[0001] 本发明涉及车辆技术领域，尤其是涉及一种情景模式推荐方法、系统、车辆和计算机可读存储介质。

[0002] 随着智能汽车的发展，用户对车辆的需求已从代步工具变成用车过程的全生命场景体验的需求，因此为用户提供智能化、个性化的车载场景是触发用户愉悦驾车体验的一个关键要素。目前车机为用户推荐目标情景模式的时机一般是固定设置好的，比如用户打开目标情景模式广场，用户第一次自定义目标情景模式等。

[0003] 相关技术中的车辆，通常设置有一些智能化功能，用以辅助驾驶员驾驶，但介入驾驶辅助的时机存在一定偏差，会给用户带来驾驶困扰，导致用户对推荐操作的接受意愿低，同时容易触发用户厌恶心理，对推荐系统产生不良印象。

[0033] 下面详细描述本发明的实施例，参考附图描述的实施例是示例性的，下面详细描述本发明的实施例。

[0034] 目前车机推荐目标情景模式时，没有考虑用户情绪的因素，导致在用户处于愤怒、恐惧等情绪状态下执行推荐动作，对推荐的接受意愿低，同时容易触发用户厌恶心理，对推荐系统产生不良印象。对此本发明提出一种情景模式推荐方法，车机能够在执行推荐目标情景模式动作之前，先去识别用户当前的情绪状态，判断推荐时机是否合理，避免在不合理的时机执行推荐动作，触发用户不良体验。下面参考图1‑图4描述根据本发明实施例的情景模式推荐方法。

[0035] 在一些实施例中，图1为根据本发明一个实施例的情景模式推荐方法的流程图，其中，情景模式推荐方法至少包括步骤S1‑S4，具体如下。

[0036] S1，获取用户情绪信息。

[0037] 可以理解的是，在识别用户当前的情绪状态之前，车机端确定需要为用户提供目标情景模式选择，已经准备好需要为用户提供的目标情景模式。具体地，车辆在上电后，车机可实时获取车辆的驾驶状态数据和环境数据，并结合车辆的驾驶状态数据和环境数据进行分析，从而才能准确地分析出用户此刻的需要的目标情景模式。驾驶状态数据包括车速、加速度变化情况和驾驶时间等数据，环境数据包括外部光照、车内湿度、温度、空气质量、道路拥堵情况和目的地等。

[0038] 可以理解的是，车机为用户推荐目标情景模式的时机一般是固定设置好的，或者是车主本人在车机或手机APP(Application，应用程序)上自行设定好，比如用户打开目标情景模式广场，用户第一次自定义情景模式等。例如可以通过映射表的方式记录不同触发条件及其匹配的推荐场景。当满足任意一个触发条件时，生成相应的场景触发信号，当车辆车机会监听到场景触发信号时，获取相应匹配的推荐场景，并提供适配的目标情景模式。

[0039] 在一些实施例中，获取用户情绪信息包括：获取用户图像和用户语音中的至少一项信息。

[0040] 具体地，可以通过置于车内的摄像头模组获取用户图像，可以理解的是，获取用户图像可以为获取用户的全身图像，而获取用户全身图像的目的是确定用户情绪类型，而用户的肢体语言和面部表情均能反映出用户情绪。具体地，可以设置在车辆座舱的A柱、B柱或车辆座舱的后视镜的朝向用户的一侧，还可以设置在方向盘、中控台附近区域，还可以设置在座椅后方显示屏上方等位置，可以用于采集用户的手势动作、面部表情或者身体动作等，也可以用于对用户的人脸进行识别，以进行用户身份验证。进一步地，采集到的用户图像可以不仅限于一张图像，可以为预设时间段内的包含多个包含有用户图像的获取，例如可设定用户图像获取时间为5分钟，每1分钟进行10张图像的获取，5分钟共计50张图像作为情绪识别的数据基础。以及，用户语音可以通过置于车内的麦克风模组获取，麦克风模的数量可以是一个也可以是多个。

