基于车载设备的内容推荐方法、装置、设备和存储介质与流程

本发明涉及人工智能技术领域，尤其涉及一种基于车载设备的内容推荐方法、装置、设备和存储介质。

背景技术：

随着人工智能技术的发展，汽车的智能化越来越被重视，用户不仅仅对驾驶的安全性能有较高的要求，还很看重驾驶过程中智能、人性化的体验。

目前，汽车上通常设有车载设备，供用户观看或收听媒体内容，媒体内容例如包括视频或音频文件，相关技术中，用户可以通过语音操作指示车载设备播放媒体内容，车载设备基于用户历史播放数据向用户推荐媒体内容，并进行播放，上述推荐方式准确率较低。

技术实现要素：

本发明提供一种基于车载设备的内容推荐方法、装置、设备和存储介质，以提高推荐方式准确率。

第一方面，本发明提供一种基于车载设备的内容推荐方法，包括：

根据目标用户的人脸图像，确定所述目标用户的情绪；

根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容；

控制所述车载设备向所述目标用户推荐所述第一媒体内容。

第二方面，本发明提供一种基于车载设备的内容推荐装置，包括：

确定模块，用于根据目标用户的人脸图像，确定所述目标用户的情绪；

处理模块，用于根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容；

控制模块，用于控制所述车载设备向所述目标用户推荐所述第一媒体内容。

第三方面，本发明实施例提供一种计算机可读存储介质，其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第一方面中任一项所述的方法。

第四方面，本发明实施例提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。

本发明实施例提供的基于车载设备的内容推荐方法、装置、设备和存储介质，根据目标用户的人脸图像，确定所述目标用户的情绪；根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容；控制所述车载设备向所述目标用户推荐所述第一媒体内容，上述方案中基于人脸图像识别人脸情绪，再结合人脸情绪做实时推荐，使得推荐的内容更符合用户的需求，提高了推荐的准确率，用户体验较高。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1a为本发明实施例的应用场景示意图；

图1b是本发明提供的基于车载设备的内容推荐方法一实施例的流程示意图；

图2是本发明提供的基于车载设备的内容推荐装置一实施例的结构示意图；

图3是本发明提供的电子设备一实施例的结构示意图；

图4是本发明提供的电子设备另一实施例的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本发明的说明书和权利要求书及所述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先对本发明所涉及的应用场景进行介绍：

本发明实施例提供的基于车载设备的内容推荐方法，应用于车载场景中，对用户推荐媒体内容。

本发明实施例中内容推荐方法的执行主体为电子设备，该电子设备具体可以为车载设备本身，也可以为与电子设备通信的外部设备，如服务器，本发明实施例对此并不限定。

如图1a所示，车载设备可以与服务器交互，若执行主体为服务器，服务器可以控制车载设备采集目标用户的人脸图像，基于采集的目标用户的人脸图像获取目标用户的情绪，并根据目标用户的情绪，获取与所述情绪对应的第一媒体内容，控制车载设备向目标用户推荐该第一媒体内容。

若执行主体为车载设备本身，车载设备采集目标用户的人脸图像，基于采集的目标用户的人脸图像获取目标用户的情绪，并根据目标用户的情绪，获取与所述情绪对应的第一媒体内容，向目标用户推荐该第一媒体内容，其中，获取目标用户的情绪以及获取第一媒体内容可以通过与服务器交互实现。

本发明实施例的方法，根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容，并推荐该第一媒体内容，由于考虑了用户当前的情绪，更符合用户的需求，给用户带来更智能的体验。

下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1b是本发明提供的基于车载设备的内容推荐方法一实施例的流程示意图。如图1b所示，本实施例提供的方法，包括：

步骤101、根据目标用户的人脸图像，确定所述目标用户的情绪。

具体的，在需要对用户推荐媒体内容时，首先获取目标用户当前的人脸图像，可以通过车载设备的图像采集部件实时采集目标用户的人脸图像，并根据该目标用户的人脸图像，可以利用深度学习算法确定该目标用户当前的情绪。情绪可以包括以下至少一项：愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤或惊讶。

可选的，在步骤101之前，还可以执行如下操作：

控制所述车载设备接收所述用户的语音指令；所述语音指令用于指示所述车载设备播放媒体内容；

根据所述用户的语音指令，触发执行根据目标用户的人脸图像，确定所述目标用户的情绪的操作。

具体的，可以通过车载设备的语音采集部件，例如麦克风，接收用户的语音指令，在接收到用户指示播放媒体内容的语音指令后，触发执行本发明实施例的推荐方法，即执行步骤101的操作。

