CN109597914B - 音乐推送方法、装置、车辆终端及计算机存储介质 - Google Patents

Abstract

本申请提供了一种音乐推送方法、装置、车辆终端及计算机存储介质，通过获取用户当前的空闲专注度；判断所述空闲专注度是否大于预设音乐推送专注度；若是，则获取所述用户的面部表情数据识别所述用户的情绪；判断所述用户的情绪是否满足预设推送情绪条件；若是，则向所述用户推送音乐。可以自动在合适的时间推送符合用户要求的音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

Description

音乐推送方法、装置、车辆终端及计算机存储介质

技术领域

本申请涉及车联网领域，特别是一种音乐推送方法、装置、车辆终端及计算机存储介质。

背景技术

随着科技的发展，车辆也变得越来越智能化，在车内播放音乐成为了人们生活的普遍现象。目前，主流方案是通过手机蓝牙链接到车辆终端播放手机内部歌曲，这不仅操作繁琐，且会花费用户大部分的注意力，在行驶中十分危险。

发明内容

本申请实施例提供了一种音乐推送方法、装置、终端及计算机存储介质，可以解决在车载音乐播放过程中出现危险驾驶的问题。

本申请实施例第一方面提供了一种音乐推送方法，包括：

获取用户当前的空闲专注度；

判断所述剩余专注度是否大于预设音乐推送专注度；

若是，则获取所述用户的面部表情数据识别所述用户的情绪；

判断所述用户的情绪是否满足预设推送情绪条件；

若是，则向所述用户推送音乐。

本申请实施例第二方面提供了一种音乐推送装置，包括：

专注度获取单元，用于获取用户当前的空闲专注度；

专注度判断单元，用于判断所述剩余专注度是否大于预设音乐推送专注度；

情绪识别单元，用于在所述专注度判断单元的判断结果为是的情况下，获取所述用户的面部表情数据识别所述用户的情绪；

情绪判断单元，用于判断所述用户的情绪是否满足预设推送情绪条件；

音乐推送单元，用于在所述情绪判断单元的判断结果为是的情况下，向所述用户推送音乐。

本申请实施例第三方面提供了一种车辆终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面所描述的方法。

本申请实施例第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面所描述的方法。

实施本申请实施例时，具有如下有益效果：

上述音乐推送方法、装置、车辆终端及计算机存储介质，通过获取用户的空闲专注度；判断所述剩余专注度是否大于预设音乐推送专注度；若是，则获取所述用户的面部表情数据识别所述用户的情绪；判断所述用户的情绪是否满足预设推送情绪条件；若是，则向所述用户推送音乐。可以自动在合适的时间推送符合用户要求的音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中一种音乐推送方法的流程示意图；

图2为本申请实施例中基于图1的一种音乐推送方法的流程示意图；

图3为本申请实施例中驾驶行为数据和车辆数据中参数的权重比值图；

图4为本申请实施例中预设参数标准的输出示意图；

图5为本申请实施例中基于图1的另一种音乐推送方法的流程示意图；

图6为本申请实施例中一种音乐推送装置的结构框图；

图7为本申请实施例中基于图6的一种音乐推送装置的结构框图；

图8为本申请实施例中车辆终端的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、产品或设备固有的其他步骤或单元。

车辆终端可以包括各种具有联网功能的手持终端、车载终端、可穿戴终端、计算终端或连接到无线调制解调器的其他处理终端，以及各种形式的用户装置(User Equipment，UE)，移动台(Mobile Station，MS)，终端装置(terminal device)等等。为方便描述，在本申请中，上面提到的终端统称为车辆终端。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

