CN114003759A - 推荐装置及方法 - Google Patents

推荐装置及方法 Download PDF

Info

Publication number
CN114003759A
CN114003759A CN202010675953.3A CN202010675953A CN114003759A CN 114003759 A CN114003759 A CN 114003759A CN 202010675953 A CN202010675953 A CN 202010675953A CN 114003759 A CN114003759 A CN 114003759A
Authority
CN
China
Prior art keywords
information
target
driver
determining
database
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.)
Pending
Application number
CN202010675953.3A
Other languages
English (en)
Inventor
傅永林
黄勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Faurecia Clarion Electronics Xiamen Co Ltd
Original Assignee
Faurecia Clarion Electronics Xiamen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Faurecia Clarion Electronics Xiamen Co Ltd filed Critical Faurecia Clarion Electronics Xiamen Co Ltd
Priority to CN202010675953.3A priority Critical patent/CN114003759A/zh
Priority to US17/371,777 priority patent/US20220019616A1/en
Publication of CN114003759A publication Critical patent/CN114003759A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G06F16/636—Filtering based on additional data, e.g. user or group profiles by using biological or physiological data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/175—Static expression

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供一种推荐装置及方法，涉及信息处理技术领域，通过分析目标信息和第一数据库中的多条历史信息可以确定出符合当前驾驶员喜好的目标标签，并向驾驶员推荐目标标签中排名在前M的内容。这样，驾驶员无需花费大量时间选择符合自身喜好的内容，因而可以提高用户体验。该推荐装置包括：获取模块，用于获取目标信息；确定模块，用于根据当前的第一数据库和目标信息，确定目标标签；获取模块，还用于获取目标标签中排名在前M的内容，并推荐该内容。其中，目标信息包括当前的车辆状态信息和用于表征车辆中驾驶员在当前时刻的面部表情的第一信息，第一数据库包括在历史时间段内对应于驾驶员的多条历史信息。

