图中示出的本公开内容的几个实施方式详细地描述本 公开内容。在以下描述中，为了提供对本公开内容的全面理解，阐述多个 具体细节。然而，在没有这些具体细节的一些或全部的情况下也可以实践 本公开内容。在其他情况下，为了不给本公开内容造成不必要的模糊，没 有详细地描述已熟知的处理步骤和/或结构。此外，尽管结合具体的实施方 式描述了本公开内容，应当理解，该描述并不旨在将本公开内容限制为所 描述的实施方式。相反，该描述旨在涵盖可包括在由所附权利要求限定的 本公开内容的精神和范围内的替代、修改和等同物。

移动电子设备如智能电话、平板电脑或笔记本电脑可具有多重操作状 态。例如，当用户一段时间(例如，几秒)不使用移动设备时，它可进入 省电状态。处于省电状态时，为了节约能源并延长电池寿命，移动设备可 以在低功率水平下操作。移动设备的屏幕可以是暗的或黑的。为了将移动 设备从省电状态进入正常电源状态，用户可能需要使用移动设备执行动作 (例如，按下移动设备的开关)。在一些情况下(例如，移动设备处于省 电状态一段时间后)，移动设备还可以进入输入锁定状态。处于输入锁定 状态时，可以锁定移动设备的输入部件(例如，按键或触敏屏)以防止无 意操作导致的意外输入。为了解锁移动设备的按键或屏幕，用户可能需要 使用移动设备执行另一个动作。例如，如果移动设备具有按键，用户可能 需要按下按键。如果移动设备具有触敏屏，用户可能需要按压控制部件以 为设备通电并且在屏幕上做轻扫手势。此外，移动设备可具有安全锁定状 态。处于安全锁定状态时，使用密码或PIN(个人识别号码)锁定移动设 备以防止非授权访问并使用移动设备。为了解锁移动设备，用户可能需要 输入适当的密码或PIN。当用户积极使用移动设备时，它可能处于正常操 作状态(例如，处于全功率水平以及准备接收用户输入的操作)。在一些 情况下，移动设备可处于接通音频输出的操作状态、断开音频输出的操作 状态或音频输出处于特定模式(例如，响铃、静音、震动等)的操作状态。 还可能有其他操作状态，并且本公开内容考虑到任何可适用的操作状态。

在任何给出的时间，例如，根据用户当前是否在使用移动设备、用户 上次使用移动设备之后过去的时间或移动设备的位置(例如，在携带情况 下，在用户的口袋或手包中等)，移动设备可处于任一操作状态。

例如，假设用户一段时间不使用自己的移动设备(例如，苹果手机) 并且移动设备被保存在用户的口袋中。在此情况下，移动设备很可能处于 省电状态以节约电池以及输入锁定状态以防止意外输入。此外，移动设备 还可处于安全锁定状态以防止非授权访问移动设备。进一步假设用户现在 希望使用他自己的移动设备。用户可能需要：(1)从他口袋里拿出移动设 备；(2)按下开关以将移动设备脱离省电状态；以及(3)轻扫触摸屏以 解锁移动设备的输入部件。此外，如果移动设备还被安全锁定，然后用户 还需要输入密码或PIN以解锁移动设备。最后，用户需要执行几个动作， 在移动设备准备好被使用前这可能需要几秒钟。考虑到一天可能需要执行 几次该动作顺序(例如，在一段时间不使用移动设备后，每次用户需要使 用他的移动设备)，可能变得不方便。

因此，基于用户关于移动电子设备的意图，具体实施方式可以自动地 调整移动电子设备的当前状态。在具体实施方式中，移动电子设备(诸如， 移动设备)可包括各种类型的传感器，诸如，例如但不限于，触摸传感器 (例如，被布置在设备的显示器、设备的背面和/或设备的一个或多个侧边 上)，用于检测用户触摸移动电子设备的表面(例如，使用一个或多个手 指)；加速计，用于检测移动电子设备是否在移动以及移动的速度；温度 计，用于测量靠近移动电子设备的温度变化；近距离传感器，用于检测移 动电子设备到另一个目标(例如，手、桌子或其他目标)的接近度；光传 感器，用于测量移动电子设备周围的环境光；成像传感器(例如，照相机)， 用于捕获靠近移动电子设备的目标的电子图像；位置传感器(例如，全球 定位系统(GPS))，用于确定移动电子设备的位置(例如，根据经纬度)； 近场通信(NFC)传感器；蓝牙传感器等。本公开内容考虑到移动电子设 备可包括任何可适用类型的传感器。这些传感器可提供各种类型的传感器 数据，可以分析该传感器数据以确定给出时间的关于移动电子设备的用户 意图。

图1示出了示例性移动电子设备100。在具体实施方式中，移动电子 设备100可包括处理器110、存储器120、通信部件130(例如，用于无线 通信的天线和通信接口)以及各类型的多个传感器150(例如，触摸传感 器、加速计、温度计、近距离传感器、光传感器、成像传感器等)。在具 体实施方式中，在移动设备中可选择性地包括传感器集线器140。传感器 150可被连接至传感器集线器140，传感器集线器140可以是控制传感器 150、管理用于传感器150的功率、处理传感器输入、集合传感器数据以 及执行某些传感器函数的低功耗处理器。此外，在具体实施方式中，一些 类型的传感器150可被连接至控制器160。在此情况下，传感器集线器140 可被连接至控制器，控制器反过来被连接至传感器150。可替代地，在具 体实施方式中，可以存在用于管理传感器150的传感器监视器代替传感器 集线器140。

