车内氛围灯控制方法、装置、设备及可读存储介质

技术领域

本发明涉及车辆技术领域，更具体地说，涉及车内氛围灯控制方法、装置、设备及可读存储介质。

背景技术

大多数车辆配置的车内氛围灯可以提供多种颜色及亮度供驾驶员选择。但在驾驶车辆行驶过程中，驾驶员需要专心驾驶，而无法随时根据自己的心情选择适合的氛围灯颜色及亮度，从而可能影响驾驶员的情绪，造成驾驶安全隐患。

针对上述问题，目前是预先设定情绪与氛围灯设置的对应关系，在驾驶员驾驶车辆行驶过程中，通过图像识别技术实时识别驾驶员的情绪，进而自动设置氛围灯。虽然上述方式可以实现自动设置氛围灯的目的，但是情绪与氛围灯设置的对应关系还是需要驾驶员预先手动设置，用户体验较差。

发明内容

有鉴于此，本发明提出车内氛围灯控制方法、装置、设备及可读存储介质，欲提高用户体验。

为了实现上述目的，现提出的方案如下：

第一方面，提供一种车内氛围灯控制方法，包括：

自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪；

将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；对于每条所述记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将所述记录数据转换为正训练样本，若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将所述记录数据转换为负训练样本；将所述训练样本中的氛围灯设置参数作为标签数据，将所述训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据；

在训练得到所述氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到所述氛围灯设置模型，得到所述氛围灯设置模型输出的氛围灯设置参数；

依据所述氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

优选的，在所述自动更改氛围灯设置参数并检测驾驶员情绪之前，还包括：

利用生物特征识别技术对当前驾驶车辆行驶的驾驶员进行身份鉴定，若身份鉴定失败，则再执行所述自动更改氛围灯设置参数并检测驾驶员情绪的步骤，若身份鉴定成功，则利用与身份鉴定匹配到的生物特征信息对应的氛围灯设置模型得到氛围灯设置参数，并对车内氛围灯进行控制；

在所述将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据作为训练样本，训练得到氛围灯设置模型之后，还包括：

建立并存储所述驾驶员的生物特征信息与所述训练得到氛围灯设置模型的映射关系，并将所述驾驶员的生物特征信息存储到生物特征信息集合中，所述生物特征信息集合用于对驾驶员进行身份鉴定。

优选的，在所述实时检测驾驶员情绪之后，且在所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型之前，还包括：

判断当前检测周期检测到的驾驶员情绪与前一检测周期检测到的驾驶员情绪是否相同，若是，则再执行所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型的步骤，若否，则不执行所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型的步骤。

优选的，在每次依据所述氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制之后，还包括：

在预设的一段时间内保持车内氛围灯的颜色和亮度不变，且多次检测驾驶员情绪，并统计驾驶员情绪为正面情绪的比例；

判断所述比例是否大于比例阈值，若是，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为正训练样本保存，若否，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为负训练样本保存。

优选的，在保存的正训练样本和负训练样本的总数量大于数量阈值后，利用所述保存的正训练样本和负训练样本对氛围灯设置模型进行重新训练。

第二方面，提供一种车内氛围灯控制装置，包括：

第一样本数据单元，用于自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪；

模型训练单元，用于将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；对于每条所述记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将所述记录数据转换为正训练样本，若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将所述记录数据转换为负训练样本；将所述训练样本中的氛围灯设置参数作为标签数据，将所述训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据；

氛围灯设置参数单元，用于在训练得到所述氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到所述氛围灯设置模型，得到所述氛围灯设置模型输出的氛围灯设置参数；

氛围灯控制单元，用于依据所述氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

优选的，所述车内氛围灯控制装置，还包括：

身份鉴定单元，用于在执行所述第一样本数据单元之前利用生物特征识别技术对当前驾驶车辆行驶的驾驶员进行身份鉴定，若身份鉴定失败，则再执行所述第一样本数据单元，若身份鉴定成功，则执行用户模型单元；

所述用户模型单元，用于利用与身份鉴定匹配到的生物特征信息对应的氛围灯设置模型得到氛围灯设置参数，并对车内氛围灯进行控制；

用户注册单元，用于建立并存储所述驾驶员的生物特征信息与所述训练得到氛围灯设置模型的映射关系，并将所述驾驶员的生物特征信息存储到生物特征信息集合中，所述生物特征信息集合用于对驾驶员进行身份鉴定。

