一种儿童安抚方法以及装置与流程

本申请涉及车辆技术领域，具体而言，涉及一种儿童安抚方法以及装置。

背景技术：

驾驶员在驾驶车辆过程中，如果车内儿童哭闹，驾驶员回头安抚儿童，很容易造成驾驶员分神，引发交通事故。因此，为了使驾驶员可以安心驾驶，就需要一种在车内自动有效安抚哭闹儿童的方法。目前，现有技术都是通过人工开启视频，播放音乐等方式进行安抚，在智能化、人性化方面仍有待提高。

技术实现要素：

有鉴于此，本申请实施例的目的在于提供一种儿童安抚方法以及装置，能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

第一方面，本申请实施例提供了一种儿童安抚方法，包括：

获取儿童的第一人脸图像；

将所述第一人脸图像输入至预先训练好的人脸情绪识别模型，使用所述人脸情绪识别模型获取所述儿童的第一情绪信息；

根据所述第一情绪信息，从预先建立的情绪安抚策略库中确定与所述情绪信息对应的安抚策略；

根据确定的所述安抚策略对所述儿童进行安抚。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，基于下述方法获得所述人脸情绪识别模型：

获取多张带有情绪标签的人脸样本图像；

针对每张所述人脸样本图像，提取该人脸样本图像中的目标部位的子图像；

分别对多个目标部位的子图像输入至与各个目标部位对应的第一神经网络中，获取各个所述子图像的特征向量；

将各个子图像的特征向量进行拼接后，输入至预先构建的第二神经网络进行特征学习，并获取该人脸样本图像的情绪识别结果；

根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对所述第一神经网络和所述第二神经网络进行训练，得到所述人脸情绪识别模型。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述情绪安抚策略库包括：多种情绪信息，与每种所述情绪信息对应的多种安抚策略；

根据所述第一情绪信息，从预先建立的情绪安抚策略库中确定与所述第一情绪信息对应的安抚策略，具体包括：

根据所述第一情绪信息，从预先建立的所述情绪安抚策略库中确定与所述第一情绪信息一致的情绪信息，并从确定的所述情绪信息对应的多种安抚策略中选择一种安抚策略，作为与所述第一情绪信息对应的安抚策略。

结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述情绪安抚策略库中还包括：与每种所述情绪信息对应的目标安抚效果；

所述根据所述安抚策略对所述儿童进行安抚之后，还包括：

获取对所述儿童进行安抚的安抚结果；

确定所述安抚结果是否达到所述目标安抚效果；

如果所述安抚结果未达到所述目标安抚效果，则重新从确定的所述情绪信息对应的多种安抚策略中重新选择一种安抚策略，作为与所述第一情绪信息对应的所述安抚策略，并返回根据确定的所述安抚策略对所述儿童进行安抚的步骤，直到所述安抚结果达到所述目标安抚效果。