下面结合图1对本申请实施例中一种音乐推送方法的流程作详细说明，图1为本申请实施例中一种音乐推送方法的流程示意图，具体包括以下步骤：

步骤101，车辆终端获取用户当前的空闲专注度。

其中，上述空闲专注度表示用户在驾驶和社交之余还剩下的部分专注度，人的专注度是有限的，在同一时间段内每做一件事情就会消耗一部分专注度，举例来说，当用户在驾驶时会将大部分注意力集中在驾驶行为上，这部分驾驶所消耗的专注度可以称之为驾驶消耗脑力值，根据路段、驾驶时长等条件的不同，驾驶脑力消耗值也会随之波动；当用户在驾驶时说话时，也会消耗一部分专注度，这部分专注度可以称之为社交脑力消耗值，根据说话时长的不同，社交脑力消耗值也会随之波动；当用户的脑力值减去上述驾驶脑力消耗值和社交脑力消耗值可以得到剩余脑力值，上述剩余脑力值即等同于空闲专注度。

通过获取用户当前的空闲专注度，可以判断用户听音乐是否会对驾驶行为产生负面影响，并且将专注度量化为脑力值可以更清晰地反映用户的状态。

步骤102，车辆终端判断所述空闲专注度是否大于预设音乐推送专注度。

其中，上述预设音乐推送专注度表示用户的空闲专注度在大于该预设值时，听音乐对用户的驾驶行为不会产生负面影响，举例来说，有时用户开车到陌生的且路况不好的地段，需要谨慎前行，此时用户的注意力高度集中，根本没有多余的专注度来听音乐，此时听音乐反而会干扰到用户的正常驾驶，基于上述问题，预设音乐推送专注度可以防止在不合适的时机对用户推送音乐，提高了驾驶的安全性。

其中，上述空闲专注度大于预设音乐推送专注度时，执行步骤103。

步骤103，车辆终端获取所述用户的面部表情数据识别所述用户的情绪；

其中，通过摄像头获取到用户的面部表情数据，对上述用户的面部表情数据进行识别判断上述用户当前的情绪，如焦虑、紧张、兴奋、失落、悲伤、期待等。

步骤104，车辆终端判断所述用户的情绪是否满足预设推送情绪条件；

其中，上述预设推送情绪条件为符合音乐推送的情绪，举例来说，当用户的情绪为兴奋、失落、悲伤、期待等听音乐不影响驾驶的情绪时，执行步骤105。

通过判断所述用户的情绪是否满足预设推送情绪条件，可以自动在合适的时间推送音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

步骤105，车辆终端向所述用户推送音乐。

其中，车辆终端可以读取本地保存的音乐进行推送，也可以连接网络实现在线播放，可以通过控制车内的播放设备来自动播放音乐，通过向所述用户推送音乐，可以无需用户手动操作，避免用户耗费多余注意力，降低交通事故发生概率。

下面结合图2对本申请实施例中一种音乐推送方法的流程作详细说明，图2为本申请实施例中基于图1的一种音乐推送方法的流程示意图，具体包括以下步骤：

步骤201，车辆终端获取用户的驾驶行为数据、车辆数据和语音数据。

其中，上述驾驶行为数据可以包括加速次数、减速次数、转弯次数、变道次数、颠簸指数、路段熟悉度等参数，上述车辆数据可以包括车速、转速等参数，上述语音数据可以包括单位时间内有说话行为的时长等参数。

可选的，车辆终端可以用于控制车辆运作，可以直接获取到上述车辆数据，并且可以在车辆终端上设置多种传感器如重力传感器、声音传感器、车辆平衡仪等，通过上述传感器来获取上述用户的驾驶行为数据和语音数据。其中，车辆终端先获取到车内的声音数据，通过滤波等处理得到用户的语音数据。

步骤202，车辆终端根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值。

其中，上述驾驶脑力消耗值为用户在驾驶过程中需要耗费的专注度的数字化表示，根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值可以使用贝叶斯先验算法，先将上述用户的驾驶行为数据和车辆数据进行预先处理，上述数据的每个参数可以根据重要性对每个参数设置权重比值，上述权重比值表示上述参数对用户专注度的影响程度大小。举例来说，如图3所示，图3为本申请实施例中驾驶行为数据和车辆数据中参数的权重比值图，车速的权重比值为30％，转速的权重比值为5％，加速次数的的权重比值为10％，减速次数的权重比值为15％。转弯次数的权重比值为5％，变道次数的权重比值为5％，颠簸指数的权重比值为15％，路段熟悉度的权重比值为15％。