[0041] S2，根据用户情绪信息确定用户情绪为第一类情绪。

[0042] 认知决策方面的研究表明，情绪可以系统性地改变人们对外界建议的接受程度，从而影响他们的理性判断，由此，判断用户情绪的类型的目的是判断是否需要为用户推荐目标情景模式。

[0043] 举例而言，用户在正向情绪状态下更信任建议者，更愿意接纳建议；而用户在负向情绪状态下比如恐惧、愤怒等时更固执，不愿意听取建议，而且更容易忽视建议，在面对负向情绪比如焦虑、高压力状态下，用户更希望获取他人建议和帮助以缓解压力，更容易采纳建议。若车机在执行目标情景模式推荐动作之前，没有分析当前用户情绪状态，判断推荐时机是否合适，用户当前是否容易接受推荐。比如在用户在愤怒时，不愿意听取推荐，推荐时机就不合适，如果车机直接推荐目标情景模式，用户接受意愿低且触发厌恶心理，对推荐系统产生不良印象。由此，在实施例中，在执行目标情景模式推荐动作之前，需要基于用户情绪信息进一步确定用户情绪的类型，在确定用户接受意愿高的时候，判断推荐时机是合适的，执行推荐目标情景模式的操作，避免推荐时机不合适，导致用户接受意愿低，对推荐系统产品负向体验等问题。

[0044] 具体地，在分析用户情绪的类型时，可先根据用户图像获取用户的面部表情和肢体动作，以及，根据用户语音获取用户的语音语调。再根据用户的面部表情、肢体动作以及语音语调识别出用户情绪的类型。其中，可以将面部表情、肢体动作和/或语音语调等数据与用户的历史情绪数据进行对比，进而确定用户情绪的类型。

[0045] 举例而言，使用摄像头等设备对用户进行面部表情和肢体语言等进行分析，根据采集到的用户图像识别用户面部微表情的变化，例如，当用户面部表情为双眼张开幅度小、眉毛紧收、两个眉毛之间的距离小以及嘴角下拉等，判断用户情绪不佳或者伤心。再例如，当用户面部表情为头略上仰，眉毛上升，眼几乎合拢，口张开，上下齿分离，可见下齿等，判断用户心情愉悦或者开心。以及，还可以对用户当前的语音语调进行分析，可根据用户语音中的语气、语速、语调和声音的分贝以及经过深度学习计算出来的语义综合判断用户情绪，例如，当检测到用户语速不快，频繁出现“唉”语气词，甚至检测到用户哭泣的声音，则判断用户情绪不佳或者伤心，再例如，当检测到用户语速欢快、情绪高涨、大笑等时，则判断用户心情愉悦或者开心，结合用户图像和用户语音中的至少一项即能得到的当前用户情绪的分析结果。

[0046] 进一步地，车机端或者云端可存储有该用户的历史情绪数据，如存储有大量的关于该用户的面部表情的图像或者视频、肢体动作的图像或者视频、语音数据、语调数据等，将上述当前用户情绪数据的分析结果与用户历史的情绪数据进行比对，进而能够确定当前用户情绪的类型。

[0047] 在一些实施例中，第一类情绪为负向情绪。其中，负向情绪包括焦虑、愤怒、悲伤中的至少一种情绪。可以理解的是，将获取到的用户的面部表情、肢体动作、语音语调等数据与用户情绪不佳或者伤心时的历史情绪数据进行对比，进而分析出用户情绪的类型为负向情绪。

[0048] S3，确定用户的第一类情绪产生原因。

[0049] 可以理解的是，用户出现负向情绪的原因多种多样，例如，可能是由于用户在驾驶车辆的过程遇到困难，也可能是工作压力大、家庭矛盾等。不同的原因会导致用户对推荐目标情景模式操作的接受程度不同，因此如果用户情绪状态是负向的，还需要进一步分析负向情绪产生原因。

[0050] 具体地，当确定用户情绪为负向情绪，可再次获取包含用户图像的视频用户图像。例如，可以获取车内摄像头最近一段时间的视频，如可通过摄像头获取最近5分钟或者10分钟或者15分钟内的一段视频，根据该视频中的用户的行为、对话等，分析负向情绪产生原因。

