CN117644837A - 基于主动学习的人机交互方法及系统 - Google Patents

Abstract

本发明涉及人机交互领域，具体涉及基于主动学习的人机交互方法及系统，用于解决现有的人机交互车载系统只能按照预定的规则和逻辑与用户进行交互，无法自适应地理解用户需求，导致交互效率低下，用户体验不佳的问题；该方法首先获取人员分辨信息，根据人员分辨信息获得的人员分辨系数能对驾驶车辆人员进行辨别，之后根据座椅调节参数对驾驶位座椅进行自动调节，之后获取环境调节信息，最终通过环境调节信息对车辆环境进行自动调节；该系统通过不断学习和优化，能够主动地理解和预测用户需求，减少用户操作步骤和等待时间，能够适应不同用户的习惯和需求，提高用户体验，能够快速准确地响应用户需求，提高驾驶效率和安全性。

Description

基于主动学习的人机交互方法及系统

技术领域

本发明涉及人机交互领域，具体涉及基于主动学习的人机交互方法及系统。

背景技术

随着人工智能技术的不断发展，人机交互已成为人们日常生活和工作中的重要部分，目前，智能车载系统已成为现代汽车的标配。申请号为CN201611246400.6的专利公开了一种基于人工智能的人机交互车载系统，包括车载端子系统和移动端子系统；车载端子系统包括语音采集模块、语音输出模块、中央控制模块和第一无线通信模块，移动端子系统包括信息处理模块和第二无线通信模块，其中第一无线通信模块和第二无线通信模块连接，以实现车载端子系统和移动端子系统之间的信息传输，中央控制模块分别与语音采集模块、语音输出模块和第一无线通信模块连接，同时也根据接收指令和操作信息对上述模块进行控制；语音采集模块用于采集用户语音信息和环境信息并传送至所述移动端子系统；语音输出模块用于播放从所述移动端子系统接收的语音；信息处理模块用于将接收的信息识别编辑合成语音并传送至车载端子系统，但仍然存在以下不足之处：该人机交互车载系统只能按照预定的规则和逻辑与用户进行交互，无法自适应地理解用户需求，导致交互效率低下，用户体验不佳，因此，开发一种能够自适应理解和响应用户需求的人机交互智能车载系统具有重要意义。

发明内容

为了克服上述的技术问题，本发明的目的在于提供基于主动学习的人机交互方法及系统：通过人员监测模块获取人员分辨信息，通过信息分析模块根据人员分辨信息获得人员分辨系数，通过人机交互平台根据人员分辨系数获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，通过车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，通过习惯分析模块接收到习惯分析指令后获取环境调节信息，通过车辆调节模块根据环境调节信息对车辆环境进行自动调节，解决了现有的人机交互车载系统只能按照预定的规则和逻辑与用户进行交互，无法自适应地理解用户需求，导致交互效率低下，用户体验不佳的问题。

本发明的目的可以通过以下技术方案实现：

基于主动学习的人机交互方法，包括以下步骤：

步骤一：人员监测模块获取人员分辨信息，其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK，并将人员分辨信息发送至信息分析模块；

步骤二：信息分析模块根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

步骤三：人机交互平台根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

步骤四：车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；

步骤五：习惯分析模块接收到习惯分析指令后获取环境调节信息，其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY，并将环境调节信息发送至车辆调节模块；

步骤六：车辆调节模块根据环境调节信息对车辆环境进行自动调节。

作为本发明进一步的方案：所述人员监测模块获取人员分辨信息的具体过程如下：

当汽车驾驶位处车门关闭，则获取汽车驾驶位上的重量，并将其标记为人员重量值RZ；

获取驾驶位上人员的面部轮廓，获取轮廓面积，并将其标记为面部面积值MJ；

获取驾驶位上人员的左眼轮廓，在左眼轮廓中绘制水平线段，且水平线段两端均与左眼轮廓连接，获取最长的水平线段的长度，并将其标记为左轮长度值ZL，获取驾驶位上人员的右眼轮廓，在右眼轮廓中绘制水平线段，且水平线段两端均与右眼轮廓连接，获取最长的水平线段的长度，并将其标记为右轮长度值YL，将左轮长度值ZL、右轮长度值YL进行求和并求取平均值，并将其标记为眼部轮廓值LK；

