一种多乘客共同偏好参数的获取方法及系统与流程

本申请涉及车辆技术领域，特别涉及一种多乘客共同偏好参数的获取方法及系统。

背景技术：

随着互联网、大数据、物联网等技术的发展，人们为提高自身驾驶体验，对汽车的智能化提出了越来越高的要求，旨在通过设置的个性化参数对各车载设备进行智能化调节。

现有技术中，考虑到车辆大多数为驾驶员单独驾驶，主要对驾驶员的身份信息进行采集、提取特征信息，并记录得到该驾驶员调节后的车辆个性化参数，例如，保存得到方便驾驶员对外部行车车辆进行观察的座椅位置、倒车镜角度、后视镜角度等参数，并在再次判断出为同一驾驶员时，加载之前保存的车辆个性化参数。但是在除驾驶员外，还存在其它乘客时，或者车辆停止驾驶员外出仅留乘客时，就无法进行相应的调整，导致其余乘客不太满意，尤其是在出租车等主要为乘客服务的车辆上。

所以，如何在多乘客情况下，综合考虑不同乘客的个性化参数，并根据乘客特定的不同，提供一种多乘客共同偏好参数的获取机制是本领域技术人员亟待解决的问题。

技术实现要素：

本申请的目的是提供一种多乘客共同偏好参数的获取方法及系统，其不仅能够单独为驾驶员提供专有的车辆个性化参数，还能够在车内乘客超过预设数量时，利用深度学习算法综合计算得到共同偏好参数，提高了所有乘客的乘坐体验，使得车辆更加智能。

为解决上述技术问题，本申请提供一种多乘客共同偏好参数的获取方法，该获取方法包括：

利用车载识别设备对车内人员执行特征识别操作，得到所述车内人员的车内位置、数量以及身份信息；

利用所述身份信息在服务器保存的历史数据中进行查询，得到所述身份信息对应的车辆个性化参数；

判断所述车内人员的数量是否超过预设数量，若是，则利用深度学习算法对各所述车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数；

利用所述共同偏好参数对车载个性化设备进行调节。

可选的，利用车载识别设备对车内人员执行特征识别操作，得到所述车内人员的车内位置、数量以及身份信息，包括：

利用红外传感器判断车内各座位是否存在相应乘客，得到所述车内人员的数量以及各所述车内人员的车内位置；其中，所述红外传感器存在多个，并设置在各所述座位的前方；

利用摄像头对所述车内人员的面部进行拍摄，得到人脸面部图像；

对所述人脸面部图像执行面部特征提取操作，得到身份信息。

可选的，利用所述身份信息在服务器保存的历史数据中进行查询，得到所述身份信息对应的车辆个性化参数，包括：

将所述身份信息通过t-box通讯模块发送至所述服务器；

所述服务器将接收到的所述身份信息在记录的历史数据中进行查询，得到查询结果；

判断所述查询结果是否超过阈值；

若所述查询结果超过所述阈值，则判定所述服务器所记录的历史数据中存在对应的车辆个性化参数，并获取所述车辆个性化参数。

可选的，利用深度学习算法对各所述车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数，包括：

根据所述数量和所述车内位置通过权值分配算法对所述车辆个性化参数执行优先级识别操作，得到每个所述车辆个性化参数各自对应的优先级权值；

利用所述优先级权值为对应车辆个性化参数进行加权，得到各加权参数值；

将各所述加权参数值通过预设算法模型计算得到共同偏好参数。

可选的，该获取方法还包括：

当所述查询结果未超过所述阈值时，判定所述历史数据中不存在与所述身份信息对应的车辆个性化参数；

将所述身份信息保存在所述服务器中；

生成车辆个性化参数采集指令，并将所述车辆个性化参数采集指令经由所述t-box通讯模块下发至车内各控制器，以使各所述控制器将新采集到的车辆个性化参数经由所述t-box通讯模块记录在所述服务器中。

可选的，该获取方法还包括：

判断所述t-box通讯模块能否正常连接至所述服务器；

若无法连接至所述服务器，则将所述身份信息以及对应的车辆个性化参数保存在本地的车载存储卡当中，以直接从所述车载存储卡中获取所述车辆个性化参数对各所述控制器进行调整。

