具体实施方式

下面将结合附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

相关技术通过移动终端与车辆之间的无线通信，实现对移动终端的定位，依据移动终端的定位信息，以使得通过该移动终端对车辆进行上锁。通常，移动终端与车辆通过蓝牙建立通信连接，蓝牙频率为2.4GHZ。

然而，移动终端的蓝牙信号，会随着该移动终端不同的姿态而出现变化，例如当横屏握持该移动终端时，手部会对蓝牙天线造成遮挡，从而削弱了蓝牙信号，容易造成信号丢包，上锁失败的问题。

因此在移动终端定位过程中，对移动终端姿态的识别可以协助准确定位，使得在出现影响移动终端定位的姿态时，及时识别出来并匹配对应的信号补偿策略。

图1示出了本申请一实施例提供的移动终端姿态识别方法的流程示意图，参照图1，该移动终端姿态识别方法包括以下步骤：

步骤S1：通过所述运动传感器采集所述移动终端的运动数据。

其中，该移动终端设有运动传感器，该运动传感器为用于检测该移动终端运动的装置，该移动终端的运动可以包括移动、倾斜、摇晃、旋转或摆动中的任意一种或多种。

可选地，该运动传感器可以包括：倾斜传感器、加速传感器、旋转传感器和振动频率传感器中的任意一种或多种的组合。

步骤S2：调用移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行识别，确定所述移动终端的姿态。

该移动终端姿态识别模型是基于运动学知识结合训练样本数据集数据，用过机器学习训练得到，用于根据所采集到的移动终端的运动数据，对影响移动终端定位的姿态进行识别。

其中，该训练样本数据集可以包括会对移动终端的定位造成影响的移动终端姿态，及对应该姿态的移动终端运动数据。对应该姿态的运动数据可以是通过运动传感器采集，并经必要的特征提取得到。

其中，该运动学知识是通过算法形式，体现在该移动终端姿态识别模型中的运动学规律，该运动学规律包括牛顿第一定律、开普勒定律、万有引力等率和动能守恒定律等运动学定律。

相关技术中的移动终端姿态识别模型，仅是根据含有较多元素的训练样本数据集，训练而成，但由于该训练样本数据集中的元素毕竟有限，因此，对于相关技术，其利用该移动终端姿态识别模型，进行移动终端姿态识别的方法，误差较大。而本申请涉及的移动终端姿态识别模型，其结合了运动学知识和训练样本数据集，能够很大程度上减小因训练样本数据集元素有限而产生的识别误差。

综上所述，本实施例提供的方法，通过运动传感器采集移动终端的运动数据；调用基于运动学知识，结合训练样本数据集数据，训练得到移动终端姿态识别模型，使得该移动终端姿态识别模型，对所采集到的移动终端的运动数据进行识别，确定该移动终端的姿态，实现了结合运动学知识对移动终端的姿态进行识别的功能，有利于提高移动终端姿态识别的准确性。

但是，移动终端在不同的姿态时，其运动数据所反应的运动特征不同。例如在移动终端处于静止状态时，和移动终端处于运动状态时，其各自运动传感器采集到的运动数据差别较大。即在移动终端处于静止状态时，其对应的运动数据符合静态特征，而在移动终端处于运动状态时，其对应的运动数据不符合静态特征。

由此，在确定所述移动终端的姿态时，可以先对运动数据进行特征提取得到对应的运动特征，再根据得到的运动特征进行特征比对识别。参照图2，其示出了步骤S2一实施例的流程示意图，该步骤S2包括依次进行的步骤S21和步骤S22，其中：

步骤S21：调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的运动特征。

步骤S22：使得所述移动终端姿态识别模型，对所述运动数据的运动特征进行识别，得到对应所述运动特征的移动终端姿态。

可选地，步骤S21和步骤S22中所述的运动特征包括动静特征，该动静特征能够反应该移动终端为静止状态还是运动状态。

在运动特征包括动静特征时，上述步骤S21包括：调用该移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的动静特征。继续参照图2，上述步骤S22包括依次进行的：

步骤S221：使得所述移动终端姿态识别模型，判断所述动静特征是否符合预设静止特征。

步骤S222：当所述动静特征符合所述预设静止特征，确定所述移动终端的姿态为静止姿态，否则为运动姿态。

其中，预设静止特征被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的动静特征表示静止姿态还是运动姿态的判断标准。

通过步骤S221和步骤S222能够将移动终端姿态中的静止姿态和运动姿态区分出来，但是对于运动姿态，其包括不同的姿态幅度，不同的姿态幅度对移动终端的定位影响有所不同，因此在确定移动终端的姿态为运动姿态后，还可以根据运动姿态中的幅度特征，确定该运动姿态的运动幅度，根据该运动幅度确定该移动终端表现在幅度特征上的姿态。