在具体实施方式中，移动电子设备100(例如，移动设备)可具有触 摸屏作为它的输入部件。图2示出了示例性移动设备200的外形。移动设 备200具有六个侧面：前侧、后侧、顶侧、底侧、左侧和右侧。触摸传感 器可以放置在移动设备200的六个侧面的任何侧面上的任何位置。例如， 在图2中，合并触摸传感器210A的触摸屏被放置在移动设备200的前侧 上。对于移动设备200触摸屏可以起到输入/输出(IO)部件的作用。此 外，触摸传感器210B和210C被分别放置在移动设备200的左侧和右侧 上。触摸传感器210B和210C可检测触摸移动设备200的侧面的用户的 手。在具体实施方式中，可以使用电阻式的、电容的和/或导电的触摸传感 器实现触摸传感器210A、210B和210C。触摸传感器210A、210B和210C 的电极可被布置在薄固体材料或薄金属丝网上。在电容触摸传感器的情况 下，可以存在两种类型的电极：发送电极和接收电极。这些电极可被连接 至控制器(例如，在图1中示出的控制器160)，该控制器可以是被设计为 使用电脉冲驱动发送电极并且为了检测用户触摸的位置，测量由用户触摸 引起的接收电极的电容变化的微芯片。

移动设备200是移动电子设备100的一个示例，并且在实践中，设备 可具有许多侧面。本公开内容考虑的设备具有许多侧面。触摸传感器可被 放置在设备的任何侧面上。移动设备可具有被布置在每个设备的不同位置 中的多个触摸传感器210A-C。

在具体实施方式中，移动设备200可具有放置在其后侧上的近距离传 感器220(例如，红外线LED(发光二极管))。近距离传感器220可能够 供应用于确定其与另一个目标的接近度的传感器数据，并且因此移动设备 200的接近度。

在具体实施方式中，除了前侧之外，移动设备在左侧和右侧上可具有 触摸传感器。可选择地，移动设备还可以在后侧、顶侧或底侧上具有触摸 传感器。因此，随着用户的手触摸移动设备以控制它，触摸传感器可检测 到触摸移动设备的用户的手指或手掌。可以分析触摸传感器数据以确定用 户触摸移动设备的时间和位置。当用户触摸移动设备时，这可能表示用户 可能希望使用移动设备。在具体实施方式中，一旦检测到用户触摸了移动 设备，移动设备可以从省电状态脱离并进入正常操作状态。主CPU可被 转变为通电状态，移动设备的屏幕可被打开并亮起来，并且移动设备的输 入部件(例如，前侧上的按键或触摸屏)可被自动解锁。因此，在用户将 移动设备从他的口袋中取出使用时，移动设备就准备接收用户输入并且开 始正常操作。

在具体实施方式中，在左侧、右侧、顶侧和/或底侧上的触摸传感器 的布置可允许感应用户是否在触摸移动设备的两侧(即，用户在拿起移动 设备)。因此，触摸传感器可以区分简单触摸之外的拿起移动设备。在具 体实施方式中，因此，能够检测用户已经拿起移动设备可以产生用户意图 的更加准确以及更好的指示。使用该意图，可将移动设备脱离省电状态并 进入正常操作状态。主CPU可被转变为通电状态；移动设备的屏幕可被 打开并亮起来；并且移动设备的输入部件(例如，前侧上的按键或触摸屏) 可被自动解锁。因此，在用户将移动设备从他的口袋中取出使用时，移动 设备就准备接收用户输入并且开始正常操作。然而，如以上所描述的，可 以使用单触摸估计用户的意图。

在具体实施方式中，移动设备在左侧和右侧上除了触摸传感器之外或 取代触摸传感器具有加速计。有时，用户可能将手放进存放移动设备的口 袋中并且因此即使此时用户不打算使用移动设备也会触摸移动设备。如果 移动设备还具有加速计，则由加速计提供的传感器数据还可用于估计用户 是否想要使用移动设备。当移动设备被存放在用户口袋中时，它可能随着 用户移动而移动。然而，该移动通常相对较慢。另一方面，当用户拿起移 动设备并将它拿出口袋使用时，可能相对突然增加移动设备的移动速度。 可以基于有加速计提供的传感器数据来检测移动设备的移动速度的此种 变化。在具体实施方式中，一旦检测到移动设备的移动速度明显增加，其 本身或除了检测到用户触摸到了移动设备之外，移动设备可从省电状态脱 离进入正常操作状态(例如，打开移动设备的屏幕)并且移动设备的输入 部件可被自动解锁。

在具体实施方式中，移动设备除了触摸传感器(例如，在移动设备的 左侧和右侧上的触摸传感器)之外或取代触摸传感器具有陀螺测试仪。陀 螺测试仪又名陀螺仪，是用于测量沿着一个或多个空间维度的方向的设 备。在具体实施方式中，陀螺测试仪可用于测量移动设备的方向。当移动 设备被存放在用户的口袋中时，它可能基本保持一个方向。然而，当用户 拿起移动设备并将它拿出口袋使用时，移动设备的方向可能相对突然发生 改变。可以通过陀螺测试仪检测并测量移动设备的方向。如果移动设备的 方向发生明显改变，可以是用户可能将设备拿出他的口袋的另一个指示。

在具体实施方式中，移动设备可具有光传感器。当移动设备被存放在 用户口袋中时，移动设备的周围相对较暗。另一方面，当用户将移动设备 从他的口袋中取出时，移动设备周围可能相对较亮，尤其是在白天或光线 好的区域中。可分析通过光传感器供应的传感器数据以检测在移动设备周 围发生环境光等级变化的时间。在具体实施方式中，一旦检测到移动设备 周围的环境光等级明显增加时，其本身或除了检测到包括(但不限于)检 测到用户已经触摸了移动设备或检测到移动设备的移动速度明显增加其 他特性之外，移动设备可以从省电状态脱离并进入正常操作状态并且移动 设备的输入部件可被自动解锁。

在具体实施方式中，移动设备可具有近距离传感器。可以分析由近距 离传感器供应的传感器数据以检测移动设备与目标(诸如，用户的手)靠 得很近的时间。例如，如图2中所示，移动设备200可具有放置在其后侧 上的红外线LED220(即，近距离传感器)。当用户把该移动设备拿在手中 时，用户的手掌可以覆盖红外线LED220。因此，红外线LED220可以检 测用户的手与移动设备200靠得很近的时间。在具体实施方式中，一旦检 测到移动设备与用户的手靠得很近，不管是通过其本身还是与本文所描述 的其他类型的传感器指示结合，移动设备可以从省电状态脱离进入正常操 作状态并且可以自动解锁移动设备的输入部件。

