一种车载设备根据音乐情景变化的控制方法和系统技术方案

本发明专利技术公开了一种车载设备根据音乐情景变化的控制方法，包括步骤

【技术实现步骤摘要】
一种车载设备根据音乐情景变化的控制方法和系统


[0001]本专利技术涉及车联网
，尤其涉及一种车载设备根据音乐情景变化的控制方法和系统
。

技术介绍

[0002]现有车辆车内的氛围场景只能单纯地根据人为去设定场景模式，不能智能根据当前车内环境联动车载设备进一步加强此种气氛，如车载香氛需要人为去设定开启对应香味，且仅仅只有香味而已，不能根据车内音乐类型进行智能切换，从而带动车内氛围，如车载氛围灯照明颜色也是固定的，不能跟根据音乐类型进行智能切换，从而带动车内氛围
。

技术实现思路

[0003]本专利技术的主要目的在于针对现有技术中的无法智能识别车内音乐情景并智能调节车载设备去加强场景氛围，需要用户主动去操作车载设备的缺点，提供一种车载设备根据音乐情景变化的控制方法和系统
。
[0004]为实现上述目的，本专利技术提供了一种车载设备根据音乐情景变化的控制方法，包括以下步骤：
[0005]步骤
S100
：获取当前车内播放音乐的曲目信息和音频信息；
[0006]步骤
S200
：对曲目信息和音频信息进行解析，并加权计算得出播放音乐的音乐类型；
[0007]步骤
S300
：根据播放音乐的音乐类型输出对应的控制信号至车载设备；
[0008]步骤
S400
：车载设备根据控制信号执行运行
。
[0009]优选地，所述步骤
S100
包括：通过接口与车载娱乐设备通讯连接，进行数据交互传输，读取车载娱乐设备当前播放音乐的曲目信息，同时通过录音设备采集播放音乐的音频信息，车载系统实时将曲目信息和音频信息一起传输至远端服务器，曲目信息包括曲目名称
、
专辑名称
、
曲目演奏者
。
[0010]优选地，所述步骤
S200
包括：远端服务器通过语音转译技术对音频信息进行识别，获取音频信息的音乐特征，通过对音乐特征和曲目信息从音乐特征类型匹配度
、
深度神经网络训练
、
标签分类标记
、
音乐库分类匹配度四个维度进行解析，并对解析结果进行加权计算，得出播放音乐的音乐类型
。
[0011]优选地，所述步骤
S200
中的音乐特征类型匹配度的解析方法为：将音乐特征中的高低音占比
、
节拍快慢占比
、
和声占比与各种音乐类型中的高低音占比范围
、
节拍快慢占比范围
、
和声占比范围进行对比匹配，得出播放音乐的音乐类型及其占比；
[0012]所述步骤
S200
中的深度神经网络训练的解析方法为：通过将音乐类型事先定义的音频信息进行模型训练，形成深度神经网络训练模型，再通过将播放音乐的音频信息输入深度神经网络训练模型训练，获取播放音乐的音乐类型，每种音乐类型占比相同；
[0013]所述步骤
S200
中的标签分类标记的解析方法为：通过提取曲目信息中的专辑名
称
、
曲目名称，根据专辑名称和曲目名称的文字释义，获取播放音乐的音乐类型及其占比；
[0014]所述步骤
S200
中的音乐库分类匹配度的解析方法为：通过提取曲目信息中的曲目名称
、
曲目演奏者，将曲目名称和曲目演奏者输入到音乐数据库中，查询音乐数据库对播放音乐的音乐类型，提取播放音乐的音乐类型，每种音乐类型占比相同；
[0015]所述步骤
S200
中的对解析结果进行加权计算方法为：根据每个维度的权重占比和每个维度中的音乐类型的占比，计算出每种音乐类型的总占比，总占比最高的音乐类型即为加权计算的音乐类型
。
[0016]优选地，所述步骤
S400
包括：车载设备中的车载香氛接收车机网关发送的控制信号，根据控制信号切换选择与音乐类型对应香味的香味剂并执行喷雾；车载设备中的氛围灯接收控制信号，根据控制信号切换选择与音乐类型对应的灯光颜色并执行照亮闪烁
。
[0017]此外，为实现上述目的，本专利技术还提供了一种车载设备根据音乐情景变化的控制系统，包括：获取模块，用于获取当前车内播放音乐的曲目信息和音频信息；解析模块，用于对曲目信息和音频信息进行解析；计算模块，用于加权计算得出播放音乐的音乐类型；传输模块，用于根据播放音乐的音乐类型输出对应的控制信号至车载设备；执行模块，用于根据控制信号执行运行；所述解析模块
、
所述计算模块位于远端服务器内，所述传输模块位于远端服务器和车载系统内，所述获取模块
、
所述执行模块位于车载系统内
。
[0018]优选地，所述获取模块通过接口与车载娱乐设备通讯连接，进行数据交互传输，读取车载娱乐设备当前播放音乐的曲目信息，所述获取模块通过录音设备采集播放音乐的音频信息，实时将曲目信息和音频信息一起传输至远端服务器，曲目信息包括曲目名称