结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述获取对所述儿童进行安抚的安抚结果，包括：

在根据确定的所述安抚策略对所述儿童进行安抚之后的预设时间内，周期性获取所述儿童的第二人脸图像；

将每个周期获取的所述第二人脸图像输入至预先训练好的人脸情绪识别模型，使用所述人脸情绪识别模型获取所述儿童在该周期的第二情绪信息；

将所述各个周期获取的所述第二情绪信息，作为此次对所述儿童进行安抚的安抚结果。

结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述获取对所述儿童进行安抚的安抚结果之后，还包括：

根据所述安抚结果以及预设的所述目标安抚效果，对所述情绪安抚策略库进行更新。

第二方面，本申请实施例提供了一种儿童安抚装置，包括：

第一人脸图像获取模块，用于获取儿童的第一人脸图像；

第一情绪信息获取模块，用于将所述第一人脸图像输入至预先训练好的人脸情绪识别模型，使用所述人脸情绪识别模型获取所述儿童的第一情绪信息；

安抚策略确定模块，用于根据所述第一情绪信息，从预先建立的情绪安抚策略库中确定与所述情绪信息对应的安抚策略；

安抚模块，用于根据确定的所述安抚策略对所述儿童进行安抚。

结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，还包括：人脸情绪识别模型获取模块；

所述人脸情绪识别模型获取模块，用于基于下述方法获得所述人脸情绪识别模型：

获取多张带有情绪标签的人脸样本图像；

针对每张所述人脸样本图像，提取该人脸样本图像中的目标部位的子图像；

分别对多个目标部位的子图像输入至与各个目标部位对应的第一神经网络中，获取各个所述子图像的特征向量；

将各个子图像的特征向量进行拼接后，输入至预先构建的第二神经网络进行特征学习，并获取该人脸样本图像的情绪识别结果；

根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对所述第一神经网络和所述第二神经网络进行训练，得到所述人脸情绪识别模型。

结合第二方面，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述情绪安抚策略库包括：多种情绪信息，与每种所述情绪信息对应的多种安抚策略；

所述安抚策略确定模块，具体用于根据所述第一情绪信息，从预先建立的所述情绪安抚策略库中确定与所述第一情绪信息一致的情绪信息，并从确定的所述情绪信息对应的多种安抚策略中选择一种安抚策略，作为与所述第一情绪信息对应的安抚策略。

结合第二方面的第二种可能的实施方式，本申请实施例提供了第二方面的第三种可能的实施方式，其中，所述情绪安抚策略库中还包括：与每种所述情绪信息对应的目标安抚效果；

还包括：安抚策略重新确定模块；

所述安抚策略重新确定模块，用于安抚模块之后，获取对所述儿童进行安抚的安抚结果；

确定所述安抚结果是否达到所述目标安抚效果；

如果所述安抚结果未达到所述目标安抚效果，则重新从确定的所述情绪信息对应的多种安抚策略中重新选择一种安抚策略，作为与所述第一情绪信息对应的所述安抚策略，并返回根据确定的所述安抚策略对所述儿童进行安抚的步骤，直到所述安抚结果达到所述目标安抚效果。

结合第二方面的第三种可能的实施方式，本申请实施例提供了第二方面的第四种可能的实施方式，其中，所述安抚策略重新确定模块，具体采用下述步骤获取对所述儿童进行安抚的安抚结果：

在根据确定的所述安抚策略对所述儿童进行安抚之后的预设时间内，周期性获取所述儿童的第二人脸图像；

将每个周期获取的所述第二人脸图像输入至预先训练好的人脸情绪识别模型，使用所述人脸情绪识别模型获取所述儿童在该周期的第二情绪信息；

将所述各个周期获取的所述第二情绪信息，作为此次对所述儿童进行安抚的安抚结果。

结合第二方面的第三种可能的实施方式，本申请实施例提供了第二方面的第五种可能的实施方式，其中，还包括：情绪安抚策略库更新模块；

所述情绪安抚策略库更新模块，用于在获取对所述儿童进行安抚的安抚结果之后，

根据所述安抚结果以及预设的所述目标安抚效果，对所述情绪安抚策略库进行更新。

本申请实施例提供的儿童安抚方法以及装置，在进行儿童安抚的时候，通过获取儿童的第一人脸图像；将所述第一人脸图像输入至预先训练好的人脸情绪识别模型，使用所述人脸情绪识别模型获取所述儿童的第一情绪信息；根据所述第一情绪信息，从预先建立的情绪安抚策略库中确定与所述情绪信息对应的安抚策略；根据确定的所述安抚策略对所述儿童进行安抚。本申请能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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示出了本申请实施例所提供的一种儿童安抚方法的流程图；

