CN120224512A 一种根据心情和天气自动改变框架颜色的方法和ai眼镜

地址510700广东省广州市黄埔区科学大H05BGO6NHO5B45/20(2020.01)H05B45/10(2HO5B47/12(2020一种根据心情和天气自动改变框架颜色的本申请提供一种根据心情和天气自动改变出佩戴者当前的情感状态在HSV色彩空间对应的的色彩数值，再根据眼镜边框上多色LED长条灯LED长条灯珠进行控制，使其在眼镜边框上显示21.一种根据心情和天气自动改变框架颜色的方法，应用于AI眼镜，其特征在于，所述方法包括：实时收集佩戴者周边的人员交流语言信息和当前的天气信息；对所述人员交流语言信息和当前的天气信息分别进行预处理，并转换得到向量形式的音频特征和天气特征；将所述音频特征和天气特征输入预训练的神经网络模型，输出所述佩戴者当前的情感状态，所述情感状态包括情感标签和情感强度特征，所述情感强度特征包括愉悦度、唤醒度和主导性三个特征值；通过预设的映射函数将所述情感状态转换为HSV色彩空间对应的色彩信息，所述色彩信息包括色相、饱和度和亮度三个通道的值，不同所述情感状态对应不同所述色彩信息；将所述色彩信息转换成RGB色彩空间对应的色彩数值，再根据眼镜边框上多色LED长条灯珠的实际布局生成整体的灯珠控制信号；依据所述灯珠控制信号对所述多色LED长条灯珠进行控制，使所述多色LED长条灯珠在所述眼镜边框上显示出与所述情感状态相对应的色彩。2.根据权利要求1所述的方法，其特征在于，在所述将所述音频特征和天气特征输入预训练的神经网络模型，输出所述佩戴者当前的情感状态的步骤之前，还包括：采集多种场景下的语言交流音频数据，以及对应的环境天气数据；对所述语言交流音频数据和所述环境天气数据进行情感状态标注，得到训练数据集，所述语言交流音频数据和对应所述环境天气数据为所述神经网络模型的输入数据，所述情感状态标注为所述神经网络模型的输出验证数据；使用所述训练数据集对所述神经网络模型进行训练，得到预训练的所述神经网络模型，所述神经网络模型依据卷积神经网络和循环神经网络混合构建。3.根据权利要求1所述的方法，其特征在于，所述将所述音频特征和天气特征输入预训练的神经网络模型，输出所述佩戴者当前的情感状态的步骤，具体包括：将预设时间段内的所述音频特征转换为梅尔频谱形式，得到梅尔频谱矩阵；使用卷积神经网络对所述梅尔频谱矩阵进行特征提取，并将提取的特征输入到循环神经网络中，得到所述语言交流音频数据的时间序列特征；将与所述时间序列特征对应的天气特征，通过全连接层映射到与所述时间序列特征相同的维度并进行特征融合，得到综合特征向量；依据所述综合特征向量确定佩戴者当前的情感状态。4.根据权利要求1所述的方法，其特征在于，所述通过预设的映射函数将所述情感状态依据情感标签的分类索引和情感类别总数确定所述色彩信息的色相；依据唤醒度映射得到所述色彩信息的饱和度；依据所述唤醒度和主导性计算得到所述色彩信息的亮度。5.根据权利要求1所述的方法，其特征在于，在所述实时收集佩戴者周边的人员交流语言信息和当前的天气信息的步骤之前，还包括：依据佩戴者所在地的历史天气信息确定平均天气变化周期；依据所述平均天气变化周期从佩戴者的移动终端获取当前的天气信息，所述移动终端3与AI眼镜无线连接。6.根据权利要求1所述的方法，其特征在于，在所述实时收集佩戴者周边的人员交流语言信息和当前的天气信息的步骤之后，还包括：通过骨传导传感器捕捉佩戴者交流过程中的骨骼震动信号；通过预设算法将所述骨骼震动信号转换为语音内容；依据所述语音内容对所述人员交流语言信息进行校准。7.根据权利要求1所述的方法，其特征在于，在所述根据眼镜边框上多色LED长条灯珠的实际布局生成整体的灯珠控制信号的步骤之前，还包括：接收佩戴者在移动终端上设置的个性化区域；依据所述个性化区域确定在实际布局中可控制的多色LED长条灯珠。所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述AI眼镜执行如权利要求1-7中任一项所述的方法。9.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在AI眼镜上运行时，使得所述AI眼镜执行如权利要求1-7中任一项所述的方法。10.一种计算机程序产品，其特征在于，当所述计算机程序产品在AI眼镜上运行时，使得所述AI眼镜执行如权利要求1-7中任一项所述的方法。4一种根据心情和天气自动改变框架颜色的方法和AI眼镜技术领域[0001]本申请涉及光源控制技术领域，尤其涉及一种根据心情和天气自动改变框架颜色的方法和AI眼镜。背景技术[0002]随着智能可穿戴设备的快速发展，智能AI眼镜作为一种新兴的人机交互设备，逐渐受到市场的广泛关注和研究者的重视。智能眼镜不仅能够提供传统的视觉辅助功能，还可以通过感知用户的情感状态、环境信息等，与用户进行更深层次的交互。例如，通过自动改变显示颜色、光效等方式对用户的情感进行表达或反馈。[0003]相关技术中，主要通过脑电采集模块采集佩戴者的脑电信号，并将其传输至情绪评估模块进行特征提取和情绪分类，情绪分类结果用于控制电致变色组件(如眼镜框架)的颜色变化。同时还可以根据脑电信号生成与情绪相对应的音乐，以进一步调节佩戴者的情绪状态。[0004]然而，依据脑电信号反映的情绪状态对眼镜框架进行颜色调节，难以准确地满足佩戴者的个性化需求。例如，暴雨天气产生的焦虑情绪可能与社交冲突引发的焦虑情绪在脑电特征上呈现高度相似性，导致相同情绪类别在不同环境场景下可能产生完全相同的色彩反馈。发明内容[0005]本申请提供了一种根据心情和天气自动改变框架颜色的方法和AI眼镜，用于应对相关技术难以区分不同环境场景下的相似情绪，导致框架色彩反馈单一的问题。[0006]第一方面，本申请提供一种根据心情和天气自动改变框架颜色的方法，应用于AI实时收集佩戴者周边的人员交流语言信息和当前的天气信息；对所述人员交流语言信息和当前的天气信息分别进行预处理，并转换得到向量形式的音频特征和天气特征；将所述音频特征和天气特征输入预训练的神经网络模型，输出所述佩戴者当前的情感状态，所述情感状态包括情感标签和情感强度特征，所述情感强度特征包括愉悦度、唤醒度和主导性三个特征值；通过预设的映射函数将所述情感状态转换为HSV色彩空间对应的色彩信息，所述色彩信息包括色相、饱和度和亮度三个通道的值，不同所述情感状态对应不同所述色彩信将所述色彩信息转换成RGB色彩空间对应的色彩数值，再根据眼镜边框上多色LED长条灯珠的实际布局生成整体的灯珠控制信号；依据所述灯珠控制信号对所述多色LED长条灯珠进行控制，使所述多色LED长条灯珠在所述眼镜边框上显示出与所述情感状态相对应的色彩。5[0007]通过上述实施例，AI眼镜可以实时收集佩戴者周边的人员交流语言信息，并结合当前的天气信息，通过预训练的神经网络模型处理，确定佩戴者当前的情感状态。并依据情感状态与HSV色彩空间的映射关系输出包括色相、饱和度和亮度的色彩信息，再通过多色LED灯珠在眼镜框架上对色彩信息进行显示。这种方法能够结合周围环境的气候条件，使镜框实时动态地反映佩戴者的情绪变化，为用户提供更加个性化和情景化的视觉体验。[0008]在一些实施例中，在所述将所述音频特征和天气特征输入预训练的神经网络模采集多种场景下的语言交流音频数据，以及对应的环境天气数据；对所述语言交流音频数据和所述环境天气数据进行情感状态标注，得到训练数据集，所述语言交流音频数据和对应所述环境天气数据为模型的输入数据，所述情感状态标注为模型的输出验证数据；使用所述训练数据集对所述神经网络模型进行训练，得到预训练的神经网络模型，所述神经网络模型依据卷积神经网络和循环神经网络混合构建。[0009]通过上述实施例，AI眼镜通过采集和标注多种场景下的语言交流音频数据及对应的环境天气数据，用于训练神经网络模型，构建了不同天气数据下音频数据与佩戴者情感状态之间的映射关系，使得AI眼镜能更准确地识别出佩戴者的情感状态，并依据这些情感状态调整眼镜框架的颜色。[0010]在一些实施例中，所述将所述音频特征和天气特征输入预训练的神经网络模型，输出所述佩戴者当前的情感状态的步骤，具体包括：将预设时间段内的所述音频特征转换为梅尔频谱形式，得到梅尔频谱矩阵；使用卷积神经网络对所述梅尔频谱矩阵进行特征提取，并将提取的特征输入到循环神经网络中，得到所述语言交流音频数据的时间序列特征；将与所述时间序列特征对应的天气特征，通过全连接层映射到与所述时间序列特征相同的维度并进行特征融合，得到综合特征向量；依据所述综合特征向量确定佩戴者当前的情感状态。[0011]通过上述实施例，AI眼镜通过将音频数据转换为梅尔频谱形式并提取特征，结合天气特征，通过特征融合得到综合特征向量，这种方法使得情感判断更为精细和全面，提高了情感识别的准确率和响应速度，进而使得眼镜颜色的改变更加符合实际情感状态。[0012]在一些实施例中，所述通过预设的映射函数将所述情感状态转换为HSV色彩空间依据情感标签的分类索引和情感类别总数确定所述色彩信息的色相；依据唤醒度映射得到所述色彩信息的饱和度；依据所述唤醒度和主导性计算得到所述色彩信息的亮度。[0013]通过上述实施例，AI眼镜建立了情感状态的不同维度(情感标签、唤醒度和主导性)与HSV色彩空间中的色相、饱和度和亮度之间的对应关系。这种细致的色彩调整机制允许眼镜显示更丰富和精确的色彩变化，能够更细致地反映出佩戴者的情绪变化。[0014]在一些实施例中，在所述实时收集佩戴者周边的人员交流语言信息和当前的天气依据佩戴者所在地的历史天气信息确定平均天气变化周期；6依据所述平均天气变化周期从佩戴者的移动终端获取当前的天气信息，所述移动终端与AI眼镜无线连接。[0015]通过上述实施例，AI眼镜从佩戴者的移动终端获取当前的天气信息，并利用历史天气信息的变化规律确定从移动终端读取天气信息的数据请求周期，该方法在减少数据传输的前提下及时监测到当前天气信息的变化，便于后续对镜框进行颜色调整。[0016]在一些实施例中，在所述实时收集佩戴者周边的人员交流语言信息和当前的天气通过骨传导传感器捕捉佩戴者交流过程中的骨骼震动信号；通过预设算法将所述骨骼震动信号转换为语音内容；依据所述语音内容对所述人员交流语言信息进行校准。[0017]通过上述实施例，AI眼镜通过骨传导传感器捕捉交流过程中的骨骼震动信号，并将这些信号转换为语音内容并对麦克风接收到的音频数据进行校准。这种技术可以提高语言信息收集的准确性，尤其是在嘈杂环境中，通过骨传导技术可以有效减少背景噪音的干[0018]在一些实施例中，在所述根据眼镜边框上多色LED长条灯珠的实际布局生成整体接收佩戴者在移动终端上设置的个性化区域；依据所述个性化区域确定在实际布局中可控制的多色LED长条灯珠。[0019]通过上述实施例，AI眼镜在生成灯珠控制信号前接收佩戴者设置的个性化区域，并依据这些设置调整LED灯珠的实际布局控制。这允许用户按照个人偏好定制眼镜显示的颜色区域，增加了镜框颜色显示的个性化和实用性。用户可以选择特定的颜色显示区域，使得眼镜的颜色变化不仅反映情感状态，还能符合个人的审美和情境需求。