CN115994717B - 一种用户评估方式确定方法、***、设备及可读存储介质 - Google Patents
一种用户评估方式确定方法、***、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115994717B CN115994717B CN202310288046.7A CN202310288046A CN115994717B CN 115994717 B CN115994717 B CN 115994717B CN 202310288046 A CN202310288046 A CN 202310288046A CN 115994717 B CN115994717 B CN 115994717B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- evaluation
- brain wave
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供了一种用户评估方式确定方法、***、设备及可读存储介质,所述方法包括获取第一信息和第二信息,第一信息包括用户画像,第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;根据用户画像确定用户画像对应的用户的兴趣信息,兴趣信息包括用户感兴趣的智能***的功能;根据用户的兴趣信息和第二信息确定用户的子兴趣信息,子兴趣信息包括用户对智能***功能感兴趣的评估维度;根据用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,评估材料信息包括评估分数表或评估折线图;根据评估材料信息确定用户感兴趣的评估方式,本发明有效的为不同的用户设计不同的评估方式,以提高用户对智能***功能提升的敏感度。
Description
技术领域
本发明涉及自动驾驶车辆智能***评估领域,具体而言,涉及一种用户评估方式确定方法、***、设备及可读存储介质。
背景技术
随着自动驾驶车辆行业的飞速发展,自动驾驶车辆的智能***日益成熟,如何将自动驾驶车辆智能***的评估方式设计得令用户群体满意是目前亟需解决的,但是目前的自动驾驶车辆评估领域中,该方面的研究还处于空白领域,因此,亟需一种用户评估方式确定方法,来针对不同的用户设计不同的评估方式,以提高用户对智能***功能提升的敏感度。
发明内容
本发明的目的在于提供一种用户评估方式确定方法、***、设备及可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种用户评估方式确定方法,所述方法包括:
获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
根据所述评估材料信息确定用户感兴趣的评估方式。
第二方面,本申请实施例提供了一种用户评估方式确定***,所述***包括:
获取模块,用于获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
第一处理模块,用于根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
第二处理模块,用于根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
第三处理模块,用于根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
确定模块,用于根据所述评估材料信息确定用户感兴趣的评估方式。
第三方面,本申请实施例提供了一种用户评估方式确定设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述用户评估方式确定方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述用户评估方式确定方法的步骤。
本发明的有益效果为:
本发明通过用户画像确定该类用户感兴趣的智能车辆上的智能***的功能,再根据第二信息确定用户对智能***功能感兴趣的评估维度,通过将评估方式精确到智能***对应的多个维度,有效的实现了用户对智能***功能的精准评估,再将用户感兴趣的评估维度生成不同类型的评估材料信息,根据用户对不同类型评估材料进行观察时的脑波信号判断用户对那种类型的评估材料更为敏感,从而达到确定用户评估方式的目的,有效的为不同的用户设计不同的评估方式,以提高用户对智能***功能提升的敏感度。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的用户评估方式确定方法的流程示意图。
图2为本发明实施例中所述的用户评估方式确定***的结构示意图。
图3为本发明实施例中所述的用户评估方式确定设备的结构示意图。