Description

推荐装置及方法
技术领域
本申请涉及信息处理技术领域，尤其涉及一种推荐装置及方法。
背景技术
随着汽车行业向着智能化趋势发展，车载信息娱乐系统(In-VehicleInfotainment，IVI)已经成为汽车智能化发展中尤为关键的一环。IVI是采用车载专用中央处理器，基于车身总线系统和互联网服务形成的车载综合信息处理系统，可以为用户提供三维导航、实时路况、无线通讯以及基于在线的娱乐项目等服务。
然而，IVI可提供的娱乐项目很多，驾驶员无法在短时间内从海量的娱乐项目中选定属于自己喜好的娱乐项目，导致用户体验感降低。
发明内容
本申请提供一种推荐装置及方法，可以为用户推荐符合用户喜好的内容，从而可以提升用户体验。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种推荐装置，包括获取模块和确定模块。首先，获取模块获取到包括有当前的车辆状态信息和第一信息的目标信息。其中，第一信息用于表征车辆中驾驶员在当前时刻的面部表情，车辆状态信息包括车速、车辆位置和行车时间。之后，确定模块根据当前的第一数据库以及获取模块获取的目标信息确定出目标标签。第一数据库包括有在历史时间段内对应于当前的驾驶员的多条历史信息，每条历史信息均包括有车辆状态信息、驾驶员的面部表情以及第一标签，且车辆状态信息、驾驶员的面部表情以及第一标签均对应于历史时间段内的同一时刻(对应本申请实施例中的第一时刻)。其中，第一标签为根据第一时刻的车辆状态信息和第一时刻驾驶员的面部表情确定的标签。最后，获取模块获取到确定模块确定的目标标签中排名在前M(M为正整数)的内容。
不同驾驶员的喜好不同，且同一驾驶员在不同心情或者不同的驾驶状态下的喜好也不尽相同。驾驶员在当前时刻的面部表情可以有效反映出该驾驶员在当前时刻的心情，当前的车辆状态信息可以表征驾驶员当前的驾驶状态。所以，通过分析车辆状态信息和驾驶员的面部表情能够分析出驾驶员喜好的内容。本申请中，由于目标标签是结合历史时间段内的对应当前驾驶员的多条历史信息确定出的，每条历史信息中均包括有对应于同一时刻(对应本申请中的第一时刻)的车辆状态信息、驾驶员的面部表情以及对应的标签。因此，本申请提供的推荐装置确定出的目标标签中排名在前M的内容是符合当前驾驶员喜好的内容。
综上，本申请提供的推荐装置，通过分析目标信息和第一数据库中的多条历史信息可以确定出符合当前驾驶员喜好的目标标签，并向驾驶员推荐目标标签中排名在前M的内容。这样，驾驶员无需花费大量时间去选择符合自身喜好的内容，因而可以提高用户体验。
第二方面，本申请提供一种推荐方法，包括：获取目标信息；根据目标信息和当前的第一数据库，确定目标标签；获取目标标签中排名在前M(M为正整数)的内容，并推荐内容。其中，目标信息包括当前的车辆状态信息和第一信息，第一信息用于表征车辆中驾驶员在当前时刻的面部表情，车辆状态信息包括车速、车辆位置和行车时间。第一数据库包括在历史时间段内对应于驾驶员的多条历史信息，每条历史信息包括第一时刻的车辆状态信息、第一时刻驾驶员的面部表情以及第一标签，第一时刻属于历史时间段；第一标签为根据第一时刻的车辆状态信息和第一时刻驾驶员的面部表情确定的标签。
第三方面，本申请提供一种推荐装置，包括处理器，处理器用于与存储器耦合，读取并执行存储器中的指令，以实现上述第二方面提供的推荐方法。
可选地，该推荐装置还可以包括存储器，该存储器用于保存该推荐装置的程序指令和数据。进一步可选地，该推荐装置还可以包括收发器，该收发器用于在推荐装置的处理器的控制下，执行收发数据、信令或信息的步骤，例如，获取目标信息。
可选地，该推荐装置可以是服务器，也可以是该服务器中的一部分装置，例如可以是服务器中的芯片系统。该芯片系统用于支持推荐装置实现第二方面中所涉及的功能，例如，接收，发送或处理上述推荐方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，以实现如第二方面提供的推荐方法。
第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得所述计算机执行如第二方面所述的推荐方法。
需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与推荐装置的处理器封装在一起的，也可以与推荐装置的处理器单独封装，本申请对此不作限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面、以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
在本申请中，上述推荐装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本发明类似，属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种推荐系统的结构示意图；
图2为本申请实施例提供的一种推荐方法的流程示意图；
图3为本申请实施例提供的一种4维空间模型的示意图；