将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK发送至信息分析模块。

作为本发明进一步的方案：所述信息分析模块获得人员分辨系数RY的具体过程如下：

将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK进行量化处理，提取人员重量值RZ、面部面积值MJ以及眼部轮廓值LK的数值，并将其代入公式中计算，依据公式得到人员分辨系数RY，其中，e为数学常数，α为预设的误差调节因子，取α=1.109，r1、r2以及r3分别为人员重量值RZ、面部面积值MJ以及眼部轮廓值LK对应的预设比例系数，r1、r2以及r3满足r1+r2+r3=1，0＜r3＜r2＜r1＜1，取r1=0.40，r2=0.31，r3=0.29；

将人员分辨系数RY发送至人机交互平台。

作为本发明进一步的方案：所述人机交互平台获取座椅调节参数的具体过程如下：

获取历史数据中所有的人员分辨系数RY，并将其标记为历史人员系数LS；

获取历史人员系数LS、人员分辨系数RY之间的差值，并将其标记为分辨差值FC；

将最小的分辨差值FC对应的历史人员系数LS标记为选中人员系数，获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块。

作为本发明进一步的方案：所述车辆调节模块对驾驶位座椅进行自动调节的具体过程如下：

根据座椅调节参数对驾驶位座椅进行自动调节；其中，座椅调节参数包括座椅高度、座椅纵向位置以及座椅椅背倾斜度；

调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块。

作为本发明进一步的方案：所述习惯分析模块获取环温值HW的具体过程如下：

接收到习惯分析指令后对座椅调节参数所对应的驾驶员驾驶汽车的过程中的车辆环境进行监测，按照预设的时间间隔将驾驶时间划分成若干个时间节点，并用符号i表示，其中，i=1、……、n，n为大于1的自然数，获取汽车内部每个时间节点的温度，并将其标记为温度值WDi，获取所有的温度值WDi的中位数和平均值，并将其分别标记为中温值ZW和均温值JW，将中温值ZW和均温值JW进行量化处理，提取中温值ZW和均温值JW的数值，并将其代入公式中计算，依据公式得到环温值HW，其中，w1、w2分别为设定的中温值ZW和均温值JW对应的预设比例系数，w1、w2满足w1+w2=1，0＜w1＜w2＜1，取w1=0.43，w2=0.57。

作为本发明进一步的方案：所述习惯分析模块获取环湿值HS的具体过程如下：

获取汽车内部每个时间节点的湿度，并将其标记为湿度值SDi，获取所有的湿度值SDi的中位数和平均值，并将其分别标记为中湿值ZS和均湿值JS，将中湿值ZS和均湿值JS进行量化处理，提取中湿值ZS和均湿值JS的数值，并将其代入公式中计算，依据公式得到环湿值HS，其中，s1、s2分别为设定的中湿值ZS和均湿值JS对应的预设比例系数，s1、s2满足s1+s2=1，0＜s1＜s2＜1，取s1=0.48，s2=0.52。

作为本发明进一步的方案：所述习惯分析模块获取环音值HY的具体过程如下：

获取汽车内部的语音播报平均声音强度，并将其标记为环音值HY；其中，语音播报包括导航语音、语音助手语音以及音乐。

作为本发明进一步的方案：所述车辆调节模块对车辆环境进行自动调节的具体过程如下：

对车辆环境进行自动调节，使得车内环境温度=环温值HW、车内环境湿度=环湿值HS、车内语音播报声音强度=环音值HY。

作为本发明进一步的方案：基于主动学习的人机交互系统，包括：

人员监测模块，用于获取人员分辨信息，并将人员分辨信息发送至信息分析模块；其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK；

信息分析模块，用于根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

人机交互平台，用于根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

车辆调节模块，用于根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；还用于根据环境调节信息对车辆环境进行自动调节；

习惯分析模块，用于接收到习惯分析指令后获取环境调节信息，并将环境调节信息发送至车辆调节模块；其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY。