图中标注:901、获取模块;902、第一处理模块;903、第二处理模块;904、第三处理模块;905、确定模块;9031、第一处理单元;9032、第二处理单元;9033、第三处理单元;9051、获取单元;9052、第十处理单元;9053、第十一处理单元;9054、第十二处理单元;9055、第十三处理单元;9056、第十四处理单元;9057、第十五处理单元;90311、预处理单元;90312、第四处理单元;90313、第五处理单元;90521、第十六处理单元;90522、第一计算单元;90523、第十七处理单元;90524、第二计算单元;90525、第十八处理单元;903111、第六处理单元;903112、第七处理单元;903113、第八处理单元;903114、第九处理单元;800、用户评估方式确定设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种用户评估方式确定方法,可以理解的是,在本实施例中可以铺设一个场景,例如:用户在对智能***的自动转弯功能的某一维度的性能提升需要进行评估的场景。
参见图1,图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5,其中具体为:
步骤S1、获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
可以理解的是,获取第一信息的具体步骤为:获取至少一个预设的调查条目和预设的分数区间;利用李克特七点量表计分法对所述预设的调查条目进行计分,得到每个用户的分数信息;判断所述用户的分数信息位于的所述分数区间,得到判断结果;根据所述判断结果生成用户对应的用户画像,需要说明的是,预设的调查条目为从多个维度统计的条目,其中包括个性化维度、用户参与程度维度、智能车辆的智能***可用性维度、认知安全维度等,其中,个性化维度测量了智能车辆的智能***对于环境、用户***时基本不使用智能车辆的用户;当用户的分数为30-60时,判断用户为平时较少使用智能车辆的用户;当用户的分数为60-80时,判断用户为平时经常使用智能车辆的用户;当用户的分数大于80时,判断用户为日常生活中智能车辆为必要工具的用户。
步骤S2、根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
可以理解的是,根据用户画像可以确定该用户经常使用的智能***功能,即为用户感兴趣的智能***功能。
步骤S3、根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
可以理解的是,所述步骤S3中还包括步骤S31、步骤S32和步骤S33,其中具体为:
步骤S31、当用户使用自动转弯功能时,根据所述第二信息确定用户驾驶智能车辆时期内每一时刻用户的眼球位置信息;
可以理解的是,所述步骤S31中还包括步骤S311、步骤S312和步骤S313,其中具体为:
步骤S311、对用户驾驶智能车辆时每一时刻的监控图像进行预处理,得到用户的眼部图像;
可以理解的是,所述步骤S311还包括步骤S3111、步骤S3112、步骤S3113和步骤S3114,其中具体为:
步骤S3111、将用户驾驶智能车辆时每一时刻的监控图像进行灰度化处理,得到第一图像,所述第一图像为灰度化处理后的监控图像;
可以理解的是,将用户驾驶智能车辆时每一时刻的监控图像进行灰度化处理,得到第一图像便于后续对图像继续进行处理。
步骤S3112、将所述第一图像进行二值化处理,得到第二图像,所述第二图像为二值化处理后的第一图像;
可以理解的是,对灰度化图像进行二值化处理为本技术领域人员所熟知的技术,故不在此赘述。
步骤S3113、利用最大类间方差法对所述二值化处理后的第一图像进行分割,得到监控图像中驾驶人员的眼部图像;
可以理解的是,利用最大类间方差法确定图像分割的阈值,可以不受图像亮度和图像对比度的影响,实现将用户驾驶智能车辆时每一时刻的监控图像的前景和后景进行精确的分割,从而实现对目标物的分割,得到监控图像中驾驶人员的眼部图像。
步骤S3114、对所述眼部图像进行降噪处理,得到降噪处理后的眼部图像。
可以理解的是,利用高斯滤波器对眼部图像进行降噪处理,得到降噪处理后的眼部图像,利用高斯滤波器处理可以得到滤去噪声较为清楚的眼部图像,需要说明的是利用高斯滤波器对眼部图像进行降噪处理为本技术领域人员所熟知的技术,故不在此赘述。
步骤S312、将所述用户的眼部图像进行聚类分析,得到驾驶人员观察预设区域时双眼连线中点的位置与预设的基准位置的对应关系;
可以理解的是,预设的基准位置为摄像头对准驾驶位置驾驶人员双眼平视前方时双眼连线的中点位置,以基准位置为圆心建立三维坐标系,双眼连线中点的位置与预设的基准位置的对应关系包括第一对应关系、第二对应关系、第三对应关系、第四对应关系,其中,不同的对应关系分别表示驾驶用户观察不同预设区域时双眼连线中点的位置与预设的基准位置的对应关系,例如:第一对应关系为驾驶用户观察第一预设区域时双眼连线中点的位置与预设的基准位置的对应关系,根据双眼连线中点的位置与预设的基准位置的对应关系即可判断用户此时关注的预设区域,需要说明的是,对应关系为利用聚类算法对驾驶用户在车上每一时刻的眼部图像进行聚类分析所得到的对应关系,聚类算法可以为K均值聚类算法但不限于K均值聚类算法。