移动设备可具有各类型的许多传感器，并且这些传感器可供应不同类 型的传感器数据。单一类型的传感器数据的不同结合可用于一起检测并估 计关于用户关于移动设备的意图(例如，用户是否打算将移动设备从他的 口袋中拿出并使用它)。因此，使用多类型传感器数据的结合可以比仅使 用单一类型的传感器数据在给定时间关于移动设备产生更准确以及更好 的用户意图的估计。然而，可以并经常期望使用单一类型的传感器数据(例 如，触摸传感器数据)来估计用户的意图。此外，因为每个用户或不同地 拿起他或她的移动设备，因此全部用户和设备用于拿起动作的传感器输入 可能不一致。当用户拿起移动设备时，检测用于具有传感器值的跨越全部 用户和设备的模式可以花费成千上万个工时，并且同样在具体实施方式 中，人工神经网络可以很合适地执行该任务。

图3示出了利用来自客户移动设备的培训数据的具体实施方式的示 例性网络环境。图3描述了多个移动设备200a-200n。移动设备200a-n可 以是以上所描述的任何类型。在具体实施方式中，移动设备200a-n是移动 设备的特殊类别，诸如智能电话。在具体实施方式中，移动设备200a-n 可以是智能电话的特殊类型或模型。然而，在具体实施方式中，每个移动 设备200a-n可以是任何制造商或模型。

在具体实施方式中，每个移动设备200a-n可包括用于记录并将训练 数量305传输至集中的神经网络服务器301的应用程序。通过移动设备 200a-n收集的训练数据305可用于训练主神经网络302和副神经网络303。 在具体实施方式中，可以利用任何合适数量的神经网络。在具体实施方式 中，仅可以使用一个神经网络。本公开内容考虑了生成任何数量的输出或 函数的任何数量的神经网络。

在训练阶段期间，常驻在每个移动设备200a-n上的应用程序可以提 示用户在预定阶段时间内执行特定动作。例如，应用可以提示用户：“请 将你的手机放在平面上并且在15秒内像平常一样拿起使用。”当用户答 应时，训练应用可以从各种传感器150记录用于特定动作的传感器数据， 并且可以将传感器值传输为阵列值和状态值。例如，训练数据305使用电 容C0-Cn和传感器值S0-Sn来描述一维阵列。在具体实施方式中，通过触 摸传感器210A-C生成电容C0-Cn，触摸传感器210A-C可以是电阻的， 并且训练数据305包括通过触摸传感器210A-C测量的阻抗。训练数据305 还包括状态。例如，训练应用可以将“0”分配给表示从桌上抓起手机并 举起使用的第一状态。作为另一个示例，训练应用可将“1”分配给表示 从口袋抓起手机使用的第二状态，并且训练应用可将“2”分配给表示手 机在口袋或手包中的第三状态。在具体实施方式中，训练应用可具有表示 任何合适的动作或移动的任何数量的状态。本公开内容考虑了任何数量的 可能状态。

移动设备200a-n上的训练应用将训练数据经由因特网304传输至神 经网络服务器301。神经网络服务器301保持一个或多个神经网络；在该 示例中，包括主神经网络302和副神经网络303。神经网络302和303可 以从多个移动设备200a-n接收训练数据，并且使用机器学习算术识别与一 个或多个状态一一对应的传感器值的模式。在具体实施方式中，神经网络 302和303可以是递归神经网络。在具体实施方式中，神经网络可以是前 馈神经网络。在具体实施方式中，利用定时反向传播(BPTT)。在具体实 施方式中，利用反向传播训练。本公开内容考虑了使用任何合适的神经网 络，以及训练神经网络302和303的任何合适的方法。

主神经网络302和副神经网络303仅可利用包括在训练数据305中的 传感器值的一部分。例如，在具体实施方式中，主神经网络302仅从多个 移动设备200a-n中的一个或多个的触摸传感器210A-C中接收电容值作为 输入。在具体实施方式中，主神经网络302可以仅从一直运行的传感器或 从低功率传感器中接收传感器值。在具体实施方式中，副神经网络303可 以接收来自不同的或重叠组的传感器的输入而不是主神经网络302的传感 器。例如，副神经网络303可以接收来自加速计、陀螺测试仪、光传感器、 近距离传感器或多个移动设备200a-n的一个或多个的另一个传感器的传 感器值，该移动设备在睡眠或锁定模式期间未被激活。

主神经网络302输出可以在一组传感器值C0-Cn上执行或与一组传 感器值C0-Cn卷积的函数f0。在具体实施方式中，函数f0可被限制于移 动设备200中的低功率微控制器(诸如，控制器160)的处理能力。在具 体实施方式中，函数f0可以是一系列可节省内存或处理器资源的逻辑运 算，诸如向左移或向右移。可以使用执行数学运算的任何合适的方法。类 似地，副神经网络303输出可以在一组传感器值S0-Sn上执行或与一组传 感器值S0-Sn卷积的函数f1。在具体实施方式中，函数f1可能明显比函 数f0计算复杂，要求更高能力的浮点单元或其他处理要素。在具体实施 方式中，可能只有移动设备200的主处理器110执行函数f1。计算之后， 神经网络服务器301可将函数f0和f1通过因特网304传输至移动设备 200a-n。

在具体实施方式中，神经网络302和303在预定间隔时分别计算函数 f0和f1。在具体实施方式中，间隔可以是一周。在具体实施方式中，当训 练数据305的数量超过预定数量的样品时，神经网络302和302计算函数 f0和f1。在具体实施方式中，神经网络302和303连续计算函数f0和f1， 并且只要函数f0或f1分别由预定数量从最近传输的函数值改变，则将更 新值传输至移动设备200a-n的用户。本公开内容考虑了用于计算和将函数 f0或f1传输至移动设备200a-n的任何合适的间隔。

