[发明专利]基于机器学习的车灯控制方法和装置

说明书

本发明提供了一种基于机器学习的车灯控制方法和装置，其中，该车灯控制方法包括以下步骤：获取目标音乐和神经网络模型；提取目标音乐的音乐频率和音乐强度；采用神经网络模型根据音乐频率、音乐强度和车灯的状态信息对车灯进行相应的控制，以使车灯呈现与目标音乐相对应的动画效果。根据本发明的基于机器学习的车灯控制方法，在随机音乐模式下能够有效地呈现出相符合的动画效果，大大提高了用户的体验度。

技术领域

本发明涉及车灯控制技术领域，具体涉及一种基于机器学习的车灯控制方法和一种基于机器学习的车灯控制装置。

背景技术

相关技术中，车辆灯光秀几乎都是预设音乐律动，只能预置几首歌曲，涵盖音乐范围比较窄，不能迎合很多用户的喜好，影响用户的体验度。

发明内容

本发明为解决上述技术问题，提供了一种基于机器学习的车灯控制方法，在随机音乐模式下能够有效地呈现出相符合的动画效果，大大提高了用户的体验度。

本发明采用的技术方案如下：

一种基于机器学习的车灯控制方法，其特征在于，包括以下步骤：获取目标音乐和神经网络模型；提取所述目标音乐的音乐频率和音乐强度；采用神经网络模型根据所述音乐频率、所述音乐强度和所述车灯的状态信息对所述车灯进行相应的控制，以使所述车灯呈现与所述目标音乐相对应的动画效果。

获取所述神经网络模型包括：获取音乐训练集；提取所述音乐训练集的待训练音乐频率和待训练音乐强度；将所述待训练音乐频率、所述待训练音乐强度、所述车灯的LED串数和所述车灯的状态信息作为输入对神经网络算法进行训练，以获取所述神经网络模型。

获取所述神经网络模型还包括：获取用户对所述动画效果的评价信息；根据所述评价信息对所述神经网络模型进行修正。

所述神经网络算法为RBF神经网络算法。

一种基于机器学习的车灯控制装置，包括：获取模块，所述获取模块用于获取目标音乐和神经网络模型；提取模块，所述提取模块用于提取所述目标音乐的音乐频率和音乐强度；控制模块，所述控制模块用于采用神经网络模型根据所述音乐频率、所述音乐强度和所述车灯的状态信息对所述车灯进行相应的控制，以使所述车灯呈现与所述目标音乐相对应的动画效果。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的基于机器学习的车灯控制方法。

一种非临时性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上述的基于机器学习的车灯控制方法。

本发明的有益效果：

本发明在随机音乐模式下能够有效地呈现出相符合的动画效果，大大提高了用户的体验度。

附图说明

图1为本发明实施例的基于机器学习的车灯控制方法的流程图；

图2为本发明实施例的基于机器学习的车灯控制装置的方框示意图。

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是根据本发明实施例的基于机器学习的车灯控制方法的流程图。

需要说明的是，本发明实施例的车灯可包括远近光、位置灯、日行灯、转向灯、LOGO灯等。

如图1所示，本发明实施例的基于机器学习的车灯控制方法可包括以下步骤：

S1，获取目标音乐和神经网络模型。