步骤S313、根据所述对应关系确定用户的眼球位置信息。
可以理解的是,根据第一对应关系可以判断用户此时眼球位置看向第一预设区域。
步骤S32、根据每一时刻所述用户的眼球位置信息进行计算,得到计算结果,所述计算结果包括计算眼球位置看向至少一个预设区域的累计时间,一个所述预设区域对应一个评估维度;
可以理解的是,当评估的智能***功能为自动转弯功能时,预设区域包括车轮擦到路沿的次数区域、车辆轨迹偏离中轴线的偏移量区域、完成过完的平均速度区域和完成过弯的整体时长区域,将驾驶用户在车上每一时刻的眼部图像进行聚类分析,可以得到四个聚类簇,一个聚类簇对应一个预设区域,一个聚类簇中包括至少一个聚类点,一个聚类点表示一帧的时间该用户眼球位置看向该聚类簇对应的预设区域,根据每一个聚类簇中聚类点的数量即可计算得到用户分别看向车轮擦到路沿的次数区域、车辆轨迹偏离中轴线的偏移量区域、完成过完的平均速度区域和完成过弯的整体时长区域的累计时间。
步骤S33、根据所述计算结果确定用户对自动过弯功能感兴趣的评估维度。
可以理解的是,比较驾驶用户看向每个预设区域的累计时间,选取其中累计时间最大的作为用户对自动过弯功能感兴趣的评估维度。
步骤S4、根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
可以理解的是,评估材料信息包括评估分数表或评估折线图但不限于评估分数表和评估折线图。
步骤S5、根据所述评估材料信息确定用户感兴趣的评估方式。
可以理解的是,所述步骤S5中还包括步骤S51、步骤S52、步骤S53、步骤S54、步骤S55、步骤S56和步骤S57,其中具体为:
步骤S51、获取用户的脑波信息,所述用户的脑波信息为用户观看评估材料信息时的脑波信号;
步骤S52、将所述脑波信息进行预处理,得到预处理后的脑波信息,所述预处理后的脑波信息包括排除眼电信号干扰后的脑波信号;
可以理解的是,所述步骤S52中还包括步骤S521、步骤S522、步骤S523、步骤S524和步骤S525,其中具体为:
步骤S521、步将所述脑波信息进行分段,得到至少一段脑波信号;
步骤S522、计算每段脑波信号的标准差得到标准差信息;
可以理解的是,计算每段脑波信号的标准差得到标准差信息为本领域技术人员所熟知的技术方案,故不在此赘述。
步骤S523、根据所述标准差信息确定第一片段和第二片段,所述第一片段为标准差最大的脑波信号片段,所述第二片段为标准差最小的脑波信号片段;
步骤S524、计算所述第一片段与所述第二片段的均值,得到均值信息;
可以理解的是,计算第一片段与第二片段的均值为本领域人员所熟知的技术方案,故不在此赘述。
步骤S524、基于所述均值信息确定阈值信息,并根据所述阈值信息对所述脑波信号中的眼电信号进行过滤,得到过滤后的脑波信号。
可以理解的是,将第一片段的均值与第二片段的均值球平均数,将平均数的1.5倍作为阈值信息,将大于阈值信息的数据进行滤除,得到过滤眼电信号干扰的脑波信号。
在本实施例中,眼电信号是眼睛进行转动或眨眼等活动产生的信号,由于眼睛离脑部较近,眼电信号对脑波信号具有明显的干扰,因此,再对脑波信号进行处理时,需要对眼电信号进行去除,以得到精确的脑波信号。
步骤S53、利用小波包变换对所述预处理后的脑波信息进行降噪,得到降噪后的脑波信息;
步骤S54、利用短时傅里叶变换对所述降噪后的脑波信息进行处理,得到脑电频谱图;
可以理解的是,脑波信号为一种非平稳信号,利用短时傅里叶变换来处理脑波信号这种非平稳信号,即将这种非平稳的信号划分为局部平稳进行处理,接着将短时傅里叶变换系数进行平方就得到了脑电频谱图。
步骤S55、将所述脑电频谱图发送至卷积神经网络,得到特征向量;
可以理解的是,将脑电频谱图发送至卷积神经网络得到脑电特征向量。
步骤S56、将所述特征向量输入训练后的支持向量机进行识别,得到用户观看评估材料时的情绪;
可以理解的是,深度学习需要庞大的数据集,因此,当数据较少时,卷积神经网络容易出现过拟合的问题,因此通过将卷积神经网络提取的脑电特征向量发送至支持向量机进行分类,可以有效的利用支持向量机在小样本数量上的优势,避免产生过拟合的问题,支持向量机只要选择合适的核函数即可,无需大量的调参操作。
步骤S57、根据所述用户观看评估材料时的情绪确定用户感兴趣的评估方式。
可以理解的是,当用户观看评估材料时的情绪为积极的可以判断用户对此类评估材料是敏感的,当用户观看评估材料时的情绪为平静的可以判断用户对此类评估材料是不敏感的,当用户观看评估材料时的情绪为消极的可以判断用户对此类评估材料是讨厌的。
实施例2:
如图2所示,本实施例提供了一种用户评估方式确定***,所述***包括获取模块901、第一处理模块902、第二处理模块903、第三处理模块904和确定模块905,其中具体为:
获取模块901,用于获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