本发明的有益效果：

本发明的基于主动学习的人机交互方法及系统，通过人员监测模块获取人员分辨信息，通过信息分析模块根据人员分辨信息获得人员分辨系数，通过人机交互平台根据人员分辨系数获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，通过车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，通过习惯分析模块接收到习惯分析指令后获取环境调节信息，通过车辆调节模块根据环境调节信息对车辆环境进行自动调节；该方法首先对驾驶车辆人员进行数据采集与分析，获取人员分辨信息，根据人员分辨信息获得的人员分辨系数能对驾驶车辆人员进行辨别，从而判别出此时驾驶车辆的驾驶员，之后根据驾驶员的座椅调节参数对驾驶位座椅进行自动调节，之后根据驾驶员历史数据进行数据采集与分析，判断驾驶员驾驶环境习惯，获取环境调节信息，最终通过环境调节信息对车辆环境进行自动调节；该系统通过不断学习和优化，能够主动地理解和预测用户需求，减少用户操作步骤和等待时间，能够适应不同用户的习惯和需求，提高用户体验，能够快速准确地响应用户需求，提高驾驶效率和安全性。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明中基于主动学习的人机交互方法的工艺流程图；

图2是本发明中基于主动学习的人机交互系统的原理框图。

具体实施方式

下面将结合本发明实施例，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它实施例，都属于本发明保护的范围。

实施例1：

请参阅图1所示，本实施例为基于主动学习的人机交互方法，包括以下步骤：

步骤一：人员监测模块获取人员分辨信息，其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK，并将人员分辨信息发送至信息分析模块；

步骤二：信息分析模块根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

步骤三：人机交互平台根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

步骤四：车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；

步骤五：习惯分析模块接收到习惯分析指令后获取环境调节信息，其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY，并将环境调节信息发送至车辆调节模块；

步骤六：车辆调节模块根据环境调节信息对车辆环境进行自动调节。

实施例2：

请参阅图1所示，本实施例为基于主动学习的人机交互系统，包括以下模块：人员监测模块、信息分析模块、人机交互平台、车辆调节模块以及习惯分析模块；

其中，所述人员监测模块用于获取人员分辨信息，并将人员分辨信息发送至信息分析模块；其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK；

其中，所述信息分析模块用于根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

其中，所述人机交互平台用于根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

其中，所述车辆调节模块用于根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；还用于根据环境调节信息对车辆环境进行自动调节；

其中，所述习惯分析模块用于接收到习惯分析指令后获取环境调节信息，并将环境调节信息发送至车辆调节模块；其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY。

实施例3：

基于上述任一实施例，本发明实施例3为人员监测模块，人员监测模块的作用是为了获取人员分辨信息，其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK，具体过程如下：

人员监测模块当汽车驾驶位处车门关闭，则获取汽车驾驶位上的重量，并将其标记为人员重量值RZ；

人员监测模块获取驾驶位上人员的面部轮廓，获取轮廓面积，并将其标记为面部面积值MJ；

人员监测模块获取驾驶位上人员的左眼轮廓，在左眼轮廓中绘制水平线段，且水平线段两端均与左眼轮廓连接，获取最长的水平线段的长度，并将其标记为左轮长度值ZL，获取驾驶位上人员的右眼轮廓，在右眼轮廓中绘制水平线段，且水平线段两端均与右眼轮廓连接，获取最长的水平线段的长度，并将其标记为右轮长度值YL，将左轮长度值ZL、右轮长度值YL进行求和并求取平均值，并将其标记为眼部轮廓值LK；

人员监测模块将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK发送至信息分析模块。

实施例4：

基于上述任一实施例，本发明实施例4为信息分析模块，信息分析模块的作用是为了获得人员分辨系数RY，具体过程如下：

信息分析模块将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK进行量化处理，提取人员重量值RZ、面部面积值MJ以及眼部轮廓值LK的数值，并将其代入公式中计算，依据公式得到人员分辨系数RY，其中，e为数学常数，α为预设的误差调节因子，取α=1.109，r1、r2以及r3分别为人员重量值RZ、面部面积值MJ以及眼部轮廓值LK对应的预设比例系数，r1、r2以及r3满足r1+r2+r3=1，0＜r3＜r2＜r1＜1，取r1=0.40，r2=0.31，r3=0.29；

信息分析模块将人员分辨系数RY发送至人机交互平台。

实施例5：

基于上述任一实施例，本发明实施例5为人机交互平台，人机交互平台的作用是为了获取座椅调节参数，具体过程如下：

人机交互平台获取历史数据中所有的人员分辨系数RY，并将其标记为历史人员系数LS；

人机交互平台获取历史人员系数LS、人员分辨系数RY之间的差值，并将其标记为分辨差值FC；

人机交互平台将最小的分辨差值FC对应的历史人员系数LS标记为选中人员系数，获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块。

