舒适度检测方法、模型生成方法、装置、车辆及存储介质与流程

本发明涉及智能汽车，尤其涉及一种舒适度检测方法、模型生成方法、装置、车辆及存储介质。

背景技术：

1、随着汽车电子技术的发展，顾客对汽车舒适性的要求也在日益提高。车辆的舒适度直接影响到顾客对汽车的购置决策，在车辆开发阶段车辆的舒适度受到高度的重视。

2、目前，车辆舒适度的量化评价主要沿用了评测人主观评价和车辆动力学客观参数，评价体系要求评测人员具备丰富经验、清晰的感受表达能力，并且需要精确的车辆工况参数。

3、但是在实际应用场景中，车辆舒适度的评价通常是多维度且个体性差异明显的复杂评价过程，相关技术中忽略了驾乘人员个体的生理数据与驾乘人员个体对车辆整体舒适度感受之间的关联关系，得到的舒适度评价结果颗粒度较差，且跨个体复用性较差，导致得到的舒适度评价结果准确性低、普适性差。

技术实现思路

1、本发明实施例提供一种舒适度检测方法、模型生成方法、装置、车辆及存储介质，以解决相关技术得到的舒适度评价结果准确性低、普适性差的问题。

2、为了解决上述技术问题，本发明实施例提供了一种舒适度检测方法，所述方法包括：

3、利用舒适度检测模型的特征提取网络，根据目标脑电信号中每个检测通道对应的目标子数据，获取所述检测通道对应的脑电信号特征值，并将所述目标脑电信号中不同检测通道对应的脑电信号特征值分别输入所述舒适度检测模型的不同基础编码器中；

4、利用所述基础编码器根据所述脑电信号特征值，确定所述检测通道对应的特征权重值；

5、利用所述舒适度检测模型的目标编码器，根据各个所述检测通道对应的特征权重值，对各个所述检测通道对应的脑电信号特征值进行降维处理，得到所述目标脑电信号对应的降维特征值；

6、利用所述舒适度检测模型的至少一个舒适度分类器，根据所述降维特征值，生成概率参数；所述概率参数包括所述舒适度分类器对应的舒适度类别的概率值；

7、获取所述舒适度检测模型根据所述概率参数输出的目标舒适度。

8、可选地，所述利用舒适度检测模型的特征提取网络，根据目标脑电信号中每个检测通道对应的目标子数据，获取所述检测通道对应的脑电信号特征值，包括：

9、利用所述特征提取网络计算所述目标子数据的功率谱密度、功率谱密度比、频带能量、频带能量比和特征熵，所述特征熵包括微分熵、样本熵和信息熵中的至少一项；

10、将所述目标子数据的所述功率谱密度、所述功率谱密度比、所述频带能量、所述频带能量比和所述特征熵，确定为所述检测通道对应的脑电信号特征值。

11、可选地，所述利用所述特征提取网络计算所述目标子数据的频带能量和频带能量比，包括：

12、利用所述特征提取网络，基于正交小波变换分解所述目标子数据的高频区域和低频区域，得到小波变换分解后的目标子数据；

13、利用所述特征提取网络，计算所述小波变换分解后的目标子数据中每个离散点幅值的平方和，得到所述目标子数据的频带能量；

14、利用所述特征提取网络，基于所述频带能量，计算所述目标子数据的频带能量比。

15、可选地，所述目标编码器包括依次连接的一维卷积层、展平层和共享线性层，所述一维卷积层与所述基础编码器连接，所述共享线性层与所述舒适度分类器连接；

16、所述利用所述舒适度检测模型的目标编码器，根据各个所述检测通道对应的特征权重值，对各个所述检测通道对应的脑电信号特征值进行降维处理，得到所述目标脑电信号对应的降维特征值，包括：