图2示出了本申请实施例所提供的儿童安抚方法中，获得人脸情绪识别模型的流程图；

图3示出了本申请实施例所提供的儿童安抚方法中，对第一神经网络和第二神经网络进行训练的流程图；

图4示出了本申请实施例所提供的儿童安抚方法中，对第一神经网络和第二神经网络进行训练时比对操作的流程图；

图5示出了本申请实施例所提供的儿童安抚方法中，对儿童进行重新安抚的流程图；

图6示出了本申请实施例所提供的儿童安抚方法中，获取对儿童进行安抚的安抚结果的流程图；

图7示出了本申请实施例所提供的一种儿童安抚装置的结构示意图；

图8示出了本申请实施例所提供的一种计算机设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

驾驶员在驾驶车辆过程中，如果车内儿童哭闹，驾驶员回头安抚儿童，很容易造成驾驶员分神，引发交通事故。因此，为了使驾驶员可以安心驾驶，就需要一种在车内自动有效安抚哭闹儿童的方法。目前，在现有技术中，需要通过车内家长的人工反馈才能知道安抚儿童的方式是否有效，因此相关技术中的方案仍然不够完善，在智能化、人性化方面仍有待提高。基于此，本申请实施例提供的一种儿童安抚方法以及装置，能够通过人工智能技术对儿童进行自动安抚，并不断自动更新安抚策略，达到更加智能化的水平，使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种儿童安抚方法进行详细介绍。

参见图1所示，本申请实施例所提供的儿童安抚方法包括s101～s104：

s101：获取儿童的第一人脸图像。

此处，第一人脸图像为对儿童进行安抚前的人脸图像。

具体实现的时候，通过摄像头周期性的实时获取儿童的第一人脸图像。每获得一张第一人脸图像，就要检测一次当前儿童的情绪信息。

s102：将第一人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童的第一情绪信息。

此处，参见图2所示，本申请实施例基于下述方法获得人脸情绪识别模型：

s201：获取多张带有情绪标签的人脸样本图像。

s202：针对每张人脸样本图像，提取该人脸样本图像中的目标部位的子图像。

此处，目标部位包括：眼睛、嘴、额头、脸颊中至少一种；

例如，采用图像分割技术提取人脸样本图像中的目标部位的子图像。

s203：分别对多个目标部位的子图像输入至与各个目标部位对应的第一神经网络中，获取各个子图像的特征向量。

此处，每个目标部位对应一个第一神经网络，每个第一神经网络用于提取每个目标部位的子图像的特征向量。

例如，第一神经网络可以为卷积神经网络(convolutionalneuralnetwork，cnn)、尺度不变特征变换(scale-invariantfeaturetransform，sift)算法等。

s204：将各个子图像的特征向量进行拼接后，输入至预先构建的第二神经网络进行特征学习，并获取该人脸样本图像的情绪识别结果。

可选地，拼接方式可以为依次拼接方式。所述依次拼接方式是指将所有子图像的特征向量依次拼接起来，组成一个特征向量。

例如各个子图像的特征向量分别为(0.1,0.2,0.3)、(0.4,0.5,0.6)、(0.7,0.8,0.9)，则通过依次拼接方式得到的特征向量为(0.1,0.2,0.3，0.4,0.5,0.6,0.7,0.8,0.9)。

此处，第二神经网络用于对拼接后的特征向量进行特征学习，得到该人脸样本图像的情绪识别结果。

例如，第二神经网络可以为卷积神经网络、反向传播神经网络(backpropagationneuralnetwork，bp神经网络)、支持向量机(supportvectormachine，svm)等。

s205：根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对第一神经网络和第二神经网络进行训练，得到人脸情绪识别模型。

例如，情绪标签可以包括：哭泣、烦躁、郁闷、高兴、平静等。

具体实现的时候，参见图3所示，本申请实施例通过下述步骤对第一神经网络和第二神经网络进行训练：

s301：根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对第一神经网络和第二神经网络进行本轮训练。

具体地，参见图4所示，可以通过执行如下比对操作步骤，直至每张人脸样本图像的情绪识别结果与每张人脸样本图像的情绪标签一致，结束对第一神经网络和第二神经网络的本轮训练：

s401：将每张人脸样本图像的情绪识别结果与每张人脸样本图像的情绪标签进行比对。

s402：针对每张人脸样本图像的情绪识别结果与每张人脸样本图像的情绪标签不一致的情况，调整第一神经网络和第二神经网络的参数。

s403：使用调整参数后的第一神经网络重新提取每个目标部位的子图像的新的特征向量，重新将各个子图像的新的特征向量进行拼接后，输入至预先构建的第二神经网络进行特征学习，并获取该人脸样本图像的新的情绪识别结果；并再次执行比对操作。

