一种用户感知量化的方法和系统与流程

一种用户感知量化的方法和系统
1.技术领域
2.本发明涉及感知技术领域，特别涉及一种用户感知量化的方法和系统。
3.

背景技术：

4.随着经济的发展，用户感知技术的应用越来越广泛，通常用在网站/app/小程序等用户等用户触电的客户体验好坏的评价，近年来也用在智能汽车的人车交互等领域，在智能汽车领域，相关技术中，用户与汽车的交互主要通过显示屏或语言提示器进行视觉或听觉感知，当用户处于疲劳等非专注状态时，与车辆的感知联系时常会处在失效的状态，给车辆的驾驶带来较大的安全隐患。
5.

技术实现要素：

6.本发明的主要目的是提供一种用户感知量化的方法，旨在用户感知量化驾驶专注度状态量化值大小，提示用户注意安全驾驶。
7.为实现上述目的，本发明提出用户感知量化的方法包括以下步骤：应用于智能汽车，所述方法包括：获取车辆的运行状态；其中所述车辆的运行状态包括正常状态及非正常状态；确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态；确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令；响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示。
8.优选地，所述确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态的步骤包括：获取车辆的非正常运行状态对车辆驾驶安全的影响因子；确定所述影响因子大于预设值；获取驾驶员的驾驶专注度状态。
9.优选地，所述影响因子p满足如下关系：p=k1m+k2n+k3l，其中，k1为车辆驾驶年限影响权重，m为车辆驾驶年限，k2为驾驶环境影响权重，n为环境恶劣指数，k3为车辆故障影响权重，l为车辆故障指数。
10.优选地，所述确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态的步骤包括：获取车辆的非正常运行状态的持续时间；基于所述持续时间获取车辆的非正常运行状态对车辆驾驶安全的影响因子；确定所述影响因子大于预设值；
获取驾驶员的驾驶专注度状态。
11.优选地，所述影响因子p满足如下关系：p=k1m+k2n+k3l+k4（t/t），其中，k1为车辆驾驶年限影响权重，m为车辆驾驶年限，k2为驾驶环境影响权重，n为环境恶劣指数，k3为车辆故障影响权重，l为车辆故障指数，k4为车辆非正常运行状态的持续时间影响权重，t为车辆非正常运行状态的持续时间，t为预设的极限时间。
12.优选地，所述获取驾驶员的驾驶专注度状态的步骤包括：获取所述驾驶员的面部视频流；提取所述面部视频流在连续预设时间内的多张面部图像帧；基于多张所述面部图像帧提取眼睛部位特征；对所述眼睛部位特征进行模型识别，确定所述驾驶专注度状态的状态量化值。
13.优选地，所述智能汽车包括驾驶座椅及乘客座椅，所述驾驶座椅及乘客座椅上设有用于用户感知的触感提示组件；所述确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令的步骤包括：确定所述驾驶专注度状态的状态量化值低于预设值，并累计持续时长；确定所述累计时长大于预设时长，生成驾驶座椅对用户进行感知触感提示的第一指令。
14.优选地，所述第一指令触发的感知触感提示结束之后还包括：重新获取驾驶员的驾驶专注度状态；确定所述驾驶专注度状态的状态量化值低于预设值，生成乘客座椅对用户进行感知触感提示的第二指令；和/或，重新获取驾驶员的驾驶专注度状态；确定所述驾驶专注度状态的状态量化值低于预设值，获取乘客座椅的使用状态；确定乘客座椅为乘客就位状态，生成乘客座椅对用户进行感知触感提示的第二指令。
15.优选地，所述感知触感提示包括至少三种力度不同的推压或锤击或敲打，以对车辆驾驶员和/或乘客进行用户感知量化提示，其中，触感提示的力度大小用于用户感知量化驾驶专注度状态量化值大小。
16.本发明还提出一种用户感知量化系统，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，以实现用户感知量化方法的步骤；其中，所述用户感知量化的方法包括如下步骤：获取车辆的运行状态；其中所述车辆的运行状态包括正常状态及非正常状态；确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态；确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令；响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示。
17.本发明技术方案中，首先通过获取获取车辆的运行状态； 然后确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态； 再确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令； 最后响应于所述用户感知提示指令，对所述车辆
驾驶员和/或乘客进行用户感知量化提示。 如此，通过在车辆在非正常状态时对用户驾驶状态进行检测，生成用户感知量化的提示指令，对用户驾驶进行用户感知地安全提示，从而提高车辆驾驶的安全性。
附图说明
18.为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图示出的结构获得其他的附图。
19.图1为本发明用户感知量化系统示意图；图2为本发明用户感知量化方法一实施例的流程示意图；图3为本发明用户感知量化方法又一实施例的流程示意图；图4为本发明用户感知量化方法还一实施例的流程示意图；图5为本发明用户感知量化方法再一实施例的流程示意图；图6为本发明用户感知量化方法再一实施例的流程示意图；图7为本发明用户感知量化方法再一实施例的流程示意图；图8为本发明用户感知量化方法再一实施例的流程示意图；本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
20.具体实施方式
21.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，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。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。
22.需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后
……
）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
23.另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中的“和/或”包括三个方案，以a和/或b为例，包括a技术方案、b技术方案，以及a和b同时满足的技术方案；另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
24.参照图1至图2，本发明主要提出一种用户感知量化的方法和系统，并将该用户感知量化方法应用于智能汽车的驾驶过程中。车辆在道路上行驶过程中，难免发生偏离航道等非正常状态的情形，而当车辆处在非正常状态时，需要驾驶员立即进行状态纠偏，使车辆回归至正常状态，确保车辆的安全；而是否能够立即纠偏，需要保证驾驶员专注度较高，及
时发现车辆的非正常状态，当驾驶员处于打瞌睡、精神不佳等专注度不高等状态时，车辆极易发生危险，因此，当驾驶员专注度不高时，需要对车辆驾驶员和/或乘客进行用户感知量化提示，以确保车辆的安全行驶。
25.智能汽车的形式有很多，如传统燃油车或纯电新能源车等，智能汽车包括车体及设于车体内的安全座椅，安全座椅包括驾驶位座椅及乘客位座椅，驾驶位座椅及乘客座椅上设有用于用户感知的触感提示组件，触感提示的形式有很多种，如电极式触感或机械式物理触感，以机械式物理触感为例，机械式物理触感包括至少三种力度不同的推压或锤击或敲打，以对车辆驾驶员和/或乘客进行用户感知量化提示，其中，触感提示的力度大小用于用户感知量化驾驶专注度状态量化值大小，即触感提示的力度越大，驾驶专注度状态量化值越小，表征用户驾驶专注度越低，车辆行驶安全系数越低，从而通过不同触感提示的力度大小来提示驾驶员或乘客车辆的安全性，以警示驾驶员进行安全驾驶。
26.以下将主要描述用户感知量化方法的具体步骤。
27.参照图1至图2，在本发明实施例中，用户感知量化的方法，包括以下步骤：s100、获取车辆的运行状态；其中，所述车辆的运行状态包括正常状态及非正常状态；s200、确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态；s300、确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令；s400、响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示。