17、利用所述一维卷积层，根据所述检测通道对应的特征权重值，对所述检测通道对应的脑电信号特征值进行加权计算，得到所述检测通道对应的加权特征值；

18、利用所述展平层，将各个所述检测通道对应的加权特征值进行降维处理，得到原始降维特征值；

19、利用所述共享线性层对所述原始降维特征值进行线性变换处理，得到所述目标脑电信号对应的降维特征值。

20、可选地，所述舒适度检测模型还包括融合算法层，所述融合算法层与所述舒适度分类器连接；所述获取所述舒适度检测模型根据所述概率参数输出的目标舒适度，包括：

21、利用所述融合算法层确定每个所述舒适度分类器生成的概率参数的概率权重值；

22、利用所述融合算法层根据每个所述舒适度分类器生成的概率参数和所述概率参数的概率权重值，确定所述目标脑电信号对应的目标舒适度；

23、获取所述融合算法层输出的所述目标脑电信号对应的目标舒适度。

24、可选地，所述方法还包括：

25、获取驾乘人员的第一待处理脑电信号；所述第一待处理脑电信号中包括参考通道对应的第一参考子数据和至少两个检测通道对应的第一待处理检测子数据；

26、基于所述第一参考子数据，对所述第一待处理检测子数据进行预处理，得到处理后的第一检测子数据；

27、将各个所述处理后的第一检测子数据构成的脑电信号，确定为目标脑电信号。

28、可选地，所述基于所述第一参考子数据，对所述第一待处理检测子数据进行预处理，得到处理后的第一检测子数据，包括：

29、基于所述第一参考子数据，对所述第一待处理检测子数据进行重参考，得到第二检测子数据；

30、对所述第二检测子数据进行去伪迹预处理，得到第三检测子数据；

31、对所述第三检测子数据进行重采样，得到第四检测子数据；所述第四检测子数据中数据单元的数量与所述第三检测子数据中数据单元的数量之比为0.3至0.6；

32、利用预设脑电信号，对所述第四检测子数据进行基线矫正，得到处理后的第一检测子数据。

33、可选地，在获取驾乘人员的第一待处理脑电信号之前，所述方法还包括：

34、采集驾乘人员的第一原始脑电信号；

35、将所述第一原始脑电信号中检测通道对应的第一原始检测子数据构成的脑电信号确定为预设脑电信号。

36、为了解决上述技术问题，本发明实施例还提供了一种模型生成方法，所述方法包括：

37、获取脑电信号样本集；所述脑电信号样本集中包括脑电信号样本和所述脑电信号样本对应的舒适度标签；所述舒适度标签用于表征所述脑电信号样本对应的真实舒适度；

38、针对所述脑电信号样本集中的任一脑电信号样本，确定待训练检测模型中至少一个待训练分类器生成的预测概率参数；所述预测概率参数包括所述待训练分类器对应的舒适度类别的概率值；

39、根据所述预测概率参数和所述脑电信号样本对应的舒适度标签，对所述待训练检测模型进行参数调整；

40、在达到停止条件的情况下，将所述待训练检测模型确定为如上所述的舒适度检测模型。

41、可选地，所述根据所述预测概率参数和所述脑电信号样本对应的舒适度标签，对所述待训练检测模型进行参数调整，包括：

42、确定所述待训练分类器的分类器权重以及交叉熵损失函数；

43、根据每个所述待训练分类器的分类器权重以及交叉熵损失函数，计算确定所述待训练检测模型对应的损失函数；

44、利用所述待训练检测模型根据所述预测概率参数，确定预测舒适度；

45、根据所述预测舒适度、所述脑电信号样本对应的舒适度标签以及所述损失函数，确定所述待训练分类器对应的损失值；

46、根据所述损失值对所述待训练检测模型进行参数调整。

47、可选地，所述获取脑电信号样本集，包括：

48、获取驾乘人员评价的主观舒适度，并获取所述主观舒适度对应的第二待处理脑电信号；所述第二待处理脑电信号中包括参考通道对应的第二参考子数据和至少两个检测通道对应的第二待处理检测子数据；

49、基于所述第二参考子数据，对所述第二待处理检测子数据进行预处理，得到处理后的第二检测子数据；

50、将各个所述处理后的第二检测子数据构成的脑电信号，确定为脑电信号样本；

51、将所述主观舒适度确定为所述脑电信号样本对应的舒适度标签；

52、根据所述脑电信号样本和所述舒适度标签之间的对应关系，构建脑电信号样本集。

53、可选地，所述获取所述主观舒适度对应的第二待处理脑电信号，包括：

54、确定获取驾乘人员评价的主观舒适度的第一时刻；

55、在包含所述第一时刻的第一时间段内采集所述驾乘人员的第二原始脑电信号；

56、将所述第二原始脑电信号中，第二时刻与所述第一时刻之间的第一脑电信号片段，以及所述第一时刻与第三时刻之间的第二脑电信号片段确定为第二待处理脑电信号；

57、其中，所述第二时刻为在所述第一时刻之前的时刻，且所述第二时刻和所述第一时刻之间间隔第二时长；所述第三时刻为在所述第一时刻之后的时刻，且所述第一时刻和所述第三时刻之间间隔第三时长；所述第二时刻和所述第三时刻为所述第一时间段内的时刻。