[0051] 举例而言，仍然可以使用摄像头等设备对用户进行面部表情和肢体语言等进行分析，根据采集到的用户图像识别用户面部微表情的变化，识别出该视频中的用户的行为。以及，对用户当前的语音语调进行分析，识别出该视频中的用户的对话等，结合用户行为和对话中的至少一项即能得到的当前用户的第一类情绪产生原因。

[0052] S4，根据第一类情绪产生原因判断是否推荐目标情景模式。

[0053] 基于以上，由于用户出现负向情绪的原因多种多样，且不同的产生原因对于所推荐的目标情景模式的接受程度也不一样，通过设置根据第一类情绪产生原因判断是否推荐目标情景模式。在为用户推荐目标情景模式之前，通过充分考虑用户情绪的因素，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验，并且使得车辆具备能够智能感知用户情绪的功能，优化智能驾驶。

[0054] 根据本发明实施例提出的情景模式推荐方法，当车机确定需要为用户提供目标情景模式选择时，先获取用户情绪信息，根据用户情绪信息确定用户情绪的类型，并进一步分析用户该种情绪的产生原因，进而根据其产生原因判断推荐目标情景模式时机是否合适。本实施例的情景模式推荐方法，在为用户推荐目标情景模式之前，通过充分考虑用户情绪的因素，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验，并且使得车辆具备能够智能感知用户情绪的功能，优化智能驾驶。

[0055] 在一些实施例中，图2为根据本发明另一个实施例的情景模式推荐方法的流程图，其中，根据用户情绪信息确定推荐目标情景模式的时机合适，具体可以包括步骤S41和步骤S42。

[0056] S41，确定第一类情绪产生原因满足目标情景模式推荐条件，则推荐目标情景模式。

[0057] 结合上述实施例可知，当确定用户情绪为负向情绪，获取包含用户图像的视频用户图像，并进一步根据视频用户图像确定用户的负向情绪产生原因。举例而言，通过获取车内摄像头最近一段时间的视频，根据该视频中的用户的行为、对话等，分析负向情绪产生原因。

[0058] 在一些实施例中，第一类情绪产生原因为车辆操作困扰或者行驶路况不佳。

[0059] 举例而言，如果用户负向情绪产生原因是与目标情景模式设置或选择相关的，例如用户在操作过程遇到困难；或者，用户负向情绪产生原因是道路交通情况相关的，例如用户在驾驶车辆的过程中遇到由于恶劣天气、堵车、路况复杂、路况不明等行驶路况不佳的情况，导致用户焦虑或者压力比较大时，用户正好需要车机为其提供适合的目标情景模式来辅助驾驶。若是上述原因造成了用户情绪低落甚至愤怒，则应认定用户当前是否容易接受推荐，即推荐目标情景模式的时机比较合适，即判定负向情绪产生原因满足目标情景模式推荐条件，进而可以推荐目标情景模式给用户。

[0060] S42，确定所述第一类情绪产生原因不满足所述目标情景模式推荐条件，则不推荐所述目标情景模式。

[0061] 举例而言，如果用户负向情绪产生原因是不是与目标情景模式设置或选择相关的，例如当确定用户出现负向情绪的原因是工作压力大或者家庭矛盾等，若是这些原因导致了用户情绪低落甚至愤怒，那么此时用户可能不太容易接受推荐，即确定推荐目标情景模式的时机不合适，即判定负向情绪产生原因不满足目标情景模式推荐条件，则不执行推荐目标情景模式的操作。

[0062] 在一些实施例中，图3为根据本发明又一个实施例的情景模式推荐方法的流程图，其中，情景模式推荐方法还可以包括步骤S5，具体如下。

[0063] S5，根据用户情绪信息确定用户情绪为第二类情绪，推荐目标情景模式。

[0064] 在一些实施例中，第二类情绪为正向情绪。其中，正向情绪包括开心、愉快中的至少一种情绪。可以理解的是，正向情绪下用户更信任建议者，更愿意接纳建议，因此如果用户情绪是正向的，例如开心、愉快等，那么用户更容易接受推荐，此时推荐目标情景模式的时机比较合适，用户接受意愿高，此时推荐时机判为合适时，车机可执行推荐目标情景模式的动作。