优选的，所述氛围灯设置参数单元，还用于：

在所述实时检测驾驶员情绪之后，且在所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型之前，判断当前检测周期检测到的驾驶员情绪与前一检测周期检测到的驾驶员情绪是否相同，若是，则再执行所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型的步骤，若否，则不执行所述将检测得到的驾驶员情绪输入到所述氛围灯设置模型的步骤。

优选的，所述车内氛围灯控制装置，还包括：

第二样本数据单元，用于在每次执行所述氛围灯控制单元之后，在预设的一段时间内保持车内氛围灯的颜色和亮度不变，且多次检测驾驶员情绪，并统计驾驶员情绪为正面情绪的比例；

第二样本数据单元，还用于判断所述比例是否大于比例阈值，若是，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为正训练样本保存，若否，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为负训练样本保存。

优选的，所述车内氛围灯控制装置，还包括：

模型重新训练单元，用于在保存的正训练样本和负训练样本的总数量大于数量阈值后，利用所述保存的正训练样本和负训练样本对氛围灯设置模型进行重新训练。

第三方面，提供一种可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如第一方面中任意一种所述的车内氛围灯控制方法的各个步骤。

第四方面，提供一种车内氛围灯控制设备，包括：

存储器，用于存储程序；

处理器，用于执行所述程序，实现如第一方面中任意一种所述的车内氛围灯控制方法的各个步骤。

与现有技术相比，本发明的技术方案具有以下优点：

上述技术方案提供的一种车内氛围灯控制方法、装置、设备及可读存储介质，方法包括自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪；将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；在训练得到氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到氛围灯设置模型，得到氛围灯设置模型输出的氛围灯设置参数,对车内氛围灯进行控制。本发明通过主动学习的过程，来主动学习驾驶员在不同情绪下对氛围灯的偏好，不需要驾驶员自己手动设置，提高了用户体验。

附图说明

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种车内氛围灯控制方法的流程图；

图2为本发明实施例提供的另一种车内氛围灯控制方法的流程图；

图3为本发明实施例提供的一种车内氛围灯控制装置的示意图；

图4为本发明实施例提供的一种车内氛围灯控制设备的示意图。

具体实施方式

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做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。

图1为本实施例提供的一种车内氛围灯控制方法，该方法可应用于对氛围灯进行控制的控制器，当然，也可以应用于车辆设置的整车控制器或其他行车电脑等具有数据处理能力的控制器；在某些情况下，还可以应用于网络侧的服务器。参见图1，本实施例提供的一种车内氛围灯控制方法，可以包括以下步骤：

S11：自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪。

情绪检测包括体表电、脑电波和图像处理等方式。在一些具体实施例中，限于车内硬件配置，利用图像处理方式检测驾驶员情绪，即利用人脸识别技术检测驾驶员情绪。通过图像采集装置采集包含驾驶员脸部的图像，利用人脸识别技术检测驾驶员情绪，具体可以采用深度学习方法中的卷积神经网络实现情绪识别算法，对驾驶员的情绪进行识别。人的情绪包括开心、放松、紧张、愤怒、沮丧、悲伤、痛苦等。

氛围灯设置参数包括氛围灯颜色和氛围灯亮度。自动更改氛围灯设置参数具体为自动更改氛围灯颜色和/或氛围灯亮度。在一些具体实施例中，可以在一段时间内每隔一个设置周期更改一次氛围灯设置参数，且更改的方式可以是随机的或者预先设定的好每次更改的内容。例如，在半个小时内每隔一分钟更改一次氛围灯设置参数，每次更改的内容都是随机的。

在一个具体实施例中氛围灯颜色分为5种，分别为蓝色、红色、绿色、橙色和紫色；氛围灯亮度分为三个级别，分别为弱亮度、正常亮度和强亮度。。需要说明的是，步骤S11中自动更改氛围灯设置参数时，车内的氛围灯的实际发出的光的颜色和亮度也按照氛围灯设置参数进行实时自动更改；例如当前更改后的氛围灯设置为红色和弱亮度，则控制氛围灯发出亮度为弱亮度且颜色为红色的光。

