CN109910819A - 一种车内环境设置方法、装置、可读存储介质及终端设备 - Google Patents
一种车内环境设置方法、装置、可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN109910819A CN109910819A CN201910186620.1A CN201910186620A CN109910819A CN 109910819 A CN109910819 A CN 109910819A CN 201910186620 A CN201910186620 A CN 201910186620A CN 109910819 A CN109910819 A CN 109910819A
- Authority
- CN
- China
- Prior art keywords
- driver
- subenvironment
- value
- setting
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于计算机技术领域，尤其涉及一种车内环境设置方法、装置、计算机可读存储介质及终端设备。所述方法通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像；根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置。
Description
技术领域
本发明属于计算机技术领域，尤其涉及一种车内环境设置方法、装置、计算机可读存储介质及终端设备。
背景技术
现有技术中，一般需要驾驶员手动对车内环境进行各种设置，这些设置包括但不限于空调温度、座椅位置、座椅高度、座椅倾斜角度、后视镜角度、车窗开启状态、播放音乐类型等等。若车辆一直由固定的驾驶员驾驶，则所需设置的工作量一般较小，但是，在存在多个不同驾驶员的情况下，每次更换驾驶员时都需要耗费驾驶员大量的时间进行重新设置，体验极差。
发明内容
有鉴于此，本发明实施例提供了一种车内环境设置方法、装置、计算机可读存储介质及终端设备，以解决在更换驾驶员时需要耗费驾驶员大量的时间对车内环境进行重新设置，体验极差的问题。
本发明实施例的第一方面提供了一种车内环境设置方法，可以包括：
通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
本发明实施例的第二方面提供了一种车内环境设置装置，可以包括：
人脸图像采集模块，用于通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
身份信息确定模块，用于将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
设置信息查询模块，用于根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
第一环境设置模块，用于从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：
通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
本发明实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例预先提供了设置信息关系表，在所述设置信息关系表中记录了各个历史驾驶员与车内环境设置信息之间的对应关系，且该对应关系是根据历史数据统计得到的，可以准确的反映各个历史驾驶员对车内环境的设置习惯。在车辆使用过程中，可以首先通过设置在车辆内的摄像头采集当前驾驶员的人脸图像，然后将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，最后根据所述身份信息在所述设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置。通过本发明实施例，可以根据驾驶员的设置习惯自动对车内环境进行设置，大大节省了驾驶员的时间消耗，获得了极佳的用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种车内环境设置方法的一个实施例流程图；
图2为设置信息关系表的设置过程的示意流程图；
图3为本发明实施例中一种车内环境设置装置的一个实施例结构图；
图4为本发明实施例中一种终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中一种车内环境设置方法的一个实施例可以包括：
步骤S101、通过设置在车辆内的摄像头采集当前驾驶员的人脸图像。
本实施例中的摄像头可以位于车辆驾驶位的前方，镜头朝向驾驶位从而便于采集驾驶员的人脸图像。
为了保证可以采集到完整的人脸图像，摄像头的角度可以根据实际情况进行自动调节。一般地，可以以眼睛在图像中的位置作为参照，预先设置眼睛在图像中所应处于的高度范围，当采集到一张人脸图像后，判定眼睛是否处于该高度范围内，若处于该高度范围内，则保持摄像头当前的角度，不再进行设置，若眼睛高于该高度范围，则控制摄像头逐步向下转动，直至采集到符合要求的人脸图像为止，若眼睛低于该高度范围，则控制摄像头逐步向上转动，直至采集到符合要求的人脸图像为止。
人脸图像采集的触发时间点是在判定驾驶员在驾驶位上就位之时，具体的判定过程包括：
首先，对所述车辆的车门状态进行检测。
