CN112959966B - 基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 - Google Patents
基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN112959966B CN112959966B CN202110455360.0A CN202110455360A CN112959966B CN 112959966 B CN112959966 B CN 112959966B CN 202110455360 A CN202110455360 A CN 202110455360A CN 112959966 B CN112959966 B CN 112959966B
- Authority
- CN
- China
- Prior art keywords
- multimedia
- driver
- vehicle
- preference
- audio
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013135 deep learning Methods 0.000 title claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims description 87
- 238000004458 analytical method Methods 0.000 claims description 74
- 230000001105 regulatory effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001755 vocal effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 10
- 230000007547 defect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
- B60R16/0373—Voice control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
Abstract
本发明公开基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质，通过对驾驶该汽车的各驾驶员进行多媒体偏好需求的深度学习，以此得到各驾驶员对应的偏好多媒体参数，进而对当前驾驶员进行人脸图像采集，从而匹配出当前驾驶员对应的偏好多媒体参数，同时在驾驶过程中采集车内的实时噪音响度，并对其进行分析得出车载多媒体对应的实时适宜播放音量，由此由调控终端根据当前驾驶员对应的偏好多媒体参数和车载多媒体对应的实时适宜播放音量对车载多媒体对应的播放内容和播放音量进行智能自动调控，提高了调控的自动化程度和调控灵活度，增强了车载多媒体的视听效果，有效保障了驾驶员的驾驶安全。
Description
技术领域
本发明属于车载多媒体调控技术领域，尤其涉及基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质。
背景技术
随着社会经济的快速发展，汽车已成为人们日常生活中常用代步工具之一，伴随着我国汽车产业的迅速发展,人们对于车载电子产品的要求越来越高，从最初的播放磁带录音、收听广播节目,发展到现在的集GPS导航、通信、娱乐为一体的车载多媒体。其中车载多媒体中的娱乐功能可以为驾驶员在驾驶过程中带来更多的驾驶乐趣，但由于每个驾驶员对多媒体类型的喜好不同，例如有的驾驶员在驾驶过程中偏好听音乐，有的驾驶员则偏好听戏曲，这就需要对汽车车载多媒体按照驾驶员的不同偏好需求进行相应播放内容的调控。
目前汽车车载多媒体的调控方式大多是驾驶员主动调控，具体包括驾驶员通过语音对讲调控和手动调控。这种调控方式自动化程度不高，无法实现被动调控，导致调控灵活度较差；另一方面，汽车在行驶过程中由于行驶速度的变化，车内噪声响度也会随之变化，为了拥有最佳的视听效果，这就需要车载多媒体的播放音量随车内噪声响度的变化而适度调控，然后目前汽车车载多媒体的调控方式调控功能单一，还不具备对播放音量的智能自动调控功能，当采用驾驶员主动调控播放音量时，会存在调控精度差、调控效率低的问题，同时驾驶员主动调控还会分散驾驶员的注意力，进而威胁驾驶员的驾驶安全。
发明内容
针对上述问题，本发明提出基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质，通过对驾驶汽车对应的各驾驶员进行多媒体偏好参数的深度学习，以此得到各驾驶员对应的偏好多媒体参数，进而对当前驾驶员进行人脸图像采集，从而匹配出当前驾驶员对应的偏好多媒体参数，同时在驾驶过程中采集车内的实时噪声响度，并对其进行分析得出车载多媒体对应的实时适宜播放音量，由此由调控终端根据当前驾驶员对应的偏好多媒体参数和车载多媒体对应的实时适宜播放音量对车载多媒体对应的播放内容和播放音量进行智能自动调控，有效解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现：
第一方面，本发明提供基于互联网出行和用户习惯深度学习的车载多媒体调控方法，包括以下步骤；
S1.驾驶员统计：对驾驶汽车对应的驾驶员数量进行统计，并对各驾驶员进行编号；
S2.驾驶员偏好多媒体参数分析：通过驾驶员偏好多媒体参数分析模块分别对各驾驶员的人脸图像、偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点进行获取，并构成驾驶员偏好多媒体参数集合；
S3.当前驾驶员人脸图像采集：通过当前驾驶员人脸图像采集模块获取当前驾驶员的人脸图像；
S4.当前驾驶员偏好多媒体参数匹配：根据当前驾驶员的人脸图像从驾驶员偏好多媒体参数集合中匹配出当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点；
S5.车载多媒体播放内容调控：根据当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容；
S6.汽车空间体积统计：通过汽车空间体积统计模块获取汽车内部的空间体积；