通过神经网络302和303生成的函数f0和f1使用接收到的训练数据 305的数量组提高准确性。在具体实施方式中，神经网络服务器301和训 练应用可以从应用程序或服务(诸如，社交网络系统)的用户获取训练数 据。在具体实施方式中，神经网络服务器301可以由具有常驻在移动设备 200a-n上的社交网络应用的社交网络系统主导。

图4示出了根据具体实施方式的用于收集培训数据的示例性方法。在 步骤400中，训练员应用提示用户在预定时间量时间内执行由一个或多个 状态表示的动作。如以上所讨论的，该动作可包括从口袋拿出手机、从屏 幕抓起手机或将手机放在口袋或手包中。在具体实施方式中，训练应用可 具有包括过渡状态的任何数量的状态。例如，训练应用可要求用户将移动 设备200放入口袋中作为第一状态，并且从口袋中拿出移动设备200以收 集数据表示第二状态。在具体实施方式中，该提示可以是可看见的或可听 见的。例如，在将移动设备200放入他或她的口袋中后，可声音提示用户 步行一定数量的脚步，使得移动设备200的传感器可以记录由“噪声”生 成的数据实例，即，例如，在不在口袋或包中使用的移动。本公开内容考 虑了任何合适数量的状态以及提示用户执行由这些状态表示的动作的任 何合适的方法。

在步骤401中，在预定时间的持续期间，训练应用记录传感器值。在 具体实施方式中，移动设备200从每个可以的传感器记录。在具体实施方 式中，移动设备200仅从可用传感器的子集记录。本公开内容考虑了从移 动设备200的多个传感器捕获传感器数据的任何合适的方法。在具体实施 方式中，训练应用考虑了不同型号的移动设备200a-n的每个触摸传感器 120A-C的位置。例如，移动设备200a可以在移动设备200b的不同位置 中具有触摸传感器。在具体实施方式中，训练应用可请求用户进入他或她 的特定移动设备的品牌和型号，使得每个传感器输出可以映射到神经网络 302和303的正确输入。在具体实施方式中，训练应用可以从移动设备本 身读取移动设备的品牌和型号；例如，从移动设备的固件或BIOS。

在步骤402中，每个移动设备200a-200n中的训练应用将传感器值和 状态传输至神经网络服务器301。在具体实施方式中，重复执行每个状态 的步骤400和401的处理，并且来自由特定状态表示的每个动作的所有训 练数据被马上聚合并传输。在具体实施方式中，处理反复执行每个状态的 步骤400-402，并且一旦捕获到训练数据305就将其传输至神经网络服务 器301。在具体实施方式中，不是每个移动设备200a-n都将参与到训练中。 例如，在不将训练数据305提供至神经网络服务器301的情况下，移动设 备200n可以接收函数f0和f1。随着越来越多的设备提交训练数据305， 函数f0和f1变得越来越准确和稳健。在具体实施方式中，移动设备200a-n 可需要训练。在具体实施方式中，不同的设备可能需要定期地执行图4中 的训练。本公开内容考虑了收集训练数据305的任何合适的方法。

图5示出了通过神经网络服务器301执行的生成函数f0和f1的示例 性方法。在步骤500中，神经网络服务器301接收来自各个移动设备200a-n 的训练数据305。在具体实施方式中，当接收的训练数据305的数量组超 过预定阈值时，神经网络服务器301可生产函数f0和f1。在具体实施方 式中，神经网络服务器301可连续生成函数f0和f1，但是仅定期地将生 成的函数传输至移动设备200a-n。本公开内容考虑了函数生成、更新和传 输的任何合适的时机。

在步骤501中，神经网络服务器301基于传感器类型使传感器值分离。 在具体实施方式中，主神经网络302和副神经网络303可利用不同的传感 器作为输入。例如，主神经网络302仅接收来自电容触摸传感器120A-C 的传感器值作为输入。因此，电容值C0-Cn和状态指示器可被提供为主神 经网络302。反之，副神经网络302仅可以从陀螺测试仪、加速计、光传 感器等接收传感器值。因此，传感器值S0-Sn和状态指示器可被提供为副 神经网络303。在具体实施方式中，在每个神经网络接收的传感器输入之 间可能基本重叠。例如，副神经网络303可以从一个或多个触摸传感器 120A-C和其他如照相机的高功率传感器、光传感器、近距离传感器等接 收传感器值。本公开内容考虑了输入至网络302和303的任何组合。

在步骤502a和502b中，特定的传感器值被传输至神经网络302和 303。在具体实施方式中，特定传感器值连同包括在训练数据305中的状 态值一起被传输。因此，主神经网络302可从触摸传感器120A-C接收电 容C0-Cn连同在传感器输入期间的设备的状态；例如，抓起设备时、设备 平放在桌上时或设备在包或口袋中时。类似地，副神经网络303可接收传 感器值(在具体实施方式中，以及C0-Cn)连同状态值。

在步骤503和504中，神经网络302和303分别生成函数f0和f1。 神经网络302和303可以是任何类型的神经网络。在具体实施方式中，神 经网络302和303可以是递归神经网络。在具体实施方式中，神经网络302 和303可以是霍普菲尔(Hopfield)网络、Jordan网络、回声状态网络、 长短记忆网络、双向网络或连续时间递归神经网络。在具体实施方式中， 神经网络302和303可以为前向馈送神经网络。在具体实施方式中，神经 网络302和303可以利用自适应线性元件(ADALINE)和多个自适应线 性元件(MADALINE)。本公开内容考虑了用于生成函数f0和f1的任何 合适的神经网络302和303。在具体实施方式中，神经网络302可以是与 神经网络303不相同的类型、训练方法或结构。在具体实施方式中，神经 网络302和303的通信复杂性受到其上将运行函数f0或f1的处理器的限 制。例如，f0可被设计为用于在低功率微控制器上执行的计算简单的函数。 相反，函数f1可被设计为更加计算复杂或由更高功率的主处理器单元执 行的加强版处理器，诸如，处理器110。