本申请还提供了一种多乘客共同偏好参数的获取系统，该获取系统包括：

信息提取单元，用于利用车载识别设备对车内人员执行特征识别操作，得到所述车内人员的车内位置、数量以及身份信息；

参数查询单元，用于利用所述身份信息在服务器保存的历史数据中进行查询，得到所述身份信息对应的车辆个性化参数；

判断及处理单元，用于判断所述车内人员的数量是否超过1人，若是，则利用深度学习算法对各所述车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数；

设备调节单元，用于利用所述共同偏好参数对车载个性化设备进行调节。

可选的，所述信息提取单元包括：

红外识别子单元，用于利用红外传感器判断车内各座位是否存在相应乘客，得到所述车内人员的数量以及各所述车内人员的车内位置；其中，所述红外传感器存在多个，并设置在各所述座位的前方；

摄像子单元，用于利用摄像头对所述车内人员的面部进行拍摄，得到人脸面部图像；

身份信息获取子单元，用于对所述人脸面部图像执行面部特征提取操作，得到身份信息。

可选的，所述参数查询单元包括：

发送子单元，用于将所述身份信息通过t-box通讯模块发送至所述服务器；

查询子单元，用于所述服务器将接收到的所述身份信息在记录的历史数据中进行查询，得到查询结果；

阈值判断子单元，用于判断所述查询结果是否超过阈值；

个性化参数获取子单元，用于判定所述服务器所记录的历史数据中存在对应的车辆个性化参数，并获取所述车辆个性化参数。

可选的，所述判断及处理单元包括：

优先级权值获取子单元，用于根据所述数量和所述车内位置通过权值分配算法对所述车辆个性化参数执行优先级识别操作，得到每个所述车辆个性化参数各自对应的优先级权值；

加权计算子单元，用于利用所述优先级权值为对应车辆个性化参数进行加权，得到各加权参数值；

共同偏好参数生成子单元，用于将各所述加权参数值通过预设算法模型计算得到共同偏好参数。

本申请所提供的一种多乘客共同偏好参数的获取方法，利用车载识别设备对车内人员执行特征识别操作，得到所述车内人员的车内位置、数量以及身份信息；利用所述身份信息在服务器保存的历史数据中进行查询，得到所述身份信息对应的车辆个性化参数；判断所述车内人员的数量是否超过预设数量，若是，则利用深度学习算法对各所述车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数；利用所述共同偏好参数对车载个性化设备进行调节。

显然，通过本申请所提供的技术方案，不仅能够单独为驾驶员提供专有的车辆个性化参数，还能够在车内乘客超过预设数量时，利用深度学习算法综合计算得到共同偏好参数，结合实际情景进行综合考虑，提高了所有乘客的乘坐体验，使得车辆更加智能。本申请同时还提供了一种多乘客共同偏好参数的获取系统，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例所提供的一种多乘客共同偏好参数的获取方法的流程图；

图2为本申请实施例所提供的另一种多乘客共同偏好参数的获取方法的流程图；

图3为本申请实施例所提供的又一种多乘客共同偏好参数的获取方法的流程图；

图4为本申请实施例所提供的再一种多乘客共同偏好参数的获取方法的流程图；

图5为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的结构框图；

图6为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的车内硬件布置和功能结构示意图；

图7为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的车内监控装置的红外补光辐射区域示意图；

图8为本申请实施例所提供的另一种多乘客共同偏好参数的获取系统的结构框图；

图9为本申请实施例所提供的一种参数获取的流程图；

图10为本申请实施例所提供的一种参数保存和更新的流程图；

图11为本申请实施例所提供的一种多乘客参数获取和保存的流程图；

图12为本申请实施例所提供的一种多乘客参数获取、保存以及更新的流程图；

图13为本申请实施例所提供的一种推送多乘客共同偏好参数的流程图；

图14为本申请实施例所提供的另一种推送多乘客共同偏好参数的流程图。

具体实施方式

本申请的核心是提供一种多乘客共同偏好参数的获取方法及系统，不仅能够单独为驾驶员提供专有的车辆个性化参数，还能够在车内乘客超过预设数量时，利用深度学习算法综合计算得到共同偏好参数，结合实际情景进行综合考虑，提高了所有乘客的乘坐体验，使得车辆更加智能。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