58、为了解决上述技术问题，本发明实施例还提供了一种舒适度检测装置，所述装置包括：

59、第一获取模块，用于利用舒适度检测模型的特征提取网络，根据目标脑电信号中每个检测通道对应的目标子数据，获取所述检测通道对应的脑电信号特征值，并将所述目标脑电信号中不同检测通道对应的脑电信号特征值分别输入所述舒适度检测模型的不同基础编码器中；

60、第一确定模块，用于利用所述基础编码器根据所述脑电信号特征值，确定所述检测通道对应的特征权重值；

61、第一处理模块，用于利用所述舒适度检测模型的目标编码器，根据各个所述检测通道对应的特征权重值，对各个所述检测通道对应的脑电信号特征值进行降维处理，得到所述目标脑电信号对应的降维特征值；

62、生成模块，用于利用所述舒适度检测模型的至少一个舒适度分类器，根据所述降维特征值，生成概率参数；所述概率参数包括所述舒适度分类器对应的舒适度类别的概率值；

63、第二获取模块，用于获取所述舒适度检测模型根据所述概率参数输出的目标舒适度。

64、为了解决上述技术问题，本发明实施例还提供了一种模型生成装置，所述装置包括：

65、第三获取模块，用于获取脑电信号样本集；所述脑电信号样本集中包括脑电信号样本和所述脑电信号样本对应的舒适度标签；所述舒适度标签用于表征所述脑电信号样本对应的真实舒适度；

66、第二确定模块，用于针对所述脑电信号样本集中的任一脑电信号样本，确定待训练检测模型中至少一个待训练分类器生成的预测概率参数；所述预测概率参数包括所述待训练分类器对应的舒适度类别的概率值；

67、调整模块，用于根据所述预测概率参数和所述脑电信号样本对应的舒适度标签，对所述待训练检测模型进行参数调整；

68、第三确定模块，用于在达到停止条件的情况下，将所述待训练检测模型确定为如上所述的舒适度检测模型。

69、为了解决上述技术问题，本发明实施例还提供了一种车辆，所述车辆包括电子设备，所述电子设备包括：处理器、通信接口、存储器和通信总线；其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；

70、存储器，用于存放计算机程序；

71、处理器，用于执行存储器上所存放的程序时，实现如上所述的舒适度检测方法中的步骤，或者实现如上所述的模型生成方法中的步骤。

72、为了解决上述技术问题，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的舒适度检测方法中的步骤，或者实现如上所述的模型生成方法中的步骤。

73、本发明具备如下优点：

74、在本发明实施例中，通过利用舒适度检测模型的特征提取网络，获取目标脑电信号中每个检测通道对应的脑电信号特征值，然后利用舒适度检测模型的基础编码器根据所述脑电信号特征，有效挖掘各个检测通道之间的相关性，确定检测通道对应的特征权重值，并利用舒适度检测模型的目标编码器，根据各个检测通道对应的特征权重值，对各个检测通道对应的脑电信号特征值进行降维处理，得到目标脑电信号对应的降维特征值，强调对目标舒适度有较大影响的检测通道对应的脑电信号特征值，抑制对目标舒适度影响较小的检测通道对应的脑电信号特征值特征，以提取加权特征值的局部模式，减少加权特征值参数的数量，提高舒适度检测模型的泛化能力，使得其对不同的目标脑电信号均能有很好的检测效果，充分利用各个目标脑电信号中各个检测通道之间的相关性，提高舒适度检测模型的检测精度；利用舒适度检测模型的至少一个舒适度分类器，生成包括舒适度分类器对应的舒适度类别的概率值概率参数，以获取舒适度检测模型根据概率参数输出的目标舒适度；通过舒适度检测模型建立了驾乘人员的目标脑电信号与车辆舒适度之间的关系，缩小了舒适度检测结果颗粒度，提高了舒适度检测方法的客观性和可复用性，提高了舒适度检测结果准确性和普适性。

75、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。