[0065] 根据本发明实施例的情景模式推荐方法，在执行目标情景模式推荐动作之前，基于用户情绪信息进一步确定用户情绪的类型为第二类情绪时，则确定用户接受意愿比较高，判断推荐时机是合适的，执行推荐目标情景模式的操作，避免推荐时机不合适，导致用户接受意愿低，对推荐系统产品负向体验等问题。

[0066] 基于以上，本发明实施例的情景模式推荐方法，在执行目标情景模式推荐动作之前，通过面部表情分析、语音语调分析、肢体语言分析等方法识别用户情绪，基于情绪识别结果如正向情绪/负向情绪，以及负向情绪产生原因，判断推荐时机是否合适，决策是否继续执行推荐动作，避免出现推荐时机不合适，导致用户接受意愿低，对推荐系统产品负向体验等问题，推进车机的智能化发展。

[0067] 在一些实施例中，图4为根据本发明又一个实施例的情景模式推荐方法的流程图，其中，在执行推荐目标情景模式的操作后，或者，在不执行推荐目标情景模式的操作后，情景模式推荐方法还包括步骤S6，具体如下。

[0068] S6，记录用户对于推荐的目标情景模式的使用意愿和使用行为，以优化根据用户情绪信息识别是否推荐目标情景模式的模型。

[0069] 在实施例中，记录用户使用意愿时，可设计为推荐信息告知用户后，用户划走/删除记录为使用意愿低，用户点击接受推荐记录为使用意愿高。记录使用行为时，可设计为用户采纳推荐后，当用车场景符合推荐时，用户使用推荐记录为1次使用，如果没有使用也做一次记录。

[0070] 进一步地，在一些实施例中，可将所记录的用户的使用意愿和使用行为存储到车机端，或者将其上传到云端服务器进行存储。

[0071] 进一步地，根据用户情绪信息识别是否推荐目标情景模式的模型可以为提前建立好的、存储在车机端或者云端的模型。在建立该模型之前，可先收集大量的训练数据作为训练数据集，获取用户图像、用户语音、历史情绪数据、用户情绪(正向情绪/负向情绪)、负向情绪产生原因、用户的使用意愿(接受/不接受)和使用行为(推荐的目标情景模式满足触发时机时，用户使用推荐的目标情景模式/不使用)，以及目标情景模式、推荐目标情景模式的时机(合理/不合理)和执行推荐目标情景模式的操作的动作，通过因子分析、回归分析等数据分析方式，建立用户个人的情绪识别、推荐时机、用户使用意愿和用户采纳行为的初始模型。然后根据训练数据，训练初始预测模型，得到根据用户情绪信息识别是否推荐目标情景模式的模型。通过不断优化该模型，能不断提升该模型的预测的准确性，在后续的程序执行过程中，能够实现用户情绪的精准识别，提高情绪识别效率。

[0072] 根据本发明实施例提出的情景模式推荐方法，通过建立根据用户情绪信息识别是否推荐目标情景模式的模型，并对该模型的不断优化，从而能不断提升模型的预测的准确性，以保证在每一次当车机确定需要为用户提供目标情景模式选择时，能够更准确地识别用户情绪，以在用户接受意愿高的时候执行推荐动作，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验，并且使得车辆具备能够智能感知用户情绪的功能，优化智能驾驶。

[0073] 本发明实施例还提出一种情景模式推荐系统，如图5所示，为根据本发明一个实施例的情景模式推荐系统的框图，其中，情景模式推荐系统100包括获取模块10、情绪类型确定模块20、情绪产生原因确定模块30和判断模块40。

[0074] 其中，获取模块10用于获取用户情绪信息。情绪类型确定模块20用于根据用户情绪信息确定所述用户情绪为第一类情绪。情绪产生原因确定模块30用于确定用户的第一类情绪产生原因；判断模块40用于根据第一类情绪产生原因判断是否推荐目标情景模式。