结束了对第一神经网络和第二神经网络的本轮训练后，需要对第一神经网络和第二神经网络进行多轮训练，直到训练结果满足预设的训练误差标准。

s302：根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对第一神经网络和第二神经网络进行多轮训练，得到人脸情绪识别模型。

通过上述步骤获取儿童的第一情绪信息后，本申请实施例所提供的儿童安抚方法还包括s103～s104：

s103：根据第一情绪信息，从预先建立的情绪安抚策略库中确定与所第一情绪信息对应的安抚策略。

此处，情绪安抚策略库包括：多种情绪信息，与每种情绪信息对应的多种安抚策略；

例如：多种情绪信息包括：哭泣、烦躁、郁闷、高兴、平静等；

例如对于哭泣、烦躁、郁闷等不好的情绪，情绪安抚策略库中对应的多种安抚策略包括：播放儿童喜欢的儿歌，播放儿童喜欢的动画片，播放儿童喜欢的音乐，播放儿童喜欢的故事，控制车内的某些受控玩具发生动作，例如受控的毛绒玩具或拨浪鼓等等；此处，由于儿歌、动画片、音乐、故事都有很多种，每一种都可以当成一种安抚策略。或者

分别为儿童喜欢的每个儿歌、每个动画片、每个音乐、每个故事等添加至少一个标签，使用这些标签组成安抚策略，然后根据确定的标签确定该标签对应的儿歌、动画片、音乐、故事等。

可选地，不同的安抚策略具有不同的权重，对儿童进行安抚的时候优先执行权重值较高的安抚策略。

具体实现的时候，根据第一情绪信息，从预先建立的情绪安抚策略库中确定与第一情绪信息一致的情绪信息，并从确定的情绪信息对应的多种安抚策略中选择一种安抚策略，作为与第一情绪信息对应的安抚策略。

s104：根据确定的安抚策略对儿童进行安抚。

此处，情绪安抚策略库中还包括：与每种情绪信息对应的目标安抚效果。

例如对于哭泣、烦躁、郁闷等不好的情绪，对应的目标安抚效果可以为将儿童安抚至平静或高兴的情绪等。

参见图5所示，根据安抚策略对儿童进行安抚之后，通过下述步骤对儿童进行重新安抚：

s501：获取对儿童进行安抚的安抚结果。

具体实现的时候，参见图6所示，通过下述步骤获取对儿童进行安抚的安抚结果：

s601：在根据确定的安抚策略对儿童进行安抚之后的预设时间内，周期性获取儿童的第二人脸图像。

需要注意的时候，在根据确定的安抚策略对儿童进行安抚之后，可能在一段时间之后才起到安抚的效果，因此，需要在根据确定的安抚策略对儿童进行安抚之后的预设时间内，周期性获取儿童的第二人脸图像。例如，预设时间内可以为2分钟、5分钟等。

s602：将每个周期获取的第二人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童在该周期的第二情绪信息。

s603：将各个周期获取的第二情绪信息，作为此次对儿童进行安抚的安抚结果。

通过步骤s501获取了对儿童进行安抚的安抚结果后，执行下述步骤：

s502：确定安抚结果是否达到目标安抚效果。

具体实现的时候，判断安抚结果是否达到情绪安抚策略库中与第一情绪信息一致的情绪信息对应的目标安抚效果。例如当目标安抚效果为平静或高兴时，判断安抚结果(即第二情绪信息)是否为平静或高兴，如果判断结果为是，则安抚结果达到了目标安抚效果，如果判断结果为否，则安抚结果没有达到目标安抚效果。

s503：如果安抚结果未达到目标安抚效果，则重新从确定的情绪信息对应的多种安抚策略中重新选择一种安抚策略，作为与第一情绪信息对应的安抚策略，并返回根据确定的安抚策略对儿童进行安抚的步骤，直到安抚结果达到目标安抚效果。

由于不能保证进行一次安抚就能达到目标安抚效果，因此需要通过改变安抚策略对儿童进行多次安抚，直到将儿童安抚成功，即安抚结果达到目标安抚效果。

可选地，通过步骤s501获取对儿童进行安抚的安抚结果之后，还包括：根据安抚结果以及预设的目标安抚效果，对情绪安抚策略库进行更新。

例如，如果通过一种安抚策略对儿童进行安抚之后，对应的安抚结果没有达到目标安抚效果，说明该安抚策略对儿童的第一情绪信息的安抚没有效果，则降低该安抚策略的权重；如果通过一种安抚策略对儿童进行安抚之后，对应的安抚结果达到了目标安抚效果，说明该安抚策略对儿童的第一情绪信息的安抚有效，则增加该安抚策略的权重。

通过这样改变每种安抚策略的权重，在以后再对儿童进行安抚时，根据儿童的第一情绪信息，就可以从情绪安抚策略库中优先选取与该第一情绪信息对应的权重较大的安抚策略对儿童进行安抚。

需要注意的是，对情绪安抚策略库进行更新的过程是不断进行的，因为儿童在不同时期可能喜欢的音乐或动画片等在发生变化，导致对儿童安抚有效的安抚策略也在不断变化。

本申请实施例提供的儿童安抚方法，在进行儿童安抚的时候，通过获取儿童的第一人脸图像；将第一人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童的第一情绪信息；根据第一情绪信息，从预先建立的情绪安抚策略库中确定与情绪信息对应的安抚策略；根据确定的安抚策略对儿童进行安抚。本申请能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

本申请另一实施例还提供了一种儿童安抚方法的具体实施例：

在车辆后排座椅上安装摄像头，摄像头用于获取坐在后排座椅上的儿童的第一人脸图像。此摄像头带无线传输模块(wifi)、或有线传输模块，可以将采集到的第一人脸图像传输到车辆中控台多媒体车机系统；多媒体车机系统内置图像处理功能，通过预先训练好的人脸情绪识别模型，获取儿童的第一情绪信息；如果第一情绪信息是哭泣、烦躁、郁闷等不好的情绪，则进入车机系统的儿童安抚模式。车内人工智能机器学习引擎从预先建立的情绪安抚策略库中确定与情绪信息对应的安抚策略；根据确定的安抚策略对儿童进行安抚。在安抚时，可以通过车辆自带的多媒体播放设备播放儿童喜欢的音乐、故事等，也可以通过安装在后排座椅上的视频播放设备(例如平板电脑等)播放儿童喜欢的动画片等，或控制车内的某些受控玩具发生动作，例如受控的毛绒玩具或拨浪鼓等等。此处，如果安装了平板电脑时，平板电脑也可以充当摄像头。

在对儿童进行安抚之后，通过摄像头获取儿童的第二人脸图像；将采集到的第二人脸图像传输到车辆中控台多媒体车机系统，多媒体车机系统通过预先训练好的人脸情绪识别模型，获取儿童的第二情绪信息，并获取对儿童进行安抚的安抚结果；通过车内人工智能机器学习引擎，确定安抚结果是否达到目标安抚效果；如果安抚结果未达到目标安抚效果，则重新从确定的情绪信息对应的多种安抚策略中重新选择一种安抚策略，作为与第一情绪信息对应的安抚策略，并返回根据确定的安抚策略对儿童进行安抚的步骤，直到安抚结果达到目标安抚效果。在每次获取对儿童进行安抚的安抚结果之后，车内人工智能机器学习引擎根据安抚结果以及预设的目标安抚效果，对情绪安抚策略库进行更新。

本申请提供的具体实施例能够通过人工智能技术根据儿童的情绪信息让车辆自动进入儿童安抚模式，对儿童进行自动安抚，并不断自动更新安抚策略，达到更加智能化的水平，使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

基于同一发明构思，本申请实施例中还提供了与儿童安抚方法对应的儿童安抚方法装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述儿童安抚方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参见图7所示，本申请实施例所提供的儿童安抚装置，包括：

第一人脸图像获取模块71，用于获取儿童的第一人脸图像；

第一情绪信息获取模块72，用于将第一人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童的第一情绪信息；

安抚策略确定模块73，用于根据第一情绪信息，从预先建立的情绪安抚策略库中确定与情绪信息对应的安抚策略；

安抚模块74，用于根据确定的安抚策略对儿童进行安抚。

可选地，本申请实施例所提供的儿童安抚装置，还包括：人脸情绪识别模型获取模块75；

人脸情绪识别模型获取模块75，用于基于下述方法获得人脸情绪识别模型：

获取多张带有情绪标签的人脸样本图像；

针对每张人脸样本图像，提取该人脸样本图像中的目标部位的子图像；

分别对多个目标部位的子图像输入至与各个目标部位对应的第一神经网络中，获取各个子图像的特征向量；

将各个子图像的特征向量进行拼接后，输入至预先构建的第二神经网络进行特征学习，并获取该人脸样本图像的情绪识别结果；

根据所有人脸样本图像的情绪标签以及每张人脸样本图像的情绪识别结果，对第一神经网络和第二神经网络进行训练，得到人脸情绪识别模型。

可选地，本申请实施例所提供的儿童安抚装置中的情绪安抚策略库包括：多种情绪信息，与每种情绪信息对应的多种安抚策略；

可选地，安抚策略确定模块73，具体用于根据第一情绪信息，从预先建立的情绪安抚策略库中确定与第一情绪信息一致的情绪信息，并从确定的情绪信息对应的多种安抚策略中选择一种安抚策略，作为与第一情绪信息对应的安抚策略。

可选地，本申请实施例所提供的儿童安抚装置中的情绪安抚策略库中还包括：与每种情绪信息对应的目标安抚效果；

可选地，本申请实施例所提供的儿童安抚装置还包括：安抚策略重新确定模块76；

安抚策略重新确定模块76，用于安抚模块74之后，获取对儿童进行安抚的安抚结果；

确定安抚结果是否达到目标安抚效果；

如果安抚结果未达到目标安抚效果，则重新从确定的情绪信息对应的多种安抚策略中重新选择一种安抚策略，作为与第一情绪信息对应的安抚策略，并返回根据确定的安抚策略对儿童进行安抚的步骤，直到安抚结果达到目标安抚效果。

可选地，安抚策略重新确定模块76，具体采用下述步骤获取对儿童进行安抚的安抚结果：

在根据确定的安抚策略对儿童进行安抚之后的预设时间内，周期性获取儿童的第二人脸图像；

将每个周期获取的第二人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童在该周期的第二情绪信息；

将各个周期获取的第二情绪信息，作为此次对儿童进行安抚的安抚结果。

可选地，本申请实施例所提供的儿童安抚装置还包括：情绪安抚策略库更新模块77；

情绪安抚策略库更新模块77，用于在获取对儿童进行安抚的安抚结果之后，

根据安抚结果以及预设的目标安抚效果，对情绪安抚策略库进行更新。

本申请实施例提供的儿童安抚装置，在进行儿童安抚的时候，通过获取儿童的第一人脸图像；将第一人脸图像输入至预先训练好的人脸情绪识别模型，使用人脸情绪识别模型获取儿童的第一情绪信息；根据第一情绪信息，从预先建立的情绪安抚策略库中确定与情绪信息对应的安抚策略；根据确定的安抚策略对儿童进行安抚。本申请能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述儿童安抚方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述儿童安抚方法，从而能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

对应于图1中的儿童安抚方法，本申请实施例还提供了一种计算机设备，如图8所示，该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序，其中，上述处理器2000执行上述计算机程序时实现上述儿童安抚方法的步骤。

具体地，上述存储器1000和处理器2000能够为通用的存储器和处理器，这里不做具体限定，当处理器2000运行存储器1000存储的计算机程序时，能够执行上述儿童安抚方法，从而能够通过儿童的第一人脸图像确定儿童的当前情绪，并基于儿童的当前情绪对儿童进行自动安抚，能够使得驾驶员在驾驶车辆过程中，不被分心，降低交通事故发生的概率。

另外，本申请实施例还会在当前确定的安抚策略无法奏效的时候更换安抚策略，提高了儿童被安抚的概率。

本申请实施例所提供的儿童安抚方法以及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。