[0020]第二方面，本申请提供一种AI眼镜，所述AI眼镜包括：一个或多个处理器和存储所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述AI眼镜可以实现上述实施例提供的一种根据心情和天气自动改变框架颜色的方[0021]第三方面，本申请提供一种计算机可读存储介质，包括指令，当所述指令在AI眼镜上运行时，使得所述AI眼镜可以实现上述实施例提供的一种根据心情和天气自动改变框架[0022]第四方面，本申请提供一种计算机程序产品，当所述计算机程序产品在AI眼镜上运行时，使得所述AI眼镜可以实现上述实施例提供的一种根据心情和天气自动改变框架颜[0023]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：1、通过实时收集和分析佩戴者周边的人员交流语言信息和当前的天气信息，然后通过预训练的神经网络模型识别出佩戴者的情感状态，并根据这些情感与特定颜色的映射关系自动调整眼镜框架的颜色，使AI眼镜不仅反映用户的情感变化，同时考虑环境因素，提供更为动态和个性化的视觉体验，增强了人机交互的自然性和直观性。7[0024]2、结合卷积神经网络和循环神经网络对音频和天气数据进行深层次特征提取和融合。这不仅提高了情感识别的精度，还使得AI眼镜能够在复杂的环境中更准确地反映佩戴者的情绪，为用户提供更加精细化的情感反应和色彩调整。[0025]3、通过利用历史天气信息的变化规律确定天气数据的获取周期，并结合用户设定的个性化区域进行灯珠布局的调整，不仅增强了AI眼镜的个性化和实用性，而且通过精确调节灯珠的控制和输出，使得设备更加灵活地适应用户的需求和环境变化，增强了智能眼镜的功能性和吸引力。附图说明[0026]图1是本申请实施例中一种根据心情和天气自动改变框架颜色的方法的一个流程示意图；图2是本申请实施例中一种根据心情和天气自动改变框架颜色的方法的另一个流程示意图；图3是本申请实施例中AI眼镜的一种实体装置结构示意图。具体实施方式[0027]本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达文中明确地有相反指示。还应当理解，本申请中使用的术语“和/列出项目的任何或所有可能组合。义是两个或两个以上。[0029]为便于理解，下面对本实施提供的方法进行流程叙述。请参阅图1,为本申请实施例中一种根据心情和天气自动改变框架颜色的方法的一个流程示意图。[0030]S101、实时收集佩戴者周边的人员交流语言信息和当前的天气信息。[0031]AI眼镜通过在镜腿等位置集成微型麦克风阵列来实时采集周围的语音信息(人员交流语言信息)。其中，麦克风阵列由多个定向麦克风组成，采用波束形成技术可以有效隔离背景噪声，准确捕捉交谈者的语音。语音采集过程中，麦克风阵列通过自适应波束形成算法动态调整拾音方向，重点捕捉佩戴者正面120度范围内的语音信号(模拟声音信号)。接着，采集到的模拟声音信号通过内置的模数转换器(ADC)转换为数字音频数据，并按照一定的采样频率(例如常用的44.1kHz或48kHz)和量化精度(如16位或24位)进行数字化处理，以保证音频信息的完整性和准确性，便于后续的分析。[0032]当前的天气信息可以通过AI眼镜内置的低功耗蓝牙(BLE)模块或者Wi-Fi模块与佩戴者的移动终端(如手机等)上的天气应用程序建立无线连接，实时从手机天气APP获取实时天气信息。其中，获取的天气信息包括但不限于天气8[0033]可选的，上述天气信息也可以通过在AI眼镜内安装传感器来获取。