在本实施例的一种具体实现中，可以通过端口电平高低来检测车门状态。在车门一端的内部放置磁性物体，车门另一端对应的位置放置磁控开关，磁控开关一端接地，另一端通过预设的电阻上拉到一个预设的电平值，并连接到检测端口，当车门打开时，磁性物体离开磁控开关，磁控开关失去磁力，将开关释放，此时检测端口的电平通过该电阻被上拉到该电平值，呈现出高电平；当车门关闭时，磁性物体靠近磁控开关，磁控开关吸合，将检测端口电平下拉到地，呈现低电平，即通过判断检测端口的电平高低，可以检测车门的开闭状态。
在本实施例的另一种具体实现中，可以通过距离传感器来检测车门状态。在车门的两端均设置一个微型的距离传感器，使用该距离传感器来测量车门两端之间的距离，当两者的距离小于预设的距离阈值时，则认为车门为闭合状态，若两者的距离大于等于该距离阈值，则认为车门为开启状态。所述距离阈值可以根据实际情况进行设置，例如，可以将其设置为0.2厘米、0.5厘米、1厘米或者其它取值。
若所述车辆的车门状态由开启状态变为了关闭状态，则通过设置在驾驶位内的重量传感器获取所述驾驶位上的重量。若所述驾驶位上的重量小于预设的重量阈值，则判定此时驾驶位为空，此时无需进行任何操作，若所述驾驶位上的重量大于所述重量阈值，则判定此时驾驶员已就位，此时可以执行所述设置在车辆内的摄像头采集当前驾驶员的人脸图像的步骤。所述重量阈值可以根据实际情况进行设置，例如，可以将其设置为30千克、40千克、50千克或者其它取值。
步骤S102、将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息。
所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员。为了便于管理，每个历史驾驶员均有唯一的驾驶员标识(ID)作为其身份信息来进行区分。
当摄像头采集到当前驾驶员的人脸图像后，将其与人脸图像库中各个人脸图像进行匹配。具体地，可以通过局部二值模式(Local Binary Patterns，LBP)算法来进行人脸匹配，构造一种衡量一个脸部像素点与其周围像素点的关系，对人脸图像中的每个像素，通过计算以其为中心的邻域内各像素和中心像素的大小关系，把像素的灰度值转化为一个八位二进制序列。以中心点的像素值为阈值，如果邻域点的像素值小于中心点，则邻域点被二值化为0，否则为1；将二值化得到的0、1序列看成一个8位二进制数，将该二进制数转化为十进制就可得到中心点处的LBP值。计算出每个脸部像素点的LBP值后，将LBP特征谱的统计直方图确定为人脸的特征向量。由于利用了周围点与该点的关系对该点进行量化。量化后可以更有效地消除光照对图像的影响。只要光照的变化不足以改变两个点像素值之间的大小关系，那么LBP值不会发生变化，即保证了脸部特征信息提取的准确性，在获得了两个待匹配的人脸图像的脸部特征信息后，即可以通过直方图交叉核方法(Histogram intersection)或者卡方统计方法(Chi square statistic)计算两者的匹配度。若当前驾驶员的人脸图像与该人脸图像库中的某一人脸图像之间的匹配度大于预设的匹配度阈值，则判定两者匹配成功，确定出当前驾驶员的身份信息。所述匹配度阈值可以根据实际情况进行设置，例如，可以将其设置为85％、90％、95％或者其它取值。
步骤S103、根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息。
所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系。
下表所示即为所述设置信息关系表的一个具体实例：
所述车内环境设置信息包括对于所述车辆的各项子环境的设置值，每个设置值均对应与所述车辆的一项子环境。这些子环境包括但不限于空调温度、座椅位置、座椅高度、座椅倾斜角度、后视镜角度、车窗开启状态、播放音乐类型等等，其中座椅位置表示座椅相对于汽车前控制面板(仪表盘)的距离或者相对于离合器或刹车踏板的距离，座椅高度表示座椅相对于车身底板的位置，座椅倾斜角度表示座椅俯仰适于背靠的姿态角度，后视镜角度包括水平转角和垂直转角等等。
每个驾驶员对应的车内环境设置信息可以由该驾驶员根据自己的实际使用习惯预先进行设置，也可以由车载智能终端设备(即本实施例的实施主体)根据驾驶员的历史使用习惯智能进行设置。
在初始状态下，驾驶员对应的车内环境设置信息为空，每次该驾驶员对车内环境进行设置时，车载智能终端设备会记录下此次该驾驶员的具体设置信息。经过一段时间后，车载智能终端设备已经积累了大量的驾驶员使用记录，则可以根据这些记录统计出驾驶员的使用习惯。
例如，在一个月的统计时段内，某驾驶员共对座椅倾斜角度进行了50次设置，其中，1次设置的是后仰10度，45次设置的是后仰5度，3次设置的是0度(垂直)，2次设置的是前倾2度，则可以将与该驾驶员对应的座椅倾斜角度设置为后仰5度，并添加入所述设置信息关系表中，其它各项的设置过程与之类似，此处不再赘述。
如图2所示，所述设置信息关系表的设置过程具体可以包括：
步骤S1031、从预设的数据库中获取在预设的统计时段内第d个历史驾驶员历次对所述车辆的各项子环境的设置记录。
其中，1≤d≤DN，DN为历史驾驶员的总数目。所述统计时段可以根据实际情况进行设置，例如，可以将其设置为一周、两周、一个月或者其它取值。
步骤S1032、将所述统计时段划分为T个子时段。
其中，T为正整数。T的取值可以根据实际情况设置，例如，可以将其设置为5、10、20或者其它取值。需要注意地是，T取值越大，则计算量也越大，但计算精度越高；T取值越小，则计算量也越大，但计算精度越低，需要根据具体情况对这两者进行权衡。
步骤S1033、分别计算各项子环境的各个候选取值对于第d个历史驾驶员的优选指数。