S7.车内噪声响度实时采集：通过车内噪声响度实时采集模块实时检测汽车内部的噪声响度；
S8.音量调控检测时间段分析：对汽车内部的空间体积和各检测时间段汽车内部的噪声响度进行综合分析，得到音量调控检测时间段；
S9.车载多媒体播放音量调控：根据音量调控检测时间段，在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量；
该方法在具体实施过程中需要用到一种基于互联网出行和用户习惯深度学习的车载多媒体调控系统，该系统包括驾驶员统计模块、驾驶员偏好多媒体参数分析模块、当前驾驶员人脸图像采集模块、汽车空间体积统计模块、车内噪声响度实时采集模块、数据库、调控分析平台和调控终端；
所述驾驶员统计模块用于对驾驶汽车对应的驾驶员数量进行统计，并对统计的各驾驶员进行编号，分别标记为1,2,...,j,...m；
所述驾驶员偏好多媒体参数分析模块用于对各驾驶员在驾驶过程中对应的偏好多媒体参数进行分析，其中驾驶员偏好多媒体参数分析模块包括驾驶员人脸图像采集模块、驾驶员偏好多媒体类型分析模块、驾驶员偏好视听时间点分析模块和驾驶员偏好多媒体参数集合构建模块；
所述驾驶员人脸图像采集模块用于对各驾驶员对应的人脸图像进行采集；
所述驾驶员偏好多媒体类型分析模块用于对各驾驶员在驾驶过程中的偏好多媒体类型进行分析，其具体分析方法如下：
D1:在设置的时间段统计各驾驶员在驾驶过程中对应的视听车载多媒体记录，进而将各驾驶员在设置时间段内各条视听车载多媒体记录按照预定义的顺序进行编号，依次标记为1,2,...,i,...n；
D2:获取各驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型及视听时长，并将其构成各驾驶员视听车载多媒体记录视听参数集合Qj w(qj w1,qj w2,...,qj wi,...,qj wn)，qj wi表示为第j个驾驶员在设置时间段内第i条视听车载多媒体记录的视听参数对应的数值，w表示为视听参数，w＝r1,r2,分别表示为多媒体类型，视听时长；
D3:将各驾驶员视听车载多媒体记录视听参数集合中同一个驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型进行相互对比，从而将相同多媒体类型对应的视听车载多媒体记录进行归类，并统计相同多媒体类型的数量；
D4:若某驾驶员对应的相同多媒体类型只有一个，则该多媒体类型记为该驾驶员对应的偏好多媒体类型，若某驾驶员对应的相同多媒体类型有多个，则统计该驾驶员的编号，并将该驾驶员对应的各相同多媒体类型进行编号，分别标记为1,2,...,k,...z,此时统计该驾驶员的各相同多媒体类型对应的视听车载多媒体记录条数及其对应的各条视听车载多媒体记录对应的编号，其中各条视听车载多媒体记录对应的编号可记为1,2,...,a,...y,并根据该驾驶员的编号和该驾驶员对应的各相同多媒体类型对应各条视听车载多媒体记录对应的编号从各驾驶员视听车载多媒体记录视听参数集合中提取该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长，进而根据该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长统计该驾驶员对应各相同多媒体类型各条视听车载多媒体记录对应的视听兴趣指数，从而根据该驾驶员各相同多媒体类型对应的视听车载多媒体记录条数及各条视听车载多媒体记录对应的视听兴趣指数统计该驾驶员对应各相同多媒体类型对应的偏好系数；
D5:将该驾驶员对应的各相同多媒体类型按照其对应的偏好系数由大到小的顺序进行排序，得到该驾驶员对应各相同多媒体类型的排序结果，并从中提取排在第一位的相同多媒体类型作为该驾驶员对应的偏好多媒体类型；
所述驾驶员偏好视听时间点分析模块用于根据各驾驶员对应的偏好多媒体类型，获取各驾驶员偏好多媒体类型对应各条视听车载多媒体记录的视听时间点，并将其进行相互对比，判断是否存在相同的视听时间点，若存在相同的视听时间点，将相同视听时间点对应的视听车载多媒体记录进行归类，并统计相同视听时间点的数量，若某驾驶员对应的相同视听时间点只有一个，则该相同视听时间点即为该驾驶员对应偏好多媒体类型的偏好视听时间点，若某驾驶员对应的相同视听时间点有多个，则统计该驾驶员的各相同视听时间点对应视听车载多媒体记录的条数，进而从中筛选出视听车载多媒体记录条数最多的相同视听时间点作为该驾驶员对应偏好多媒体类型的偏好视听时间点；
所述驾驶员偏好多媒体参数集合构建模块用于将采集到的各驾驶员人脸图像和各驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点构成驾驶员偏好多媒体参数集合，并将其发送至调控分析平台；
所述当前驾驶员人脸图像采集模块用于对当前驾驶员的人脸图像进行采集，并将采集的当前驾驶员人脸图像发送至调控分析平台；
所述汽车空间体积统计模块用于对汽车内部的长度、宽度和高度进行测量，以此得到汽车内部的空间体积，并将其发送至调控分析平台；
所述车内噪声响度实时采集模块用于在汽车内安装噪声传感器，用于根据预设的检测时间段实时检测汽车内部的噪声响度，并将检测得到的各检测时间段汽车内部的噪声响度构成检测时间段汽车内部噪声响度集合C(c1,c2,...,ct,...,cu)，ct表示为第t个检测时间段汽车内部噪声响度，进而将检测时间段汽车内部噪声响度集合发送至调控分析平台；
所述数据库用于存储各种平均噪声响度对应的车载多媒体适宜播放音量；
所述调控分析平台接收驾驶员偏好多媒体参数分析模块发送的驾驶员偏好多媒体参数集合，并接收当前驾驶员人脸图像采集模块发送的当前驾驶员人脸图像，进而将当前驾驶员人脸图像与驾驶员偏好多媒体参数集合中各驾驶员对应的人脸图像进行比对，进而获取当前驾驶员对应的驾驶员编号，以此根据当前驾驶员对应的驾驶员编号从驾驶员偏好多媒体参数集合中提取当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，并将其发送至调控终端；