氛围灯设置参数对应的驾驶员情绪指的是相应氛围灯设置下检测到的驾驶员情绪；例如在控制氛围灯发出亮度为弱亮度且颜色为红色的光后，检测到驾驶员情绪为开心，则记录氛围灯设置参数为弱亮度和红色，氛围灯设置参数对应的驾驶员情绪为开心。

S12：将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型。

每次记录的氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪为一条记录数据。对于每条记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将该条记录数据转换为正训练样本；若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将该条记录数据转换为负训练样本。将训练样本中的氛围灯设置参数作为标签数据，将训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据。

预先将可识别到的情绪分为正面情绪和负面情绪；正面情绪是指人的一种积极的情绪，益于工作和生活；负面情绪是人的一种消极的情绪，影响工作和生活的顺利进行，进而有可能引起身心的伤害。例如，通过人脸识别技术可以检测到的情绪包括开心、放松、紧张、愤怒、沮丧、悲伤、痛苦等；可以预先将开心和放松划分为正面情绪，以及将紧张、愤怒、沮丧、悲伤和痛苦划分为负面情绪。氛围灯设置模型的输入数据维度是根据定义的情绪种类数来决定的，氛围灯设置模型的输出数据维度是根据氛围灯设置类型数来决定的。例如，通过人脸识别技术可以检测到的情绪种类数为7类，则用一个7维数据作为输入数据，每一维数据表示一个情绪；氛围灯颜色分为5类，氛围灯亮度分为3类，则用一个五维数据和一个三维数据作为输出数据，五维数据中的每一维表示一个颜色，三维数据中每一维表示一个亮度。下面举例说明将记录数据转换为训练样本的过程：

当记录的氛围灯设置为蓝色和弱亮度，氛围灯设置对应的驾驶员情绪为30％开心、50％放松和20％紧张(通过人脸识别技术识别出的驾驶员情绪是一个概率分布)时，放松的概率最大，认为驾驶员情绪为放松。放松为正面情绪因此该条记录数据转换为正训练样本。具体的驾驶员情绪转换后的数据为[0.3,0.5,0.2,0,0,0,0]，前三位分别代表开心，放松和紧张情绪，因为没有检测到其他情绪，其余情绪就为0。氛围灯颜色转换后的数据为[0,0,1,0,0]，其中第三位代表蓝色氛围灯。氛围灯亮度转换后的数据为[1,0,0]，第一位表示弱亮度。驾驶员情绪为30％开心、50％放松和20％紧张，驾驶员情绪有30％概率为开心，驾驶员情绪有50％概率为放松，驾驶员情绪有20％概率为紧张。

当记录的氛围灯设置为红色和强亮度，氛围灯设置对应的驾驶员情绪为100％痛苦时，由于痛苦为负面情绪因此该条记录数据转换为负训练样本。驾驶员情绪转换后的数据为[0,0,0,0,0,0,1]，最后一位代表痛苦。氛围灯颜色转换后的数据为[0.25,0.25,0.25,0.25,0]，其中最后一位代表红色，让模型在驾驶员痛苦的情况下不选择红色，所以给红色这一位设置为0。氛围灯亮度转换后的数据为[0.5,0.5,0]，第三位为强亮度，让模型在驾驶员痛苦的情况下不选择强亮度，所以给第三位设置为0。

S13：在训练得到氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到氛围灯设置模型，得到氛围灯设置模型输出的氛围灯设置参数。

实时检测驾驶员情绪即预先设定检测周期，对驾驶员情绪进行周期性检测。在一些具体实施例中，在实时检测驾驶员情绪之后，且在将检测得到的驾驶员情绪输入到氛围灯设置模型之前，还判断当前检测周期检测到的驾驶员情绪与前一检测周期检测到的驾驶员情绪是否相同，若是，则再执行将检测得到的驾驶员情绪输入到氛围灯设置模型的步骤，若否，则不执行将检测得到的驾驶员情绪输入到氛围灯设置模型的步骤。在驾驶员情绪没发生改变时，不再执行后续的运算，减少了计算量。

S14：依据氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

在得到氛围灯设置模型后，则利用氛围灯设置模型实时确定驾驶员情绪对应的氛围灯设置参数，以对车内氛围灯进行控制。本实施例提供的车内氛围灯控制方法，通过主动学习的过程，来主动学习驾驶员在不同情绪下对氛围灯的偏好，不需要驾驶员自己手动设置，提高了用户体验。