在本实施例中，可以根据下式分别计算各项子环境的各个候选取值对于第d个历史驾驶员的优选指数：
其中，s为各个子环境的序号，1≤s≤SubEnvNum，SubEnvNum为子环境的总数目，t为各个子时段的序号，1≤t≤T，n为各个候选取值的序号，1≤n≤Ns，Ns为第s个子环境的候选取值的总数目，m为各个候选取值被使用的次数序号，1≤m≤Ms,n,t，Ms,n,t为第s个子环境的第n个候选取值在第t个子时段被使用的总次数，SettingTimes,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被使用的时长，Weightt为预设的权重系数，且Weightt<Weightt+1，即越靠后的子时间段权重系数越大，这是因为与当前时刻越接近的数据，其参考意义越大，而与当前时刻越久远的数据，其参考意义越小，例如，本周记录的数据显然要比几个月前的数据更能反映驾驶员当前的使用习惯，PriIdxs,n为第s个子环境的第n个候选取值对于第d个历史驾驶员的优选指数。
步骤S1034、确定与第d个历史驾驶员对应的各项子环境的设置值。
在本实施例中，可以根据下式确定与第d个历史驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，SetVals为与第d个历史驾驶员对应的第s个子环境的设置值在各个候选取值中的序号。
通过如图2所示的过程，依次分别确定出与各个历史驾驶员对应的车内环境设置信息，并构造出所述设置信息关系表。
步骤S104、从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置。
需要注意的是，以上过程针对的都是有历史记录的驾驶员，若所述当前驾驶员的人脸图像与所述人脸图像库中各个人脸图像均不匹配，则说明所述当前驾驶员是一个新的驾驶员，其人脸图像并未存储在所述人脸图像库中。在这种情况下，所述当前驾驶员并无任何历史记录，无法根据所述设置信息关系表进行车内环境的设置。
针对这种情况，本实施例中通过以下方式进行车内环境的设置：
首先，采集所述当前驾驶员的各项体征数据，并从所述数据库中获取各个历史驾驶员的各项体征数据。
这些体征数据包括但不限于身高、体重等等。在本实施例中，所述当前驾驶员的体重数据可以通过所述重量传感器采集得到，所述当前驾驶员的身高数据可以通过所述摄像头在垂直方向上的角度换算得到，例如，摄像头上仰的角度越大，则所述当前驾驶员的身高就越高，两者呈现正相关的关系，根据大量样本的统计即可确定出两者之间的对应关系。
然后，根据下式计算各个历史驾驶员对所述当前驾驶员的影响系数：
其中，p为各项体征数据的序号，1≤p≤PN，PN为体征数据的总项数，CurPhyp为当前驾驶员的第p项体征数据，HsPhyd,p为第d个历史驾驶员的第p项体征数据，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数。该影响系数与体征数据的接近程度正相关，即若某一驾驶员与当前驾驶员的体征数据越接近，则其影响系数越高，反之，即若某一驾驶员与当前驾驶员的体征数据差别越大，则其影响系数越低。
在计算得到各个历史驾驶员对所述当前驾驶员的影响系数之后，即可根据下式分别计算各项子环境的各个候选取值对于所述当前驾驶员的优选指数：
其中，m为各个候选取值被使用的次数序号，1≤m≤Md,s,n,t，Md,s,n,t为第s个子环境的第n个候选取值在第t个子时段被第d个历史驾驶员使用的总次数，SettingTimed,s,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被第d个历史驾驶员使用的时长，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数，CurPriIdxs,n为第s个子环境的第n个候选取值对于所述当前驾驶员的优选指数。
再根据下式确定与所述当前驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，CurSetVals为与所述当前驾驶员对应的第s个子环境的设置值在各个候选取值中的序号。
最后，按照各个设置值分别对所述车辆的各项子环境进行设置。
即对于新的驾驶员，可以根据其他的历史驾驶员的设置习惯来对其可能的设置习惯进行预测，并按照该预测结果对车内环境进行设置。
综上所述，本发明实施例预先提供了设置信息关系表，在所述设置信息关系表中记录了各个历史驾驶员与车内环境设置信息之间的对应关系，且该对应关系是根据历史数据统计得到的，可以准确的反映各个历史驾驶员对车内环境的设置习惯。在车辆使用过程中，可以首先通过设置在车辆内的摄像头采集当前驾驶员的人脸图像，然后将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，最后根据所述身份信息在所述设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置。通过本发明实施例，可以根据驾驶员的设置习惯自动对车内环境进行设置，大大节省了驾驶员的时间消耗，获得了极佳的用户体验。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种车内环境设置方法，图3示出了本发明实施例提供的一种车内环境设置装置的一个实施例结构图。
本实施例中，一种车内环境设置装置可以包括：
人脸图像采集模块301，用于通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