所述调控分析平台还接收汽车空间体积统计模块发送的汽车内部的空间体积，并接收车内噪声响度实时采集模块发送的检测时间段汽车内部噪声响度集合，进而根据汽车内部的空间体积和检测时间段汽车内部噪声响度集合统计各检测时间段汽车内部空间的平均噪声响度，同时将其与数据库中各种平均噪声响度对应的车载多媒体适宜播放音量进行对比，得到各检测时间段车载多媒体对应的适宜播放音量，与此同时获取各检测时间段当前车载多媒体对应的播放音量，进而将各检测时间段车载多媒体对应的适宜播放音量与各检测时间段当前车载多媒体对应的播放音量进行对比，若某检测时间段当前车载多媒体对应的播放音量不等于该检测时间段车载多媒体对应的适宜播放音量，则该检测时间段记为音量调控检测时间段，此时统计音量调控检测时间段，并将其发送至调控终端；
所述调控终端接收调控分析平台发送的当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点和音量调控检测时间段，进而调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容，同时在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量。
根据本发明第一方面的一种优选实施方式，所述驾驶员人脸图像采集模块对各驾驶员对应的人脸图像进行采集，其具体采集方法为在驾驶座椅的正前方设置一个微型摄像头，用于对进入车内的驾驶员进行人脸扫描，从中采集驾驶员对应的人脸图像。
根据本发明第一方面的一种优选实施方式，所述多媒体类型包括音乐、广播、评书、评话、相声和戏曲。
根据本发明第一方面的一种优选实施方式，所述该驾驶员对应各相同多媒体类型各条视听车载多媒体记录对应的视听兴趣指数的计算公式为
ηka表示为该驾驶员对应第k个相同多媒体类型第a条视听车载多媒体记录对应的视听兴趣指数，qr2a表示为该驾驶员在设置时间段内第a条视听车载多媒体记录对应的视听时长，T表示为设置时间段对应的时长。
根据本发明第一方面的一种优选实施方式，所述该驾驶员对应各相同多媒体类型对应的偏好系数计算公式为
表示为该驾驶员对应第k个相同多媒体类型对应的偏好系数，xk表示为该驾驶员第k个相同多媒体类型对应的视听车载多媒体记录条数。
根据本发明第一方面的一种优选实施方式，所述各检测时间段汽车内部空间的平均噪声响度计算公式为
表示为第t个检测时间段汽车内部空间的平均噪声响度，V表示为汽车内部的空间体积。
根据本发明第一方面的一种优选实施方式，还包括车载多媒体视频播放隐藏分析模块，用于在汽车行驶过程中对车载多媒体显示画面播放的视频是否需要隐藏进行分析，其具体分析过程如下：
P1:在汽车内部车顶位置安装摄像头，用于实时捕捉车载多媒体对应的显示屏画面：
P2:在汽车内安装速度传感器，用于实时检测汽车当前行驶速度；
P3:对实时捕捉的车载多媒体显示屏画面进行分析，判断是否为视频画面，若为视频画面，则此时获取速度传感器检测的汽车当前行驶速度，并对检测到的汽车当前行驶速度进行分析，判断是否为零，若当前行驶速度不为零，则表明汽车正在行驶，则发送隐藏控制指令至调控终端，若当前行驶速度为零，则表明汽车停止行驶，则发送继续播放指令至调控终端。
第二方面，本发明提供一种设备，包括处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行本发明所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法。
第三方面，本发明提供一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法。
基于上述任一方面，本发明的有益效果如下：
(1)本发明通过对驾驶汽车对应的驾驶员数量进行统计，并对各驾驶员在驾驶过程中对应的多媒体偏好参数进行深度学习，得到驾驶员偏好多媒体参数集合，同时对当前驾驶员进行人脸图像采集，由此根据当前驾驶员人脸图像从驾驶员偏好多媒体参数集合中匹配得到当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，从而调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容，实现了对车载多媒体播放内容的被动调控，使得车载多媒体的播放内容能够根据当前驾驶员的不同进行自动智能切换，提高了调控的自动化程度和调控灵活度，弥补了目前汽车车载多媒体调控方式存在的自动化程度不高、调控灵活度较差的弊端。
(2)本发明通过在驾驶过程中根据预设的检测时间段实时检测汽车内部的噪声响度，并对其进行分析，得出各检测时间段车载多媒体对应的适宜播放音量，进而在对应的检测时间段实时调控车载多媒体的播放音量，使其符合适宜播放音量，实现了对车载媒体播放音量的智能自动调控功能，具有调控精度高及调控效率高的优点，拓展了目前汽车车载多媒体的调控功能，克服了目前汽车车载多媒体调控功能单一且无法对播放音量进行智能自动调控的不足，增强了视听效果，进而提高了驾驶员的视听体验感，同时避免了因通过驾驶员手动调控播放音量造成的分散驾驶员注意力情况的发生，进而有效保障了驾驶员的驾驶安全。
(3)本发明通过设置车载多媒体视频播放隐藏分析模块，当汽车正在行驶时，将车载多媒体当前播放的视频画面进行隐藏，当汽车停止行驶时，将车载多媒体当前播放的视频画面进行继续播放，避免了在汽车行驶时车载多媒体当前播放的视频画面继续播放导致驾驶员的视线持续停留在车载多媒体界面而引发交通事故现象的发生，更加深入保障了驾驶员的驾驶安全。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图；
图2为本发明的系统模块连接示意图；
图3为本发明的驾驶员偏好多媒体参数分析模块连接示意图。
具体实施方式
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做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。
参照图1所示，第一方面，本发明提供基于互联网出行和用户习惯深度学习的车载多媒体调控方法，包括以下步骤；
S1.驾驶员统计：对驾驶汽车对应的驾驶员数量进行统计，并对各驾驶员进行编号；
S2.驾驶员偏好多媒体参数分析：通过驾驶员偏好多媒体参数分析模块分别对各驾驶员的人脸图像、偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点进行获取，并构成驾驶员偏好多媒体参数集合；
S3.当前驾驶员人脸图像采集：通过当前驾驶员人脸图像采集模块获取当前驾驶员的人脸图像；