图4为本申请实施例提供的一种5维空间模型的示意图；
图5为本申请实施例提供的另一种推荐方法的流程示意图；
图6为本申请实施例提供的又一种推荐方法的流程示意图；
图7为本申请实施例提供的又一种推荐方法的流程示意图；
图8为本申请实施例提供的又一种推荐方法的流程示意图；
图9为本申请实施例提供的一种推荐装置的系统架构示意图；
图10为本申请实施例提供的另一种推荐装置的系统架构示意图。
具体实施方式
下面结合附图对本申请实施例提供的推荐装置及方法进行详细地描述。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，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、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本申请实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
随着汽车行业向着智能化趋势发展，IVI已经成为汽车智能化发展中尤为关键的一环。IVI是采用车载专用中央处理器，基于车身总线系统和互联网服务形成的车载综合信息处理系统，可以为用户提供三维导航、实时路况、无线通讯以及基于在线的娱乐项目等服务。
然而，IVI可提供的娱乐项目很多，驾驶员无法在短时间内从海量的娱乐项目中选定属于自己喜好的娱乐项目，导致用户体验感降低。
针对上述现有技术中存在的问题，本申请实施例提供了一种推荐方法。该推荐方法通过分析目标信息和第一数据库中的多条历史信息，可以确定出符合当前驾驶员喜好的标签，并向驾驶员推荐目标标签中排名在前M的内容。这样，驾驶员无需花费大量时间去选择符合自身喜好的内容，因而可以提高用户体验。
本申请实施例提供的推荐方法可以适用于推荐系统。图1示出了该推荐系统01的一种可能的结构。如图1所示，推荐系统01包括图像采集设备11、速度传感器12、位置传感器13、计时器14以及中央处理器(central processing unit，CPU)15。
其中，图像采集设备11可以为用于采集人脸图像的设备，例如：人脸抓拍摄像机等。速度传感器12可以检测车辆的实时行驶速度。位置传感器13可以确定出车辆的实时位置。计时器14可以记录车辆的行车时间。图像采集设备11、速度传感器12、位置传感器13以及计时器14均可设置在车辆上，采集设备11、速度传感器12、位置传感器13以及计时器14会将实时获取的信息发送至CPU15。
CPU15，用于对采集设备11、速度传感器12、位置传感器13以及计时器14发送的信息进行分析处理，确定出目标标签，并推荐目标标签中排名在前M的内容。在实际应用中，CPU15可以是车辆自身车载导航的CPU，也可以是远程部署的服务器中的CPU。本申请实施例下述内容将以CPU15是车辆自身车载导航的CPU为例进行说明。
下面结合上述图1示出的推荐系统对本申请实施例提供的推荐方法进行说明。
参照图2所示，本申请实施例提供的推荐方法包括如下步骤。
S201、CPU获取目标信息。
CPU可以获取到包括当前的车辆状态信息和第一信息，通过分析获取的信息可以确定符合当前车辆中驾驶员喜好的内容。其中，目标信息包括当前的车辆状态信息和第一信息，第一信息用于表征车辆中驾驶员在当前时刻的面部表情。
驾驶员在当前时刻的面部表情可以有效反映出该驾驶员在当前时刻的心情，不同心情下驾驶员喜好的内容可能不同。示例性地，驾驶员在愤怒的时候，可能会喜欢听一些轻音乐来舒缓心情。当前的车辆状态信息可以表征驾驶员当前的驾驶状态，同一驾驶员在不同驾驶状态下的喜好也不尽相同。车辆状态信息包括车速、车辆位置和行车时间。车速快和车速慢时驾驶员的喜好可能不同，行车时间长和行车时间短时驾驶员的喜好可能不同。另外，车辆行驶在不同的地理位置时驾驶员的喜好可能不同，比如，车辆位置在环山路上和平坦道路上驾驶员的喜好可能不同。所以，CPU可以通过分析车辆状态信息和驾驶员的面部表情能够分析出驾驶员喜好的内容。
当然，在实际应用中，当前的车辆状态信息还可以包括其他信息，本申请实施例对此不作限定。示例性地，天气的晴时或阴时驾驶员的喜好也可能不同，所以，当前的车辆状态信息还可以包括车辆所处地理位置当前的天气。
可选地，CPU可以获取驾驶员在当前时刻的人脸图像，然后采用预设的图像处理算法处理人脸图像，确定第一信息。
驾驶员在当前时刻的人脸图像可以是用于采集人脸图像的图像采集设备采集到的，图像采集设备采集到驾驶员在当前时刻的人脸图像之后，可以将该人脸图像发送给CPU。CPU获取到该人脸图像之后，可以采用预设的图像处理算法对该人脸图像进行处理，确定出驾驶员在当前时刻的面部表情。示例性地，CPU采用预设的图像处理算法确定出的面部表情可以包括：喜悦、愤怒、悲伤、惊恐以及厌恶等。
在一种可能实现的方式中，CPU可以基于人脸的特征值建立不同面部表情下的“人脸模型”。比如喜悦的面部表情对应第一“人脸模型”，悲伤的面部表情对应第二“人脸模型”。CPU获取到驾驶员在当前时刻的人脸图像之后，可以采用预设的图像处理算法对该人脸图像进行处理，提取该人脸图像的特征值，并将该人脸图像的特征值与预先建立的“人脸模型”的特征值一一进行比对。示例性地，当该人脸图像的特征值与第一“人脸模型”的特征值的相似度最高时，则可确定该人脸图像的面部表情为喜悦。