实施例6：

基于上述任一实施例，本发明实施例6为车辆调节模块，车辆调节模块具有两个作用；

其一的作用是为了对驾驶位座椅进行自动调节，具体过程如下：

车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节；其中，座椅调节参数包括座椅高度、座椅纵向位置以及座椅椅背倾斜度；

调节完成车辆调节模块生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；

其二的作用是为了对车辆环境进行自动调节，具体过程如下：

车辆调节模块对车辆环境进行自动调节，使得车内环境温度=环温值HW、车内环境湿度=环湿值HS、车内语音播报声音强度=环音值HY。

实施例7：

基于上述任一实施例，本发明实施例7为习惯分析模块，习惯分析模块的作用是为了获取环境调节信息，其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY，具体过程如下：

习惯分析模块接收到习惯分析指令后对座椅调节参数所对应的驾驶员驾驶汽车的过程中的车辆环境进行监测，按照预设的时间间隔将驾驶时间划分成若干个时间节点，并用符号i表示，其中，i=1、……、n，n为大于1的自然数，获取汽车内部每个时间节点的温度，并将其标记为温度值WDi，获取所有的温度值WDi的中位数和平均值，并将其分别标记为中温值ZW和均温值JW，将中温值ZW和均温值JW进行量化处理，提取中温值ZW和均温值JW的数值，并将其代入公式中计算，依据公式得到环温值HW，其中，w1、w2分别为设定的中温值ZW和均温值JW对应的预设比例系数，w1、w2满足w1+w2=1，0＜w1＜w2＜1，取w1=0.43，w2=0.57；

习惯分析模块获取汽车内部每个时间节点的湿度，并将其标记为湿度值SDi，获取所有的湿度值SDi的中位数和平均值，并将其分别标记为中湿值ZS和均湿值JS，将中湿值ZS和均湿值JS进行量化处理，提取中湿值ZS和均湿值JS的数值，并将其代入公式中计算，依据公式得到环湿值HS，其中，s1、s2分别为设定的中湿值ZS和均湿值JS对应的预设比例系数，s1、s2满足s1+s2=1，0＜s1＜s2＜1，取s1=0.48，s2=0.52；

习惯分析模块获取汽车内部的语音播报平均声音强度，并将其标记为环音值HY；其中，语音播报包括导航语音、语音助手语音以及音乐；

习惯分析模块将环温值HW、环湿值HS以及环音值HY发送至车辆调节模块。

基于上述实施例1-7，本发明的工作原理如下：

该方法首先对驾驶车辆人员进行数据采集与分析，获取人员分辨信息，根据人员分辨信息获得的人员分辨系数能对驾驶车辆人员进行辨别，从而判别出此时驾驶车辆的驾驶员，之后根据驾驶员的座椅调节参数对驾驶位座椅进行自动调节，之后根据驾驶员历史数据进行数据采集与分析，判断驾驶员驾驶环境习惯，获取环境调节信息，最终通过环境调节信息对车辆环境进行自动调节；该系统通过不断学习和优化，能够主动地理解和预测用户需求，减少用户操作步骤和等待时间，能够适应不同用户的习惯和需求，提高用户体验，能够快速准确地响应用户需求，提高驾驶效率和安全性。

需要进一步说明的是，上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明所作的举例和说明，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 (8)

1.基于主动学习的人机交互方法，其特征在于，包括以下步骤：

步骤一：人员监测模块获取人员分辨信息，其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK，并将人员分辨信息发送至信息分析模块；

所述人员监测模块获取人员分辨信息的具体过程如下：

当汽车驾驶位处车门关闭，则获取汽车驾驶位上的重量，并将其标记为人员重量值RZ；

获取驾驶位上人员的面部轮廓，获取轮廓面积，并将其标记为面部面积值MJ；

获取驾驶位上人员的左眼轮廓，在左眼轮廓中绘制水平线段，且水平线段两端均与左眼轮廓连接，获取最长的水平线段的长度，并将其标记为左轮长度值ZL，获取驾驶位上人员的右眼轮廓，在右眼轮廓中绘制水平线段，且水平线段两端均与右眼轮廓连接，获取最长的水平线段的长度，并将其标记为右轮长度值YL，将左轮长度值ZL、右轮长度值YL进行求和并求取平均值，并将其标记为眼部轮廓值LK；