身份信息确定模块302，用于将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
设置信息查询模块303，用于根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
第一环境设置模块304，用于从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
进一步地，所述车内环境设置装置还可以包括：
设置记录获取模块，用于从预设的数据库中获取在预设的统计时段内第d个历史驾驶员历次对所述车辆的各项子环境的设置记录，1≤d≤DN，DN为历史驾驶员的总数目；
子时段划分模块，用于将所述统计时段划分为T个子时段，T为正整数；
第一优选指数计算模块，用于根据下式分别计算各项子环境的各个候选取值对于第d个历史驾驶员的优选指数：
其中，s为各个子环境的序号，1≤s≤SubEnvNum，SubEnvNum为子环境的总数目，t为各个子时段的序号，1≤t≤T，n为各个候选取值的序号，1≤n≤Ns，Ns为第s个子环境的候选取值的总数目，m为各个候选取值被使用的次数序号，1≤m≤Ms,n,t，Ms,n,t为第s个子环境的第n个候选取值在第t个子时段被使用的总次数，SettingTimes,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被使用的时长，Weightt为预设的权重系数，且Weightt<Weightt+1，PriIdxs,n为第s个子环境的第n个候选取值对于第d个历史驾驶员的优选指数；
第一设置值确定模块，用于根据下式确定与第d个历史驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，SetVals为与第d个历史驾驶员对应的第s个子环境的设置值在各个候选取值中的序号。
进一步地，所述车内环境设置装置还可以包括：
第二优选指数计算模块，用于若所述当前驾驶员的人脸图像与所述人脸图像库中各个人脸图像均不匹配，则根据下式分别计算各项子环境的各个候选取值对于所述当前驾驶员的优选指数：
其中，m为各个候选取值被使用的次数序号，1≤m≤Md,s,n,t，Md,s,n,t为第s个子环境的第n个候选取值在第t个子时段被第d个历史驾驶员使用的总次数，SettingTimed,s,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被第d个历史驾驶员使用的时长，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数，CurPriIdxs,n为第s个子环境的第n个候选取值对于所述当前驾驶员的优选指数；
第二设置值确定模块，用于根据下式确定与所述当前驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，CurSetVals为与所述当前驾驶员对应的第s个子环境的设置值在各个候选取值中的序号；
第二环境设置模块，用于按照各个设置值分别对所述车辆的各项子环境进行设置。
进一步地，所述车内环境设置装置还可以包括：
特征数据采集模块，用于采集所述当前驾驶员的各项体征数据，并从所述数据库中获取各个历史驾驶员的各项体征数据；
影响系数计算模块，用于根据下式计算各个历史驾驶员对所述当前驾驶员的影响系数：
其中，p为各项体征数据的序号，1≤p≤PN，PN为体征数据的总项数，CurPhyp为当前驾驶员的第p项体征数据，HsPhyd,p为第d个历史驾驶员的第p项体征数据，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数。
进一步地，所述车内环境设置装置还可以包括：
车门状态检测模块，用于对所述车辆的车门状态进行检测；
重量检测模块，用于若所述车辆的车门状态由开启状态变为了关闭状态，则通过设置在驾驶位内的重量传感器获取所述驾驶位上的重量。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块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或记载的部分，可以参见其它实施例的相关描述。
图4示出了本发明实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
在本实施例中，所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备4可包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机可读指令42，例如执行上述的车内环境设置方法的计算机可读指令。所述处理器40执行所述计算机可读指令42时实现上述各个车内环境设置方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器40执行所述计算机可读指令42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至304的功能。
示例性的，所述计算机可读指令42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机可读指令42在所述终端设备4中的执行过程。
