用于操控车辆部件的方法、车机系统、神经网络和程序产品技术方案

本发明专利技术涉及一种用于基于神经网络操控车辆部件的方法(1)，其中，所述神经网络配置用于求取目标对象的至少一个对象特征，所述方法包括：获取与所述目标对象的对象特征有关的对象特征数据项；根据所获取的对象特征数据项，操控所述车辆部件。此外，本发明专利技术涉及一种用于基于神经网络操控车辆部件的车机系统、一种神经网络以及一种计算机程序产品。网络以及一种计算机程序产品。网络以及一种计算机程序产品。

【技术实现步骤摘要】
用于操控车辆部件的方法、车机系统、神经网络和程序产品


[0001]本专利技术涉及一种用于基于神经网络操控车辆部件的方法，其中，所述神经网络配置用于求取目标对象的至少一个对象特征，所述方法包括：获取与所述目标对象的对象特征有关的对象特征数据项；根据所获取的对象特征数据项，操控所述车辆部件。此外，本专利技术涉及一种用于基于神经网络操控车辆部件的车机系统、一种神经网络以及一种计算机程序产品。

技术介绍

[0002]现有的车机系统具有预先设置的性格特征或其操控程序较为单一。此外，现有的性格特征往往基于单一维度的特征来分析，例如基于面部表情，而非在多个维度上对性格特征进行分析。