S4.当前驾驶员偏好多媒体参数匹配：根据当前驾驶员的人脸图像从驾驶员偏好多媒体参数集合中匹配出当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点；
S5.车载多媒体播放内容调控：根据当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容；
S6.汽车空间体积统计：通过汽车空间体积统计模块获取汽车内部的空间体积；
S7.车内噪声响度实时采集：通过车内噪声响度实时采集模块实时检测汽车内部的噪声响度；
S8.音量调控检测时间段分析：对汽车内部的空间体积和各检测时间段汽车内部的噪声响度进行综合分析，得到音量调控检测时间段；
S9.车载多媒体播放音量调控：根据音量调控检测时间段，在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量；
S10.车载多媒体视频播放隐藏分析：通过车载多媒体视频播放隐藏分析模块对汽车行驶过程中车载多媒体显示画面播放的视频是否需要隐藏进行分析，并根据分析结果生成调控指令；
S11.车载多媒体视频播放隐藏调控：根据生成的调控指令对车载多媒体显示画面播放的视频执行相应的隐藏或继续播放操作。
参照图2所示，该方法在具体实施过程中需要用到一种基于互联网出行和用户习惯深度学习的车载多媒体调控系统，该系统包括驾驶员统计模块、驾驶员偏好多媒体参数分析模块、当前驾驶员人脸图像采集模块、汽车空间体积统计模块、车内噪声响度实时采集模块、数据库、车载多媒体视频播放隐藏分析模块、调控分析平台和调控终端，其中驾驶员统计模块和驾驶员偏好多媒体参数分析模块连接，当前驾驶员人脸图像采集模块、驾驶员偏好多媒体参数分析模块、汽车空间体积统计模块和车内噪声响度实时采集模块均与调控分析平台连接，调控分析平台和车载多媒体视频播放隐藏分析模块均与调控终端连接。
驾驶员统计模块用于对驾驶汽车对应的驾驶员数量进行统计，并对统计的各驾驶员进行编号，分别标记为1,2,...,j,...m。
驾驶员偏好多媒体参数分析模块用于对各驾驶员在驾驶过程中对应的偏好多媒体参数进行分析，参照图3所示，其中驾驶员偏好多媒体参数分析模块包括驾驶员人脸图像采集模块、驾驶员偏好多媒体类型分析模块、驾驶员偏好视听时间点分析模块和驾驶员偏好多媒体参数集合构建模块。
驾驶员人脸图像采集模块用于对各驾驶员对应的人脸图像进行采集，其具体采集方法为在驾驶座椅的正前方设置一个微型摄像头，用于对进入车内的驾驶员进行人脸扫描，从中采集驾驶员对应的人脸图像。
驾驶员偏好多媒体类型分析模块用于对各驾驶员在驾驶过程中的偏好多媒体类型进行分析，其具体分析方法如下：
D1:在设置的时间段统计各驾驶员在驾驶过程中对应的视听车载多媒体记录，进而将各驾驶员在设置时间段内各条视听车载多媒体记录按照预定义的顺序进行编号，依次标记为1,2,...,i,...n；
D2:获取各驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型及视听时长，并将其构成各驾驶员视听车载多媒体记录视听参数集合Qj w(qj w1,qj w2,...,qj wi,...,qj wn)，qj wi表示为第j个驾驶员在设置时间段内第i条视听车载多媒体记录的视听参数对应的数值，w表示为视听参数，w＝r1,r2,分别表示为多媒体类型，视听时长；
D3:将各驾驶员视听车载多媒体记录视听参数集合中同一个驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型进行相互对比，从而将相同多媒体类型对应的视听车载多媒体记录进行归类，并统计相同多媒体类型的数量；
D4:若某驾驶员对应的相同多媒体类型只有一个，则该多媒体类型记为该驾驶员对应的偏好多媒体类型，若某驾驶员对应的相同多媒体类型有多个，则统计该驾驶员的编号，并将该驾驶员对应的各相同多媒体类型进行编号，分别标记为1,2,...,k,...z,此时统计该驾驶员的各相同多媒体类型对应的视听车载多媒体记录条数及其对应的各条视听车载多媒体记录对应的编号，其中各条视听车载多媒体记录对应的编号可记为1,2,...,a,...y,并根据该驾驶员的编号和该驾驶员对应的各相同多媒体类型对应各条视听车载多媒体记录对应的编号从各驾驶员视听车载多媒体记录视听参数集合中提取该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长，进而根据该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长统计该驾驶员对应各相同多媒体类型各条视听车载多媒体记录对应的视听兴趣指数
表示为该驾驶员对应第k个相同多媒体类型第a条视听车载多媒体记录对应的视听兴趣指数，qr2a表示为该驾驶员在设置时间段内第a条视听车载多媒体记录对应的视听时长，T表示为设置时间段对应的时长，从而根据该驾驶员各相同多媒体类型对应的视听车载多媒体记录条数及各条视听车载多媒体记录对应的视听兴趣指数统计该驾驶员对应各相同多媒体类型对应的偏好系数
表示为该驾驶员对应第k个相同多媒体类型对应的偏好系数，xk表示为该驾驶员第k个相同多媒体类型对应的视听车载多媒体记录条数；
D5:将该驾驶员对应的各相同多媒体类型按照其对应的偏好系数由大到小的顺序进行排序，得到该驾驶员对应各相同多媒体类型的排序结果，并从中提取排在第一位的相同多媒体类型作为该驾驶员对应的偏好多媒体类型。
本实施例对于相同多媒体类型有多个的驾驶员统计的该驾驶员对应各相同多媒体类型对应的偏好系数，综合了该驾驶员对应各相同多媒体类型的视听车载多媒体记录条数及各条视听车载多媒体记录对应的视听兴趣指数，避免了单纯只根据视听记录条数进行偏好系数统计造成的统计片面化，不符合该驾驶员的真实偏好情况的问题。
驾驶员偏好视听时间点分析模块用于根据各驾驶员对应的偏好多媒体类型，获取各驾驶员偏好多媒体类型对应各条视听车载多媒体记录的视听时间点，并将其进行相互对比，判断是否存在相同的视听时间点，若存在相同的视听时间点，将相同视听时间点对应的视听车载多媒体记录进行归类，并统计相同视听时间点的数量，若某驾驶员对应的相同视听时间点只有一个，则该相同视听时间点即为该驾驶员对应偏好多媒体类型的偏好视听时间点，若某驾驶员对应的相同视听时间点有多个，则统计该驾驶员的各相同视听时间点对应视听车载多媒体记录的条数，进而从中筛选出视听车载多媒体记录条数最多的相同视听时间点作为该驾驶员对应偏好多媒体类型的偏好视听时间点。