第一处理模块902,用于根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
第二处理模块903,用于根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
第三处理模块904,用于根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
确定模块905,用于根据所述评估材料信息确定用户感兴趣的评估方式。
在本公开的一种具体实施方式中,所述第二处理模块903中还包括第一处理单元9031、第二处理单元9032和第三处理单元9033,其中具体为:
第一处理单元9031,用于当用户使用自动转弯功能时,根据所述第二信息确定用户驾驶智能车辆时期内每一时刻用户的眼球位置信息;
第二处理单元9032,用于根据每一时刻所述用户的眼球位置信息进行计算,得到计算结果,所述计算结果包括计算眼球位置看向至少一个预设区域的累计时间,一个所述预设区域对应一个评估维度;
第三处理单元9033,用于根据所述计算结果确定用户对自动过弯功能感兴趣的评估维度。
在本公开的一种具体实施方式中,所述第一处理单元9031中还包括预处理单元90311、第四处理单元90312和第五处理单元90313,其中具体为:
预处理单元90311,用于对用户驾驶智能车辆时每一时刻的监控图像进行预处理,得到用户的眼部图像;
第四处理单元90312,用于将所述用户的眼部图像进行聚类分析,得到驾驶人员观察预设区域时双眼连线中点的位置与预设的基准位置的对应关系;
第五处理单元90313,用于根据所述对应关系确定用户的眼球位置信息。
在本公开的一种具体实施方式中,所述预处理单元90311包括第六处理单元903111、第七处理单元903112、第八处理单元903113和第九处理单元903114,其中具体为:
第六处理单元903111,用于将用户驾驶智能车辆时每一时刻的监控图像进行灰度化处理,得到第一图像,所述第一图像为灰度化处理后的监控图像;
第七处理单元903112,用于将所述第一图像进行二值化处理,得到第二图像,所述第二图像为二值化处理后的第一图像;
第八处理单元903113,用于利用最大类间方差法对所述二值化处理后的第一图像进行分割,得到监控图像中驾驶人员的眼部图像;
第九处理单元903114,用于对所述眼部图像进行降噪处理,得到降噪处理后的眼部图像。
在本公开的一种具体实施方式中,所述确定模块905中还包括获取单元9051、第十处理单元9052、第十一处理单元9053、第十二处理单元9054、第十三处理单元9055、第十四处理单元9056和第十五处理单元9057,其中具体为:
获取单元9051,用于获取用户的脑波信息,所述用户的脑波信息为用户观看评估材料信息时的脑波信号;
第十处理单元9052,用于将所述脑波信息进行预处理,得到预处理后的脑波信息,所述预处理后的脑波信息包括排除眼电信号干扰后的脑波信号;
第十一处理单元9053,用于利用小波包变换对所述预处理后的脑波信息进行降噪,得到降噪后的脑波信息;
第十二处理单元9054,用于利用短时傅里叶变换对所述降噪后的脑波信息进行处理,得到脑电频谱图;
第十三处理单元9055,用于将所述脑电频谱图发送至卷积神经网络,得到特征向量;
第十四处理单元9056,用于将所述特征向量输入训练后的支持向量机进行识别,得到用户观看评估材料时的情绪;
第十五处理单元9057,用于根据所述用户观看评估材料时的情绪确定用户感兴趣的评估方式。
在本公开的一种具体实施方式中,所述第十处理单元9052还包括第十六处理单元90521、第一计算单元90522、第十七处理单元90523、第二计算单元90524和第十八处理单元90525,其中具体为:
第十六处理单元90521,用于将所述脑波信息进行分段,得到至少一段脑波信号;
第一计算单元90522,用于计算每段脑波信号的标准差得到标准差信息;
第十七处理单元90523,用于根据所述标准差信息确定第一片段和第二片段,所述第一片段为标准差最大的脑波信号片段,所述第二片段为标准差最小的脑波信号片段;
第二计算单元90524,用于计算所述第一片段与所述第二片段的均值,得到均值信息;
第十八处理单元90525,用于基于所述均值信息确定阈值信息,并根据所述阈值信息对所述脑波信号中的眼电信号进行过滤,得到过滤后的脑波信号。
需要说明的是,关于上述实施例中的***,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种用户评估方式确定设备,下文描述的一种用户评估方式确定设备与上文描述的一种用户评估方式确定方法可相互对应参照。