在步骤505中，神经网络服务器301将函数f0和f1传输至客户端设 备200a-200n。如以上所讨论的，神经网络服务器301可以将函数f0和f1 传输至任何移动设备200。在具体实施方式中，移动设备200不要求通过 将训练数据305传输至神经网络服务器310而加入神经网络训练中。在具 体实施方式中，神经网络服务器301可以在预定间隔传输函数f0和f1。 如以上所描述的，当函数f0或f1将预定量和以前传输的函数区分开来时， 可以输入函数f0或f1。本公开内容考虑了任何合适的传输方法或时机。

图6示出了用于使用传感器数据选择性退出锁定状态的由移动设备 200a-n执行的示例性方法。当处理开始时，例如在用户手动锁定设备之后 或在长期停滞之后，移动设备200空闲或被锁定。

在步骤601中，微控制器或传感器控制器160检测其主传感器的输入。 在具体实施方式中，主传感器是利用函数f0由主神经网络302生成的传 感器。在具体实施方式中，主传感器是触摸传感器120A-C，并且即使处 于空闲状态也被微控制器或传感器控制器160连续监控。

在步骤602中，微控制器或传感器控制器160使用由主传感器生成的 值作为输入执行函数f0。在具体实施方式中，主传感器的传感器值可以以 特殊的次序被布置在数据结构(诸如，阵列)中。例如，函数f0可要求 输入被布置为以下次序：左电容触摸传感器、后电容触摸传感器、右电容 触摸传感器。在具体实施方式中，传感器值可被表示成矢量。在具体实施 方式中，函数f0可以是在输入矢量中被每个值相乘的一组权值。在具体 实施方式中，函数f0可以简单地与传感器值的输入矢量卷积。在该实施 方式中，为了保持计算效率，卷积操作可被执行为一系列位移以及f0与 输入矢量之间的逻辑操作，允许在低级语言中执行f0，诸如汇编。

由于与输入矢量卷积，因此函数f0输出一个或多个值。在具体实施 方式中，可能只有单个输出值。在具体实施方式中，每个可能输出状态可 能是输出值，诸如，“拿起”、“桌子”或“噪声”(例如，包括设备在 口袋或包中)。在具体实施方式中，一个或多个输出值可以是不连续的。 在具体实施方式中，一个或多个输出值可以是连续的，表示移动设备200 处于一个或多个状态的可能性。本公开内容考虑了来自函数f0的任何合 适的输出值。

在步骤603中，移动设备200评估函数f0的输出以确定是否唤醒主 处理器110并且进入函数f1。该确定对应于f0的输出值指示可能是拿起 动作的确定。在具体实施方式中，该确定可基于所有输出值的平均值。在 具体实施方式中，例如，该确定可基于单输出值是否超过特殊的阈值，单 输出值对应于“拿起”动作。在具体实施方式中，该确定可基于特殊的输 出值是否低于预定的阈值，诸如，与“噪声”状态相关的值。本公开内容 考虑了基于来自函数f0的输出的任何合适的判定算法。

在步骤604中，一旦确定拿起动作与步骤603中的相似，微控制器或 传感器处理器160可以传输通知消息以唤醒移动设备200的主处理器110。 在具体实施方式中，通知消息可以是硬件终端以唤醒主处理器110。在具 体实施方式中，微控制器或传感器处理器160可具有特别设计为唤醒主处 理器110的固定电路(hardwired circuit)。本公开内容考虑了唤醒主处理 器110的任何合适的手段。

在步骤605中，移动设备200从通过函数f1使用的副传感器中获取 传感器数据。在具体实施方式中，副传感器金额包括加速计。例如，副神 经网络303可能已经生成函数f1以识别具体的加速计模式，该模式指示 已经从口袋拿出或从桌上拿起移动设备200。因此，在由微控制器首次唤 醒之后，主处理器110可以从加速计中提取传感器值。在具体实施方式中， 副传感器可包括陀螺测试仪。例如，副神经网络303可能已经生成函数f1 以识别具体的陀螺测试仪传感器值模式，该模式指示关于标志已经从口袋 中取出或从桌子上拿起移动设备200的一个或多个轴旋转。在具体实施方 式中，副传感器可包括光传感器。在具体的白天环境中，从黑暗至光亮的 转变可以标志已经从口袋中取出移动设备200。在具体实施方式中，副传 感器可包括传感器值的任何组合。在具体实施方式中，副传感器可包括来 自移动设备200的照相机子系统的值。在具体实施方式中，副传感器可包 括系统时钟；例如，函数f1可以根据当天时间来调整给出组的输入对应 于拿起的可能性。本公开内容考虑了在步骤605中从传感器的任何数量或 组合中获取数据。

在步骤606中，经由主处理器110移动设备200使用在步骤605中获 取的副传感器值作为输出来执行函数f1。如以上所讨论的，副传感器值可 被布置在阵列或矢量数据结构中。在具体实施方式中，传感器数据S0-Sn 可以以特殊的次序被布置在数据结构中。在具体实施方式中，可以通过卷 积输入矢量与函数权重来执行函数f1。本公开内容考虑了使用从副传感器 获取的值作为输入来执行函数f1的任何合适的方法。

在步骤607中，主处理器110从函数f1的输出中确定移动设备的物 理状态(或用户的意图)。如以上所讨论的，函数f1可以输出一个或多个 值，每个值都对应于移动设备200的特殊的物理状态。例如，函数f1可 输出标志可以拿起设备、平放在桌上或在口袋(“噪声”)中的值。在具 体实施方式中，每个值可以是不连续的或连续的。在具体实施方式中，该 确定可基于大于或小于预定阈值的值的总和、平均值、加权平均值或另一 个数学组合。在步骤608和610中，如果移动设备200处于“桌子”或“噪 声”状态，则移动设备返回空闲/锁定状态并且中断主处理器通电。然而， 如果移动设备200确定用户打算使用它，则移动设备200可在步骤611中 自动转换至解锁状态。