以下结合图1，图1为本申请实施例所提供的一种多乘客共同偏好参数的获取方法的流程图。

其具体包括以下步骤：

s101：利用车载识别设备对车内人员执行特征识别操作，得到车内人员的车内位置、数量以及身份信息；

本步骤旨在利用车载识别设备对当前车内人员执行特征识别操作，以得到车内人员的一系列信息，包括各车内人员的总数量、各自在车内哪些位置以及各车内人员的身份信息。

其中，车载识别设备包括很多，例如，可以利用红外传感器来识别得到目标位置是否有乘客；可以利用置于各座位下方的压力传感器来判断座位上是否存在乘客；也可以利用摄像头来进行人脸识别，得到车内人员的数量，并根据上述设备得到各车内人员所为哪些座位，即可以得到驾驶位、副驾驶、驾驶位正后方、副驾驶正后方等具体为哪个座位上存在乘客，并根据乘客所在位置来判断乘客具体是驾驶员还是除驾驶员外的人员。

而身份信息只是代表车内人员的身份特征，即能够用身份信息唯一指代某个乘客即可，具体表现方式有很多，例如，通过对各车内人员的脸部图像进行面部特征提取得到面部特征信息，并以此作为身份信息，也可以利用瞳孔虹膜等，还可以设置指纹识别器在方向盘或其它方便提取的地方来得到指纹信息等，此处并不做具体限定，应视具体情况结合汽车型号、制造厂家的设计风格以及是否存在特殊要求等综合考虑。

s102：利用身份信息在服务器保存的历史数据中进行查询，得到身份信息对应的车辆个性化参数；

在s101的基础上，本步骤旨在利用得到的身份信息在服务器保存的历史数据中进行查询，以得到与该身份信息对应的车辆个性化参数。

其中，历史数据是指之前通过车内各控制器采集得到的车内可调节设备的参数，并将这些参数与当时车内人员的身份信息进行绑定得到的，而同一身份信息对应的参数在不同时刻可以存在好几个，例如，之前适应的某些参数因为各种原因不再合适的，自然要再次进行调整，而调整后的参数也可以灵活选择，即可以选择覆盖原参数，一直保证存在一组对应的参数；也可以为同一身份信息建立多个参数，并提醒该身份信息对应的乘客对不同的参数进行命名来加以区分，也便于再次进行选择合适的参数来进行调整。

而服务器也只是一个存储历史数据的存储装置，考虑到不同的车辆用途不同，记录的数据量也不同，服务器可以灵活设置，车主也可以灵活购买合适容量的服务器存储空间。当服务器设立在远程访问端时，可以通过车载的无线通讯模块与该服务器建立连接，例如常见的车载t-box模块，当然可以通过其它无线通信模块实现于服务器的连接，此处并不做具体限定，应视实际情况下车型号的不同、定价、模块性能和需求等综合选择。

进一步的，当身份信息无法通过无线通讯模块于服务器建立连接时，例如，经过隧道、附近无基站、无线通讯模块异常等原因，此时可以依托车内设置的存储卡将分析该乘客得到的身份信息，以及该乘客调节后得到的车辆个性化参数均保存在该存储卡内，并在需要读取时，判断是否无法连接至服务器上的参数，若无法连接则在存储卡内进行查询并加载。

s103：判断车内人员的数量是否超过预设数量；

在s102的基础上，本步骤旨在判断获得的车内人员数量是否超过预设数量，之所以要对车内人员数量是否超过预设数量进行判断，是因为区别于现有技术仅考虑到了驾驶员并没有考虑多乘客下的实际情况，故本步骤旨在判断得到车内人员的数量超过预设数量时，触发后续的流程，对多乘客利用深度学习算法进行深度计算，以得到共同的偏好设置，而非仅考虑驾驶员。

其中，该预设数量可以根据车型的不同、设置习惯的不同有所调整，例如家庭轿车可以将该预设数量设置为1人或2人，即在车内数量至少为两人或三人时才激活后续步骤；也可以在载人客车中，将该预设数量设置为标准载客人员的百分之三十左右，此处并不做具体限定，应视具体情况具体分析，具体选择。

s104：利用深度学习算法对各车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数；

本步骤建立在s103的判断结果为车内人员的数量超过预设数量的基础上，旨在利用深度学习算法对车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数。其中，该深度学习算法是利用大数据对当前情景进行分析，综合他人设置的参数，得到一个满意率较高的共同偏好参数。