图3是根据示例性实施例示出的一种用户评估方式确定设备800的框图。如图3所示,该用户评估方式确定设备800可以包括:处理器801,存储器802。该用户评估方式确定设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该用户评估方式确定设备800的整体操作,以完成上述的用户评估方式确定方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该用户评估方式确定设备800的操作,这些数据例如可以包括用于在该用户评估方式确定设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该用户评估方式确定设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,用户评估方式确定设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的用户评估方式确定方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的用户评估方式确定方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由用户评估方式确定设备800的处理器801执行以完成上述的用户评估方式确定方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种用户评估方式确定方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的用户评估方式确定方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种用户评估方式确定方法,其特征在于,包括:
获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
根据所述评估材料信息确定用户感兴趣的评估方式;
其中,根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,包括:
当用户使用自动转弯功能时,根据所述第二信息确定用户驾驶智能车辆时期内每一时刻用户的眼球位置信息;
根据每一时刻所述用户的眼球位置信息进行计算,得到计算结果,所述计算结果包括计算眼球位置看向至少一个预设区域的累计时间,一个所述预设区域对应一个评估维度;
根据所述计算结果确定用户对自动过弯功能感兴趣的评估维度;
其中,根据所述评估材料信息确定用户感兴趣的评估方式,包括:
获取用户的脑波信息,所述用户的脑波信息为用户观看评估材料信息时的脑波信号;
将所述脑波信息进行预处理,得到预处理后的脑波信息,所述预处理后的脑波信息包括排除眼电信号干扰后的脑波信号;
利用小波包变换对所述预处理后的脑波信息进行降噪,得到降噪后的脑波信息;
利用短时傅里叶变换对所述降噪后的脑波信息进行处理,得到脑电频谱图;
将所述脑电频谱图发送至卷积神经网络,得到特征向量;
将所述特征向量输入训练后的支持向量机进行识别,得到用户观看评估材料时的情绪;
根据所述用户观看评估材料时的情绪确定用户感兴趣的评估方式。
2.根据权利要求1所述的用户评估方式确定方法,其特征在于,将所述脑波信息进行预处理,得到预处理后的脑波信息,包括:
将所述脑波信息进行分段,得到至少一段脑波信号;
计算每段脑波信号的标准差得到标准差信息;
根据所述标准差信息确定第一片段和第二片段,所述第一片段为标准差最大的脑波信号片段,所述第二片段为标准差最小的脑波信号片段;
计算所述第一片段与所述第二片段的均值,得到均值信息;
基于所述均值信息确定阈值信息,并根据所述阈值信息对所述脑波信号中的眼电信号进行过滤,得到过滤后的脑波信号。
3.一种用户评估方式确定***,其特征在于,包括:
获取模块,用于获取第一信息和第二信息,所述第一信息包括用户画像,所述第二信息包括用户驾驶智能车辆时期内每一时刻的监控图像;
第一处理模块,用于根据所述用户画像确定用户画像对应的用户的兴趣信息,所述兴趣信息包括用户感兴趣的智能***的功能,所述智能***为运行在智能车辆上的车辆控制***或辅助***;
第二处理模块,用于根据所述用户的兴趣信息和所述第二信息确定用户的子兴趣信息,所述子兴趣信息包括用户对智能***功能感兴趣的评估维度;
第三处理模块,用于根据所述用户的子兴趣信息生成至少一种评估维度对应的评估材料信息,所述评估材料信息包括评估分数表或评估折线图;
确定模块,用于根据所述评估材料信息确定用户感兴趣的评估方式;
其中,所述第二处理模块,包括:
第一处理单元,用于当用户使用自动转弯功能时,根据所述第二信息确定用户驾驶智能车辆时期内每一时刻用户的眼球位置信息;
第二处理单元,用于根据每一时刻所述用户的眼球位置信息进行计算,得到计算结果,所述计算结果包括计算眼球位置看向至少一个预设区域的累计时间,一个所述预设区域对应一个评估维度;
第三处理单元,用于根据所述计算结果确定用户对自动过弯功能感兴趣的评估维度;
其中,所述确定模块,包括:
获取单元,用于获取用户的脑波信息,所述用户的脑波信息为用户观看评估材料信息时的脑波信号;
第十处理单元,用于将所述脑波信息进行预处理,得到预处理后的脑波信息,所述预处理后的脑波信息包括排除眼电信号干扰后的脑波信号;
第十一处理单元,用于利用小波包变换对所述预处理后的脑波信息进行降噪,得到降噪后的脑波信息;