在一具体实施例中，可以在AI眼镜的镜框或其他部位集成小型化的气象传感器，例如温度传感器(采用高精度的热敏电阻等传感元件，能精确测量环境温度，误差范围控制在±0.5℃以内)、湿度传感器(基于电容式或电阻式湿度传感原理，确保湿度测量精度达到相对湿度±3%以内)、气压传感器(用于辅助判断天气变化趋势等，测量精度可达±1hPa)等，直接获取局部环境的气象数据，作为天气信息的补充或者备用获取方式，以应对无线连接失效等情况，此处不作限定。[0034]S102、对人员交流语言信息和当前的天气信息分别进行预处理，并转换得到向量形式的音频特征和天气特征。[0035]AI眼镜对采集到的人员交流语言信息进行预处理，包括但不限于降噪、分帧和加窗处理等。可选的，使用谱减法对背景噪声进行抑制，然后将连续的语音信号分割成25ms的短时分析帧，相邻帧之间重叠15ms。对每一帧信号施加汉明窗，减少频谱泄漏。接着提取多[0036]当前的天气信息的预处理则包括数值归一化和特征编码。将温度、湿度等连续值通过min-max归一化映射到[0,1]区间。天气类型(晴、阴、雨等)采用独热编码转换为向量形式。最终得到包含所有天气参数的特征向量。矩阵中每一帧包含39维声学特征，反映了说话人的音色、语调等信息。天气数据“晴天，25℃”则被转换为统一尺度的特征向量，便于后续的神经网络处理。[0038]S103、将音频特征和天气特征输入预训练的神经网络模型，确定佩戴者当前的情感状态，并依据情感状态与HSV的映射关系，输出在HSV色彩空间对应的色彩信息。[0039]AI眼镜采用由卷积神经网络和循环神经网络混合构建的神经网络模型进行多模态情感分析。该模型采用双流架构，分别处理语音特征和天气特征。具体地，音频特征通过多层CNN进行局部特征提取，然后送入BiLSTM网络捕捉时序依赖关系。天气特征通过全连接层降维后，与语音特征在特征层面进行融合。融合后的特征经过注意力机制和全连接层，最终输出情感状态预测结果。其中，情感状态包含离散的情感标签(如快乐、悲伤、愤怒等)和连续的情感强度值(愉悦度、唤醒度和主导性)。上述神经网络模型在大规模情感语音数据集上预训练，确保了准确的情感识别能力。[0040]接着，情感状态到HSV色彩空间的映射可以由相关技术人员设定的色彩情感对应关系确定。例如，设定色相(H)由情感标签的映射关系，可选的，快乐对应色相中的黄色(60°),悲伤对应色相中的蓝色(240°);设定饱和度(S)与唤醒度(用符合“A”表示)正相关，用于反映情感强度；亮度(V)由唤醒度和主导性(用符合“D”表示)共同决定等。情感参数被映射为HSV值，例如H=60°(黄色)、S=0.8(较饱和)、V=0.9(明亮),反映了佩戴者当前的积极情绪状态。[0042]S104、将色彩信息转换成RGB色彩空间对应的色彩数值，并根据眼镜边框上多色9LED长条灯珠的实际布局生成整体的灯珠控制信号。[0043]AI眼镜将HSV色彩空间的值转换为LED灯珠可直接使用的RGB值。具体转换过程可续的发光带。每个LED灯珠都可以独立控制其RGB三个通道的亮度值。为实现平滑的渐变效果，相邻灯珠之间的颜色过渡可以采用线性插值算法。且相邻灯珠之间可以通过柔性电路板(FPC)或者极细的导线进行电气连接，确保信号传输的稳定性，并且要考虑到眼镜的折[0045]可选的，控制信号的生成还可以依据LED的物理布局确定。例如，当AI眼镜框架被划分为左右两个独立控制区域时，为每个区域生成相应的PWM控制信号序列。每个LED灯珠的控制信号包含RGB三个通道的占空比值，通过精确的时序控制实现目标颜色的显示。[0046]需要说明的是，在AI眼镜边框的设计上，可以根据美学和可视性原则进行灯珠布局。具体可以选择沿着整个边框均匀排列，使色彩显示形成一个连贯的光带效果；也可以选择在镜框的两侧等重点区域进行适当加密布局，以突出显示效果，同时避免灯珠过于密集[0047]例如，在一具体实施例中，当HSV值为(60°,0.8,0.9)时，转换得到的RGB值约为(230,230,0)。