为了进一步确定幅度姿态，该运动特征还包括幅度特征，步骤S21还包括：调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的幅度特征。继续参照图2，步骤S22还包括在步骤S222完成，确定该移动终端的姿态为运动姿态之后进行的：

步骤S223：使得所述移动终端姿态识别模型，判断所述幅度特征的幅值是否高于预设幅度阈值。

步骤S224：当所述幅度特征的幅值高于所述预设幅度阈值，确定所述运动姿态为摆动姿态，否则为微动姿态。

其中，该预设幅度阈值被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的幅度特征表示摆动姿态还是微动姿态的判断标准。

通过步骤S223和步骤S224，能够将移动终端姿态中，具有不同运动幅度的摆动姿态和微动姿态区分出来，但对于同一种幅度姿态，可以有不同的握持携带姿态，因此在确定移动终端的幅度姿态为摆动姿态后，还可以根据倾斜特征，确定该移动终端的倾斜程度，根据该倾斜程度确定该移动终端的握持携带姿态为横向还是纵向。

为了进一步确定具体的握持携带姿态，该运动特征还包括倾斜特征，步骤S21还包括：调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的倾斜特征。继续参照图2，步骤S22还包括在步骤S224完成，确定该移动终端的姿态为摆动姿态之后进行的：

步骤S225：使得所述移动终端姿态识别模型，判断所述倾斜特征是否符合纵向倾斜特征或横向倾斜特征。

步骤S226：当所述倾斜特征符合纵向倾斜特征，确定所述摆动姿态为纵向摆动姿态。

步骤S227：当所述倾斜特征符合横向倾斜特征，确定所述摆动姿态为横向摆动姿态。

其中，该纵向倾斜特征被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的倾斜特征是否表示姿态为纵向的判断标准。该横向倾斜特征被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的倾斜特征是否表示为横向的判断标准。

通过步骤S223和步骤S224，能够将移动终端姿态中，具有不同运动幅度的摆动姿态和微动姿态区分出来，但对于同一种幅度姿态，可以有不同的握持携带姿态，因此在确定移动终端的幅度姿态为微动姿态后，还可以根据倾斜特征，确定该移动终端的倾斜程度，根据该倾斜程度确定该移动终端的微动姿态为横向还是纵向。

为了进一步确定具体的握持携带姿态，该运动特征还包括倾斜特征，继续参照图2，步骤S22还包括在步骤S224完成，确定该移动终端的姿态为微动姿态之后进行的：

步骤S228：使得所述移动终端姿态识别模型，判断所述倾斜特征是否符合纵向倾斜特征或横向倾斜特征。

步骤S229：当所述倾斜特征符合纵向倾斜特征，确定所述微动姿态为纵向微动姿态。

步骤S2210：当所述倾斜特征符合横向倾斜特征，确定所述微动姿态为横向微动姿态。

其中，该纵向倾斜特征被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的倾斜特征是否表示为纵向的判断标准。该横向倾斜特征被提前预设在移动终端姿态识别模型中，被配置为用于判断所提取的倾斜特征是否表示为横向的判断标准。

图3示意出了本申请一实施例提供的移动终端姿态识别装置的功能配置图，该装置可以实现成为该移动终端中的一部分，该移动终端还包括运动传感器33，该装置包括：输入模块31和识别模块32。

该输入模块31被配置为获取所述运动传感器33采集所述移动终端的运动数据。

可选地，该输入模块31能够获取移动终端的动静特征数据、运动幅度特征数据或倾斜特征数据中的任意一种或多种的组合。

该识别模块32被配置为调用移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行识别，确定所述移动终端的姿态。

其中，所述移动终端姿态识别模型是基于运动学知识结合训练样本数据集数据，通过机器学习训练得到，用于根据所述运动数据对影响移动终端定位的姿态进行识别。该运动学知识是通过算法形式，体现在该移动终端姿态识别模型中的运动学规律，该运动学规律包括牛顿第一定律、开普勒定律、万有引力等率和动能守恒定律等运动学定律。

可选地，该识别模块32中提前预存有用于识别姿态的特征数据，能够将所获取移动终端的动静特征数据、运动幅度特征数据或倾斜特征数据中的任意一种或多种的组合，有预设的特征数据对应比对，以识别确定对应的运动姿态。