所述处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4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，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机可读指令以及所述终端设备4所需的其它指令和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
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。
所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，包括若干计算机可读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所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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储计算机可读指令的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种车内环境设置方法，其特征在于，包括：
通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
2.根据权利要求1所述的车内环境设置方法，其特征在于，所述设置信息关系表的设置过程包括：
从预设的数据库中获取在预设的统计时段内第d个历史驾驶员历次对所述车辆的各项子环境的设置记录，1≤d≤DN，DN为历史驾驶员的总数目；
将所述统计时段划分为T个子时段，T为正整数；
根据下式分别计算各项子环境的各个候选取值对于第d个历史驾驶员的优选指数：
其中，s为各个子环境的序号，1≤s≤SubEnvNum，SubEnvNum为子环境的总数目，t为各个子时段的序号，1≤t≤T，n为各个候选取值的序号，1≤n≤Ns，Ns为第s个子环境的候选取值的总数目，m为各个候选取值被使用的次数序号，1≤m≤Ms,n,t，Ms,n,t为第s个子环境的第n个候选取值在第t个子时段被使用的总次数，SettingTimes,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被使用的时长，Weightt为预设的权重系数，且Weightt<Weightt+1，PriIdxs,n为第s个子环境的第n个候选取值对于第d个历史驾驶员的优选指数；
根据下式确定与第d个历史驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，SetVals为与第d个历史驾驶员对应的第s个子环境的设置值在各个候选取值中的序号。
3.根据权利要求1所述的车内环境设置方法，其特征在于，还包括：
若所述当前驾驶员的人脸图像与所述人脸图像库中各个人脸图像均不匹配，则根据下式分别计算各项子环境的各个候选取值对于所述当前驾驶员的优选指数：
其中，m为各个候选取值被使用的次数序号，1≤m≤Md,s,n,t，Md,s,n,t为第s个子环境的第n个候选取值在第t个子时段被第d个历史驾驶员使用的总次数，SettingTimed,s,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被第d个历史驾驶员使用的时长，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数，CurPriIdxs,n为第s个子环境的第n个候选取值对于所述当前驾驶员的优选指数；
根据下式确定与所述当前驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，CurSetVals为与所述当前驾驶员对应的第s个子环境的设置值在各个候选取值中的序号；
按照各个设置值分别对所述车辆的各项子环境进行设置。
4.根据权利要求3所述的车内环境设置方法，其特征在于，所述影响系数的设置过程包括：
采集所述当前驾驶员的各项体征数据，并从所述数据库中获取各个历史驾驶员的各项体征数据；
根据下式计算各个历史驾驶员对所述当前驾驶员的影响系数：
其中，p为各项体征数据的序号，1≤p≤PN，PN为体征数据的总项数，CurPhyp为当前驾驶员的第p项体征数据，HsPhyd,p为第d个历史驾驶员的第p项体征数据，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数。
5.根据权利要求1至4中任一项所述的车内环境设置方法，其特征在于，在通过设置在车辆内的摄像头采集当前驾驶员的人脸图像之前，还包括：
对所述车辆的车门状态进行检测；
若所述车辆的车门状态由开启状态变为了关闭状态，则通过设置在驾驶位内的重量传感器获取所述驾驶位上的重量；
若所述驾驶位上的重量大于预设的重量阈值，则执行所述设置在车辆内的摄像头采集当前驾驶员的人脸图像的步骤。
6.一种车内环境设置装置，其特征在于，包括：
人脸图像采集模块，用于通过设置在车辆内的摄像头采集当前驾驶员的人脸图像；
身份信息确定模块，用于将所述当前驾驶员的人脸图像与预设的人脸图像库中各个人脸图像进行匹配，并根据匹配结果确定所述当前驾驶员的身份信息，所述人脸图像库中包括各个历史驾驶员的人脸图像，所述历史驾驶员为使用过所述车辆的驾驶员；
设置信息查询模块，用于根据所述身份信息在预设的设置信息关系表中查询与所述当前驾驶员对应的车内环境设置信息，所述设置信息关系表中记录了根据历史数据统计得到的各个历史驾驶员与车内环境设置信息之间的对应关系；