例如，目标用户输出语音指令“播放音乐”，则触发执行本发明实施例的方案。

步骤102、根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容。

具体的，根据目标用户的情绪，可以基于基于目标推荐模型，获取与该情绪对应的多个媒体内容，从中选择一个媒体内容，作为第一媒体内容；或者将获取的全部媒体内容作为第一媒体内容，让用户进行选择，或者按顺序播放全部媒体内容。

例如，目标用户的情绪为悲伤，则可以选择一些欢快的歌曲推荐给目标用户，让目标用户的情绪悲伤情绪得以缓解。

进一步，该目标推荐模型，可以是基于基于卷积神经网络进行训练得到的，具体可以通过如下方式进行训练：

获取多组情绪以及与所述情绪对应的媒体内容作为训练样本；

根据所述训练样本，对基于卷积神经网络的初始训练模型进行训练，得到所述目标推荐模型。

具体的，首先获取训练样本，训练样本可以是经过标记的多组数据，每组数据包括一种情绪以及该情绪对应的至少一个媒体内容。

根据训练样本对初始训练模型进行训练，得到最终的目标推荐模型。

在实际应用中，也可以根据用户的实际反馈更新目标推荐模型。

在训练目标推荐模型的过程中，还可以考虑目标用户的画像数据，画像数据中可以包括多个用户属性，例如性别、爱好、年龄、学历等数据。

具体在上述训练样本中增加用户属性的维度，即每组数据包括一种情绪、该情绪对应的至少一个媒体内容以及用户属性。

进一步的，在基于目标推荐模型获取与情绪对应的第一媒体内容时，还可以基于预设的推荐策略，例如采用新热推荐策略，内容源例如包括播放次数topn的节目，例如前几名或几十名的节目，n为大于1的整数。

步骤103、控制所述车载设备向所述目标用户推荐所述第一媒体内容。

具体的，在确定了待推荐的第一媒体内容后，可以控制车载设备向目标用户推荐，例如第一媒体内容包括多个媒体文件，用户可以根据实际需求选择其中一个进行播放，或者，车载设备按照预设顺序依次播放该些媒体文件。

在向目标用户推荐第一媒体内容之后，可以控制车载设备接收用户的指令，例如语音指令，或者，触摸操作指令等，例如目标用户发出语音指令“换一个歌曲”，则需要重新获取第一媒体内容进行推荐，或者，点击推荐列表中某个媒体文件，从而选择该媒体文件进行播放。

可选的，步骤103之后，还可以进行如下操作：

接收所述目标用户对所述第一媒体内容的反馈信息；

根据所述目标用户对所述第一媒体内容的反馈信息，和/或，所述目标用户更新后的画像数据，对所述目标推荐模型进行更新。

具体的，目标用户对推荐的第一媒体内容进行反馈，获取目标用户的反馈信息，可以基于该反馈信息对目标推荐模型进行更新，进一步还可以同时根据目标用户更新后的画像数据，对目标推荐模型进行更新。

目标用户对推荐的第一媒体内容进行反馈，例如喜欢该第一媒体内容，或者收藏该第一媒体内容，不喜欢该第一媒体内容等。

在一些实施例中，还可以基于用户的画像数据，对目标推荐模型进行更新，本发明实施例对此并不限定。

本实施例的方法，根据目标用户的人脸图像，确定所述目标用户的情绪；根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容；控制所述车载设备向所述目标用户推荐所述第一媒体内容，上述方案中基于人脸图像识别人脸情绪，再结合人脸情绪做实时推荐，使得推荐的内容更符合用户的需求，提高了推荐的准确率，用户体验较高。

在上述实施例的基础上，可选的，为了使得向用户推荐的媒体内容更符合用户的需求，步骤102可以采用如下方式实现：

根据所述目标用户的情绪，基于目标推荐模型获取与所述情绪对应的至少一个第二媒体内容；

确定各个所述第二媒体内容，分别与所述目标用户的喜好记录中包括的媒体内容之间的相关性；所述喜好记录包括所述目标用户喜好的媒体内容的标识信息；

根据各个所述第二媒体内容与所述目标用户的喜好记录中包括的媒体内容之间的相关性，从所述第二媒体内容中选择所述第一媒体内容。

其中，目标用户喜好的媒体内容的标识信息例如包括名称、所属分类、作者名称、曲风等信息。

具体的，首先，根据目标用户的情绪，基于目标推荐模型获取与情绪对应的至少一个第二媒体内容。

然后确定各个第二媒体内容分别与目标用户喜好的媒体内容之间的相关性，可以按照相关性进行排序，将相关性较大的前几个第二媒体内容作为第一媒体内容推荐给用户，或者，将相关性最大的第二媒体内容作为第一媒体内容推荐给用户。