本实施例提供的装置，通过运动传感器采集移动终端的运动数据；调用基于运动学知识，结合训练样本数据集数据，训练得到移动终端姿态识别模型，使得该移动终端姿态识别模型，对所采集到的移动终端的运动数据进行识别，确定该移动终端的姿态，实现了结合运动学知识对移动终端的姿态进行识别的功能，有利于提高移动终端姿态识别的准确性。

但是，移动终端在不同的姿态时，其运动数据所反应的运动特征不同。例如在移动终端处于静止状态时，和移动终端处于运动状态时，其各自运动传感器采集到的运动数据较大。即在移动终端处于静止状态时，其对应的运动数据符合静态特征，而在移动终端处于运动状态时，其对应的运动数据不符合静态特征。

由此，在确定所述移动终端的姿态时，可以先对运动数据进行特征提取得到对应的运动特征，再根据得到的运动特征进行特征比对识别。参照图4，其示出了识别模块的功能配置图，该识别模块被配置为运动特征提取单元321和运动特征比对单元322，其中：

该运动特征提取单元321，被配置为调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的运动特征。

该运动特征比对单元322，被配置为通过所述移动终端姿态识别模型，将所述运动特征与预设特征进行比对识别，得到与所述运动特征对应的移动终端姿态。

可选地，参照图5，其示出了运动特征比对单元一实施例的的功能配置图，该运动特征比对单元322包括：静止特征比对单元3221；该静止特征比对单元3221被配置为：

使得所述移动终端姿态识别模型判断所述运动特征是否符合预设静止特征；

当所述运动特征符合预设静止特征，确定所述移动终端的姿态为静止姿态，否则为运动姿态。

通过静止特征比对单元能够将移动终端姿态中的静止姿态和运动姿态区分出来，但是对于运动姿态，其包括不同的姿态幅度，不同的姿态幅度对移动终端的定位影响有所不同，因此在确定移动终端的姿态为运动姿态后，还可以根据运动姿态中的幅度特征，确定该运动姿态的运动幅度，根据该运动幅度确定该移动终端表现在幅度特征上的姿态。

为了进一步确定幅度姿态，该运动特征还包括幅度特征，运动特征提取单元还包括幅度特征提取单元，该幅度特征提取单元被配置为：调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的幅度特征。

继续参照图5，该运动特征比对单元还包括幅度特征比对单元3222，该幅度特征比对单元3222被配置为：

使得所述移动终端姿态识别模型判断所述幅度特征的幅值是否高于预设幅度阈值。

当所述幅度特征的幅值高于预设幅度阈值，确定所述运动姿态为摆动姿态，否则为微动姿态。

通过该幅度特征比对单元3222，能够将移动终端姿态中，具有不同运动幅度的摆动姿态和微动姿态区分出来，但对于同一种幅度姿态，可以有不同的握持携带姿态，因此在确定移动终端的幅度姿态为摆动姿态后，还可以根据倾斜特征，确定该移动终端的倾斜程度，根据该倾斜程度确定该移动终端的握持携带姿态为横向还是纵向。

为了进一步确定具体的握持携带姿态，该运动特征还包括倾斜特征，运动特征提取单元还包括倾斜特征提取单元，该倾斜特征提取单元被配置为：调用所述移动终端姿态识别模型，使得所述移动终端姿态识别模型对所述运动数据进行特征提取，得到所述运动数据的倾斜特征。

运动特征比对单元322还包括倾斜特征比对单元3223，该倾斜特征比对单元3223被配置为：

使得所述移动终端姿态识别模型，判断所述倾斜特征是否符合纵向倾斜特征或横向倾斜特征。

当所述倾斜特征符合纵向倾斜特征，确定所述摆动姿态为纵向摆动姿态。

当所述倾斜特征符合横向倾斜特征，确定所述摆动姿态为横向摆动姿态。

该倾斜特征比对单元还被配置为：

使得所述移动终端姿态识别模型，判断所述倾斜特征是否符合纵向倾斜特征或横向倾斜特征。

当所述倾斜特征符合纵向倾斜特征，确定所述微动姿态为纵向微动姿态。

当所述倾斜特征符合横向倾斜特征，确定所述微动姿态为横向微动姿态。

通过该倾斜特征比对单元3223，能够将移动终端姿态中，具有不同运动幅度的摆动姿态和微动姿态区分出来，但对于同一种幅度姿态，可以有不同的握持携带姿态，因此在确定移动终端的幅度姿态为摆动姿态或微动姿态后，还可以根据倾斜特征，确定该移动终端的倾斜程度，根据该倾斜程度确定该移动终端的摆动姿态或微动姿态为横向还是纵向。

本申请还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令或程序，所述指令或程序由所述处理器记载并执行以实现如上所述移动终端姿态识别方法。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。