第一环境设置模块，用于从所述车内环境设置信息中提取出各个设置值，并按照各个设置值分别对所述车辆的各项子环境进行设置，其中，每个设置值均对应与所述车辆的一项子环境。
7.根据权利要求6所述的车内环境设置装置，其特征在于，还包括：
设置记录获取模块，用于从预设的数据库中获取在预设的统计时段内第d个历史驾驶员历次对所述车辆的各项子环境的设置记录，1≤d≤DN，DN为历史驾驶员的总数目；
子时段划分模块，用于将所述统计时段划分为T个子时段，T为正整数；
第一优选指数计算模块，用于根据下式分别计算各项子环境的各个候选取值对于第d个历史驾驶员的优选指数：
其中，s为各个子环境的序号，1≤s≤SubEnvNum，SubEnvNum为子环境的总数目，t为各个子时段的序号，1≤t≤T，n为各个候选取值的序号，1≤n≤Ns，Ns为第s个子环境的候选取值的总数目，m为各个候选取值被使用的次数序号，1≤m≤Ms,n,t，Ms,n,t为第s个子环境的第n个候选取值在第t个子时段被使用的总次数，SettingTimes,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被使用的时长，Weightt为预设的权重系数，且Weightt<Weightt+1，PriIdxs,n为第s个子环境的第n个候选取值对于第d个历史驾驶员的优选指数；
第一设置值确定模块，用于根据下式确定与第d个历史驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，SetVals为与第d个历史驾驶员对应的第s个子环境的设置值在各个候选取值中的序号。
8.根据权利要求6所述的车内环境设置装置，其特征在于，还包括：
第二优选指数计算模块，用于若所述当前驾驶员的人脸图像与所述人脸图像库中各个人脸图像均不匹配，则根据下式分别计算各项子环境的各个候选取值对于所述当前驾驶员的优选指数：
其中，m为各个候选取值被使用的次数序号，1≤m≤Md,s,n,t，Md,s,n,t为第s个子环境的第n个候选取值在第t个子时段被第d个历史驾驶员使用的总次数，SettingTimed,s,n,t,m为第s个子环境的第n个候选取值在第t个子时段第m次被第d个历史驾驶员使用的时长，DriverWtd为第d个历史驾驶员对所述当前驾驶员的影响系数，CurPriIdxs,n为第s个子环境的第n个候选取值对于所述当前驾驶员的优选指数；
第二设置值确定模块，用于根据下式确定与所述当前驾驶员对应的各项子环境的设置值：
其中，Argmax为最大自变量函数，CurSetVals为与所述当前驾驶员对应的第s个子环境的设置值在各个候选取值中的序号；
第二环境设置模块，用于按照各个设置值分别对所述车辆的各项子环境进行设置。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的车内环境设置方法的步骤。
10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的车内环境设置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910186620.1A CN109910819B (zh) | 2019-03-12 | 2019-03-12 | 一种车内环境设置方法、装置、可读存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910186620.1A CN109910819B (zh) | 2019-03-12 | 2019-03-12 | 一种车内环境设置方法、装置、可读存储介质及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109910819A true CN109910819A (zh) | 2019-06-21 |
| CN109910819B CN109910819B (zh) | 2022-03-08 |
Family
ID=66964464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910186620.1A Active CN109910819B (zh) | 2019-03-12 | 2019-03-12 | 一种车内环境设置方法、装置、可读存储介质及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109910819B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111038446A (zh) * | 2019-12-26 | 2020-04-21 | 深圳市德塔防爆电动汽车有限公司 | 一种防爆汽车启动方法及系统 |
| CN111144215A (zh) * | 2019-11-27 | 2020-05-12 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN111798110A (zh) * | 2020-06-24 | 2020-10-20 | 河南理工大学 | 驾驶行为危险等级评价方法及提示系统 |
| CN112689826A (zh) * | 2020-04-09 | 2021-04-20 | 华为技术有限公司 | 一种生成指令单元组的方法及装置 |
| CN113043922A (zh) * | 2021-04-25 | 2021-06-29 | 武汉驰必得科技有限公司 | 基于用户特征识别和数据分析的电动汽车驾驶座椅智能调控方法、系统、设备和存储介质 |
