【技术实现步骤摘要】
本申请涉及车辆屏幕视觉领域，特别涉及一种基于车载信息娱乐系统的壁纸展示方法及装置。
技术介绍
1、在当今汽车工业的快速发展中，座舱车机的壁纸显示已成为提升用户体验的重要环节。然而，目前主流车厂所采用的预存储壁纸方式，虽然在操作上提供了快速和稳定的体验，但其局限性也日益凸显。这种预定义的壁纸系统，由于其数量和种类的限制，难以满足用户对个性化和多样化的追求。随着用户对车内环境美观度和个性化要求的不断提升，这种单一和固定的壁纸选项已逐渐显得不够吸引人，缺乏创新和变化。
2、预定义壁纸的有限性限制了用户的个性化选择。用户往往希望自己的车内环境能够反映个人品位和风格，但预设的壁纸往往无法完全满足这一需求。此外，现有的生成壁纸的方式通常是用户在车辆大屏上手动选择，不能满足后排用户对于壁纸切换的需求，使得用户的体验相对单调，无法根据个人喜好或者特定情境进行调整。
技术实现思路
1、鉴于上述问题，本申请实施例提出了一种基于车载信息娱乐系统的壁纸展示方法及装置。
2、在本申请实施的第一方面，首先提供了一种基于车载信息娱乐系统的壁纸展示方法，其特征在于，应用于所述车载信息娱乐系统，所述车载信息娱乐系统设置于车辆中，所述车辆还包括与所述车载信息娱乐系统通信连接的用户状态采集系统和语音系统，所述车载信息娱乐系统包括屏幕，所述方法包括：
3、获取所述用户状态采集系统采集的用户数据，所述用户数据包括身体数据、表情数据、手势数据；
4、根据所述身体数据获取年龄信息
5、若所述手势动作与预设的第一目标手势动作一致，根据所述年龄信息和所述表情类别生成询问信息，控制所述语音系统发出所述询问信息；
6、获取所述用户状态采集系统采集的所述用户的反馈手势数据，根据所述反馈手势数据获取反馈手势动作；
7、获取所述语音系统采集的所述用户的反馈语音信息；
8、若所述反馈手势动作与预设的第二目标手势动作一致，或，所述反馈语音信息与预设的目标语音信息一致，根据所述年龄信息和所述表情类别获取目标文本信息；
9、根据所述目标文本信息生成目标壁纸，将所述目标壁纸展示在所述屏幕上。
10、可选地，其特征在于，所述根据所述身体数据获取年龄信息，根据所述表情数据获取表情类别，根据所述手势数据获取手势动作，所述方法包括：
11、将所述用户数据输入预设的神经网络模型，输出用户特征信息，所述用户特征信息包括所述年龄信息、所述表情类别、所述手势动作；
12、其中，所述神经网络模型采用如下方式训练得到：
13、通过分割模型和/或视觉检测模型对所述用户数据进行标注，获取第一数据标注；
14、检查所述用户数据与所述第一数据标注是否匹配；
15、若不匹配，修改所述第一数据标注；
16、若匹配，对所述用户数据进行预处理，所述预处理是图片缩放、数据增强、归一化、收集负样本中的一个或多个；
17、将预处理后的所述用户数据和所述第一数据标注作为训练样本；
18、将所述预处理后的所述用户数据作为所述神经网络模型的输入，将所述第一数据标注作为所述神经网络模型的输出，采用所述训练样本对所述神经网络模型进行训练，得到待验证的神经网络模型；
19、将所述用户数据输入所述待验证的神经网络模型，得到所述待验证的神经网络模型输出的第一数据；
20、根据所述第一数据标注和所述第一数据计算所述神经网络模型的损失函数；
21、采用所述损失函数对所述待验证的神经网络模型进行模型参数调整，并重新执行将所述用户数据作为所述神经网络模型的输入，将所述第一数据标注作为所述神经网络模型的输出，采用所述训练样本对所述神经网络模型进行训练的步骤，直至达到预设的训练停止条件，得到经过训练的神经网络模型；
22、其中，当所述神经网络模型是身体识别模型时，所述用户数据是所述身体数据，所述第一数据是所述年龄信息，所述第一数据标注是年龄信息标注；
23、当所述神经网络模型是表情识别模型时，所述用户数据是所述表情数据，所述第一数据是所述表情类别，所述第一数据标注是表情类别标注；
24、当所述神经网络模型是手势识别模型时，所述用户数据是所述手势数据，所述第一数据是所述手势动作，所述第一数据标注是手势动作标注。
25、可选地，所述身体识别模型由轻量级分割网络构成，所述轻量级分割网络包括编码器、解码器、连接层，所述编码器和所述解码器通过所述连接层进行连接，所述将所述用户数据输入预设的神经网络模型，输出用户特征信息，包括：
26、将所述身体数据输入至所述编码器进行处理，得到所述编码器输出的身体特征；
27、将所述身体特征通过所述连接层发送至所述解码器；
28、将所述身体特征输入至所述解码器进行处理，得到所述解码器输出的所述年龄信息。
29、可选地，所述手势识别模型、所述表情识别模型均由轻量级检测神经网络和轻量级分类神经网络构成，所述轻量级检测神经网络包括第一倒置颈搜索结构、第一注意力结构和第一深度学习结构，所述轻量级分类神经网络包括第二倒置颈搜索结构、第二注意力结构和第二深度学习结构，所述将所述用户数据输入预设的神经网络模型，输出用户特征信息，包括：
30、将所述手势数据或所述表情数据输入至所述第一倒置颈搜索结构进行处理，得到所述第一倒置颈搜索结构输出的第一用户特征；