第十二处理单元,用于利用短时傅里叶变换对所述降噪后的脑波信息进行处理,得到脑电频谱图;
第十三处理单元,用于将所述脑电频谱图发送至卷积神经网络,得到特征向量;
第十四处理单元,用于将所述特征向量输入训练后的支持向量机进行识别,得到用户观看评估材料时的情绪;
第十五处理单元,用于根据所述用户观看评估材料时的情绪确定用户感兴趣的评估方式。
4.根据权利要求3所述的用户评估方式确定***,其特征在于,所述第十处理单元,包括:
第十六处理单元,用于将所述脑波信息进行分段,得到至少一段脑波信号;
第一计算单元,用于计算每段脑波信号的标准差得到标准差信息;
第十七处理单元,用于根据所述标准差信息确定第一片段和第二片段,所述第一片段为标准差最大的脑波信号片段,所述第二片段为标准差最小的脑波信号片段;
第二计算单元,用于计算所述第一片段与所述第二片段的均值,得到均值信息;
第十八处理单元,用于基于所述均值信息确定阈值信息,并根据所述阈值信息对所述脑波信号中的眼电信号进行过滤,得到过滤后的脑波信号。
5.一种用户评估方式确定设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至2任一项所述用户评估方式确定方法的步骤。
6.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至2任一项所述用户评估方式确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288046.7A CN115994717B (zh) | 2023-03-23 | 2023-03-23 | 一种用户评估方式确定方法、***、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288046.7A CN115994717B (zh) | 2023-03-23 | 2023-03-23 | 一种用户评估方式确定方法、***、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115994717A CN115994717A (zh) | 2023-04-21 |
CN115994717B true CN115994717B (zh) | 2023-06-09 |
Family
ID=85995357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288046.7A Active CN115994717B (zh) | 2023-03-23 | 2023-03-23 | 一种用户评估方式确定方法、***、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994717B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908505A (zh) * | 2019-10-29 | 2020-03-24 | 易念科技(深圳)有限公司 | 兴趣识别方法、装置、终端设备及存储介质 |
CN112613364A (zh) * | 2020-12-10 | 2021-04-06 | 新华网股份有限公司 | 目标物体的确定方法、***、存储介质和电子设备 |
CN114417174A (zh) * | 2022-03-23 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、设备及计算机存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388554B (zh) * | 2018-01-04 | 2021-09-28 | 中国科学院自动化研究所 | 基于协同过滤注意力机制的文本情感识别*** |
CN108805435A (zh) * | 2018-05-31 | 2018-11-13 | 中国联合网络通信集团有限公司 | 共享车辆性能评估的方法和装置 |
CN111199205B (zh) * | 2019-12-30 | 2023-10-31 | 科大讯飞股份有限公司 | 车载语音交互体验评估方法、装置、设备及存储介质 |
CN113919896A (zh) * | 2020-07-09 | 2022-01-11 | Tcl科技集团股份有限公司 | 一种推荐方法、终端以及存储介质 |
CN111914173B (zh) * | 2020-08-06 | 2024-02-23 | 北京百度网讯科技有限公司 | 内容处理方法、装置、计算机***和存储介质 |
US11328573B1 (en) * | 2020-10-30 | 2022-05-10 | Honda Research Institute Europe Gmbh | Method and system for assisting a person in assessing an environment |