例如，目标用户的情绪为悲伤，获取的第二媒体内容包括歌曲“小酒窝”、“爱乘以无限大”、“甜甜的”、“离开地球表面”等，将该些第二媒体内容分别与目标用户喜好的媒体内容之间比较，确定与目标用户喜好的媒体内容之间的相关性，假设目标用户喜好的媒体内容为情歌、男歌手等。将相关性大于预设值的媒体内容作为第一媒体内容，例如将“小酒窝”推荐给该目标用户。

本实施例中，基于媒体内容之间的相关性，选择待推荐的第一媒体内容，由于考虑了用户的喜好，推荐的准确率更高。

在上述实施例的基础上，为了使得向用户推荐的媒体内容更符合用户的需求，而且推荐的媒体内容更丰富，可选的，步骤102还可以采用如下另一种方式实现：

根据所述目标用户的情绪，基于目标推荐模型获取与所述情绪对应的至少一个第三媒体内容；

根据所述目标用户以及至少一个其他用户的喜好记录，分别确定所述目标用户与所述其他用户之间的相关性；

根据所述目标用户与所述其他用户之间的相关性，从所述第三媒体内容中选择所述第一媒体内容。

具体的，首先，根据目标用户的情绪，基于目标推荐模型获取与情绪对应的至少一个第三媒体内容。其中，第三媒体内容与第二媒体内容可以相同或不同。

然后根据目标用户以及至少一个其他用户的喜好记录，分别确定目标用户与其他用户之间的相关性；喜好记录包括用户喜好的媒体内容的标识信息；其中，标识信息可参见前述实施例的说明。

根据所述目标用户与所述其他用户之间的相关性，从所述第三媒体内容中选择所述第一媒体内容。

例如，目标用户的喜好记录显示喜欢听周杰伦，选择喜欢听周杰伦的其他用户作为该用户的相关用户，选择该目标用户当前的情绪对应的其他用户喜欢的歌曲，并推荐给该目标用户。

进一步，所述根据所述目标用户与所述其他用户之间的相关性，从所述第三媒体内容中选择所述第一媒体内容，具体可以包括如下操作：

根据所述目标用户与所述其他用户之间的相关性，确定与所述目标用户相关的用户；

根据所述与所述目标用户相关的用户的喜好记录，从所述第三媒体内容中选择所述第一媒体内容。

具体的，可以是从第三媒体内容中选择，与目标用户相关的用户的喜好记录中记录的媒体内容，相关性较大的媒体内容。

例如，目标用户的喜好记录显示喜欢听周杰伦，选择喜欢听周杰伦的其他用户作为该用户的相关用户，目标用户当前的情绪为悲伤，相关用户喜欢的歌曲有“简单爱”，则选择该歌曲推荐给该目标用户。

本实施例中，基于目标用户相关的用户的喜好记录，选择待推荐的第一媒体内容，由于考虑了目标用户以及相关用户的喜好，推荐的准确率更高。

在上述实施例的基础上，可选的，步骤101中确定目标用户的情绪，具体可以通过如下方式实现：

控制所述车载设备获取所述目标用户的人脸图像；

根据所述目标用户的人脸图像，利用深度学习算法确定所述人脸图像对应的情感置信评分；

确定与所述情感置信评分对应的情绪。

具体的，在确定用户的人脸图像对应的情绪时，首先获取目标用户的人脸图像，可以通过车载设备的图像采集部件，如摄像头进行获取。

然后利用深度学习算法确定获取到的人脸图像对应的情感置信评分，最后可以根据所述情感置信评分与情绪的对应关系，确定与情感置信评分对应的情绪。能够识别的情绪如愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤以及惊讶等。情感置信评分例如包括针对每一种情绪的置信度。