| CN113696854A (zh) * | 2021-08-30 | 2021-11-26 | 支付宝(杭州)信息技术有限公司 | 车辆数据的处理方法及装置 |
| CN114120390A (zh) * | 2021-10-12 | 2022-03-01 | 南斗六星系统集成有限公司 | 基于人脸识别的仪表参数自适配系统、方法及身份识别系统和车辆 |
| CN115379416A (zh) * | 2021-05-17 | 2022-11-22 | 海信集团控股股份有限公司 | 车辆及其驾驶参数调整方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006205923A (ja) * | 2005-01-28 | 2006-08-10 | Tokai Rika Co Ltd | 車両用画像認証装置 |
| CN102930256A (zh) * | 2012-11-14 | 2013-02-13 | 汉王科技股份有限公司 | 人脸识别装置及人脸图像识别方法 |
| CN105235615A (zh) * | 2015-10-27 | 2016-01-13 | 浙江吉利控股集团有限公司 | 一种基于人脸识别的车辆控制系统 |
| CN105946750A (zh) * | 2016-04-27 | 2016-09-21 | 乐视控股（北京）有限公司 | 基于车辆的智能设置方法及装置 |
| CN106891833A (zh) * | 2017-01-19 | 2017-06-27 | 深圳市元征科技股份有限公司 | 一种基于驾驶习惯的车辆设置方法及车载设备 |
| CN108162915A (zh) * | 2017-12-25 | 2018-06-15 | 四川长虹电器股份有限公司 | 基于人脸识别的车载中控个性化配置系统 |
| CN108189804A (zh) * | 2017-12-29 | 2018-06-22 | 威马智慧出行科技（上海）有限公司 | 一种用于车辆的人脸识别系统及人脸识别方法 |
| CN108725357A (zh) * | 2018-05-15 | 2018-11-02 | 上海博泰悦臻网络技术服务有限公司 | 基于人脸识别的参数控制方法、系统与云端服务器 |
| CN109131167A (zh) * | 2018-08-03 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 用于控制车辆的方法和装置 |
| US20190031145A1 (en) * | 2017-07-28 | 2019-01-31 | Alclear, Llc | Biometric identification system connected vehicle |
-
2019
- 2019-03-12 CN CN201910186620.1A patent/CN109910819B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006205923A (ja) * | 2005-01-28 | 2006-08-10 | Tokai Rika Co Ltd | 車両用画像認証装置 |
| CN102930256A (zh) * | 2012-11-14 | 2013-02-13 | 汉王科技股份有限公司 | 人脸识别装置及人脸图像识别方法 |
| CN105235615A (zh) * | 2015-10-27 | 2016-01-13 | 浙江吉利控股集团有限公司 | 一种基于人脸识别的车辆控制系统 |
| CN105946750A (zh) * | 2016-04-27 | 2016-09-21 | 乐视控股（北京）有限公司 | 基于车辆的智能设置方法及装置 |
| CN106891833A (zh) * | 2017-01-19 | 2017-06-27 | 深圳市元征科技股份有限公司 | 一种基于驾驶习惯的车辆设置方法及车载设备 |
| US20190031145A1 (en) * | 2017-07-28 | 2019-01-31 | Alclear, Llc | Biometric identification system connected vehicle |
| CN108162915A (zh) * | 2017-12-25 | 2018-06-15 | 四川长虹电器股份有限公司 | 基于人脸识别的车载中控个性化配置系统 |
| CN108189804A (zh) * | 2017-12-29 | 2018-06-22 | 威马智慧出行科技（上海）有限公司 | 一种用于车辆的人脸识别系统及人脸识别方法 |
| CN108725357A (zh) * | 2018-05-15 | 2018-11-02 | 上海博泰悦臻网络技术服务有限公司 | 基于人脸识别的参数控制方法、系统与云端服务器 |
| CN109131167A (zh) * | 2018-08-03 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 用于控制车辆的方法和装置 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144215A (zh) * | 2019-11-27 | 2020-05-12 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN111144215B (zh) * | 2019-11-27 | 2023-11-24 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN111038446A (zh) * | 2019-12-26 | 2020-04-21 | 深圳市德塔防爆电动汽车有限公司 | 一种防爆汽车启动方法及系统 |