CN112581654B (zh) * | 2020-12-29 | 2022-09-30 | 华人运通(江苏)技术有限公司 | 一种车辆功能的使用频度评价***及方法 |
CN114298469A (zh) * | 2021-11-24 | 2022-04-08 | 重庆大学 | 汽车智能座舱用户体验测试评价方法 |
-
2023
- 2023-03-23 CN CN202310288046.7A patent/CN115994717B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908505A (zh) * | 2019-10-29 | 2020-03-24 | 易念科技(深圳)有限公司 | 兴趣识别方法、装置、终端设备及存储介质 |
CN112613364A (zh) * | 2020-12-10 | 2021-04-06 | 新华网股份有限公司 | 目标物体的确定方法、***、存储介质和电子设备 |
CN114417174A (zh) * | 2022-03-23 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115994717A (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846734B (zh) | 一种疲劳驾驶检测装置及方法 | |
Tiwari et al. | Automated diagnosis of epilepsy using key-point-based local binary pattern of EEG signals | |
CN105488957B (zh) | 疲劳驾驶检测方法及装置 | |
US7460940B2 (en) | Method and arrangement for interpreting a subjects head and eye activity | |
CN104484644B (zh) | 一种手势识别方法和装置 | |
WO2009062945A1 (de) | Verfahren und vorrichtung zum auffinden und verfolgen von augenpaaren | |
CN106919913A (zh) | 基于计算机视觉的疲劳驾驶检测方法及装置 | |
CN107480716B (zh) | 一种结合eog和视频的扫视信号识别方法及*** | |
WO2018142388A1 (en) | A method for pupil detection for cognitive monitoring, analysis, and biofeedback-based treatment and training | |
CN106128032A (zh) | 一种疲劳状态监测及预警方法及其*** | |
CN110059633A (zh) | 一种基于超声波的人体步态感知及其身份识别方法 | |
CN110547807A (zh) | 驾驶行为分析方法、装置、设备及计算机可读存储介质 | |
US20220284718A1 (en) | Driving analysis device and driving analysis method | |
CN114391846A (zh) | 一种基于过滤式特征选择的情绪识别方法及*** | |
Akrout et al. | A visual based approach for drowsiness detection | |
CN111062300A (zh) | 驾驶状态检测方法、装置、设备及计算机可读存储介质 | |
CN107480635B (zh) | 一种基于双模态分类模型融合的扫视信号识别方法及*** | |
CN115994717B (zh) | 一种用户评估方式确定方法、***、设备及可读存储介质 | |
CN108920699B (zh) | 一种基于N2pc的目标识别反馈***及方法 | |
Wongphanngam et al. | Fatigue warning system for driver nodding off using depth image from Kinect | |
Gadde et al. | Employee Alerting System Using Real Time Drowsiness Detection | |
KR102401607B1 (ko) | 운전자의 운행 집중도 레벨 분석방법 | |
CN107334481B (zh) | 一种驾驶分心检测方法及*** | |
CN109711260B (zh) | 疲劳状态的检测方法、终端设备及介质 | |
Lim et al. | Eye fatigue algorithm for driver drowsiness detection system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |