[发明专利]具有触摸屏的电子设备及其触摸解锁方法

权利要求书

1.一种具有触摸屏的电子设备，其特征在于，包括：

训练模块，包括：

训练数据单元，用于获取电子设备的显示屏的训练用触摸数据，所述训练用触摸数据包括触摸位置和每个触摸位置对应的时间值；

数据结构化单元，用于将所述训练用触摸数据转化为带有标签的初始数值矩阵，其中，所述初始数据矩阵中特征值为1的位置表示该位置为触摸位置，特征值为0的位置表示该位置为未触摸位置，所述标签为触摸位置对应的时间值；

训练特征图生成单元，用于将所述初始数值矩阵输入卷积神经网络以获得带标签的训练特征图，所述训练特征图的尺寸表示为宽度维度*高度维度*通道维度；

隐向量挖掘单元，用于对所述训练特征图在宽度维度*高度维度上进行全局池化处理，以获得所述训练特征图的隐向量；

第一交叉熵值计算单元，用于将所述训练特征图中与所述初始数据矩阵中具有标签值的位置对应的位置的沿通道的向量设定为该位置的法向量并计算该位置的所述法向量中各个位置的特征值与所述标签值之间的交叉熵值，并将所有位置的交叉熵值进行加权平均以获得第一交叉熵值；

第二交叉熵值计算单元，用于分别计算所述训练特征图中的法向量与所述隐向量之间的交叉熵值，并将所述法向量与所述隐向量之间的交叉熵值进行加权平均以获得第二交叉熵值；

交叉熵值损失函数计算单元，用于计算所述第一交叉熵值和所述第二交叉熵值的加权和以获得交叉熵损失函数值；

分类损失函数值计算单元，用于将所述带标签的训练特征图通过分类器以获得分类损失函数值；及

参数更新单元，用于基于所述分类损失函数值和所述交叉熵损失函数值，更新所述卷积神经网络的参数；及

预测模块：

触摸操作单元，用于获取用户施加于电子设备的显示屏的触摸操作的触摸数据，所述触摸数据包括触摸位置和在触摸位置的时间值；

分类特征图生成单元，用于将所述触摸操作的触摸数据转化为带有标签的数值矩阵后通过经训练模块训练完成的所述卷积神经网络以获得带有标签的分类特征图；以及

解锁预测单元，用于将所述带有标签的分类特征图通过分类器以获得分类结果，其中，所述分类结果为基于检测到的触摸操作是否执行屏幕的解锁操作。

2.根据权利要求1所述的具有触摸屏的电子设备，其中，所述隐向量挖掘单元，进一步用于对所述训练特征图在宽度维度*高度维度上进行全局最大值池化处理，以获得所述训练特征图的隐向量。

3.根据权利要求1所述的具有触摸屏的电子设备，其中，所述隐向量挖掘单元，进一步用于对所述训练特征图在宽度维度*高度维度上进行全局平均值池化处理，以获得所述训练特征图的隐向量。

4.根据权利要求1所述的具有触摸屏的电子设备，其中，所述第一交叉熵值和所述第二交叉熵值的权重作为超参数参与训练。

5.根据权利要求1所述的具有触摸屏的电子设备，其中，所述分类损失函数值计算单元，进一步用于：以如下公式计算所述带标签的训练特征图归属于分类标签的概率值以获得分类结果，所述分类结果用于表示是否执行解锁操作，其中，所述公式为：P＝exp(Li*xi)/∑_iexp(Li*xi)，Li为所述训练特征图中每个位置的标签值，且xi为所述训练特征图中每个位置的特征值；以及，计算所述分类结果与真实值之间的损失函数值以获得所述分类损失函数值。

6.根据权利要求1所述的具有触摸屏的电子设备，其中，所述参数更新单元，进一步用于：先以所述分类损失函数值更新所述卷积神经网络的参数；以及，后以所述交叉熵损失函数值更新所述卷积神经网络的参数。

7.根据权利要求1所述的具有触摸屏的电子设备，其中，所述卷积神经网络为深度残差网络。

8.一种电子设备的触摸解锁方法，其特征在于，包括：

训练阶段，包括：

获取电子设备的显示屏的训练用触摸数据，所述训练用触摸数据包括触摸位置和每个触摸位置对应的时间值；

将所述训练用触摸数据转化为带有标签的初始数值矩阵，其中，所述初始数据矩阵中特征值为1的位置表示该位置为触摸位置，特征值为0的位置表示该位置为未触摸位置，所述标签为触摸位置对应的时间值；

将所述初始数值矩阵输入卷积神经网络以获得带标签的训练特征图，所述训练特征图的尺寸表示为宽度维度*高度维度*通道维度；

对所述训练特征图在宽度维度*高度维度上进行全局池化处理，以获得所述训练特征图的隐向量；

将所述训练特征图中与所述初始数据矩阵中具有标签值的位置对应的位置的沿通道的向量设定为该位置的法向量并计算该位置的所述法向量中各个位置的特征值与所述标签值之间的交叉熵值，并将所有位置的交叉熵值进行加权平均以获得第一交叉熵值；

分别计算所述训练特征图中的法向量与所述隐向量之间的交叉熵值，并将所述法向量与所述隐向量之间的交叉熵值进行加权平均以获得第二交叉熵值；

计算所述第一交叉熵值和所述第二交叉熵值的加权和以获得交叉熵损失函数值；

将所述带标签的训练特征图通过分类器以获得分类损失函数值；及

基于所述分类损失函数值和所述交叉熵损失函数值，更新所述卷积神经网络的参数；及

预测阶段：

获取用户施加于电子设备的显示屏的触摸操作的触摸数据，所述触摸数据包括触摸位置和在触摸位置的时间值；

将所述触摸操作的触摸数据转化为带有标签的数值矩阵后通过经训练模块训练完成的所述卷积神经网络以获得带有标签的分类特征图；以及

将所述带有标签的分类特征图通过分类器以获得分类结果，其中，所述分类结果为基于检测到的触摸操作是否执行屏幕的解锁操作。