| CN112689826A (zh) * | 2020-04-09 | 2021-04-20 | 华为技术有限公司 | 一种生成指令单元组的方法及装置 |
| WO2021203385A1 (zh) * | 2020-04-09 | 2021-10-14 | 华为技术有限公司 | 一种生成指令单元组的方法及装置 |
| CN111798110A (zh) * | 2020-06-24 | 2020-10-20 | 河南理工大学 | 驾驶行为危险等级评价方法及提示系统 |
| CN113043922A (zh) * | 2021-04-25 | 2021-06-29 | 武汉驰必得科技有限公司 | 基于用户特征识别和数据分析的电动汽车驾驶座椅智能调控方法、系统、设备和存储介质 |
| CN115379416A (zh) * | 2021-05-17 | 2022-11-22 | 海信集团控股股份有限公司 | 车辆及其驾驶参数调整方法 |
| CN113696854A (zh) * | 2021-08-30 | 2021-11-26 | 支付宝(杭州)信息技术有限公司 | 车辆数据的处理方法及装置 |
| CN114120390A (zh) * | 2021-10-12 | 2022-03-01 | 南斗六星系统集成有限公司 | 基于人脸识别的仪表参数自适配系统、方法及身份识别系统和车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109910819B (zh) | 2022-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109910819A (zh) | 一种车内环境设置方法、装置、可读存储介质及终端设备 | |
| CN109948669B (zh) | 一种异常数据检测方法及装置 | |
| EP4148622A1 (en) | Neural network training method, image classification system, and related device | |
| CN107145857B (zh) | 人脸属性识别方法、装置和模型建立方法 | |
| CN110197166B (zh) | 一种基于图像识别的车体装载状态识别装置及方法 | |
| Kwon et al. | Tracking of abrupt motion using Wang-Landau Monte Carlo estimation | |
| CN110119714B (zh) | 一种基于卷积神经网络的驾驶员疲劳检测方法及装置 | |
| Nurhadiyatna et al. | Background subtraction using gaussian mixture model enhanced by hole filling algorithm (gmmhf) | |
| US7747084B2 (en) | Methods and apparatus for target discrimination using observation vector weighting | |
| CN106897659A (zh) | 眨眼运动的识别方法和装置 | |
| CN113986561B (zh) | 人工智能任务处理方法、装置、电子设备及可读存储介质 | |
| CN113283404B (zh) | 行人属性识别方法、装置、电子设备及存储介质 | |
| CN110065471A (zh) | 基于人脸识别的车辆启动方法、装置、介质及终端设备 | |
| CN111209774A (zh) | 目标行为识别及显示方法、装置、设备、可读介质 | |
| CN109508658A (zh) | 一种多生物特征联合识别方法及装置 | |
| CN113592390A (zh) | 一种基于多传感器融合的仓储数字孪生的方法与系统 | |
| CN112101156B (zh) | 一种目标识别的方法、装置和电子设备 | |
| CN113743426A (zh) | 一种训练方法、装置、设备以及计算机可读存储介质 | |
| CN112541394A (zh) | 黑眼圈及鼻炎识别方法、系统及计算机介质 | |
| CN115690514A (zh) | 图像识别方法及相关设备 | |
| CN111352926B (zh) | 数据处理的方法、装置、设备及可读存储介质 | |
| CN115188031A (zh) | 指纹识别方法、计算机程序产品、存储介质及电子设备 | |
| CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
| CN112906810B (zh) | 目标检测方法、电子设备和存储介质 | |
| CN111814653B (zh) | 一种视频中异常行为的检测方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |