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技术方案

本发明专利技术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。

【技术实现步骤摘要】
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
本专利技术属于车载多媒体调控
，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。
技术介绍
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。
技术实现思路
针对上述问题，本专利技术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，通过对驾驶该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
技术介绍
提到的问题。本专利技术的目的可以通过以下技术方案来实现：第一方面，本专利技术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：对驾驶该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该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类型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Qjw(qjw1,qjw2,…,qjwi,…,qjwn)，qjwi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本文档来自技高网...

【技术保护点】
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：/nS1.驾驶员统计：对驾驶该汽车对应的驾驶员数量进行统计，并对各驾驶员进行编号；/nS2.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；/nS3.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；/nS4.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；/nS5.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；/nS6.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；/nS7.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；/nS8.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；/nS9.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；/n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；/n所述驾驶员统计模块用于对驾驶该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；/n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类型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；/n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；/n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：/nD1: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；/nD2: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Q...

【技术特征摘要】
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：对驾驶该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该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类型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Qjw(qjw1,qjw2,…,qjwi,…,qjwn)，qjwi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...

【专利技术属性】
技术研发人员：王亨，
申请(专利权)人：积善云科技武汉有限公司，
类型：发明
国别省市：湖北;42