可以理解的是，本申请实施例仅示出了CPU采用预设的图像处理算法对当前时刻的人脸图像进行处理，确定出驾驶员在当前时刻的面部表情的一种可能的实现方式。在实际应用中，还可通过其他方式确定出人脸图像的面部表情，本申请对此不做限定。具体实现方式可以参照现有技术中关于人脸图像处理领域的相关描述，此处不再赘述。
S202、CPU根据目标信息和当前的第一数据库，确定目标标签。
其中，第一数据库包括在历史时间段内对应于当前车辆中驾驶员的多条历史信息。每条历史信息包括第一时刻的车辆状态信息、第一时刻驾驶员的面部表情以及第一标签。第一时刻属于历史时间段，第一标签为根据第一时刻的车辆状态信息和第一时刻驾驶员的面部表情确定的标签。
本申请实施例中的目标标签，可以为某一类型娱乐节目的节目标签。示例性地，目标标签可以为音乐节目中的民谣、摇滚、轻音乐等，也可以为广播节目中的音乐广播、交通广播等。
需要说明的是，历史信息包含的车辆状态信息的属性的个数应与目标信息中包含的车辆状态信息的属性的个数相同。示例性地，当目标信息中包含当前的车速、车辆位置、行车时间以及车辆所处地理位置当前的天气时，历史信息包含的车辆状态信息包括：第一时刻的车速、车辆位置、行车时间以及车辆所处地理位置在第一时刻的天气。
可选地，CPU可以确定出目标信息与第一数据库中每条历史信息的相似度，然后确定出多条历史信息中，与目标信息之间的相似度满足预设条件的历史信息(对应本申请实施例中的第一历史信息)，之后可以根据第一历史信息，确定目标标签。
在一种可能实现的方式中，预设条件可以是历史信息与目标信息之间的相似度的数值达到预设阈值。示例性地，第一数据库中包括有历史信息A、历史信息B以及历史信息C，CPU可以分析目标信息中的面部表情、车速、车辆位置、行车时间与每条历史信息中对应的信息的相似度。若目标信息与历史信息A的之间的相似度达到93％，预设阈值设定为90％，则CPU可以确定历史信息A为第一历史信息。
在另一种可能实现的方式中，与目标信息之间的相似度最高的前K个历史信息可以为满足预设条件的历史信息。示例性地，第一数据库中包括有历史信息A、历史信息B、历史信息C、历史信息D以及历史信息E，CPU可以分析目标信息中的面部表情、车速、车辆位置、行车时间与每条历史信息中对应的信息的相似度。若目标信息与历史信息A的之间的相似度达到15％，目标信息与历史信息B的之间的相似度达到55％，目标信息与历史信息C的之间的相似度达到75％，目标信息与历史信息D的之间的相似度达到83％，目标信息与历史信息E的之间的相似度达到92％，若K值取3，则CPU可以确定历史信息C、历史信息D以及历史信息E为第一历史信息。
在一种可能的实现方式中，可以将面部表情、车速、车辆位置、行车时间等量化，用坐标系中的数值表示。示例性地，可以采用N维空间模型表示多条历史信息，每一维表示一种属性，属性可以包括驾驶员的面部表情、车速、车辆位置和行车时间，当然，在实际应用中，属性也可以包括其他信息。比如，属性也可以包括车辆所处地理位置在第一时刻的天气。具体地，CPU可以确定出目标信息在N维空间模型中的坐标(即第一坐标)，每条历史信息在N维空间模型中的坐标(即第二坐标)，然后计算第一坐标与每个第二坐标之间的空间距离，空间距离用于表征目标信息与历史信息的相似度。之后，CPU可以将与第一坐标之间空间距离最小的K个第二坐标对应的历史信息确定为第一历史信息。
需要说明的是，为了使CPU确定出的节目标签更符合驾驶员的喜好，N的取值不能太小。本申请实施例中，N可以为大于3的正整数，也即是空间模型至少为4维空间模型。
参照图3，为本申请实施例提供的一种4维空间模型。如图3所示，X轴方向用于表示驾驶员的面部表情，Y轴方向用于表示车速，Z轴方向用于表示车辆位置，P轴方向用于表示行车时间。
参照图4，为本申请实施例提供的一种5维空间模型。如图4所示，X轴方向用于表示驾驶员的面部表情，Y轴方向用于表示车速，Z轴方向用于表示车辆位置，P轴方向用于表示行车时间，Q轴方向用于表示车辆所处地理位置的天气。
另外，在N维空间模型中，若第一坐标为(x11，x12，……，x1n)，第二坐标为(x21，x22，……，x2n)，则第一坐标与第二坐标之间的的空间距离可以用d表示：
Figure BDA0002584059160000081
以图4提供的5维空间模型为例，若第一坐标为(x11，x12，x13，x14，x15)，第二坐标为(x21，x22，x23，x24，x25)，则第一坐标与第二坐标之间的的空间距离可以用d12表示：
Figure BDA0002584059160000082
CPU在确定出第一历史信息之后，则可以根据第一历史信息，确定目标标签。在一种可能的实现方式中，CPU在确定出了K个第一历史信息之后，可以对这K个第一历史信息中的第一标签进行分析，确定出不同标签的数量，则CPU可以将数量最多的标签确定为目标标签。示例性地，CPU在确定出了K个第一历史信息之后，确定出这K个第一历史信息中广播节目中的交通广播的标签的数量最多，则可以将广播节目中的交通广播确定为目标标签。