本实施例在分析各驾驶员对应的偏好多媒体类型过程中还对各驾驶员对应偏好多媒体类型的偏好视听时间点进行分析，丰富了各驾驶员对应的偏好多媒体参数。
驾驶员偏好多媒体参数集合构建模块用于将采集到的各驾驶员人脸图像和各驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点构成驾驶员偏好多媒体参数集合，并将其发送至调控分析平台。
当前驾驶员人脸图像采集模块用于对当前驾驶员的人脸图像进行采集，并将采集的当前驾驶员人脸图像发送至调控分析平台。
汽车空间体积统计模块用于对汽车内部的长度、宽度和高度进行测量，以此得到汽车内部的空间体积，并将其发送至调控分析平台。
车内噪声响度实时采集模块用于在汽车内安装噪声传感器，用于根据预设的检测时间段实时检测汽车内部的噪声响度，并将检测得到的各检测时间段汽车内部的噪声响度构成检测时间段汽车内部噪声响度集合C(c1,c2,…,ct,…,cu)，ct表示为第t个检测时间段汽车内部噪声响度，进而将检测时间段汽车内部噪声响度集合发送至调控分析平台。
数据库用于存储各种平均噪声响度对应的车载多媒体适宜播放音量。
调控分析平台接收驾驶员偏好多媒体参数分析模块发送的驾驶员偏好多媒体参数集合，并接收当前驾驶员人脸图像采集模块发送的当前驾驶员人脸图像，进而将当前驾驶员人脸图像与驾驶员偏好多媒体参数集合中各驾驶员对应的人脸图像进行比对，进而获取当前驾驶员对应的驾驶员编号，以此根据当前驾驶员对应的驾驶员编号从驾驶员偏好多媒体参数集合中提取当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，并将其发送至调控终端。
调控分析平台还接收汽车空间体积统计模块发送的汽车内部的空间体积，并接收车内噪声响度实时采集模块发送的检测时间段汽车内部噪声响度集合，进而根据汽车内部的空间体积和检测时间段汽车内部噪声响度集合统计各检测时间段汽车内部空间的平均噪声响度
表示为第t个检测时间段汽车内部空间的平均噪声响度，V表示为汽车内部的空间体积，同时将其与数据库中各种平均噪声响度对应的车载多媒体适宜播放音量进行对比，得到各检测时间段车载多媒体对应的适宜播放音量，与此同时获取各检测时间段当前车载多媒体对应的播放音量，进而将各检测时间段车载多媒体对应的适宜播放音量与各检测时间段当前车载多媒体对应的播放音量进行对比，若某检测时间段当前车载多媒体对应的播放音量不等于该检测时间段车载多媒体对应的适宜播放音量，则该检测时间段记为音量调控检测时间段，此时统计音量调控检测时间段，并将其发送至调控终端。
车载多媒体视频播放隐藏分析模块用于在汽车行驶过程中对车载多媒体显示画面播放的视频是否需要隐藏进行分析，其具体分析过程如下：
P1:在汽车内部车顶位置安装摄像头，用于实时捕捉车载多媒体对应的显示屏画面：
P2:在汽车内安装速度传感器，用于实时检测汽车当前行驶速度；
P3:对实时捕捉的车载多媒体显示屏画面进行分析，判断是否为视频画面，若为视频画面，则此时获取速度传感器检测的汽车当前行驶速度，并对检测到的汽车当前行驶速度进行分析，判断是否为零，若当前行驶速度不为零，则表明汽车正在行驶，则发送隐藏控制指令至调控终端，若当前行驶速度为零，则表明汽车停止行驶，则发送继续播放指令至调控终端。
调控终端接收调控分析平台发送的当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，进而调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容。
本实施例通过对各驾驶员在驾驶过程中对应的多媒体偏好参数进行深度学习，得到驾驶员偏好多媒体参数集合，同时对当前驾驶员进行人脸图像采集，由此根据当前驾驶员人脸图像从驾驶员偏好多媒体参数集合中匹配得到当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，从而调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容，实现了对车载多媒体播放内容的被动调控，使得车载多媒体的播放内容能够根据当前驾驶员的不同进行自动智能切换，提高了调控的自动化程度和调控灵活度，弥补了目前汽车车载多媒体调控方式存在的自动化程度不高、调控灵活度较差的弊端。
调控终端接收调控分析平台发送的音量调控检测时间段，进而在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量。
本实施例通过在驾驶过程中根据预设的检测时间段实时检测汽车内部的噪声响度，并对其进行分析，得出各检测时间段车载多媒体对应的适宜播放音量，进而在对应的检测时间段实时调控车载多媒体的播放音量，使其符合适宜播放音量，实现了对车载媒体播放音量的智能自动调控功能，具有调控精度高及调控效率高的优点，拓展了目前汽车车载多媒体的调控功能，克服了目前汽车车载多媒体调控功能单一且无法对播放音量进行智能自动调控的不足，增强了视听效果，进而提高了驾驶员的视听体验感，同时避免了因通过驾驶员手动调控播放音量造成的分散驾驶员注意力情况的发生，进而有效保障了驾驶员的驾驶安全。
调控终端还接收车载多媒体视频播放隐藏分析模块发送的隐藏控制指令或继续播放指令，进而执行相应的指令。
本实施例通过设置车载多媒体视频播放隐藏分析模块，当汽车正在行驶时，将车载多媒体当前播放的视频画面进行隐藏，当汽车停止行驶时，将车载多媒体当前播放的视频画面进行继续播放，避免了在汽车行驶时车载多媒体当前播放的视频画面继续播放导致驾驶员的视线持续停留在车载多媒体界面而引发交通事故现象的发生，更加深入保障了驾驶员的驾驶安全。
第二方面，本发明提供一种设备，包括处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行本发明所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法。
第三方面，本发明提供一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于，包括以下步骤：
S1.驾驶员统计：对驾驶汽车对应的驾驶员数量进行统计，并对各驾驶员进行编号；
S2.驾驶员偏好多媒体参数分析：通过驾驶员偏好多媒体参数分析模块分别对各驾驶员的人脸图像、偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点进行获取，并构成驾驶员偏好多媒体参数集合；