例如，在车内存在驾驶员和副驾驶的情况下，可以根据面部特征信息结合识别算法判断出两人的性别、年龄，并根据判断出的结果结合深度学习算法计算得到一个符合当前情景的共同偏好参数。我们可以假设驾驶员为一个30岁左右的男子，副驾驶为一个5岁左右的小男孩，判断出上述信息后，就可以得到当前很有可能为爸爸带着孩子外出的情景，此处经过深度学习算法可能判断出需要着重考虑孩子，即根据孩子分析得到一系列偏好设置，比如寻找得到该年龄段孩子喜欢听的音乐，适当调整副驾驶的作为高度、角度等，以使得车辆更加智能化。

当然，还存在相当多的其它情景，由于服务器可以是开放性设计，便于深度学习算法结合大数据进行情景分析，并得到相对合理的偏好设置，此处并不对具体情景做具体限定，应视实际情况、服务器是否开放以及数据获取来源等方面综合考虑。

s105：利用共同偏好参数对车载个性化设备进行调节。

在s104分析得到共同偏好参数的基础上，本步骤旨在车辆上加载该共同偏好参数，以实现目的情景的再现，实现最终目的。

具体的，在无法与服务器进行通讯的情况下，可能无法借助深度学习算法对大数据进行分析得到合适的共同偏好参数，需在可以实现与服务器进行通讯时，进行s104的步骤，并经计算得到的共同偏好参数下发至相应车辆，以使该车辆的各控制器根据该共同偏好参数进行加载。

其中，车内的各控制器根据车辆型号的不同、售价的不同、品牌设计不同，可能包括有：后视镜角度控制器、倒车镜角度控制器、座椅高度角度控制器、播放器控制器、娱乐中控系统控制器等中的至少一项，此处并不做具体限定。

基于上述技术方案，本申请实施例提供的一种多乘客共同偏好参数的获取方法，不仅能够单独为驾驶员提供专有的车辆个性化参数，还能够在车内乘客超过预设数量时，利用深度学习算法综合计算得到共同偏好参数，结合实际情景进行综合考虑，提高了所有乘客的乘坐体验，使得车辆更加智能。

以下结合图2，图2为本申请实施例所提供的另一种多乘客共同偏好参数的获取方法的流程图。

本实施例是针对上一实施例中s101和s102中如何执行特征识别操作以及怎样利用身份信息进行查询所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。

其具体包括以下步骤：

s201：利用红外传感器判断车内各座位是否存在相应乘客，得到车内人员的数量以及各车内人员的车内位置；

s202：利用摄像头对车内人员的面部进行拍摄，得到人脸面部图像；

s203：对人脸面部图像执行面部特征提取操作，得到身份信息；

s201、s202以及s203是利用红外传感器来感应目标座位上是否存在乘客，并根据红外传感器设置的预设位置，即对应座位的编号等，来直接判断出车内人员的数量以及各车内人员所在的位置，并根据位置来判断车内人员的性质，比如，是坐在驾驶员位置的默认为驾驶员，副驾驶位置的就是副驾驶员等。

在通过红外传感器获得车内人员的数量和车内位置后，通过车载摄像头来对各车内人员的面部进行拍摄，得到各车内人员的人脸面部图像，并对该人脸面部图像执行面部特征提取操作，以将得到的面部特征信息作为识别各车内人员的唯一身份信息，以便于在后续流程中利用同一身份信息来获取之前保存的历史数据，这种方法较适合应用在车内空间大、座位设置层叠的车辆当中。

当然，在实际应用中也可以仅使用车载摄像头，通过将摄像头设置在合适的位置来尽可能大的覆盖车内环境，并通过摄像头所拍摄的车内图像对图像中的人脸特征进行识别，即利用一系列识别算法得到图像中的车内人员数量、所在位置以及提取得到他们的身份信息，较适合应用在小型车内。