随后生成相应的PWM控制序列，确保每个LED灯珠都能准确显示这种明亮的黄色。渐变效果则可以通过在相邻灯珠之间插值实现，使得整个眼镜框架呈现出均匀流畅的色彩过渡。[0048]S105、依据灯珠控制信号对多色LED长条灯珠进行控制，使其在眼镜边框上显示出与情感状态相对应的色彩。光颜色和亮度，整体呈现出与佩戴者情感状态相对应的色彩效果。例如，当人工智能情感推理模块判断佩戴者处于高兴的情感状态时，可能显示出明亮的暖色相(如H值接近30°左右的橙色，S和V值较高表示饱和度和明度高);而当判断为悲伤情绪时，显示出暗淡的冷色相(如H值接近240°左右的深蓝色，S和V值相对较低)供清晰、直观的情感反馈视觉呈现。[0050]可选的，颜色显示过程中可以采用平滑过渡算法，避免颜色突变造成的视觉不适。当检测到情感状态发生变化时，可以在100-300ms的时间内调整LED颜色。过渡期间的中间色值可以通过插值算法计算，确保色彩变化的连续性。此外，还可以实时监控环境光强度，自动调节LED亮度，在不同光照条件下保持最佳显示效果。[0051]可以理解的是，AI眼镜可以采用高性能的LED驱动芯片执行颜色显示控制。可选的，驱动芯片可以支持16位PWM精度，实现细腻的颜色层次。可以通过I2C接口接收控制信号，内置的定时器模块精确控制每个LED通道的开关时序。此外，为了确保显示效果的稳定性，还可以为驱动芯片添加恒流输出控制和温度补偿功能，此处不作限定。[0052]在上述实施例中，AI眼镜可以实时收集佩戴者周边的人员交流语言信息，并结合当前的天气信息，通过预训练的神经网络模型处理，确定佩戴者当前的情感状态。并依据情感状态与HSV色彩空间的映射关系输出包括色相、饱和度和亮度的色彩信息，再通过多色LED灯珠在眼镜框架上对色彩信息进行显示。这种方法能够实时动态地反映佩戴者的情绪变化，并结合周围环境的气候条件，提供更加个性化和情景化的视觉体验。[0053]下面对本实施提供的方法进行进一步的更具体的流程叙述。请参阅图2,为本申请实施例中一种根据心情和天气自动改变框架颜色的方法的另一个流程示意图。[0054]S201、依据佩戴者所在地的历史天气信息确定平均天气变化周期。[0055]AI眼镜可以通过移动终端的天气应用程序接口获取佩戴者所在地区过去一段时间(如一年)的历史天气数据。这些数据包含每日的气温、湿度、气压、降水量等气象参数的时间序列。AI眼镜采用时间序列分析方法，对历史天气数据进行预处理，包括缺失值填充、异常值检测与处理等。然后使用快速傅里叶变换(FFT)对处理后的时间序列进行频谱分析，识别出主要的周期性变化模式。通过分析频谱中的主要峰值，确定天气变化的基本周期。[0056]在具体实施过程中，AI眼镜可能发现某地区的天气在4小时左右会出现明显变化。例如，在沿海城市，受海陆风影响，温湿度通常在早晨6点、中午12点、后发生显著变化。AI眼镜将这种变化规律记录下来，作为后续获取实时天气信息的时间间隔依据。此外，AI眼镜还可以季节性变化的影响，在不同季节调整采样周期，如夏季可能需要更频繁的采样以捕捉快速的天气变化等，此处不作限定。[0057]S202、依据平均天气变化周期从佩戴者的移动终端获取当前的天气信息。[0058]基于步骤S201确定的平均天气变化周期，AI眼镜建立了一个智能的数据获取机制。它通过低功耗蓝牙(BLE)或Wi-Fi模块与佩戴者的移动终端建立安全的无线连接。移动终端上运行的天气应用程序会通过API实时更新当地的天气数据。AI眼镜根据预设的天气变化周期，定期向移动终端发送数据请求。每次请求都会获取一组完整的天气参数，包括天[0059]进一步地，为了优化数据传输和能耗，AI眼镜在定期获取天气信息的基础上，还可以采用了自适应的数据获取策略。