具体的，针对上述驾驶行为数据和车辆数据中的参数设定一个预设标准参数值，依据如下公式计算所述驾驶脑力消耗值：

X＝p1×a1+p2×a2+p3×a3+p4×a4+p5×a5+p6×a6+p7×a7+p8×a8；

其中，X为所述驾驶脑力消耗值，a1为所述车速对应的先验概率，a2为所述转速对应的先验概率，a3为所述加速次数对应的先验概率，a4为所述减速次数对应的先验概率，a5为所述转弯次数对应的先验概率，a6为所述变道次数对应的先验概率，a7为所述颠簸指数对应的先验概率，a8为所述路段熟悉度对应的先验概率；p1、p2、p3、p4、p5、p6、p7、p8之和等于1。上述先验概率为0或1，当判定结果为Y时，先验概率为1，当判定结果为N时，先验概率为0。

举例来说，如图4所示，图4为本申请实施例中预设参数标准的输出示意图，当车辆速度大于40km/h时，输出结果为Y，此时a1为1，当车辆速度小于40km/h时，输出结果为N，此时a1为0；当车辆转速大于1000r/min时，输出结果为Y，此时a2为1，当车辆转速小于1000r/min时，输出结果为N，此时a2为0；当加速次数大于1时，输出结果为Y，此时a3为1，当加速次数小于1时，输出结果为N，此时a3为0；当减速次数大于1时，输出结果为Y，此时a4为1，当减速次数小于1时，输出结果为N，此时a4为0；当转弯次数大于1时，输出结果为Y，此时a5为1，当转弯次数小于1时，输出结果为N，此时a5为0；当变道次数大于1时，输出结果为Y，此时a6为1，当变道次数小于1时，输出结果为N，此时a6为0；当颠簸指数大于10时，输出结果为Y，此时a7为1，当颠簸指数小于1时，输出结果为N，此时a7为0；当熟悉路段等于1时，输出结果为Y，此时a8为1，当熟悉路段等于0时，输出结果为N，此时a8为0。此时p1＝0.3；p2＝0.05；p3＝0.1；p4＝0.15；p5＝0.05；p6＝0.05；p6＝0.05；p7＝0.15；p8＝0.15。当上述输出结果都是Y时，代入公式：

X＝p1×1+p2×1+p3×1+p4×1+p5×1+p6×1+p7×1+p8×1＝1；

当上述输出结果都是N时，代入公式：

X＝p1×0+p2×0+p3×0+p4×0+p5×0+p6×0+p7×0+p8×0＝0。

通过根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值，可以将用户在驾驶过程中消耗的专注度数字化表示，建立预设参数标准的输出可以将上述用户的驾驶行为数据和车辆数据简化为0和1，有利于程序执行。

步骤203，车辆终端根据所述用户的语音数据生成社交脑力消耗值。

其中，上述社交脑力消耗值为用户在驾驶过程中与人交谈所消耗的专注度的数字化表示，根据上述用户的语音数据可以使用贝叶斯先验算法，具体的，依据如下公式计算所述社交脑力消耗值：

Y＝b/B；

其中，Y为上述社交脑力消耗值，b为上述单位时间内有说话行为的时长，B为单位时间总时长。举例来说，单位时间内有说话行为的时长等于单位时间总时长时，Y＝1。

通过根据所述用户的语音数据生成社交脑力消耗值，可以将用户在驾驶过程中与人交谈所消耗的专注度的数字化表示，通过单位时间内有说话行为的时长与单位时间总时长的比值来得到上述社交脑力消耗值，可以更精确地判断推送音乐的时机。