可以根据实际情况下的车型、识别精确度要求、客户需求以及车辆设计方法来综合进行选择。

s204：将身份信息通过t-box通讯模块发送至服务器；

s205：服务器将接收到的身份信息在记录的历史数据中进行查询，得到查询结果；

s204和s205旨在利用常用的车载无线通讯模块t-box将获得的身份信息发送至后台的服务器，以便于利用服务器所存储的历史数据进行匹配查询，因为查询是利用面部特征信息充当的身份信息，通常查询过程其实是一个匹配命中的过程，并设置一个合理的阈值，因为考虑到面部特征信息并非一成不变的一个信息，各种因素例如受伤、带了眼镜或者其它原因都会导致每次识别得到的统一用户的面部特征信息不尽相同，此时就可以利用设置的一个阈值来判断是否成功匹配，例如将该阈值设为85％，即只要当获得的面部特征信息与历史数据中的面部特征信息保持超过85％的一致性时，就认为是同一用户的身份信息，进而认定为同一人。

s206：判断查询结果是否超过阈值；

在s205的基础上，本步骤旨在判断查询结果得到的一致性数值是否超过预设的阈值，该阈值可以是根据长时间匹配经验得到的一个合适的比例，也可以是根据匹配算法存在的一些漏洞而设定的，还可以根据摄像头的摄像精度存在误差而设定，此处并不做具体限定，应视具体情况具体分析，具体设定。

s207：判定服务器所记录的历史数据中存在对应的车辆个性化参数，并获取车辆个性化参数；

本步骤建立在s206的判断结果为查询结果超过阈值的基础上，旨在直接根据服务器存储的历史数据获取该身份信息对应的车辆个性化参数，即该用户对车内各可调节设备做出的符合自身习惯的调整参数。

s208：历史数据中不存在与身份信息对应的车辆个性化参数，并将身份信息保存在服务器中；

s209：生成车辆个性化参数采集指令，并将车辆个性化参数采集指令经由t-box通讯模块下发至车内各控制器。

s208建立在s206的判断结果为查询结果未超过阈值的基础上，可以认定为该用户的身份信息无法在服务器记录的历史数据中找到，也就是说该用户可能是第一次被执行识别程序，并不存在对应的历史数据，对于这种第一次的用户，在判断完成后，可以将该用户对应的身份信息保存在服务器，并下发相应的参数采集指令，以完成该用户的身份信息与对应个性化参数的绑定步骤。

以下结合图3，图3为本申请实施例所提供的又一种多乘客共同偏好参数的获取方法的流程图。

本实施例是针对上一实施例中s103中如何利用深度学习算法得到共同偏好参数所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。

其具体包括以下步骤：

s301：将数量和车内位置通过权值分配算法对车辆个性化参数执行优先级识别操作，得到每个车辆个性化参数各自对应的优先级权值；

本步骤旨在根据车内人员的数量、车内位置的不同，利用权值分配算法对获取到的超过预设数量的车内人员各自的车辆个性化参数进行优先级的识别操作，以得到各自对应的优先级权值。

利用实施例一所提到的父亲和孩子的例子，这种情况下，孩子的优先级肯定会较高，故优先级权值也会相对较高，也就是说在此种情境下，应以孩子为重心，适当考虑父亲即可。当然，不同的情景下权值可能不一致，这可以根据深度学习算法利用开放性的服务器来综合考虑，以得到一个合理的权值。

s302：利用优先级权值为对应车辆个性化参数进行加权，得到各加权参数值；

s303：将各加权参数值通过预设算法模型计算得到共同偏好参数。

在根据权值分配算法得到各车内人员对应的权值后，就需要利用权值对各自的车辆个性化参数进行加权，进一步的，在此过程中，还可以根据深度学习算法得到新的合理的车辆个性化参数，以便于适应场景进行调整，以最终得到共同偏好参数。