S3.当前驾驶员人脸图像采集：通过当前驾驶员人脸图像采集模块获取当前驾驶员的人脸图像；
S4.当前驾驶员偏好多媒体参数匹配：根据当前驾驶员的人脸图像从驾驶员偏好多媒体参数集合中匹配出当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点；
S5.车载多媒体播放内容调控：根据当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容；
S6.汽车空间体积统计：通过汽车空间体积统计模块获取汽车内部的空间体积；
S7.车内噪声响度实时采集：通过车内噪声响度实时采集模块实时检测汽车内部的噪声响度；
S8.音量调控检测时间段分析：对汽车内部的空间体积和各检测时间段汽车内部的噪声响度进行综合分析，得到音量调控检测时间段；
S9.车载多媒体播放音量调控：根据音量调控检测时间段，在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量；
该方法在具体实施过程中需要用到一种基于互联网出行和用户习惯深度学习的车载多媒体调控系统，该系统包括驾驶员统计模块、驾驶员偏好多媒体参数分析模块、当前驾驶员人脸图像采集模块、汽车空间体积统计模块、车内噪声响度实时采集模块、数据库、调控分析平台和调控终端；
所述驾驶员统计模块用于对驾驶汽车对应的驾驶员数量进行统计，并对统计的各驾驶员进行编号，分别标记为1,2,...,j,...m；
所述驾驶员偏好多媒体参数分析模块用于对各驾驶员在驾驶过程中对应的偏好多媒体参数进行分析，其中驾驶员偏好多媒体参数分析模块包括驾驶员人脸图像采集模块、驾驶员偏好多媒体类型分析模块、驾驶员偏好视听时间点分析模块和驾驶员偏好多媒体参数集合构建模块；
所述驾驶员人脸图像采集模块用于对各驾驶员对应的人脸图像进行采集；
所述驾驶员偏好多媒体类型分析模块用于对各驾驶员在驾驶过程中的偏好多媒体类型进行分析，其具体分析方法如下：
D1:在设置的时间段统计各驾驶员在驾驶过程中对应的视听车载多媒体记录，进而将各驾驶员在设置时间段内各条视听车载多媒体记录按照预定义的顺序进行编号，依次标记为1,2,...,i,...n；
D2:获取各驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型及视听时长，并将其构成各驾驶员视听车载多媒体记录视听参数集合Qj w(qj w1,qj w2,...,qj wi,...,qj wn)，qj wi表示为第j个驾驶员在设置时间段内第i条视听车载多媒体记录的视听参数对应的数值，w表示为视听参数，w＝r1,r2,分别表示为多媒体类型，视听时长；
D3:将各驾驶员视听车载多媒体记录视听参数集合中同一个驾驶员在设置时间段内各条视听车载多媒体记录对应的多媒体类型进行相互对比，从而将相同多媒体类型对应的视听车载多媒体记录进行归类，并统计相同多媒体类型的数量；
D4:若某驾驶员对应的相同多媒体类型只有一个，则该多媒体类型记为该驾驶员对应的偏好多媒体类型，若某驾驶员对应的相同多媒体类型有多个，则统计该驾驶员的编号，并将该驾驶员对应的各相同多媒体类型进行编号，分别标记为1,2,...,k,...z,此时统计该驾驶员的各相同多媒体类型对应的视听车载多媒体记录条数及其对应的各条视听车载多媒体记录对应的编号，其中各条视听车载多媒体记录对应的编号可记为1,2,...,a,...y,并根据该驾驶员的编号和该驾驶员对应的各相同多媒体类型对应各条视听车载多媒体记录对应的编号从各驾驶员视听车载多媒体记录视听参数集合中提取该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长，进而根据该驾驶员各相同多媒体类型对应各条视听车载多媒体记录对应的视听时长统计该驾驶员对应各相同多媒体类型各条视听车载多媒体记录对应的视听兴趣指数，从而根据该驾驶员各相同多媒体类型对应的视听车载多媒体记录条数及各条视听车载多媒体记录对应的视听兴趣指数统计该驾驶员对应各相同多媒体类型对应的偏好系数；
D5:将该驾驶员对应的各相同多媒体类型按照其对应的偏好系数由大到小的顺序进行排序，得到该驾驶员对应各相同多媒体类型的排序结果，并从中提取排在第一位的相同多媒体类型作为该驾驶员对应的偏好多媒体类型；
所述驾驶员偏好视听时间点分析模块用于根据各驾驶员对应的偏好多媒体类型，获取各驾驶员偏好多媒体类型对应各条视听车载多媒体记录的视听时间点，并将其进行相互对比，判断是否存在相同的视听时间点，若存在相同的视听时间点，将相同视听时间点对应的视听车载多媒体记录进行归类，并统计相同视听时间点的数量，若某驾驶员对应的相同视听时间点只有一个，则该相同视听时间点即为该驾驶员对应偏好多媒体类型的偏好视听时间点，若某驾驶员对应的相同视听时间点有多个，则统计该驾驶员的各相同视听时间点对应视听车载多媒体记录的条数，进而从中筛选出视听车载多媒体记录条数最多的相同视听时间点作为该驾驶员对应偏好多媒体类型的偏好视听时间点；
所述驾驶员偏好多媒体参数集合构建模块用于将采集到的各驾驶员人脸图像和各驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点构成驾驶员偏好多媒体参数集合，并将其发送至调控分析平台；
所述当前驾驶员人脸图像采集模块用于对当前驾驶员的人脸图像进行采集，并将采集的当前驾驶员人脸图像发送至调控分析平台；
所述汽车空间体积统计模块用于对汽车内部的长度、宽度和高度进行测量，以此得到汽车内部的空间体积，并将其发送至调控分析平台；
所述车内噪声响度实时采集模块用于在汽车内安装噪声传感器，用于根据预设的检测时间段实时检测汽车内部的噪声响度，并将检测得到的各检测时间段汽车内部的噪声响度构成检测时间段汽车内部噪声响度集合C(c1,c2,...,ct,…,cu)，ct表示为第t个检测时间段汽车内部噪声响度，进而将检测时间段汽车内部噪声响度集合发送至调控分析平台；
所述数据库用于存储各种平均噪声响度对应的车载多媒体适宜播放音量；