步骤204，车辆终端根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值。

其中，上述剩余脑力值为用户在驾驶和说话之余剩下的专注度的数字化表示，根据上述驾驶脑力消耗值和上述社交脑力消耗值可以使用贝叶斯先验算法，具体的，依据如下公式计算所述剩余脑力值：

N＝1-c1×X-c2×Y；

其中，N为上述剩余脑力值，X为上述驾驶脑力消耗值，Y为上述社交脑力消耗值，c1、c2为预设系数。上述预设系数c1对应驾驶脑力消耗值，为自定义的一个在0～1区间的固定值；上述c2对应社交脑力消耗值，为自定义的一个在0～1区间的固定值。举例来说，若c1等于0.6，c2等于0.4，此时N就等于1-c1×X-c2×Y，根据N的大小来判断是否满足音乐推送条件。

通过根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值，可以将用户在驾驶和说话之余剩下的专注度的数字化表示，便于判断音乐推送的时机。

步骤205，车辆终端判断所述剩余脑力值是否大于预设音乐推送脑力值。

其中，上述预设音乐推送脑力值为是否推送音乐的判断标准，当上述剩余脑力值大于上述预设音乐推送脑力值时，执行步骤106，当上述剩余脑力值小于或等于上述预设音乐推送脑力值时，执行步骤110。

举例来说，上述预设音乐推送脑力值可以设定为0.5，当N＞0.5，则执行步骤206，当N≤0.5，则执行步骤209。

通过判断所述剩余脑力值是否大于预设音乐推送脑力值，可以在合适的时机自动推送音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

步骤206，车辆终端获取所述用户的面部表情数据识别所述用户的情绪。

步骤207，车辆终端判断所述用户的情绪是否满足预设推送情绪条件。

其中，上述预设推送情绪条件为符合音乐推送的情绪，举例来说，当用户的情绪为兴奋、失落、悲伤、期待等听音乐不影响驾驶的情绪时，执行步骤208；当用户的情绪为焦虑或者紧张等听音乐可能会影响驾驶的情绪时，则执行步骤209。

通过判断所述用户的情绪是否满足预设推送情绪条件，可以自动在合适的时间推送音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

步骤208，车辆终端向所述用户推送音乐。

步骤209，车辆终端不向所述用户推送音乐。

其中，若上述剩余脑力值小于或等于预设音乐推送脑力值，则不向所述用户推送音乐；若上述用户的情绪不满足预设推送情绪条件，则不向上述用户推送音乐。通过不向所述用户推送音乐，可以防止用户在不适合听音乐的场景下受到音乐推送的干扰，避免用户耗费多余注意力，降低交通事故发生概率。

上述未详细描述的步骤，请参见图1中对应的详细描述的步骤，在此不再赘述。

下面结合图5对本申请另一种音乐推送方法的流程作详细说明，图5为本申请实施例中基于图1的另一种音乐推送方法的流程示意图，具体包括以下步骤：

步骤501，车辆终端获取用户的驾驶行为数据、车辆数据和语音数据。

步骤502，车辆终端根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值；根据所述用户的语音数据生成社交脑力消耗值；根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值。

步骤503，车辆终端判断所述剩余脑力值是否大于预设音乐推送脑力值。

若是，执行步骤504；若上述剩余脑力值小于或等于预设音乐推送脑力值，则执行步骤509。

步骤504，车辆终端获取所述用户的面部表情数据识别所述用户的情绪。

步骤505，车辆终端判断所述用户的情绪是否满足预设推送情绪条件。

若是，则执行步骤506；若上述用户的情绪不满足预设推送情绪条件，则执行步骤509。

步骤506，车辆终端获取所述用户的历史音乐播放信息，并根据所述历史音乐播放信息生成音乐爱好标签。

其中，车辆终端读取车辆播放器的历史音乐播放信息，将上述历史音乐播放信息进行处理得到用户的音乐爱好标签，上述音乐爱好标签可以为一个或多个，在此不做具体限定。

可选的，通过协同过滤(Collaborative Filtering，CF)算法选取与音乐爱好标签相似度达到预设相似度的音乐或音乐标签进行添加，尽可能每一类音乐爱好标签和相似的音乐标签都有足够多的音乐可以进行推送。