技术实现思路

[0003]本专利技术的任务在于，利用神经网络、机器学习方法，获取特定生物的性格特征，并且通过车辆部件体现或再现该性格特征，从而体现了人文关怀。
[0004]该任务通过一种用于基于神经网络操控车辆部件的方法、一种用于基于神经网络操控车辆部件的车机系统、一种神经网络以及一种计算机程序产品来解决。优选的实施方式在下文中描述。
[0005]根据本专利技术的第一方面，提出一种用于基于神经网络操控车辆部件的方法，其中，所述神经网络配置用于求取目标对象的至少一个对象特征，所述方法包括：
[0006]‑
获取与所述目标对象的对象特征有关的对象特征数据项；
[0007]‑
根据所获取的对象特征数据项，操控所述车辆部件。
[0008]在本专利技术的上下文中，目标对象可以理解为如下对象：应当通过车辆部件来体现该对象的对象特征。在此，该对象例如能够是先前已经存储的，也能够由用户在现场指定或选择。相对于地定义关联对象，在本专利技术的上下文中，关联对象可以理解为如下对象：应当通过神经网络分析处理目标对象与该对象之间的关联关系。
[0009]在本专利技术的上下文中，对象特征数据项包含表征对象特征的至少一个数据项。所述数据项可以表征场景特征，在该场景特征下触发或启动对与相应的对象特征有关的车辆部件的操控。所述数据项也可以表征对象的单个特征或多个特征的组合。在此，能够从多个维度或者说从多个角度对这些特征进行划分：
[0010]‑
这些特征可以是静态特征，例如颜色特征、表情特征等，这些特征也可以是动态特征，例如速度特征、动作特征等；
[0011]‑
这些特征可以是视觉特征，例如对象表情、对象颜色等，这些特征也可以是声学特征，例如声音特征(包括音量大小，声音重复频率)；
[0012]‑
这些特征可以是该对象本身的自身特征，例如速度特征，这些特征也可以是与其他对象有关的关联特征，例如对象间距或对象间距变化等体现该对象与其他对象之间的关
联或互动的特征。
[0013]换言之，所述数据项也可以包括所述特征的分类信息。进一步地，能够想到，所述数据项也可以包括所述特征的和/或所述分类信息的程度值，所述程度值以定量的方式对这些特征和/或其分类信息进行评估，例如在出现的频率和/或数值大小(幅值大小)方面进行统计分析。
[0014]根据本专利技术，基于神经网络或机器学习方法，不仅在多个维度上、还基于多个特征的融合地以及基于多个对象的关联关系地对目标对象的对象特征(即性格特征或行为特征，以下可统称为性格特征)进行分析处理，从而得到了关于该目标对象的更准确的和更全面的信息。通过这种方式，使得车辆或车机系统能够形成对象特定的性格特征并且在该车辆部件上更加形象地模拟或体现所述性格特征，从而提供了改进的用户体验并且体现了车机系统的人文关怀。
[0015]根据本专利技术的一种优选的实施方式设置，响应于场景事件地和/或响应于输入事件地获取所述对象特征数据项。
[0016]在本专利技术的上下文中，“响应于场景事件地”也可以理解为响应于车辆(内部)事件地。在一种实施例中，将车辆的状态(例如行驶记录，其能够通过一段时间内的里程确定)或车辆的状态变化(例如通过车辆的启动和/或熄火表征)映射为相应的场景特征，从而随后触发相应场景特征下的车辆部件操控。能够想到，如果用户启动车辆，那么对于性格特征为“喜欢户外运动”的目标对象而言，在这种情况下做出相应的反应是适宜的。还能够想到，如果车辆连续多日高速驾驶，那么对于性格特征为“喜欢奔跑”的目标对象而言，可以通过相应的车辆部件来体现其情绪或状态，例如通过娱乐设备播放某种风格的音乐等。通过这种方式，不仅特定于场景事件地体现了性格特征，而且提高了操控的自动化水平。
[0017]优选地，所述输入事件包括用户输入选项和/或用户输入用于所述神经网络的输入数据。一方面，响应于用户的选项来操控车辆部件并且所述选项可以是多目标的(一个或多个目标对象和/或关联对象等)、多维度的(视觉特征、声学特征、动态特征、场景特征等)。另一方面，用户能够输入图像文件、视频文件或音频文件等，车机系统或神经网络基于所输入的文件自动地确定对象和/或特征。随后，用户能够实时地进行选择，或者，能够无需人工分析地操控车辆部件，这提高了操控的灵活性并且同样提高了自动化水平。
[0018]根据本专利技术的一种优选的实施方式设置，基于所述神经网络提取与所述目标对象有关的至少一个特征，其中，基于所述至少一个特征和/或基于所述至少一个特征的特征融合求取所述目标对象的至少一个对象特征和/或生成所述目标对象的至少一个对象特征数据项。在本专利技术的上下文中，尤其是在神经网络的多级架构中，特征可以理解为神经网络的中间结果，并且特征和对象特征可以一般性地理解为标签。
[0019]根据本专利技术的一种优选的实施方式设置，所述神经网络至少能够实现如下功能：目标检测，目标定位，颜色识别，表情识别，声音识别，对象追踪。替代地和/或附加地，所述神经网络至少能够提取如下特征：对象种类，对象位置，对象颜色，表情特征，声音特征，对象姿态，对象间距，对象速度。在此，这些功能仅仅是示例性的而非限制性的。根据本专利技术地，尤其是基于多模态特征地，在多个维度上分析目标对象的性格特征和行为特征。
[0020]根据本专利技术的一种优选的实施方式设置，所述神经网络能够是或包括：YOLO(You Only Look Once:Unified,Real
‑
Time Object Detection)网络、BP(Back Propagation)神
经网络。在此，这些神经网络同样仅仅是示例性的而非限制性的。例如，对于需要识别背景或者说需要确定场景的应用而言，能够优选YOLO网络，因为它对背景的误判程度低，使得能够较好地识别户外环境。例如，基于BP神经网络实现语音识别。
[0021]在本专利技术的上下文中，“神经网络”并不限于一个特定类型的神经网络或机器学习算法，而是应理解为神经网络模块或神经网络集合。在此，优选地，该神经网络能够根据输入信息来选择特定的神经网络子模块或机器学习算法。在一种实施例中，根据输入数据是图像数据、视频数据还是音频数据地进行选择。例如，对于需要语音识别能力的输入数据而言将BP神经网络考虑在内。在一种实施例中，根据用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于基于神经网络操控车辆部件的方法(1)，其中，所述神经网络配置用于求取目标对象的至少一个对象特征，所述方法包括：
‑
获取与所述目标对象的对象特征有关的对象特征数据项；
‑
根据所获取的对象特征数据项，操控所述车辆部件。2.根据权利要求1所述的方法(1)，其中，响应于场景事件地和/或响应于输入事件地获取所述对象特征数据项，其中，所述输入事件包括用户输入选项和/或用户输入用于所述神经网络的输入数据。3.根据权利要求1或2所述的方法(1)，其中，基于所述神经网络提取与所述目标对象有关的至少一个特征，其中，基于所述至少一个特征和/或基于所述至少一个特征的特征融合求取所述目标对象的至少一个对象特征和/或生成所述目标对象的至少一个对象特征数据项。4.根据权利要求1至3中任一项所述的方法，其中，所述神经网络至少能够实现如下功能：目标检测，目标定位，颜色识别，表情识别，声音识别，对象追踪；和/或其中，所述神经网络至少能够提取如下特征：对象种类，对象位置，对象颜色，表情特征，声音特征，对象姿态，对象间距，对象速度。5.根据权利要求1至4中任一项所述的方法(1)，其中，所述神经网络能够是或包括：YOLO网络、BP神经网络。6.根据权利要求1至5中任一项所述的方法(1)，其中，对所求取的特征和/或所述目标对象的对象特征进行定性评估，以便获得相应的分类值。7.根据权利要求1至6中任一项所述的方法(1)，其中，对所求取的特征和/或所述目标对象的对象特征进行定量评估，以便获得相应的程度值，其中，在出现的频率和/或数值大小方面进行统计分析。8.根据权利要求1至7中任一项所述的方法(1)...

【专利技术属性】
技术研发人员：孟雨，王啓卿，
申请(专利权)人：梅赛德斯奔驰集团股份公司，
类型：发明
国别省市：