在具体实施方式中，可以认证目前操作移动设备的用户的身份。如果 当前操作移动设备的用户是移动设备的真正所有者，则移动设备可被自动 解锁。另一方面，如果不能满意地认证当前操作移动设备的用户的身份， 为了解锁并使用该移动设备，则可以提示并要求用户提供密码或PIN。

可以存在验证用户身份的各种手段。在具体实施方式中，移动设备可 具有成像传感器(例如，照相机)。随着用户将手机放置在他的面前面， 为了捕获用户的面部，照相机可以分析镜头前面目标的捕获的数字图像。 可以使用一个或多个合适的面部识别算法来分析这些图像以将用户的面 部与移动设备所有者的面部(例如，储存在与移动设备相关的文档的面部) 进行定位和比较。如果两个面部之间的相似度很高(即，匹配)，然后可 以认证当前操作移动设备的用户为该移动设备的真正所有者，并且在无需 用户明确提供密码或PIN的情况下移动设备被自动解锁。表示移动设备所 有者的面部的图像可以储存在移动设备本身上或其他地方(例如，在可以 访问移动设备的服务器上)。

在具体实施方式中，移动设备可以是社交网络系统的成员。通常，社 交网络是由诸如个体或组织的实体组成的社会结构，这些个体或组织由一 个或多个类型的相关性或关系连接，诸如友谊、血缘关系、共同爱好、金 融交易、或信仰或学识关系。最近几年，社交网络已从因特网获利。因特 网上存在以社交网站形式的社交网络系统。这种社交网站使其会员(通常 被称为网站用户)能够进行各种社交活动。例如，通过Facebook有限公 司在www.facebook.com上运营的社交网站能够使其用户通过电子邮件、 即时消息、或博客文章与其朋友通信，组织社交事件，分享照片，接收其 朋友的消息或感兴趣的事件，玩游戏等。

用户可具有社交网络系统的简历，包括与用户相关的信息(例如，个 人资料、社会关系和活动、兴趣、爱好等)。在具体实施方式中，在用户 简历中查到的信息还可用于帮助确定在给定时间关于移动设备的用户意 图或判断用户的身份。例如，基于使用社交网络系统储存的用户日历，如 果确定用户在参加一个事件(例如，会议)，然后可以将移动设备转变为 关闭屏幕以及锁定输入部件的状态。作为另一个示例，基于社交网络系统 的可以信息，可以确定在给定的时间和地点用户在和他的社会关系(例如， 朋友)在一起。如果移动设备在对于它的所有者来说是不正常的位置，但 是与此同时，所有者的几个家庭成员或朋友也在那里，则可以表明移动设 备与它的真正所有者在一起，在该情况下，可以在无需密码或PIN的情况 下解锁该设备。另一方面，如果移动设备在不正常的位置且它的所有者的 社会关系没有在那里，则需要密码或PIN来解锁该设备以保证该设备的用 户确实是它的真正所有者。

在具体实施方式中，移动设备的真正所有者可以能够指定设置并且在 不需要密码或PIN的情况下指出解锁设备的条件。例如，所有者可指定当 在设备旁边检测到他的多个社会关系(例如，朋友或家庭成员)(例如， 使用任何合适的手段，诸如，NFC、语音或人脸识别等)时，在不需要密 码或PIN的情况下可以解锁手机或者具有较低的安全阈值，反之亦然。

在具体实施方式中，使用社交网络系统更新用户的状态可以用作帮助 鉴定用户的信号。例如，用户状态更新可以指出用户确实在特定的位置， 可以用于检测用户的朋友是否在附近，或用户被朋友以签到的形式被标 记，这反过来表示用户在特定位置。

在具体实施方式中，包括在移动设备中的传感器可被用于在社交网络 系统内导航，包括通过社交网络系统提供的第三方应用程序(例如，在线 游戏)。

可在一个或多个计算机系统上实施具体实施方式。图7示出了示例性 计算机系统700。在具体实施方式中，一个或多个计算机系统700执行本 文中所描述或示出的一个或多个方法的一个或多个步骤。在具体实施方式 中，一个或多个计算机系统700提供本文中所描述或示出的函数。在具体 实施方式中，一个或多个计算机系统700上运行的软件执行本文中所描述 或示出的一个或多个方法的一个或多个步骤或者提供本文中所描述或示 出的函数。具体实施方式包括一个或多个计算机系统700的一个或多个部 分。

本公开内容考虑了任何合适数量的计算机系统700。本公开内容考虑 了采用任何合适的物理形式的计算机系统700。作为示例而非限制性方式， 计算机系统700可以是嵌入式计算机系统、片上系统(SOC)、单板计算 机系统(SBC)(诸如，计算机化模块(COM)或系统化模块(SOM))、 台式计算机系统、便携式或笔记本计算机系统、交互式自助服务机、大型 机、计算机系统网、移动设备、个人数字助理(PDA)、服务器、工具、 玩具、可穿戴物品或者以上这些的两个或多个的结合。在适当情况下，计 算机系统700可包括一个或多个计算机系统700；可以是整体式或者分布 式；可以跨多个位置；可以跨多台机器或者可以位于可包括一个或者多个 网络中的一个或者多个云部件的云中。在适当情况下，在基本没有空间或 时间限制的情况下，一个或多个计算机系统700可执行本文中所描述或示 出的一个或多个方法的一个或多个步骤。作为示例而非限制性方式，一个 或多个计算机系统700可实时地或以批量模式执行本文中所描述或示出的 一个或多个方法的一个或多个步骤。在适当情况下，一个或多个计算机系 统700可在不同时间或在不同位置执行本文中所描述或示出的一个或多个 方法的一个或多个步骤。