31、将所述第一用户特征输入至所述第一注意力结构进行处理，得到所述第一注意力结构输出的第二用户特征；
32、将所述第二用户特征输入至所述第一深度学习结构进行处理，得到所述第一深度学习结构输出的目标框图；
33、将所述目标框图输入至所述第二倒置颈搜索结构进行处理，得到所述第二倒置颈搜索结构输出的第三用户特征；
34、将所述第三用户特征输入至所述第二注意力结构进行处理，得到所述第二注意力结构输出的第四用户特征；
35、将所述第四用户特征输入至所述第二深度学习结构进行处理，对应得到所述第二深度学习结构输出的所述手势动作或所述表情类别。
36、可选地，所述根据所述目标文本信息生成目标壁纸，将所述目标壁纸展示在所述屏幕上，包括：
37、将所述目标文本信息输入预设的文生图模型，得到所述文生图模型输出的对应的目标图片，将所述目标图片作为目标壁纸，将所述目标壁纸展示在所述屏幕上。
38、可选地，所述文生图模型采用如下方式训练得到：
39、获取预先存储在所述车载信息娱乐系统的文本信息；
40、根据所述文本信息获取对应的图片信息；
41、检查所述文本信息与所述图片信息是否匹配；
42、若不匹配，修改所述文本信息对应的所述图片信息；
43、若本文档来自技高网...
【技术保护点】
1.一种基于车载信息娱乐系统的壁纸展示方法，其特征在于，应用于所述车载信息娱乐系统，所述车载信息娱乐系统设置于车辆中，所述车辆还包括与所述车载信息娱乐系统通信连接的用户状态采集系统和语音系统，所述车载信息娱乐系统包括屏幕，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述身体数据获取年龄信息，根据所述表情数据获取表情类别，根据所述手势数据获取手势动作，所述方法包括：
3.根据权利要求2所述的方法，其特征在于，所述身体识别模型由轻量级分割网络构成，所述轻量级分割网络包括编码器、解码器、连接层，所述编码器和所述解码器通过所述连接层进行连接，所述将所述用户数据输入预设的神经网络模型，输出用户特征信息，包括：
4.根据权利要求2所述的方法，其特征在于，所述手势识别模型、所述表情识别模型均由轻量级检测神经网络和轻量级分类神经网络构成，所述轻量级检测神经网络包括第一倒置颈搜索结构、第一注意力结构和第一深度学习结构，所述轻量级分类神经网络包括第二倒置颈搜索结构、第二注意力结构和第二深度学习结构，所述将所述用户数据输入预设的神经网络模型，输
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标文本信息生成目标壁纸，将所述目标壁纸展示在所述屏幕上，包括：
6.根据权利要求5所述的方法，其特征在于，所述文生图模型采用如下方式训练得到：
7.根据权利要求6所述的方法，其特征在于，所述文生图模型由级联扩散模型构成，所述级联扩散模型包括基础模型、精修模型和变量自动编码器，所述将所述目标文本信息输入预设的文生图模型，所述文生图模型输出对应的目标图片，包括：
8.一种基于车载信息娱乐系统的壁纸展示装置，其特征在于，应用于所述车载信息娱乐系统，所述车载信息娱乐系统设置于车辆中，所述车辆还包括与所述车载信息娱乐系统通信连接的用户状态采集系统和语音系统，所述车载信息娱乐系统包括屏幕，所述装置包括：
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于车载信息娱乐系统的壁纸展示方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于车载信息娱乐系统的壁纸展示方法。
...【技术特征摘要】
1.一种基于车载信息娱乐系统的壁纸展示方法，其特征在于，应用于所述车载信息娱乐系统，所述车载信息娱乐系统设置于车辆中，所述车辆还包括与所述车载信息娱乐系统通信连接的用户状态采集系统和语音系统，所述车载信息娱乐系统包括屏幕，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述身体数据获取年龄信息，根据所述表情数据获取表情类别，根据所述手势数据获取手势动作，所述方法包括：
3.根据权利要求2所述的方法，其特征在于，所述身体识别模型由轻量级分割网络构成，所述轻量级分割网络包括编码器、解码器、连接层，所述编码器和所述解码器通过所述连接层进行连接，所述将所述用户数据输入预设的神经网络模型，输出用户特征信息，包括：
4.根据权利要求2所述的方法，其特征在于，所述手势识别模型、所述表情识别模型均由轻量级检测神经网络和轻量级分类神经网络构成，所述轻量级检测神经网络包括第一倒置颈搜索结构、第一注意力结构和第一深度学习结构，所述轻量级分类神经网络包括第二倒置颈搜索结构、第二注意力结构和第二深度学习结构，所述将所述用户数据输入预设的神经网络模型，输出用户特征信息，包括：
5.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：曾鑫，何浩，黄勇波，仁义，杨超，张保林，吴涛，何正义，唐赛，
申请(专利权)人：重庆赛力斯新能源汽车设计院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。