车载情绪数据的增量式云端学习方法和系统技术方案

本发明专利技术提供了一种车载情绪数据的增量式云端学习方法和系统，包括：步骤1：通过车载传感器实时采集驾驶员的多模态情绪数据，包括面部图像、语音信号及生理信号；步骤2：对所述多模态数据进行预处理，包括噪声去除、特征提取及轻量级边缘模型分析，然后进行加密；步骤3：将加密后的数据上传至云端，执行增量学习与联邦学习以更新情绪识别模型；步骤4：基于预设评估策略验证模型性能，并通过隐私保护机制下发更新后的模型至车载端；步骤5：在数据全生命周期内实施脱敏、加密及合规审计，确保用户隐私与法规兼容性。本发明专利技术解决了车载情绪识别系统中模型精度低、无法持续学习及用户隐私难以保障等技术问题。

【技术实现步骤摘要】

本专利技术涉及智能座舱和人工智能领域，具体地，涉及一种车载情绪数据的增量式云端学习方法和系统。

技术介绍

1、目前众多车载情绪识别系统试图通过部署模型至车辆，实现对驾驶员情绪状态的实时识别。这些系统通常具备以下特征：

2、1、采用静态情绪识别模型；如部分基于cnn(卷积神经网络)或rnn(循环神经网络)架构的本地模型，通过图像或语音输入，识别驾驶员的情绪状态，并结合adas系统做出提示或干预。

3、2、部署在车端或边缘设备上，强调实时性；多数系统将情绪识别模型部署在车机中，追求“车载本地运行，无需依赖云端”的优势，确保低延迟与稳定性。

4、3、支持有限的情绪类型识别与响应；当前主流系统通常只识别如“疲劳”“愤怒”“注意力不集中”等有限类别，且以规则响应为主，缺乏个性化分析。

5、这些方式存在着模型固定、无法持续学习，缺乏云端协同与智能演化能力，情绪数据隐私保护薄弱的问题。

6、专利申请文献cn119047602a公开了一种基于情绪感知的分布式联邦学习方法，包括：中央服务器构建情绪动态演化图全局模型本文档来自技高网...

【技术保护点】

1.一种车载情绪数据的增量式云端学习方法，其特征在于，包括：

2.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤2中的预处理包括：去除摄像头背景噪声及麦克风环境噪声，从面部图像中提取肌肉活动特征，从语音中提取语速与语调特征，从生理信号中提取心率变异及皮肤电导变化特征；

3.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤3中的增量学习包括：

4.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤3中的联邦学习包括：

5.根据权利要求1所述的车载情绪数据的增量式云端...

【技术特征摘要】

1.一种车载情绪数据的增量式云端学习方法，其特征在于，包括：

2.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤2中的预处理包括：去除摄像头背景噪声及麦克风环境噪声，从面部图像中提取肌肉活动特征，从语音中提取语速与语调特征，从生理信号中提取心率变异及皮肤电导变化特征；

3.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤3中的增量学习包括：

4.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤3中的联邦学习包括：

5.根据权利要求1所述的车载情绪数据的增量式云端学习方法，其特征在于，所述步骤4中的模型更新包括：生成增量模型并部署影子模型，使用独立测试集验证模型性能，若验证通过则标记为正式版本并推送，否则回滚至上一版本；

【专利技术属性】
技术研发人员：王乐，李清龙，张良，
申请(专利权)人：上海普法芬电子科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人