在具体实施方式中，计算机系统700包括处理器702、内存(memory) 704、存储器706、输入/输出(I/O)接口708、通信接口710以及总线712。 尽管本公开内容描述并且示出了在特定布置中具有特定数量的特定部件 的特定计算机系统，但是本公开内容考虑了在任何合适的布置中具有任何 合适数量的任何合适部件的任何合适的计算机系统。

在具体实施方式中，处理器702包括用于执行诸如装配计算机程序的 指令的硬件。作为示例而非限制性方式，为了执行指令，处理器702可从 内部寄存器、内部缓存、内存704或存储器706中检索(或获取)指令， 解码并且执行指令；然后将一个或多个结果写入内部寄存器、内部缓存、 内存704或存储器706。在具体实施方式中，处理器702可包括用于数据、 指令、或地址的一个或多个内部缓存。在适当情况下，本公开内容考虑了 包括任何合适数量的任何合适内部缓存的处理器702。作为示例而非限制 性方式，处理器702可包括一个或多个指令缓存、一个或多个数据缓存以 及一个或多个转译后备缓冲器(TLB)。指令缓存中的指令可以是内存704 或存储器706中的指令的副本，并且指令缓存可加速处理器702对这些指 令的检索。在数据缓存中的数据可以是在处理器702中执行操作的指令的 内存704或存储器706中的数据的副本；在处理器702中执行的后续指令 进入或用于写入内存704或存储器706的在处理器702中执行的先前的指 令的结果；或者其他合适的数据。数据缓存可加速处理器702进行的读取 或写入操作。TLB可加速处理器702的虚拟地址转译。在具体实施方式中， 处理器702可包括用于数据、指令或地址的一个或多个内部寄存器。在适 当情况下，本公开内容考虑了包括任何合适数量的任何合适的内部寄存器 的处理器702。在适当情况下，处理器702可包括一个或多个算术逻辑单 元(ALU)；可以是多核处理器；或者包括一个或多个处理器702。尽管 本公开内容描述并且示出了特定的处理器，但是本公开内容考虑了任何合 适的处理器。

在具体实施方式中，内存704包括用于存储处理器702执行指令或处 理器702运行数据的主内存。作为示例而非限制性方式，计算机系统700 可从存储器706或另一来源(诸如，另一计算机系统700)将指令加载到 内存704。然后，处理器702可从内存704将指令加载到内部寄存器或内 部缓存。为了执行指令，处理器702可从内部寄存器或内部缓存检索指令 并且对它们进行解码。在指令的执行中或之后，处理器702可将一个或多 个结果(可以是中间结果或最终结果)写入内部寄存器或内部缓存。然后， 处理器702可将这些结果中的一个或多个写入内存704。在具体实施方式 中，处理器702仅在一个或多个内部寄存器或内部缓存中或内存704中执 行指令(与存储器706或其他位置相对)，并且仅在一个或多个内部寄存 器或内部缓存中或内存704中运行数据(与存储器706或其他位置相对)。 一条或多条内存总线(其中每条均可包括地址总线和数据总线)可将处理 器702耦接至内存704。如以下所描述的，总线712可包括一条或多条内 存总线。在具体实施方式中，一个或多个内存管理单元(MMU)位于处 理器702与内存704之间并且利于由处理器702所请求的对内存704的访 问。在具体实施方式中，内存704包括随机访问存储器(RAM)。在适当 情况下，该RAM可以是易失性内存。在适当情况下，该RAM可以是动 态RAM(DRAM)或静态RAM(SRAM)。而且，在适当情况下，该RAM 可以是单端口或多端口RAM。本公开内容考虑了任何合适的RAM。在适 当情况下，内容704可包括一个或多个内存704。尽管本公开内容描述并 且示出了特定的内存，然而本公开内容考虑了任何合适的内存。

在具体实施方式中，存储器706包括用于数据或指令的大容量存储 器。作为示例而非限制性方式，存储器706可包括HDD、软盘驱动器、 闪存、光盘、磁光盘、磁带或通用串行总线(USB)驱动或这些中的两种 或多种的组合。在适当情况下，存储器706可包括可移动或非移动的(或 固定的)媒体。在适当情况下，存储器706可以在计算机系统700的内 部或外部。在具体实施方式中，存储器706是非易失性固态内存。在具体 实施方式中，存储器706包括只读存储器(ROM)。在适当情况下，ROM 可以是掩模编程ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、 电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者这 些中的两种或多种的组合。本公开内容考虑了采用任何合适的物理形式的 大容量存储器706。在适当情况下，存储器706可包括利于处理器702与 存储器706之间通信的一个或多个存储控制单元。在适当情况下，存储器 706可包括一个或多个存储器706。尽管本公开内容描述并且示出了特定 的存储器，然而本公开内容考虑了任何合适的存储器。

在具体实施方式中，I/O接口708包括提供用于计算机系统700与一 个或多个I/O设备之间通信的一个或多个接口的硬件、软件或硬件和软件。 在适当情况下，计算机系统700可包括这些I/O设备中的一个或多个。这 些I/O设备中的一个或两个能够使人与计算机系统700之间进行通信。作 为示例而非限制性方式，I/O设备可包括键盘、按键、麦克风、监控器、 鼠标、打印机、扫描仪、扬声器、静态照相机、触笔、写字板、触摸屏、 轨迹球、录像机、另一个合适的I/O设备或这些中的两种或多种的组合。 I/O设备可包括一个或多个传感器。本公开内容考虑了任何合适的I/O设 备以及和它们的任何合适的I/O接口708。在适当情况下，I/O接口708可 包括能够使处理器702驱动这些I/O设备中的一个或多个的一个或多个设 备或者软件驱动器。在适当情况下，I/O接口708可包括一个或多个I/O 接口708。尽管本公开内容描述并且示出了特定的I/O接口，然而本公开 内容考虑了任何合适的I/O接口。