不同驾驶员在相同情绪下对于氛围灯的偏好有可能是不同，为了给不同驾驶员提供相对应的氛围灯配置，本实施例提供了另一种车内氛围灯控制方法，参见图2，该方法可以包括以下步骤：

S21：利用生物特征识别技术对当前驾驶车辆行驶的驾驶员进行身份鉴定，若身份鉴定失败，则执行步骤S22，若身份鉴定成功，则执行步骤S27。

生物特征识别技术，是指通过计算机利用人体所固有的生理特征(例如指纹、虹膜、面相等)或行为特征来进行个人身份鉴定的技术。在一个具体实施例中，使用深度学习方法中的卷积神经网络实现人脸识别算法；利用人脸识别算法对当前驾驶车辆行驶的驾驶员进行身份鉴定。具体的，人脸识别算法将对人脸图像进行识别，得到人脸图像在高维特征空间的一个特征向量，将该特征向量与生物特征信息集合中的每个特征向量进行对比，若生物特征信息集合中存在与该特征向量的相似度大于预设阈值的特征向量，则身份鉴定成功，否则，身份鉴定失败。

生物特征信息集合中的特征向量为已经注册过的用户的人脸图像在高位特征空间的特征向量。生物特征信息集合中的每个特征向量各自对应一个氛围灯设置模型。

S22：自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪。

S23：将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型。

S24：建立并存储所述驾驶员的生物特征信息与训练得到氛围灯设置模型的映射关系，并将驾驶员的生物特征信息存储到生物特征信息集合中。

生物特征信息集合用于对驾驶员进行身份鉴定。将驾驶员的生物特征信息存储到生物特征信息集合中之后，后续再对该驾驶员进行身份鉴定时就会鉴定成功，且可以根据生物特征信息查询到对应的氛围灯设置模型。由于查询到的氛围灯设置模型为根据该驾驶员的历史数据进行训练得到的，因此更加符合该驾驶员的对氛围灯设置的偏好。

S25：在训练得到氛围灯设置模型后检测驾驶员情绪，并将检测得到的驾驶员情绪输入到氛围灯设置模型，得到氛围灯设置模型输出的氛围灯设置参数。

S26：依据氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

步骤S22、S23、S25和S26分别与步骤S11～S14一致，本实施例不再赘述。

S27：利用与身份鉴定匹配到的生物特征信息对应的氛围灯设置模型得到氛围灯设置参数，并对车内氛围灯进行控制。

在一些具体实施例中，在每次依据氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制之后，还包括：在预设的一段时间内保持车内氛围灯的颜色和亮度不变，且多次检测驾驶员情绪，并统计驾驶员情绪为正面情绪的比例；然后判断比例是否大于比例阈值，若是，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为正训练样本保存，若否，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为负训练样本保存。通过保存正负训练样本，以供在合适的时机对氛围灯设置模型进行重新训练。具体的，在保存的正训练样本和负训练样本的总数量大于数量阈值后，利用保存的正训练样本和负训练样本对氛围灯设置模型进行重新训练。通过不断对氛围灯设置模型进行训练，当驾驶员对氛围灯的偏好发生变化时，可以及时进行修正，优化模型，进一步提高用户体验。

在一些具体实施例中，氛围灯设置模型可采用深度学习模型，该深度学习模型可采用卷积神经网络，例如MobilenetV2,EfficientNet等等。氛围灯设置模型的损失函数使用Softmax。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

参见图3，为本实施例提供的一种车内氛围灯控制装置，该装置包括：第一样本数据单元31、模型训练单元32、氛围灯设置参数单元33和氛围灯控制单元34。

第一样本数据单元31，用于自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪。

模型训练单元32，用于将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；对于每条记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将记录数据转换为正训练样本，若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将记录数据转换为负训练样本；将训练样本中的氛围灯设置参数作为标签数据，将训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据。

氛围灯设置参数单元33，用于在训练得到所述氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到氛围灯设置模型，得到氛围灯设置模型输出的氛围灯设置参数。

氛围灯控制单元34，用于依据氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

在一些具体实施例中，车内氛围灯控制装置还包括：身份鉴定单元、用户模型单元和用户注册单元。

身份鉴定单元，用于在执行第一样本数据单元之前利用生物特征识别技术对当前驾驶车辆行驶的驾驶员进行身份鉴定，若身份鉴定失败，则再执行第一样本数据单元，若身份鉴定成功，则执行用户模型单元。