具体地，当检测到天气突变(如突发性降雨)时，会临时提采用4小时一次的采样频率；而在天气多变的季节，则可能调整为1小时一次。同时，通过数据压缩和差分编码等技术，减少每次传输的数据量，提高传输效率。[0060]在上述实施例中，AI眼镜从佩戴者的移动终端获取当前的天气信息，并利用历史天气信息的变化规律确定从移动终端读取天气信息的数据请求周期，该方法在减少数据传输的前提下及时监测到当前天气信息的变化，便于后续对镜框进行颜色调整。[0061]S203、通过骨传导传感器捕捉佩戴者交流过程中的骨骼震动信号，并通过预设算法将其转换为语音内容。[0062]AI眼镜可以在镜腿等接触耳朵的位置集成高灵敏度的骨传导传感器。这些传感器能够捕捉佩戴者说话时通过头骨传导的机械振动信号。具体地，当佩戴者说话时，声带振动产生的声波通过颅骨传导到传感器，传感器将这些机械振动转换为电信号。这些原始的振动信号经过前置放大器进行初步放大，然后通过高精度的模数转换器(ADC)转换为数字信[0063]进一步地，AI眼镜对数字信号降噪，去除环境振动和生理噪声(如咀嚼、呼吸等)的干扰。然后通过卷积神经网络提取声学特征，包括基频、共振峰等特征参数。结合长短时记忆网络(LSTM)对这些特征进行时序建模，最终将骨传导信号转换为对应的语音内容。例如，表示卷积核的高度和宽度；在特征提取后，这些关键特征被送入循环神经网络(RNN),具体可以使用长短时记忆网络(LSTM)(或门控循环单元(GRU))来处理。其中，LSTM适用于处理时间学习到数据中的长期依赖关系。通过LSTM的处理，AI眼镜能够从连续的梅尔频谱特征中理解和提取出与时间相关的动态变化(即时间序列特征),从而有效捕捉到情感佩戴者情感状态的转变。[0075]S208、将与时间序列特征对应的天气特征，通过全连接层映射到与时间序列特征相同的维度并进行特征融合，得到综合特征向量，进而确定佩戴者当前的情感状态。[0076]AI眼镜不仅捕捉佩戴者语音信息，还同步获取在采集佩戴者语音信息时对应外部的天气信息。并将天气信息中的天气类型信息通过独热编码表示，将温度、湿度等数值信息进行归一化处理后与天气类型信息的独热编码表示一起拼接成向量形式，得到天气特征。本步骤中，AI眼镜将天气特征(如温度、湿度、天气状态等)与语音的时间序列特征进行融合。具体地，将天气特征通过全连接层进行处理，映射到与语音特征相同的维度，其映射过hweather=ReLU(W·Wproj+b其中，Wproj是维度投射向量，bproj是偏差。[0077]然后将两者进行特征融合，使AI眼镜能够综合考虑语音信息和天气信息，生成一个表示音频数据和天气数据的联合特性的综合特征向量，并依据这个综合特征向量利用全连接层对情感状态进一步推理，输出佩戴者当前的情感状态。其中，输出的情感状态包含离[0078]在上述实施例中，AI眼镜通过将音频数据转换为梅尔频谱形式并提取特征，结合天气特征，通过特征融合得到综合特征向量，这种方法使得情感判断更为精细和全面，提高了情感识别的准确率和响应速度，进而使得眼镜颜色的改变更加符合实际情感状态。[0079]S209、依据情感状态中的情感标签、唤醒度和主导性分别确定色彩信息的色相、饱和度和亮度。[0081]在上述实施例中，AI眼镜建立了情感状态的不同维度(情感标签、唤醒度和主导性)与HSV色彩空间中的色相、饱和度和亮度之间的对应关系。这种细致的色彩调整机制允许眼镜显示更丰富和精确的色彩变化，能够更细致地反映出佩戴者的情绪变化。[0082]S210、将色彩信息转换成RGB色彩空间对应的色彩数值后，接收佩戴者在移动终端上设置的个性化区域。