其中，预设算法的表现形式很多，情景结合算法、外界环境识别算法以及乘客心情识别算法等都可以利用，此处并不做具体限定，应视具体情况来具体选择。

以下结合图4，图4为本申请实施例所提供的再一种多乘客共同偏好参数的获取方法的流程图。

其具体包括以下步骤：

s401：对人脸面部图像执行面部特征提取操作，得到身份信息；

s402：t-box通讯模块能否正常连接至服务器；

s403：将身份信息通过t-box通讯模块发送至服务器；

s404：将身份信息以及对应的车辆个性化参数保存在本地的车载存储卡当中，以直接从车载存储卡中获取车辆个性化参数对各控制器进行调整。

本实施例旨在判断在需要t-box无线通讯模块将身份信息等发送至服务器时，在实时外界条件下能够正常连接至服务器，由于可能存在的多种影响因素，例如，模块异常、过隧道、附近无基站等原因，并提出在无法连接至服务器时，利用车载存储卡将相关信息保存在本地，并暂时不调用深度学习算法进行情景计算。

基于上述技术方案，本申请实施例提供的一种多乘客共同偏好参数的获取方法，不仅能够单独为驾驶员提供专有的车辆个性化参数，还能够在车内乘客超过预设数量时，利用深度学习算法综合计算得到共同偏好参数，结合实际情景进行综合考虑，提高了所有乘客的乘坐体验，使得车辆更加智能。

因为情况复杂，无法一一列举进行阐述，本领域技术人员应能意识到更具本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。

下面请参见图5，图5为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的结构框图。

该获取系统可以包括：

信息提取单元100，用于利用车载识别设备对车内人员执行特征识别操作，得到车内人员的车内位置、数量以及身份信息；

参数查询单元200，用于利用身份信息在服务器保存的历史数据中进行查询，得到身份信息对应的车辆个性化参数；

判断及处理单元300，用于判断车内人员的数量是否超过1人，若是，则利用深度学习算法对各车内人员相应的车内位置、数量以及车辆个性化参数进行综合偏好计算，得到共同偏好参数；

设备调节单元400，用于利用共同偏好参数对车载个性化设备进行调节。

其中，信息提取单元100可以包括：

红外识别子单元，用于利用红外传感器判断车内各座位是否存在相应乘客，得到车内人员的数量以及各车内人员的车内位置；其中，红外传感器存在多个，并设置在各座位的前方；

摄像子单元，用于利用摄像头对车内人员的面部进行拍摄，得到人脸面部图像；

身份信息获取子单元，用于对人脸面部图像执行面部特征提取操作，得到身份信息。

其中，参数查询单元200可以包括：

发送子单元，用于将身份信息通过t-box通讯模块发送至服务器；

查询子单元，用于服务器将接收到的身份信息在记录的历史数据中进行查询，得到查询结果；

阈值判断子单元，用于判断查询结果是否超过阈值；

个性化参数获取子单元，用于判定服务器所记录的历史数据中存在对应的车辆个性化参数，并获取车辆个性化参数。

其中，判断及处理单元300可以包括：

优先级权值获取子单元，用于根据数量和车内位置通过权值分配算法对车辆个性化参数执行优先级识别操作，得到每个车辆个性化参数各自对应的优先级权值；

加权计算子单元，用于利用优先级权值为对应车辆个性化参数进行加权，得到各加权参数值；

共同偏好参数生成子单元，用于将各加权参数值通过预设算法模型计算得到共同偏好参数。

请参见图6至图8，图6为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的车内硬件布置和功能结构示意图；图7为本申请实施例所提供的一种多乘客共同偏好参数的获取系统的车内监控装置的红外补光辐射区域示意图；图8为本申请实施例所提供的另一种多乘客共同偏好参数的获取系统的结构框图。

以上各单元可以应用于以下的一个具体的实际例子中：

图6中，1为驾驶员座椅，2为驾驶员；3为驾驶员侧门把手，4为方向盘，5为外后视镜，6为仪表，7为基于摄像头的监控装置，8位娱乐系统主机，9为汽车空调系统出风口，10为杂物箱，11为副驾侧门把手，12为副驾乘客，13为副驾座椅，14为后排座椅，15为后排乘客。

其中，驾驶员座椅1和副驾座椅均为带记忆的电动调节座椅；外后视镜5，是一种可电动调节镜片角度的后视镜；仪表6，是一种液晶式仪表；娱乐系统8是一种带有语音交互功能和液晶显示器的中控娱乐系统，液晶显示屏的尺寸在6英寸至20英寸之间；车内监控装置7，是一种基于广角2d灰度摄像头的监控系统，本装置安装于汽车前方中央区域，借助3组红外补光单元，可实现对车内驾驶员、副驾乘客和后排中央位置乘客进行检测、身份记录、识别及个性化服务的推送等。