当然，在实际应用中，可能会出现K个第一历史信息中数量最多的标签为两个。示例性地，CPU在确定出了K个第一历史信息之后，确定出这K个第一历史信息中广播节目中的音乐广播和交通广播的数量出现的次数一样多，且均多于其他类型的标签，此时，CPU可以将与第一坐标之间空间距离最小的K+1个第二坐标对应的历史信息确定为第一历史信息，之后重新确定目标标签。
其中，K是人为事先设定的数值。一般的，K的取值可以设定在3至30之间。比如，K可以为8。
由于不同的驾驶员喜好的内容可能不同，所以，不同的驾驶员的第一数据库不同。可选地，CPU在根据目标信息和当前的第一数据库确定目标标签之前，还可以根据获取的人脸图像，确定与当前车辆中的驾驶员对应的第一数据库。
S203、CPU获取目标标签中排名在前M的内容，并推荐内容。
CPU获取到目标标签之后，可以将目标标签中排名在前M的内容作为推荐内容。其中，M为正整数。目标标签中排名在前M的内容可以是CPU通过大数据分析确定出的排名在前M的内容。
在一种可能的实现方式中，车辆启动后，车辆的显示屏上会显示有“智能推荐”的虚拟按键，当驾驶员按下“智能推荐”后，显示屏上则会显示CPU实时确定出的目标标签中排名在前M的内容。需要说明的是，在该实施例中，驾驶员按下虚拟按键“智能推荐”仅作为触发显示屏显示CPU确定的内容的操作，而CPU从采集信息到处理信息(即从获取目标信息至获取目标标签中排名在前M的内容)的过程一直在CPU后台运行。
示例性地，驾驶员按下一次虚拟按键“智能推荐”，本申请实施例提供的推荐装置会一直处于“智能推荐”模式，即显示屏上会显示CPU实时确定出的目标标签中排名在前M的内容，且显示屏上显示的内容随着CPU确定的内容的变化而更新。在一种可能的实现方式中，车辆的显示屏上会显示有“退出智能推荐”的虚拟按键，当驾驶员按下“退出智能推荐”后，显示屏上将不会显示CPU实时确定出的目标标签中排名在前M的内容，但是CPU采集信息和处理信息的过程仍在后台运行。
本申请实施例中的第一数据库不是固定的，当CPU确定出目标标签之后，会将确定的目标标签以及与目标标签对应的目标信息作为一条新的历史信息存入第一数据库，以丰富第一数据库中的数据。随着第一数据库中的历史信息的增多，确定出的目标标签越接近当前车辆中驾驶员的喜好。
需要说明的是，当CPU获取到当前车辆中的驾驶员的人脸图像之后，若无法找到与该驾驶员对应的第一数据库，则需要建立属于该驾驶员的第一数据库。此时，由于该驾驶员没有历史信息，所以CPU可以从互联网获取符合所有驾驶员前N个内容，并推荐该内容。若驾驶员在预设时间内未进行任何操作，表明此时推荐的内容符合该驾驶员的喜好，则CPU将此时的目标信息以及推荐的内容的标签存入属于该驾驶员的第一数据库。若驾驶员在预设时间内触发变更推荐内容操作(比如点击“切换”按键)，则CPU将此时的目标信息以及切换后的内容对应的标签存入属于该驾驶员的第一数据库。
由于不同驾驶员的喜好不同，且同一驾驶员在不同心情或者不同的驾驶状态下的喜好也不尽相同。驾驶员在当前时刻的面部表情可以有效反映出该驾驶员在当前时刻的心情，当前的车辆状态信息可以表征驾驶员当前的驾驶状态。所以，通过分析车辆状态信息和驾驶员的面部表情能够分析出驾驶员喜好的内容。本申请实施例中，由于目标标签是结合历史时间段内的对应当前驾驶员的多条历史信息确定出的，每条历史信息中均包括有对应于同一时刻(对应本申请中的第一时刻)的车辆状态信息、驾驶员的面部表情以及对应的标签。因此，目标标签中排名在前M的内容是符合当前驾驶员喜好的内容。可以看出，本申请提供的推荐方法，通过分析目标信息和第一数据库中的多条历史信息可以确定出符合当前驾驶员喜好的目标标签，并向驾驶员推荐目标标签中排名在前M的内容。这样，驾驶员无需花费大量时间去选择符合自身喜好的内容，因而可以提高用户体验。
综合上述描述，如图5所示，图2中的步骤S202可以替换为S2021-S2023：
S2021、CPU确定目标信息与每条历史信息的相似度。
S2022、CPU确定第一历史信息。
S2023、CPU根据第一历史信息，确定目标标签。
可选地，如图6所示，图5中的步骤S2021可以替换为S20211-S20212：
S20211、CPU确定第一坐标和多个第二坐标。
S20212、CPU计算第一坐标与每个第二坐标之间的空间距离。
可选地，如图7所示，本申请实施例提供的推荐方法还包括步骤S204：
S204、CPU将目标信息以及目标标签存入第一数据库。
可选地，如图8所示，在步骤S202之前，本申请实施例提供的推荐方法还包括步骤S205：
S205、CPU根据人脸图像，确定与驾驶员对应的第一数据库。
如图9所示，本申请实施例还提供了一种推荐装置02，该推荐装置02可以是图1所示的推荐系统中的CPU15，该推荐装置02包括：获取模块21和确定模块22。
其中，获取模块21执行上述方法实施例中的S201和S203，确定模块22执行上述方法实施例中的S202。