[0083]AI眼镜在完成HSV到RGB的色彩空间转换后，可以通过移动终端应用程序提供一个交互界面，允许佩戴者自定义眼镜框架上的显示区域。可选的，交互界面采用3D建模技术，在手机屏幕上展示眼镜框架的立体模型，佩戴者可以通过触摸操作选择和调整想要显示颜色的区域。或者移动终端应用程序将眼镜框架划分为多个可独立控制的显示分区，如镜腿左右两侧、镜框上下边缘等区域。佩戴者可以通过滑动选择特定区域，并通过开关控件启用或禁用某些区域的显示功能。[0084]例如，当佩戴者希望在商务场合使用AI眼镜时，可能只想在镜腿外侧显示颜色变化，避免过于显眼。通过移动终端的设置界面，佩戴者可以仅启用镜腿外侧的显示区域，并可以进一步调节该区域的显示范围和边界。这些设置会实时同步到AI眼镜，由眼镜的控制种模式对应不同的显示区域配置，方便佩戴者快速切换使用场景。[0085]S211、依据个性化区域确定在实际布局中可控制的多色LED长条灯珠，并生成对应的灯珠控制信号。[0086]AI眼镜根据步骤S210中接收到的个性化区域设置，对实际的LED布局进行有选择性的控制。眼镜框架上的LED长条灯珠采用模块化设计，每个模块包含多个独立寻址的RGBLED灯珠。AI眼镜将个性化区域的坐标映射到实际的LED布局坐标系统中，确定需要控制的LED灯珠集合。然后，根据这些LED的物理位置和电路连接关系，生成相应的PWM控制信号序[0087]需要说明的是，AI眼镜的灯珠控制系统可以采用主从式结构，主控制器通过SPI或I2C总线与多个LED驱动芯片通信。每个驱动芯片负责控制特定区域的LED灯珠，可以精确调节每个LED的RGB三个通道的亮度值。为了实现平滑的颜色渐变效果，控制系统也可以使用线性插值算法计算相邻LED之间的过渡色值。例如，当佩戴者选择仅在右侧镜腿显示颜色[0088]在上述实施例中，AI眼镜在生成灯珠控制信号前接收佩戴者设置的个性化区域，并依据这些设置调整LED灯珠的实际布局控制。这允许用户按照个人偏好定制眼镜显示的颜色区域，增加了镜框颜色显示的个性化和实用性。用户可以选择特定的颜色显示区域，使得眼镜的颜色变化不仅反映情感状态，还能符合个人的审美和情境需求。[0089]S212、采集多种场景下的语言交流音频数据，以及对应的环境天气数据。[0090]其中，语言交流音频数据和对应的环境天气数据的采集方式与步骤S101相同，此处不再赘述。[0091]S213、对语言交流音频数据和环境天气数据进行情感状态标注，得到训练数据集。[0092]AI眼镜可以采用多层次的标注策略对采集到的语言交流音频数据和环境天气数据进行情感状态标注。可选的由相关技术专家对音频数据和对应的环境天气数据进行标注，标注内容包括基本情感类别(如快乐、悲伤、愤怒等)和情感强度值导性)。标注过程采用标准化的评估量表，如Geneva情感轮盘或SAM量表，确保标注的一致性和可靠性。[0093]S214、使用训练数据集对神经网络模型进行训练，得到预训练的神经网络模型。[0094]神经网络模型采用多流结构，包含音频处理分支和天气特征处理分支。其中，音频系；天气特征分支通过多层感知机进行特征变换，然后与音频特征进行融合。模型的训练过程可以采用批量梯度下降法，使用Adam优化器进行参数更新，学习率采用余弦退火策略动态调整。[0095]训练过程中，模型同时优化情感分类损失和情感强度回归损失。为处理数据不平衡问题，采用加权交叉熵损失函数，对少数类样本赋予更高的权重。同时使用数据增强技术，如加入高斯噪声、时间拉伸等方法，增加模型的泛化能力。训练过程使用验证集监控模出其中的负面情绪，并考虑到雨天这一天气因素对情绪的影响，生成更准确的情感状态预[0096]在上述实施例中，AI眼镜通过采集和标注多种场景下的语言交流音频数据及对