可选的，不同的车辆终端具有一个共用的音乐推送服务器，该音乐推送服务器会分别保存不同用户的音乐爱好标签，比如音乐爱好标签A对应用户1、用户2和用户3，则用户1、用户2和用户3对应音乐爱好标签A为真，标记为1，其它用户对应音乐爱好标签A为假，标记为0。如此，建立对应的特征向量数据库进行保存，如只存在7个用户，则音乐爱好标签A对应的特征向量为{1,1,1,0,0,0,0,0,0,0}，前三项用户对应值为1，其余用户对应值为0。

通过获取所述用户的历史音乐播放信息，并根据所述历史音乐播放信息生成音乐爱好标签，可以推送更符合用户喜好的音乐，通过CF算法选取与音乐爱好标签对应的音乐可以保证每一种音乐爱好标签都有足够多的音乐可以推送给用户。

步骤507，车辆终端根据所述用户的情绪将所述音乐爱好标签进行分类。

其中，每一类情绪都可以对应多种音乐爱好标签，每一种音乐爱好标签也可以对应多类情绪，在此不做具体限定。

可选的，如当前情绪为期待：则在音乐爱好标签库中选择符合期待条件的音乐爱好标签，在符合期待条件的音乐爱好标签中选择相似度最高的音乐进行推送，上述相似度可以通过CF算法进行计算，举例来说，如果是用户播放过的音乐则相似度为1，如果是添加的相似的音乐标签则相似度为添加时计算得到的相似度。

通过根据所述用户的情绪将所述音乐爱好标签进行分类，可以自动在合适的时间推送符合用户需求的音乐，不仅节省了用户自己使用手机链接车辆终端的时间，而且降低了交通事故发生概率。

步骤508，车辆终端向所述用户推送与所述用户当前情绪对应的音乐爱好标签对应的音乐。

可选的，获取用户的反馈信息。通过驾驶监控、人脸识别和声音识别，继续获取用户的驾驶行为数据、车辆数据、面部表情数据和语音数据。生成用户对这首音乐的反馈信息，来判断后续是切换推送的音乐还是暂停播放音乐。

通过向所述用户推送与所述用户当前情绪对应的音乐爱好标签对应的音乐，可以解决用户在车内的音乐需求，节省了用户自己使用手机链接车辆终端的时间，降低交通事故率，让用户找到自己真正喜欢的歌曲。

步骤509，车辆终端不向所述用户推送音乐。

上述未详细说明的步骤可以参见图1中步骤所描述的方法，在此不再赘述。

下面结合图6对本申请实施例中一种音乐推送装置600的虚拟结构作详细说明，图6为本申请实施例中一种音乐推送装置的结构框图，具体包括以下单元：

专注度获取单元610，用于获取用户当前的空闲专注度；

专注度判断单元620，用于判断所述空闲专注度是否大于预设音乐推送专注度；

情绪识别单元630，用于在所述脑力值判断单元的判断结果为是的情况下，获取所述用户的面部表情数据识别所述用户的情绪；

情绪判断单元640，用于判断所述用户的情绪是否满足预设推送情绪条件；

音乐推送单元650，用于在所述情绪判断单元的判断结果为是的情况下，向所述用户推送音乐。

本申请实施例中音乐推送装置的具体使用，可以参见本申请实施例中图1所描述步骤的方法，在此不再赘述。

下面结合图7对本申请实施例中一种音乐推送装置700的虚拟结构作详细说明，图7为本申请实施例中基于图6的一种音乐推送装置的结构框图，具体包括以下单元：

驾驶脑力消耗单元710，用于根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值；

社交脑力消耗单元720，用于根据所述用户的语音数据生成社交脑力消耗值；

剩余脑力值单元730，用于根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值；

脑力值判断单元740，用于判断所述剩余脑力值是否大于预设音乐推送脑力值；

情绪识别单元750，用于在所述脑力值判断单元的判断结果为是的情况下，获取所述用户的面部表情数据识别所述用户的情绪；

情绪判断单元760，用于判断所述用户的情绪是否满足预设推送情绪条件；

音乐推送单元770，用于在所述情绪判断单元的判断结果为是的情况下，向所述用户推送音乐。

本申请实施例中，驾驶脑力消耗单元710用于根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值，具体为：