所述调控分析平台接收驾驶员偏好多媒体参数分析模块发送的驾驶员偏好多媒体参数集合，并接收当前驾驶员人脸图像采集模块发送的当前驾驶员人脸图像，进而将当前驾驶员人脸图像与驾驶员偏好多媒体参数集合中各驾驶员对应的人脸图像进行比对，进而获取当前驾驶员对应的驾驶员编号，以此根据当前驾驶员对应的驾驶员编号从驾驶员偏好多媒体参数集合中提取当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点，并将其发送至调控终端；
所述调控分析平台还接收汽车空间体积统计模块发送的汽车内部的空间体积，并接收车内噪声响度实时采集模块发送的检测时间段汽车内部噪声响度集合，进而根据汽车内部的空间体积和检测时间段汽车内部噪声响度集合统计各检测时间段汽车内部空间的平均噪声响度，同时将其与数据库中各种平均噪声响度对应的车载多媒体适宜播放音量进行对比，得到各检测时间段车载多媒体对应的适宜播放音量，与此同时获取各检测时间段当前车载多媒体对应的播放音量，进而将各检测时间段车载多媒体对应的适宜播放音量与各检测时间段当前车载多媒体对应的播放音量进行对比，若某检测时间段当前车载多媒体对应的播放音量不等于该检测时间段车载多媒体对应的适宜播放音量，则该检测时间段记为音量调控检测时间段，此时统计音量调控检测时间段，并将其发送至调控终端；
所述调控终端接收调控分析平台发送的当前驾驶员对应的偏好多媒体类型及偏好多媒体类型对应的偏好视听时间点和音量调控检测时间段，进而调控车载多媒体在对应的偏好视听时间点播放偏好多媒体类型对应的内容，同时在对应的音量调控检测时间段调控车载多媒体的播放音量，使调控后的车载多媒体播放音量满足该检测时间段对应的适宜播放音量。
2.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：所述驾驶员人脸图像采集模块对各驾驶员对应的人脸图像进行采集，其具体采集方法为在驾驶座椅的正前方设置一个微型摄像头，用于对进入车内的驾驶员进行人脸扫描，从中采集驾驶员对应的人脸图像。
3.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：所述多媒体类型包括音乐、广播、评书、评话、相声和戏曲。
4.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：所述该驾驶员对应各相同多媒体类型各条视听车载多媒体记录对应的视听兴趣指数的计算公式为
ηka表示为该驾驶员对应第k个相同多媒体类型第a条视听车载多媒体记录对应的视听兴趣指数，qr2a表示为该驾驶员在设置时间段内第a条视听车载多媒体记录对应的视听时长，T表示为设置时间段对应的时长。
5.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：所述该驾驶员对应各相同多媒体类型对应的偏好系数计算公式为
表示为该驾驶员对应第k个相同多媒体类型对应的偏好系数，xk表示为该驾驶员第k个相同多媒体类型对应的视听车载多媒体记录条数。
6.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：所述各检测时间段汽车内部空间的平均噪声响度计算公式为
表示为第t个检测时间段汽车内部空间的平均噪声响度，V表示为汽车内部的空间体积。
7.根据权利要求1所述的基于互联网出行和用户习惯深度学习的车载多媒体调控方法，其特征在于：还包括车载多媒体视频播放隐藏分析模块，用于在汽车行驶过程中对车载多媒体显示画面播放的视频是否需要隐藏进行分析，其具体分析过程如下：
P1:在汽车内部车顶位置安装摄像头，用于实时捕捉车载多媒体对应的显示屏画面：
P2:在汽车内安装速度传感器，用于实时检测汽车当前行驶速度；
P3:对实时捕捉的车载多媒体显示屏画面进行分析，判断是否为视频画面，若为视频画面，则此时获取速度传感器检测的汽车当前行驶速度，并对检测到的汽车当前行驶速度进行分析，判断是否为零，若当前行驶速度不为零，则表明汽车正在行驶，则发送隐藏控制指令至调控终端，若当前行驶速度为零，则表明汽车停止行驶，则发送继续播放指令至调控终端。
8.一种基于互联网出行和用户习惯深度学习的车载多媒体调控设备，其特征在于：包括处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-7任一项所述的方法。
9.一种计算机存储介质，其特征在于：所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110455360.0A CN112959966B (zh) | 2021-04-26 | 2021-04-26 | 基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110455360.0A CN112959966B (zh) | 2021-04-26 | 2021-04-26 | 基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112959966A CN112959966A (zh) | 2021-06-15 |
| CN112959966B true CN112959966B (zh) | 2022-11-25 |
Family
ID=76281247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110455360.0A Active CN112959966B (zh) | 2021-04-26 | 2021-04-26 | 基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112959966B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115762516B (zh) * | 2022-11-09 | 2024-02-09 | 溯元文化科技有限公司 | 一种人机交互控制方法、设备及存储介质 |
| CN117804490B (zh) * | 2024-02-28 | 2024-05-17 | 四川交通职业技术学院 | 一种车辆运行路线的综合规划方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105835788A (zh) * | 2016-03-28 | 2016-08-10 | 乐视控股（北京）有限公司 | 车载多媒体设备音量设置方法及装置 |