具体地，获取模块21，用于获取目标信息。其中，目标信息包括当前的车辆状态信息和第一信息，第一信息用于表征车辆中驾驶员在当前时刻的面部表情，车辆状态信息包括车速、车辆位置和行车时间。
确定模块22，用于根据当前的第一数据库和获取模块21获取的目标信息，确定目标标签。其中，第一数据库包括在历史时间段内对应于驾驶员的多条历史信息，每条历史信息包括第一时刻的车辆状态信息、第一时刻驾驶员的面部表情以及第一标签，第一时刻属于历史时间段；第一标签为根据第一时刻的车辆状态信息和第一时刻驾驶员的面部表情确定的标签。
获取模块21，还用于获取确定模块22确定的目标标签中排名在前M的内容，并推荐内容。M为正整数。
可选地，获取模块21具体用于：获取驾驶员在当前时刻的人脸图像；采用预设的图像处理算法处理人脸图像，确定第一信息。
可选地，确定模块22包括：第一确定子模块、第二确定子模块以及第三确定子模块。其中，第一确定子模块，用于确定获取模块21获取的目标信息与每条历史信息的相似度。第二确定子模块，用于确定第一历史信息；第一历史信息为多条历史信息中，与目标信息之间的相似度满足预设条件的历史信息。第三确定子模块，用于根据第二确定子模块确定的第一历史信息，确定目标标签。
可选地，多条历史信息采用N维空间模型表示，每一维表示一种属性，属性包括驾驶员的面部表情、车速、车辆位置和行车时间，N为大于3的正整数。
第一确定子模块具体用于：确定第一坐标和多个第二坐标；计算第一坐标与每个第二坐标之间的空间距离。第一坐标为目标信息在N维空间模型中的坐标，第二坐标为历史信息在N维空间模型中的坐标，空间距离用于表征目标信息与历史信息的相似度。
可选地，本申请实施例提供的推荐装置还包括：处理模块，用于将目标信息以及目标标签存入第一数据库。
可选地，确定模块22还用于：根据获取模块21获取的人脸图像，确定与驾驶员对应的第一数据库。
可选地，推荐装置02还包括存储模块。存储模块34用于存储该推荐装置02的程序代码等。
如图10所示，本申请实施例还提供一种推荐装置，包括存储器41、处理器42、总线43和通信接口44；存储器41用于存储计算机执行指令，处理器42与存储器41通过总线43连接；当推荐装置运行时，处理器42执行存储器41存储的计算机执行指令，以使推荐装置执行如上述实施例提供的推荐方法。
在具体的实现中，作为一种实施例，处理器42(42-1和42-2)可以包括一个或多个中央处理器(central processing unit，CPU)，例如图10中所示的CPU0和CPU1。且作为一种实施例，推荐装置可以包括多个处理器42，例如图10中所示的处理器42-1和处理器42-2。这些处理器42中的每一个CPU可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器41可以是只读存储器41(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器41可以是独立存在，通过总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。
在具体的实现中，存储器41，用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序，以及调用存储在存储器41内的数据，推荐装置的各种功能。
通信接口44，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口44可以包括接收单元实现接收功能，以及发送单元实现发送功能。
总线43，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示，图10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。
作为一个示例，结合图9，推荐装置中的获取模块实现的功能与图10中的接收单元实现的功能相同，推荐装置中的处理模块实现的功能与图10中的处理器实现的功能相同，推荐装置中的存储模块实现的功能与图10中的存储器实现的功能相同。
本实施例中相关内容的解释可参考上述方法实施例，此处不再赘述。
通过以上的实施方式的描述，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，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置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。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，使得计算机执行上述实施例提供的推荐方法。
其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory，EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性地存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (14)