28.具体地，本实施例中，获取车辆的运行状态的方式有多种，可以是外部终端发送的信息，如移动终端（手机、遥控器、平板电脑）、固定终端（服务器、云端）等，也可以是车辆上的终端检测得到的结果，如车载摄像头等，其中，车辆的运行状态包括正常状态及非正常状态，车辆的非正常状态可以用不同形式进行表示，以车辆偏离车道为例。若确定车辆状态处于非正常状态，首先需要判断是否是驾驶员的驾驶专注度导致；而获取驾驶员的驾驶专注度状态的方式有很多种，可以通过压力传感器获取，如，通过驾驶员对方向盘的握持力度来判断驾驶员的驾驶专注度状态，当驾驶员对方向盘的握持力度小于预设值时，表征驾驶专注度状态较低；还可以通过车载摄像头获取用户的面部表情，通过面部表情来判断驾驶员的驾驶专注度状态，面部表情可以是额头、眼睛、脸颊局部或整体特征等。
29.由于车辆状态处于非正常状态很大概率是由于驾驶员的驾驶专注度导致，或者说，是由于驾驶员的驾驶专注度低导致车辆没有及时纠正状态；因此，若确定所述驾驶专注度状态的状态量化值低于预设值，需立即生成用户感知提示指令；最后响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示，从而对用户进行感知量化提示，以提醒驾驶员安全驾驶来使车辆纠偏处于正常状态。
30.本实施例中，首先通过获取获取车辆的运行状态； 然后确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态； 再确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令； 最后响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示。 如此，通过在车辆在非正常状态时对用户驾驶状态进行检测，生成用户感知量化的提示指令，对用户驾驶进行用户感知地安全提示，从而提高车
辆驾驶的安全性。
31.参照附图3，在一些实施例中，确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态的步骤包括：s500、获取车辆的非正常运行状态对车辆驾驶安全的影响因子；s600、确定所述影响因子大于预设值；s210、获取驾驶员的驾驶专注度状态。
32.具体地，本实施例中，获取车辆的非正常运行状态对车辆驾驶安全的影响因子的方式有多种，如存储器上存储相关影响因子数据，可以理解的是，车辆驾驶安全的影响因子对车辆处于非正常运行状态后车辆是否能够安全运行有很大关系，影响因子越大，车辆安全行驶的概率越低，因此，当确定所述影响因子大于预设值；需要获取驾驶员的驾驶专注度状态，以便生成用户感知提示指令。
33.不同的车辆状况对车辆驾驶安全有不同的影响，车辆状态包括车辆自身状况或行车环境状况等，如车辆驾驶年限、车辆驾驶公里数、车辆驾驶环境、车辆故障、车辆维修次数等，本实施例中，影响因子p满足如下关系：p=k1m+k2n+k3l，其中，k1为车辆驾驶年限影响权重，m为车辆驾驶年限，k2为驾驶环境影响权重，n为环境恶劣指数，k3为车辆故障影响权重，l为车辆故障指数。环境恶劣指数用1-10的整数表示，1表示天气良好或道路宽阔等良好的情形，10表示大雾能见度为0或道路窄无法避让等恶劣情况，车辆故障指数可以用0-10的整数表示，0表示仪表盘上无故障灯显示，1表示仪表盘上1个故障灯显示，同理，10表示仪表盘上10个故障灯显示。可以理解，不同的车辆状态对车辆驾驶安全有不同的影响权重，本实施例中，k1=0.2，k2=0.3，k3=0.5。
34.可以理解的是，在不同实施例中，多个影响权重还可以随车辆状况进行动态调整，具体如何动态调整这里不做介绍。
35.参照附图4，在一些实施例中，所述确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态的步骤包括：s700、获取车辆的非正常运行状态的持续时间；s500、基于所述持续时间获取车辆的非正常运行状态对车辆驾驶安全的影响因子；s600、确定所述影响因子大于预设值；s210、获取驾驶员的驾驶专注度状态。
36.具体地，本实施例中，车辆处于非正常运行状态的持续时间对车辆驾驶安全的影响因子同样具有较大影响，即持续时间越长，影响因子越大，车辆行驶越不安全。本实施例中，影响因子p满足如下关系：p=k1m+k2n+k3l+k4（t/t），其中，k1为车辆驾驶年限影响权重，m为车辆驾驶年限，k2为驾驶环境影响权重，n为环境恶劣指数，k3为车辆故障影响权重，l为车辆故障指数，k4为车辆非正常运行状态的持续时间影响权重，t为车辆非正常运行状态的持续时间，t为预设的极限时间；同样可以理解，不同的车辆状态对车辆驾驶安全有不同的影响权重，本实施例中，k1=0.2，k2=0.3，k3=0.4，k4=0.1。