| CN108399777B (zh) * | 2018-04-13 | 2021-12-07 | 京东方科技集团股份有限公司 | 一种辅助驾驶方法、装置及电子设备 |
| CN110399793A (zh) * | 2019-06-19 | 2019-11-01 | 深圳壹账通智能科技有限公司 | 基于图像识别的驾驶行为预警方法、装置和计算机设备 |
| CN110807351A (zh) * | 2019-08-28 | 2020-02-18 | 杭州勒格网络科技有限公司 | 一种基于人脸识别的智能化车载疲劳检测系统、方法及装置 |
| CN112397084B (zh) * | 2020-11-04 | 2022-12-06 | 佛吉亚歌乐电子(丰城)有限公司 | 自适应调整多媒体音量方法、车载终端及计算机存储介质 |
-
2021
- 2021-04-26 CN CN202110455360.0A patent/CN112959966B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112959966A (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112959966B (zh) | 基于互联网出行和用户习惯深度学习的车载多媒体调控方法、系统、设备和计算机存储介质 | |
| CN108388888B (zh) | 一种车辆识别方法、装置和存储介质 | |
| CN110740901B (zh) | 多媒体信息推送方法、装置、存储介质及电子设备 | |
| CN101681244B (zh) | 显示装置、显示方法、显示程序 | |
| CN114780892B (zh) | 基于人工智能的线上展览展示智能交互管理系统 | |
| CN107360157A (zh) | 一种用户注册方法、装置及智能空调器 | |
| CN107800793A (zh) | 车联网环境下行车音乐主动推送系统 | |
| DE60209947D1 (de) | System, Verfahren und Software für die Bereitstellung einer gezielten Werbung durch Benutzerprofildatenstruktur basierend auf Benutzerpräferenzen | |
| JP7247790B2 (ja) | 走行環境監視装置、走行環境監視システム、及び走行環境監視プログラム | |
| CN113537056A (zh) | 虚拟形象驱动方法、装置、设备和介质 | |
| CN110516622A (zh) | 一种车内人员的性别、年龄和情绪智能识别方法及系统 | |
| CN108776650A (zh) | 一种基于混合高斯模型的非机动车道服务水平评价方法 | |
| DE112020003033T5 (de) | Verfahren und Vorrichtung zum Verbessern einer Geolokalisierungsdatenbank | |
| CN108616814A (zh) | 地图形成方法、使用方法、装置、终端及存储介质 | |
| CN110210365B (zh) | 一种基于双目技术驾驶行为评分系统的评分方法 | |
| KR20130036488A (ko) | 차량 운행상황에 따른 음원 추천 장치 | |
| CN110826433B (zh) | 试驾用户情绪分析数据处理方法、装置、设备与存储介质 | |
| CN109878290B (zh) | 一种基于ai技术的智能车载空调控制方法及系统 | |
| CN109299389B (zh) | 一种旅游景点推荐方法及装置 | |
| CN112885356B (zh) | 一种基于声纹的语音识别方法 | |
| CN115204678A (zh) | 一种基于景区旅游平台的旅游评价分析系统 | |
| CN115203536A (zh) | 基于驾驶场景推荐智能驾驶参数的方法及装置 | |
| CN110356346B (zh) | 用于车辆的车载功能推送系统和方法 | |
| CN115096324A (zh) | 路线推荐方法及相关装置、车机、车辆和存储介质 | |
| CN113459100B (zh) | 基于机器人人格的处理方法、装置、设备以及介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221107 Address after: Room 117, 1st Floor, Building 1, No. 15 Fengshen Avenue, Huadu District, Guangzhou City, Guangdong Province, 510800 Applicant after: Lianyou Zhilian Technology Co.,Ltd. Address before: 430000 Building 2, modern world trade center, Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Applicant before: Jishan cloud technology (Wuhan) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210615 Assignee: Guangzhou Zhiyun Technology Co.,Ltd. Assignor: Lianyou Zhilian Technology Co.,Ltd. Contract record no.: X2023980047036 Denomination of invention: Vehicle multimedia control methods, systems, devices, and computer storage media based on internet travel and deep learning of user habits Granted publication date: 20221125 License type: Common License Record date: 20231114 |