图7中，7为车内监控装置，70为第一红外补光单元，71为第二红外补光单元，72为第三红外补光单元。其中，第一红外补光单元70和第二红外补光单元71是同样功率大小的补光模块，在监控装置7正常工作时分别朝向驾驶员座位头枕区域和副驾座位头枕区域照射，有效补光范围在1米左右；第三红外补光单元72是朝向后排中间座椅头枕位置照射的补光单元，有效补光范围在2米左右(相对于第一和第二补光单元，功率更大)。

图8中，主要包括：车内监控装置、电动座椅模块、电动后视镜模块、液晶仪表和娱乐系统主机、液晶仪表、香水系统、氛围灯、车身控制模块、t-box模块及后台与服务器。

其中，车内监控装置即车内监控装置7，是一种基于摄像头的监控系统，主要包括摄像头模组、红外led补光单元、中央处理单元和can总线接口单元。具体的，摄像头是一种2d灰度摄像头；红外补光单元是由多颗850nm或940nm波长的红外led构成的；中央处理单元通常是由arm内核、dsp或fpga作为核心运算处理器；can接口单元是用于与其他车载模块之间的通讯的接口。

香水系统是放置于杂物箱内，通过电动泵吸取香水瓶内的香水气味，并通过导管引入空调出风口的一种装置；氛围灯是一种基于单色或多种颜色的led和导光结构件的灯光装置，是增强汽车内饰的美感和调节视觉效果的一种装置；车身控制模块，是一种对众多汽车电器进行控制的中央模块，通常包括：电动门窗控制、中控门锁控制、电动后视镜控制、灯光控制等。

还可以参见图9至图14，其中，图9为本申请实施例所提供的一种参数获取的流程图；图10为本申请实施例所提供的一种参数保存和更新的流程图；图11为本申请实施例所提供的一种多乘客参数获取和保存的流程图；图12为本申请实施例所提供的一种多乘客参数获取、保存以及更新的流程图；图13为本申请实施例所提供的一种推送多乘客共同偏好参数的流程图；图14为本申请实施例所提供的另一种推送多乘客共同偏好参数的流程图。

具体的本装置采集驾驶员样本及记忆驾驶员的座椅调节位置、后视镜调节角度、仪表和娱乐系统等个性化设备状态、参数的方式如流程图9所示；

具体的本装置采集副驾乘员样本及记忆副驾乘员的座椅调节位置等个性化设备状态、参数的方式如流程图10所示；

具体的本系统检测、识别驾驶员和副驾乘员样本并实时调节座椅位置等个性化设备状态、参数的方式如流程图11所示；

对于基于人脸的身份识别装置，本系统还可以定期或智能更新驾驶员和副驾乘客的样本，以有效保证系统的识别率，不随使用者年龄的变化、不随发型或化妆方式等的变化而受影响。具体的本系统自动更新驾驶员和副驾乘员样本的方式如流程图12所示；

除了以上本地化即可实现的功能，本系统还可以与后台云服务器通过t-box模块，进行实时通讯，并给车内乘员主动推送“服务”，以实现最大程度的智能化。具体的，本系统上传数据至后台云服务器的机制如流程图13所示；

后台云服务器采用深度学习算法，对当前车辆上传的历史数据信息进行智能化分析和学习，得出该车辆的使用场景及匹配的个性化服务模型；当后台云服务器获取到当前车辆内有驾驶员或乘员时，会对当前场景智能地分类，并实时地主动推送可能需要的“服务”。

如：(1)驾驶员是中老年男性，推送ui风格成熟、稳重型；

(2)驾驶员是女性，推送ui风格，女性喜欢的年轻时尚型；

(3)车内多个乘客，驾驶员是男性，乘客是女性，推送氛围灯开启、香水系统开启等功能；

(4)车内有儿童，提醒正在播放中的音乐音量过大；

(5)车内有驾驶员和1个以上乘员，综合喜好推送共同喜欢的歌曲等。

具体的，后台云服务器，根据车内当前场景主动推送“服务”的功能逻辑图，如图14所示。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。