将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK发送至信息分析模块；

步骤二：信息分析模块根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

所述信息分析模块获得人员分辨系数RY的具体过程如下：

将人员重量值RZ、面部面积值MJ以及眼部轮廓值LK进行量化处理，依据公式

得到人员分辨系数RY，其中，e为数学常数，α为预设的误差调节因子，取α=1.109，r1、r2以及r3分别为人员重量值RZ、面部面积值MJ以及眼部轮廓值LK对应的预设比例系数；

将人员分辨系数RY发送至人机交互平台；

步骤三：人机交互平台根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

步骤四：车辆调节模块根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；

步骤五：习惯分析模块接收到习惯分析指令后获取环境调节信息，其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY，并将环境调节信息发送至车辆调节模块；

步骤六：车辆调节模块根据环境调节信息对车辆环境进行自动调节。

2.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述人机交互平台获取座椅调节参数的具体过程如下：

获取历史数据中所有的人员分辨系数RY，并将其标记为历史人员系数LS；

获取历史人员系数LS、人员分辨系数RY之间的差值，并将其标记为分辨差值FC；

将最小的分辨差值FC对应的历史人员系数LS标记为选中人员系数，获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块。

3.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述车辆调节模块对驾驶位座椅进行自动调节的具体过程如下：

根据座椅调节参数对驾驶位座椅进行自动调节；其中，座椅调节参数包括座椅高度、座椅纵向位置以及座椅椅背倾斜度；

调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块。

4.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述习惯分析模块获取环温值HW的具体过程如下：

接收到习惯分析指令后对座椅调节参数所对应的驾驶员驾驶汽车的过程中的车辆环境进行监测，按照预设的时间间隔将驾驶时间划分成若干个时间节点，并用符号i表示，其中，i=1、……、n，n为大于1的自然数，获取汽车内部每个时间节点的温度，并将其标记为温度值WDi，获取所有的温度值WDi的中位数和平均值，并将其分别标记为中温值ZW和均温值JW，将中温值ZW和均温值JW进行量化处理，依据公式得到环温值HW，其中，w1、w2分别为设定的中温值ZW和均温值JW对应的预设比例系数。

5.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述习惯分析模块获取环湿值HS的具体过程如下：

获取汽车内部每个时间节点的湿度，并将其标记为湿度值SDi，获取所有的湿度值SDi的中位数和平均值，并将其分别标记为中湿值ZS和均湿值JS，将中湿值ZS和均湿值JS进行量化处理，依据公式得到环湿值HS，其中，s1、s2分别为设定的中湿值ZS和均湿值JS对应的预设比例系数。

6.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述习惯分析模块获取环音值HY的具体过程如下：

获取汽车内部的语音播报平均声音强度，并将其标记为环音值HY；其中，语音播报包括导航语音、语音助手语音以及音乐。

7.根据权利要求1所述的基于主动学习的人机交互方法，其特征在于，所述车辆调节模块对车辆环境进行自动调节的具体过程如下：

对车辆环境进行自动调节，使得车内环境温度=环温值HW、车内环境湿度=环湿值HS、车内语音播报声音强度=环音值HY。

8.基于主动学习的人机交互系统，其特征在于，包括：

人员监测模块，用于获取人员分辨信息，并将人员分辨信息发送至信息分析模块；其中，人员分辨信息包括人员重量值RZ、面部面积值MJ以及眼部轮廓值LK；

信息分析模块，用于根据人员分辨信息获得人员分辨系数RY，并将人员分辨系数RY发送至人机交互平台；

人机交互平台，用于根据人员分辨系数RY获得选中人员系数，并根据选中人员系数获取选中人员系数所对应的驾驶员驾驶汽车的座椅调节参数，将座椅调节参数发送至车辆调节模块；

车辆调节模块，用于根据座椅调节参数对驾驶位座椅进行自动调节，调节完成生成习惯分析指令，并将习惯分析指令发送至习惯分析模块；还用于根据环境调节信息对车辆环境进行自动调节；

习惯分析模块，用于接收到习惯分析指令后获取环境调节信息，并将环境调节信息发送至车辆调节模块；其中，环境调节信息包括环温值HW、环湿值HS以及环音值HY。