[0075] 在一些实施例中，第一类情绪为负向情绪。其中，负向情绪包括焦虑、愤怒、悲伤中的至少一种情绪。然而用户出现负向情绪的原因多种多样，不同的原因会导致用户对推荐目标情景模式操作的接受程度不同，因此如果用户情绪状态是负向的，还需要进一步分析负向情绪产生原因，最终根据其产生原因判断是否推荐目标情景模式。由此在为用户推荐目标情景模式之前，通过充分考虑用户情绪的因素，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验，并且使得车辆具备能够智能感知用户情绪的功能，优化智能驾驶。

[0076] 进一步地，获取模块10、情绪类型确定模块20、情绪产生原因确定模块30和判断模块40的作用和功能可结合上面的方法的实施例进行理解，此处不再赘述。

[0077] 根据本发明实施例提出的情景模式推荐系统100，当车机确定需要为用户提供目标情景模式选择时，获取模块10先获取用户情绪信息，情绪类型确定模块20根据用户情绪信息确定用户情绪的类型，由情绪产生原因确定模块30进一步分析用户该种情绪的产生原因，进而由判断模块40根据其产生原因判断推荐目标情景模式时机是否合适。该情景模式推荐系统，在为用户推荐目标情景模式之前，充分考虑了用户情绪的因素，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验，并且通过设置该情景模式推荐系统，使得车辆具备智能感知用户情绪的功能，优化智能驾驶。

[0078] 在本发明的一些实施例中，图6为根据本发明一个实施例的车辆的框图，如图6所示，车辆200包括至少一个处理器201和存储器202。其中还，存储器202与至少一个处理器201连接，存储器202中存储有计算机程序，计算机程序被处理器执行时，用于实现如上面任一项实施例的情景模式推荐方法。

[0079] 具体地，处理器201可能是一个CPU(CentralProcessingUnit，中央处理器)，或者是特定的ASIC(Application Specific Integrated Circuit，集成电路)，或者是被配置成实施本发明实施例的一个或多个集成电路。存储器202可能包含高速RAM(random access memory，随机存取存储器)，也可能还包括非易失性存储器，例如至少一个磁盘存储器。存储器202和处理器201可以通过总线相互连接并完成相互间的通信。更具体地，在具体实现上，可将存储器202和处理器201集成在一块芯片上实现，则存储器202和处理器201可以通过内部接口完成相互间的通信。

[0080] 根据本发明实施例提出的车辆200，存储器202中存储的计算机程序被处理器201执行时，能实现如上面任一项实施例的情景模式推荐方法，在为用户推荐目标情景模式之前，充分考虑用户情绪的因素，判断推荐时机是否合理，进而选择是否为用户推荐目标情景模式，避免在不合理的时机执行推荐动作，从而提升用户的驾驶体验。

[0081] 在本发明的一些实施例中，还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序当被处理器执行时用于实现如上面任一项实施例的情景模式推荐方法。

[0082] 本发明实施例的非临时性计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者非临时性计算机可读存储介质。非临时性计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件等，或者任意以上的组合。非临时性计算机可读存储介质还可以包括具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器RAM、只读存储器、可擦式可编程只读存储器、光纤、便携式紧凑磁盘只读存储器、光存储器件、磁存储器件或者上述的任意合适的组合。在发明中，非临时性计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0083] 进一步地，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网或广域网，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)，旨在实现本发明实施例的情景模式推荐方法。

[0084] 根据本发明实施例提出的非临时性计算机可读存储介质，其上存储有计算机程序，其计算机程序被处理器执行时，用于实现如上面任一项实施例的情景模式推荐方法，在为用户推荐目标情景模式之前，充分考虑用户情绪的因素，进而在合理的推荐时机为用户推荐目标情景模式，使得车辆能够智能感知用户情绪，避免出现因推荐时机不合适，导致用户接受意愿低，对推荐系统产品负向体验等问题，能够提升用户的驾驶体验。

[0085] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”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。

[0086] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。