1.一种推荐装置，其特征在于，包括：
获取模块，用于获取目标信息；所述目标信息包括当前的车辆状态信息和第一信息，所述第一信息用于表征车辆中驾驶员在当前时刻的面部表情，所述车辆状态信息包括车速、车辆位置和行车时间；
确定模块，用于根据当前的第一数据库和所述获取模块获取的所述目标信息，确定目标标签；所述第一数据库包括在历史时间段内对应于所述驾驶员的多条历史信息；每条所述历史信息包括第一时刻的车辆状态信息、第一时刻所述驾驶员的面部表情以及第一标签；所述第一时刻属于所述历史时间段；所述第一标签为根据所述第一时刻的车辆状态信息和所述第一时刻所述驾驶员的面部表情确定的标签；
所述获取模块，还用于获取所述确定模块确定的所述目标标签中排名在前M的内容，并推荐所述内容；所述M为正整数。
2.根据权利要求1所述的推荐装置，其特征在于，所述获取模块具体用于：
获取所述驾驶员在当前时刻的人脸图像；
采用预设的图像处理算法处理所述人脸图像，确定所述第一信息。
3.根据权利要求1或2所述的推荐装置，其特征在于，所述确定模块包括：
第一确定子模块，用于确定所述获取模块获取的所述目标信息与每条所述历史信息的相似度；
第二确定子模块，用于确定第一历史信息；所述第一历史信息为所述多条历史信息中，与所述目标信息之间的相似度满足预设条件的历史信息；
第三确定子模块，用于根据所述第二确定子模块确定的所述第一历史信息，确定目标标签。
4.根据权利要求3所述的推荐装置，其特征在于，所述多条历史信息采用N维空间模型表示，每一维表示一种属性，所述属性包括驾驶员的面部表情、车速、车辆位置和行车时间，所述N为大于3的正整数，所述第一确定子模块具体用于：
确定第一坐标和多个第二坐标；所述第一坐标为所述目标信息在所述N维空间模型中的坐标；所述第二坐标为所述历史信息在所述N维空间模型中的坐标；
计算所述第一坐标与每个所述第二坐标之间的空间距离；所述空间距离用于表征所述目标信息与所述历史信息的相似度。
5.根据权利要求1或2所述的推荐装置，其特征在于，所述装置还包括：
处理模块，用于将所述目标信息以及所述目标标签存入所述第一数据库。
6.根据权利要求2所述的推荐装置，其特征在于，所述确定模块还用于：
根据所述获取模块获取的所述人脸图像，确定与所述驾驶员对应的所述第一数据库。
7.一种推荐方法，其特征在于，包括：
获取目标信息；所述目标信息包括当前的车辆状态信息和第一信息，所述第一信息用于表征车辆中驾驶员在当前时刻的面部表情，所述车辆状态信息包括车速、车辆位置和行车时间；
根据所述目标信息和当前的第一数据库，确定目标标签；所述第一数据库包括在历史时间段内对应于所述驾驶员的多条历史信息；每条所述历史信息包括第一时刻的车辆状态信息、第一时刻所述驾驶员的面部表情以及第一标签；所述第一时刻属于所述历史时间段；所述第一标签为根据所述第一时刻的车辆状态信息和所述第一时刻所述驾驶员的面部表情确定的标签；
获取所述目标标签中排名在前M的内容，并推荐所述内容；所述M为正整数。
8.根据权利要求7所述的推荐方法，其特征在于，所述获取目标信息，包括：
获取所述驾驶员在当前时刻的人脸图像；
采用预设的图像处理算法处理所述人脸图像，确定所述第一信息。
9.根据权利要求7或8所述的推荐方法，其特征在于，所述根据所述目标信息和当前的第一数据库，确定目标标签，包括：
确定所述目标信息与每条所述历史信息的相似度；
确定第一历史信息；所述第一历史信息为所述多条历史信息中，与所述目标信息之间的相似度满足预设条件的历史信息；
根据所述第一历史信息，确定目标标签。
10.根据权利要求9所述的推荐方法，其特征在于，所述多条历史信息采用N维空间模型表示，每一维表示一种属性，所述属性包括驾驶员的面部表情、车速、车辆位置和行车时间，所述N为大于3的正整数，所述确定所述目标信息与每条所述历史信息的相似度，包括：
确定第一坐标和多个第二坐标；所述第一坐标为所述目标信息在所述N维空间模型中的坐标；所述第二坐标为所述历史信息在所述N维空间模型中的坐标；
计算所述第一坐标与每个所述第二坐标之间的空间距离；所述空间距离用于表征所述目标信息与所述历史信息的相似度。
11.根据权利要求7或8所述的推荐方法，其特征在于，所述方法还包括：
将所述目标信息以及所述目标标签存入所述第一数据库。
12.根据权利要求8所述的推荐方法，其特征在于，所述根据所述目标信息和当前的第一数据库，确定目标标签之前，所述方法还包括：
根据所述人脸图像，确定与所述驾驶员对应的所述第一数据库。
13.一种推荐装置，其特征在于，包括存储器、处理器、总线和通信接口；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接；
当所述推荐装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述推荐装置执行如权利要求7-12任意一项所述的推荐方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当计算机执行所述指令时，使得所述计算机执行如权利要求7-12任意一项所述的推荐方法。
CN202010675953.3A 2020-07-14 2020-07-14 推荐装置及方法 Pending CN114003759A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010675953.3A CN114003759A (zh) 2020-07-14 2020-07-14 推荐装置及方法
US17/371,777 US20220019616A1 (en) 2020-07-14 2021-07-09 Content display device and content display method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010675953.3A CN114003759A (zh) 2020-07-14 2020-07-14 推荐装置及方法