用户模型单元，用于利用与身份鉴定匹配到的生物特征信息对应的氛围灯设置模型得到氛围灯设置参数，并对车内氛围灯进行控制。

用户注册单元，用于建立并存储驾驶员的生物特征信息与训练得到氛围灯设置模型的映射关系，并将驾驶员的生物特征信息存储到生物特征信息集合中，生物特征信息集合用于对驾驶员进行身份鉴定。

在一些具体实施例中，氛围灯设置参数单元，还用于：在实时检测驾驶员情绪之后，且在将检测得到的驾驶员情绪输入到所述氛围灯设置模型之前，判断当前检测周期检测到的驾驶员情绪与前一检测周期检测到的驾驶员情绪是否相同，若是，则再执行将检测得到的驾驶员情绪输入到氛围灯设置模型的步骤，若否，则不执行将检测得到的驾驶员情绪输入到所述氛围灯设置模型的步骤。

在一些具体实施例中，车内氛围灯控制装置，还包括：第二样本数据单元。第二样本数据单元，用于在每次执行氛围灯控制单元之后，在预设的一段时间内保持车内氛围灯的颜色和亮度不变，且多次检测驾驶员情绪，并统计驾驶员情绪为正面情绪的比例；第二样本数据单元，还用于判断比例是否大于比例阈值，若是，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为正训练样本保存，若否，则将最近一次输入到氛围灯设置模型的驾驶员情绪和最近一次氛围灯设置模型输出的氛围灯设置参数转换为负训练样本保存。

在一些具体实施例中，车内氛围灯控制装置，还包括：模型重新训练单元，用于在保存的正训练样本和负训练样本的总数量大于数量阈值后，利用保存的正训练样本和负训练样本对氛围灯设置模型进行重新训练。

参见图4，为本实施例提供的一种车内氛围灯控制设备，该设备的硬件结构可以包括：至少一个处理器41，至少一个通信接口42，至少一个存储器43和至少一个通信总线44；且处理器41、通信接口42、存储器43通过通信总线44完成相互间的通信。

处理器41在一些实施例中可以是一个CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本发明实施例的一个或多个集成电路等。

通信接口42可以包括标准的有线接口、无线接口。通常用于在车内氛围灯控制设备与其他电子设备或系统之间建立通信连接。

存储器53包括至少一种类型的可读存储介质。可读存储介质可以为如闪存、硬盘、多媒体卡、卡型存储器等NVM(non-volatile memory，非易失性存储器)。可读存储介质还可以是高速RAM(random access memory，随机存取存储器)存储器。

其中，存储器43存储有计算机程序，处理器41可调用存储器43存储的计算机程序，所述计算机程序用于：

自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪；

将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；对于每条所述记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将所述记录数据转换为正训练样本，若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将所述记录数据转换为负训练样本；将所述训练样本中的氛围灯设置参数作为标签数据，将所述训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据；

在训练得到所述氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到所述氛围灯设置模型，得到所述氛围灯设置模型输出的氛围灯设置参数；

依据所述氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

所述程序的细化功能和扩展功能可参照上文描述。

图4仅示出了具有组件41～44的车内氛围灯控制设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本发明实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：

自动更改氛围灯设置参数并检测驾驶员情绪，以及记录氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪；

将包含氛围灯设置参数和氛围灯设置参数对应的驾驶员情绪的每条记录数据转换为训练样本，训练得到氛围灯设置模型；对于每条所述记录数据，若氛围灯设置参数对应的驾驶员情绪为正面情绪，则将所述记录数据转换为正训练样本，若氛围灯设置参数对应的驾驶员情绪为负面情绪，则将所述记录数据转换为负训练样本；将所述训练样本中的氛围灯设置参数作为标签数据，将所述训练样本中的氛围灯设置参数对应的驾驶员情绪作为模型输入数据；

在训练得到所述氛围灯设置模型后实时检测驾驶员情绪，并将检测得到的驾驶员情绪输入到所述氛围灯设置模型，得到所述氛围灯设置模型输出的氛围灯设置参数；

依据所述氛围灯设置模型输出的氛围灯设置参数，对车内氛围灯进行控制。

所述程序的细化功能和扩展功能可参照上文描述。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可，且本说明书中各实施例中记载的特征可以相互替换或者组合。

对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。