可以基于预先获取的训练样本进行训练得到训练模型。训练样本可以是大量标记了情绪的人脸图像。

其中，利用深度学习算法确定所述人脸图像对应的情感置信评分，具体可以通过如下方式实现：

根据所述目标用户的人脸图像，获取特征向量；所述特征向量包括用于表征所述目标用户的情绪的特征信息；

将所述特征向量输入到基于所述深度学习算法的训练模型中，确定所述人脸图像对应的情感置信评分。

具体的，对获取到的人脸图像进行分析，获取特征向量，该特征向量包括特征信息，特征信息例如是人脸图像中的人脸表情。

根据特征向量，基于深度学习算法的训练模型，确定人脸图像对应的情感置信评分。

本实施例中，通过深度学习算法确定用户的情绪，效率较高，而且准确率较高。

图2为本发明提供的基于车载设备的内容推荐装置一实施例的结构图，如图2所示，本实施例的基于车载设备的内容推荐装置，包括：

确定模块201，用于根据目标用户的人脸图像，确定所述目标用户的情绪；

处理模块202，用于根据所述目标用户的情绪，获取与所述情绪对应的第一媒体内容；

控制模块203，用于控制所述车载设备向所述目标用户推荐所述第一媒体内容

可选的，所述处理模块202，具体用于：

根据所述目标用户的情绪，基于目标推荐模型获取与所述情绪对应的至少一个第二媒体内容；

确定各个所述第二媒体内容，分别与所述目标用户的喜好记录中包括的媒体内容之间的相关性；所述喜好记录包括所述目标用户喜好的媒体内容的标识信息；

根据各个所述第二媒体内容与所述目标用户的喜好记录中包括的媒体内容之间的相关性，从所述第二媒体内容中选择所述第一媒体内容。

可选的，所述处理模块202，具体用于：

根据所述目标用户的情绪，基于目标推荐模型获取与所述情绪对应的至少一个第三媒体内容；

根据所述目标用户以及至少一个其他用户的喜好记录，分别确定所述目标用户与所述其他用户之间的相关性；

根据所述目标用户与所述其他用户之间的相关性，从所述第三媒体内容中选择所述第一媒体内容。

可选的，所述处理模块202，具体用于：

根据所述目标用户与所述其他用户之间的相关性，确定与所述目标用户相关的用户；

根据所述与所述目标用户相关的用户的喜好记录，从所述第三媒体内容中选择所述第一媒体内容。

可选的，所述处理模块202，还用于：

获取多组情绪以及与所述情绪对应的媒体内容作为训练样本；

根据所述训练样本，对基于卷积神经网络的初始训练模型进行训练，得到所述目标推荐模型。

可选的，还包括：

接收模块，用于接收所述目标用户对所述第一媒体内容的反馈信息；

所述处理模块202，还用于根据所述目标用户对所述第一媒体内容的反馈信息，和/或，所述目标用户更新后的画像数据，对所述目标推荐模型进行更新。

可选的，所述确定模块201，具体用于：

控制所述车载设备获取所述目标用户的人脸图像；

根据所述目标用户的人脸图像，利用深度学习算法确定所述人脸图像对应的情感置信评分；

确定与所述情感置信评分对应的情绪。

可选的，所述确定模块201，具体用于：

根据所述目标用户的人脸图像，获取特征向量；所述特征向量包括用于表征所述目标用户的情绪的特征信息；

将所述特征向量输入到基于所述深度学习算法的训练模型中，确定所述人脸图像对应的情感置信评分。

可选的，所述确定模块201，具体用于：

根据所述情感置信评分与情绪的对应关系，确定与所述情感置信评分对应的情绪。

可选的，所述控制模块，还用于：

在根据目标用户的人脸图像，确定所述目标用户的情绪之前，

控制所述车载设备接收所述用户的语音指令；所述语音指令用于指示所述车载设备播放媒体内容；

根据所述用户的语音指令，触发执行所述根据目标用户的人脸图像，确定所述目标用户的情绪的操作。

可选的，所述情绪包括以下至少一项：愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤或惊讶。

本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图3为本发明提供的电子设备一实施例的结构图，如图3所示，该电子设备包括：

处理器301，以及，用于存储处理器301的可执行指令的存储器302。

可选的，还可以包括：通信接口303，用于与其他设备进行通信。

上述部件可以通过一条或多条总线进行通信。

其中，处理器301配置为经由执行所述可执行指令来执行前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，此处不再赘述。

进一步的，若该电子设备为车载设备，如图4所示，可选的，该电子设备还可以包括图像采集部件，如摄像头。

本发明实施例中还提供一种计算机可读存储介质，其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前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，其实现原理和技术效果类似，此处不再赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。