、
曲目演奏者
、
专辑名称
。
[0019]优选地，还包括识别模块，用于通过语音转译技术对音频信息进行识别；所述解析模块通过对识别获取的音乐特征和曲目信息从音乐特征类型匹配度
、
深度神经网络训练
、
标签分类标记
、
音乐库分类匹配度四个维度进行解析；所述识别模块位于远端服务器内
。
[0020]优选地，所述解析模块的音乐特征类型匹配度的解析方法为：将音乐特征中的高低音占比
、
节拍快慢占比
、
和声占比与各种音乐类型中的高低音占比范围
、
节拍快慢占比范围
、
和声占比范围进行对比匹配，得出播放音乐的音乐类型及其占比；
[0021]所述解析模块的的深度神经网络训练的解析方法为：通过将音乐类型事先定义的音频信息进行模型训练，形成深度神经网络训练模型，再通过将播放音乐的音频信息输入深度神经网络训练模型训练，获取播放音乐的音乐类型，每种音乐类型占比相同；
[0022]所述解析模块的的标签分类标记的解析方法为：通过提取曲目信息中的专辑名称
、
曲目名称，根据专辑名称和曲目名称的文字释义，获取播放音乐的音乐类型及其占比；
[0023]所述解析模块的的音乐库分类匹配度的解析方法为：通过提取曲目信息中的曲目名称
、
曲目演奏者，将曲目名称和曲目演奏者输入到音乐数据库中，查询音乐数据库对播放音乐的音乐类型，提取播放音乐的音乐类型，每种音乐类型占比相同；
[0024]所述计算模块对解析结果进行加权计算方法为：根据每个维度的权重占比和每个维度中的音乐类型的占比，计算出每种音乐类型的总占比，总占比最高的音乐类型即为加权计算的音乐类型
。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车载设备根据音乐情景变化的控制方法，其特征在于，包括以下步骤：步骤
S100
：获取当前车内播放音乐的曲目信息和音频信息；步骤
S200
：对曲目信息和音频信息进行解析，并加权计算得出播放音乐的音乐类型；步骤
S300
：根据播放音乐的音乐类型输出对应的控制信号至车载设备；步骤
S400
：车载设备根据控制信号执行运行
。2.
如权利要求1的车载设备根据音乐情景变化的控制方法，其特征在于，所述步骤
S100
包括：通过接口与车载娱乐设备通讯连接，进行数据交互传输，读取车载娱乐设备当前播放音乐的曲目信息，同时通过录音设备采集播放音乐的音频信息，车载系统实时将曲目信息和音频信息一起传输至远端服务器，曲目信息包括曲目名称
、
专辑名称
、
曲目演奏者
。3.
如权利要求2的车载设备根据音乐情景变化的控制方法，其特征在于，所述步骤
S200
包括：远端服务器通过语音转译技术对音频信息进行识别，获取音频信息的音乐特征，通过对音乐特征和曲目信息从音乐特征类型匹配度
、
深度神经网络训练
、
标签分类标记
、
音乐库分类匹配度四个维度进行解析，并对解析结果进行加权计算，得出播放音乐的音乐类型
。4.
如权利要求3的车载设备根据音乐情景变化的控制方法，其特征在于，所述步骤
S200
中的音乐特征类型匹配度的解析方法为：将音乐特征中的高低音占比
、
节拍快慢占比
、
和声占比与各种音乐类型中的高低音占比范围
、
节拍快慢占比范围
、
和声占比范围进行对比匹配，得出播放音乐的音乐类型及其占比；所述步骤
S200
中的深度神经网络训练的解析方法为：通过将音乐类型事先定义的音频信息进行模型训练，形成深度神经网络训练模型，再通过将播放音乐的音频信息输入深度神经网络训练模型训练，获取播放音乐的音乐类型，每种音乐类型占比相同；所述步骤
S200
中的标签分类标记的解析方法为：通过提取曲目信息中的专辑名称
、
曲目名称，根据专辑名称和曲目名称的文字释义，获取播放音乐的音乐类型及其占比；所述步骤
S200
中的音乐库分类匹配度的解析方法为：通过提取曲目信息中的曲目名称
、
曲目演奏者，将曲目名称和曲目演奏者输入到音乐数据库中，查询音乐数据库对播放音乐的音乐类型，提取播放音乐的音乐类型，每种音乐类型占比相同；所述步骤
S200
中的对解析结果进行加权计算方法为：根据每个维度的权重占比和每个维度中的音乐类型的占比，计算出每种音乐类型的总占比，总占比最高的音乐类型即为加权计算的音乐类型
。5.
如权利要求4的车载设备根据音乐情景变化的控制方法，其特征在于，所述步骤
S400
包括：车载设备中的车载香氛接收车机网关发送的控制信号，根据控制信号切换选择与音...

【专利技术属性】
技术研发人员：钟浩玲，
申请(专利权)人：深圳联友科技有限公司，
类型：发明
国别省市：