依据如下公式计算所述驾驶脑力消耗值：

X＝p1×a1+p2×a2+p3×a3+p4×a4+p5×a5+p6×a6+p7×a7+p8×a8；

其中，X为所述驾驶脑力消耗值，a1为所述车速对应的先验概率，a2为所述转速对应的先验概率，a3为所述加速次数对应的先验概率，a4为所述减速次数对应的先验概率，a5为所述转弯次数对应的先验概率，a6为所述变道次数对应的先验概率，a7为所述颠簸指数对应的先验概率，a8为所述路段熟悉度对应的先验概率；p1、p2、p3、p4、p5、p6、p7、p8之和等于1。

本申请实施例中，社交脑力消耗单元520用于根据所述用户的语音数据生成社交脑力消耗值，具体为：

依据如下公式计算所述社交脑力消耗值：

Y＝b/B；

其中，Y为所述社交脑力消耗值，b为所述单位时间内有说话行为的时长，B为单位时间总时长。

本申请实施例中，剩余脑力值单元730用于根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值，具体为：

依据如下公式计算所述剩余脑力值：

N＝1-c1×X-c2×Y；

其中，N为所述剩余脑力值，X为所述驾驶脑力消耗值，Y为所述社交脑力消耗值，c1、c2为预设系数。

本申请实施例中，音乐推送单元770还用于：

若所述剩余脑力值小于或等于预设音乐推送脑力值，则不向所述用户推送音乐；若所述用户的情绪不满足预设推送情绪条件，则不向所述用户推送音乐。

本申请实施例中，还包括音乐爱好标签单元780，用于获取所述用户的历史音乐播放信息；根据所述历史音乐播放信息生成音乐爱好标签；根据所述用户的情绪将所述音乐爱好标签进行分类；

音乐推送单元770还用于向所述用户推送与所述用户当前情绪对应的音乐爱好标签对应的音乐。

进一步的，音乐爱好标签单元780还用于添加与所述音乐爱好标签相似的音乐标签；根据所述用户的情绪将所述相似的音乐爱好标签进行分类。

下面结合图8对本申请实施例中的车辆终端的结构作详细说明，图6为本申请实施例中车辆终端的结构示意图。

如图8所示，该车辆诊断设备800包括处理器801、通信接口802、输入设备803、输出设备804和存储器805，其中，设备800还可以包括总线806。处理器801、通信接口802、输入设备803、输出设备804和存储器802可以通过总线806相互连接，总线806可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。总线806可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。所述存储器803用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述图1和/或图2和/或图5中所描述的全部或部分方法。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行图1和/或图2和/或图5中的全部或部分方法步骤。

上述计算机可读存储介质可以是前述任一实施例上述的服务器的内部存储单元，例如服务器的硬盘或内存。上述计算机可读存储介质也可以是上述服务器的外部存储设备，例如上述服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，上述计算机可读存储介质还可以既包括上述服务器的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述服务器所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的服务器和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的服务器和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、终端或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

Claims (8)

1.一种音乐推送方法，应用于车辆终端，所述方法包括：

获取用户当前的空闲专注度；

判断所述空闲专注度是否大于预设音乐推送专注度；

若是，则获取所述用户的面部表情数据识别所述用户的情绪；

判断所述用户的情绪是否满足预设推送情绪条件；

若是，则向所述用户推送音乐；

其中，所述空闲专注度包括剩余脑力值，所述获取用户当前的空闲专注度，包括：根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值，根据所述用户的语音数据生成社交脑力消耗值，根据所述驾驶脑力消耗值和所述社交脑力消耗值得到所述剩余脑力值；