37.参照附图5，在一些实施例中，所述获取驾驶员的驾驶专注度状态的步骤包括：s800、获取所述驾驶员的面部视频流；s900、提取所述面部视频流在连续预设时间内的多张面部图像帧；
s1000、基于多张所述面部图像帧提取眼睛部位特征；s1100、对所述眼睛部位特征进行模型识别，确定所述驾驶专注度状态的状态量化值。
38.获取驾驶员的驾驶专注度状态的方式有很多，如虹膜识别、拍照识别、方向盘压力传感识别等，具体地，本实施例中，通过获取所述驾驶员的面部视频流，再提取所述面部视频流在连续预设时间内的多张面部图像帧，然后基于多张所述面部图像帧提取眼睛部位特征，最后对所述眼睛部位特征进行模型识别，确定所述驾驶专注度状态的状态量化值。如，此识别模型为预先训练好的眼睛大小模型，不同眼睛大小，表征不同的驾驶专注度状态，眼睛越小，表示眼睛越闭合，驾驶专注度越低。因此，通过识别用户的眼部特征来检测用户的驾驶专注度，当然还可以通过面部表情来检测用户的驾驶专注度，或多种方式结合综合判断，以提高判断的准确性。
39.在确定所述车辆状态处于非正常状态，所述驾驶专注度状态的状态量化值低于预设值时，说明车辆非正常行驶，并且驾驶员专注度较低，需要对驾驶员和/或乘客进行用户感知量化提示，以确定驾驶的安全性。具体，进行用户感知量化提示的方法如下：参照附图6，在一些实施例中，所述智能汽车包括驾驶座椅及乘客座椅，所述驾驶座椅及乘客座椅上设有用于用户感知的触感提示组件；所述确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令的步骤包括：s310、确定所述驾驶专注度状态的状态量化值低于预设值，并累计持续时长；s1120、确定所述累计时长大于预设时长，生成驾驶座椅对用户进行感知触感提示的第一指令。
40.具体地，本实施例中，当驾驶专注度状态的状态量化值低于预设值，并且持续时长大于预设时长时，说明，车辆处在不安全状态，且驾驶员处在非警惕状态，需要对驾驶员进行安全驾驶提示，此时，生成驾驶座椅对用户进行感知触感提示的第一指令，第一指令为直接对驾驶员进行用户感知触感提示的指令。
41.参照附图7-8，在一些实施例中，所述第一指令触发的感知触感提示结束之后还包括：s220、重新获取驾驶员的驾驶专注度状态；s1130、确定所述驾驶专注度状态的状态量化值低于预设值，生成乘客座椅对用户进行感知触感提示的第二指令；和/或，s220、重新获取驾驶员的驾驶专注度状态；s1140、确定所述驾驶专注度状态的状态量化值低于预设值，获取乘客座椅的使用状态；s1150、确定乘客座椅为乘客就位状态，生成乘客座椅对用户进行感知触感提示的第二指令。
42.具体地，本实施例中，当第一指令触发的感知触感提示结束后，驾驶员可能存在仍未清醒的情形，因此，重新获取驾驶员的驾驶专注度状态，当确定所述驾驶专注度状态的状态量化值仍低于预设值，生成乘客座椅对用户进行感知触感提示的第二指令，第二指令为对乘客进行用户感知触感提示的指令，当乘客收到警示信号后，可以及时提醒驾驶员进行
安全驾驶。当然，第一指令与第二指令可以间隔触发多次，以确保用户能够及时被提醒。
43.当驾驶员或乘客座椅接受到用户感知触感提示的指令后，相应座椅即对用户进行感知提示，如感知触感提示，感知触感提示的方式有多种，本实施例中，感知触感提示包括至少三种力度不同的推压或锤击或敲打，以对车辆驾驶员和/或乘客进行用户感知量化提示，其中，触感提示的力度大小用于用户感知量化驾驶专注度状态量化值大小，触感提示的力度越大，表示驾驶专注度状态量化值越低，车辆行驶安全性越低，因此，通过此方法，可以使用户（驾驶员或乘客）能够实时量化驾驶员的专注度。
44.本发明还提出一种用户感知量化系统，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现以下用户感知量化的方法，该方法包括如下步骤：获取车辆的运行状态；其中所述车辆的运行状态包括正常状态及非正常状态；确定所述车辆状态处于非正常状态，获取驾驶员的驾驶专注度状态；确定所述驾驶专注度状态的状态量化值低于预设值，生成用户感知提示指令；响应于所述用户感知提示指令，对所述车辆驾驶员和/或乘客进行用户感知量化提示。
45.以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。