在具体实施方式中，通信接口710包括提供用于计算机系统700与一 个或多个其他计算机系统700或者一个或多个网络之间通信(诸如，基于 数据包的通信)的一个或多个接口的硬件、软件或硬件和软件。作为示例 而非限制性方式，通信接口710可包括网络接口控制器(NIC)或网络适 配器，用于与以太网或其他有线网络通信；或者无线NIC(WNIC)或无 线适配器，用于与诸如WI-FI网络的无线网络通信。本公开内容考虑了任 何合适的网络及其任何合适的通信接口710。作为示例而非限制性方式， 计算机系统700可与自组织网络(ad hoc network，特定网络)、个人局域 网(PAN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、或因特 网中的一个或多个部分或者这些中的两种或多种的组合通信。这些网络中 的一个或多个的一个或多个部分可以是有线或无线的。例如，计算机系统 700可与无线PAN(WPAN)(诸如，蓝牙WPAN)、WI-FI网络、WI-MAX 网络、移动设备网络(诸如，全球移动通信系统(GSM)网络)、或其他 合适的无线网络或者这些中的两种或多种的组合通信。在适当情况下，计 算机系统700可包括用于任何这些网络的任何合适的通信接口710。在适 当情况下，通信接口710可包括一个或多个通信接口710。尽管本公开内 容描述并且示出了特定的通信接口，然而本公开内容考虑了任何合适的通 信接口。

在具体实施方式中，总线712包括将计算机系统700的部件彼此耦接 的硬件、软件或硬件和软件。作为示例而非限制性方式，总线712可包括 加速圆形端口(AGP)或其他图形总线、加强工业标准结构(EISA)总线、 前端总线(FSB)、超传输(HT)互连、工业标准结构(ISA)总线、高速 互连、低脚位数(LPC)总线、内存总线、微通道结构(MCA)总线、外 部设备互连(PCI)总线、PCI-快速(PCI-X)总线、串行高级技术附件(SATA) 总线、视频电子标准协会局部(VLB)总线、或另一个合适的总线或者这 些中的两个或多个的结合。在适当情况下，总线712可包括一条或多条总 线712。尽管本公开内容描述并且示出了特定的总线，然而本公开内容考 虑了任何合适的总线或互连。

在此，所涉及的计算机可读存储介质包括一个或者多个非易失性、有 形的计算机可读存储媒体处理结构。作为示例而非限制性的方式，在适当 情况下，计算机可读存储介质可包括基于半导体的或其他集成电路(IC) (诸如，场可编程门阵列(FPGA)或特定用途IC(ASIC))、硬盘、HDD、 混合硬盘(HHD)、光盘、光盘驱动器(ODD)、磁光盘、磁光盘驱动器、 软盘、软盘驱动器(FDD)、磁带、全息存储介质、固态驱动器(SSD)、 RAM驱动器、安全数码卡、安全数码驱动器、或另一个适合的计算机可 读存储介质或者这些中的两个或多个的结合。在此，所涉及的计算机可读 存储介质不包括不符合37U.S.C.§101中对专利保护的任何介质。在此， 所涉及的计算机可读存储介质不包括在一定程度上不符合37U.S.C. §101中对专利保护的信号传输的瞬时形式(诸如，传播电子或电磁信号 本身)。在适当情况下，计算机可读非易失性存储介质可以是易失的、非 易失的，或易失和非易失的结合。

本公开内容考虑了实施任何合适的存储器的一个或多个计算机可读 存储媒体。在具体实施方式中，在适当情况下，计算机可读存储介质实施 处理器702的一个或多个部分(诸如，一个或多个内部寄存器或缓存)、 内存704的一个或多个部分、存储器706的一个或多个部分、或这些的组 合。在具体实施方式中，计算机可读存储介质实施RAM或ROM。在具 体实施方式中，计算机可读存储介质实施易失性或非易失性内存。在具体 实施方式中，一个或多个计算机可读存储媒体将软件具体化。在此，在适 当情况下，所涉及的软件可包括一个或多个应用、字节码、一个或多个计 算机程序、一个或多个可执行程序、一个或多个指令、逻辑、机器码、一 个或多个脚本、或源代码，反之亦然。在具体实施方式中，软件包括一个 或多个应用编程接口(API)。本公开内容考虑了以任何合适编程语言或编 程语言的组合编写或表达的任何合适的软件。在具体的实施方式中，软件 表示为源代码或目标代码。在具体实施方式中，软件被表达为诸如C、Perl 或其合适扩展的高级编程语言。在具体实施方式中，软件被表达为诸如汇 编语言(或机器代码)的低级编程语言。在具体实施方式中，软件以JAVA、 C或C++表示。在具体实施方式中，软件被表达为超文本标记语言 (HTML)、可扩展标记语言(XML)或其他合适的标记语言。

在此，除非另有明确指示或通过上下文另有指示，否则“或”是包括 性的而不是排除性的。因此，在此，除非另有明确指示或上下文另有指示， 否则，“A或B”指“A、B或A和B”。而且，除非另有明确指示或上 下文另有指示，否则，“和”为两者连带。因此，在此，除非另有明确指 示或上下文另有指示，否则，“A和B”指“连带的A和B”。

本领域的普通技术人员应当理解的是，本公开内容包括对本文中的示 例性实施方式的所有改变、替换、变形、更改以及修改。而且，尽管本公 开内容描述并示出了本文中的各自的实施方式包括具体的部件、元件、功 能、操作或步骤，本领域的普通技术人员应当理解的是，但是任何这些实 施方式可包括本文中在任何地方描述或示出的任何部件、元件、功能、操 作或步骤的任何组合或排列。此外，只要该设备、系统或部件被如此调整、 布置、能够、配置、使能够、能操作或操作，不管它或该特殊功能是否被 激活、打开或解锁，在所附权利要求中参考调整为、布置为、能够、配置 为、使能够、能操作为或操作为执行包括设备、系统、部件的特殊功能的 设备或系统的设备或系统或部件。