在所述判断所述空闲专注度是否大于预设音乐推送专注度之后，所述方法还包括：

若所述空闲专注度小于或等于预设音乐推送专注度，则不向所述用户推送音乐；

在所述判断所述用户的情绪是否满足预设推送情绪条件之后，所述方法还包括：

若所述用户的情绪不满足预设推送情绪条件，则不向所述用户推送音乐。

2.根据权利要求1所述的方法，其特征在于，所述驾驶行为数据包括加速次数、减速次数、转弯次数、变道次数、颠簸指数、路段熟悉度，所述车辆数据包括车速、转速，所述根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值，包括：

依据如下公式计算所述驾驶脑力消耗值：

X=p1×a1+p2×a2+p3×a3+p4×a4+p5×a5+p6×a6+p7×a7+p8×a8；

其中，X为所述驾驶脑力消耗值，a1为所述车速对应的先验概率，a2为所述转速对应的先验概率，a3为所述加速次数对应的先验概率，a4为所述减速次数对应的先验概率，a5为所述转弯次数对应的先验概率，a6为所述变道次数对应的先验概率，a7为所述颠簸指数对应的先验概率，a8为所述路段熟悉度对应的先验概率；p1、p2、p3、p4、p5、p6、p7、p8之和等于1。

3.根据权利要求2所述的方法，其特征在于，所述用户的语音数据包括单位时间内有说话行为的时长，所述根据所述用户的语音数据生成社交脑力消耗值，包括：

依据如下公式计算所述社交脑力消耗值：

Y=b/B；

其中，Y为所述社交脑力消耗值，b为所述单位时间内有说话行为的时长，B为单位时间总时长。

4.根据权利要求3所述的方法，其特征在于，所述根据所述驾驶脑力消耗值和所述社交脑力消耗值得到剩余脑力值，包括：

依据如下公式计算所述剩余脑力值：

N=1-c1×X-c2×Y；

其中，N为所述剩余脑力值，X为所述驾驶脑力消耗值，Y为所述社交脑力消耗值，c1、c2为预设系数。

5.根据权利要求1~4中任一项所述的方法，其特征在于，所述向所述用户推送音乐之前，所述方法还包括：

获取所述用户的历史音乐播放信息；

根据所述历史音乐播放信息生成音乐爱好标签；

根据所述用户的情绪将所述音乐爱好标签进行分类；

所述向所述用户推送音乐，包括：

向所述用户推送与所述用户当前情绪对应的音乐爱好标签对应的音乐。

6.一种音乐推送装置，其特征在于，所述装置包括：

专注度获取单元，用于获取用户当前的空闲专注度；

专注度判断单元，用于判断所述空闲专注度是否大于预设音乐推送专注度；

情绪识别单元，用于在所述专注度判断单元的判断结果为是的情况下，获取所述用户的面部表情数据识别所述用户的情绪；

情绪判断单元，用于判断所述用户的情绪是否满足预设推送情绪条件；

音乐推送单元，用于在所述情绪判断单元的判断结果为是的情况下，向所述用户推送音乐；

所述空闲专注度包括剩余脑力值，所述专注度获取单元，具体用于根据用户的驾驶行为数据和车辆数据生成驾驶脑力消耗值，根据所述用户的语音数据生成社交脑力消耗值，根据所述驾驶脑力消耗值和所述社交脑力消耗值得到所述剩余脑力值；

所述音乐推送单元，还用于若所述空闲专注度小于或等于预设音乐推送专注度，则不向所述用户推送音乐；若所述用户的情绪不满足预设推送情绪条件，则不向所述用户推送音乐。

7.一种车辆终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1~5任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1~5任一项所述的方法。

Images