Publications (1)

Publication Number Publication Date
CN114003759A true CN114003759A (zh) 2022-02-01

Family

ID=79292513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010675953.3A Pending CN114003759A (zh) 2020-07-14 2020-07-14 推荐装置及方法

Country Status (2)

Country Link
US (1) US20220019616A1 (zh)
CN (1) CN114003759A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114446031A (zh) * 2022-02-21 2022-05-06 罗普特科技集团股份有限公司 基于多设备、多维度数据融合分析检查站管理方法及系统
CN114885093B (zh) * 2022-03-24 2023-06-16 岚图汽车科技有限公司 一种车辆、车辆星空图像的显示控制方法和装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904924B1 (en) * 2003-10-31 2011-03-08 Microsoft Corporation Video-on-demand recommendations based on previously viewed television programs
US9493130B2 (en) * 2011-04-22 2016-11-15 Angel A. Penilla Methods and systems for communicating content to connected vehicle users based detected tone/mood in voice input
KR101901417B1 (ko) * 2011-08-29 2018-09-27 한국전자통신연구원 감성기반 안전운전 자동차 서비스 시스템, 안전운전 서비스를 위한 감성인지 처리 장치 및 안전운전 서비스 장치, 감성기반 차량용 안전운전 서비스 방법
US10089053B2 (en) * 2014-08-01 2018-10-02 Volkswagen Ag Mirroring deeplinks
DE102017203570A1 (de) * 2017-03-06 2018-09-06 Volkswagen Aktiengesellschaft Verfahren und vorrichtung zur darstellung von empfohlenen bedienhandlungen eines vorschlagssystems und interaktion mit dem vorschlagssystem
JP6524568B1 (ja) * 2018-03-23 2019-06-05 パナソニックＩｐマネジメント株式会社 運転支援装置
US20210064030A1 (en) * 2019-08-27 2021-03-04 Yu-Sian Jiang Driver assistance for a vehicle and method for operating the same
JP7476519B2 (ja) * 2019-11-15 2024-05-01 株式会社リコー 光源装置、検出装置及び電子機器

Also Published As

Publication number Publication date
US20220019616A1 (en) 2022-01-20

Similar Documents

Publication Publication Date Title
EP3996346B1 (en) Message pushing method, storage medium, and server
CN112766607B (zh) 出行路线的推荐方法、装置、电子设备及可读存储介质
CN109634698B (zh) 菜单显示方法、装置、计算机设备及存储介质
CN111368101B (zh) 多媒体资源信息的展示方法、装置、设备以及存储介质
US10495480B1 (en) Automated travel lane recommendation
CN112232293A (zh) 图像处理模型训练、图像处理方法及相关设备
Matzka et al. Efficient resource allocation for attentive automotive vision systems
CN110573837B (zh) 导航方法、装置、存储介质以及服务器
CN114003759A (zh) 推荐装置及方法
CN108388570B (zh) 对视频进行分类匹配的方法、装置和挑选引擎
CN107582061B (zh) 一种识别人体运动状态的方法及智能移动设备
US20140330814A1 (en) Method, client of retrieving information and computer storage medium
CN112052056A (zh) 车载智能助手的交互方法、装置、车机设备及车辆
CN111639970A (zh) 基于图像识别的物品价格确定方法及相关设备
CN107907886A (zh) 行驶状况识别方法、装置、存储介质及终端设备
CN107421557B (zh) 导航目的地的确定方法、智能终端和具有存储功能的装置
CN112685578A (zh) 一种多媒体信息内容提供方法及装置
KR20210130953A (ko) 딥러닝 기반 가상 이미지 생성방법 및 시스템
CN112269939B (zh) 自动驾驶的场景搜索方法、装置、终端、服务器及介质
CN112925416A (zh) 用户视线跟踪方法、装置及系统
CN111899548A (zh) 室内停车场寻车方法及系统、存储介质及平台
CN111563401A (zh) 一种车载手势识别方法、系统、存储介质及电子设备
US20220222297A1 (en) Generating search results based on an augmented reality session
CN114852096A (zh) 域控制器变量的管理方法、装置、电子设备及存储介质
US10893339B2 (en) Platform to provide supplemental media content based on content of a media stream and a user accessing the media stream

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