[發明專利]語音-身體身份相關

有效

• 申請號: 201110033245.0
• 申請日: 2011-01-24
• 公開（公告）號: CN102135882A
• 公開（公告）日: 2011-07-27
• 發明（設計）人: M·德尼斯;T·萊瓦德;C·克萊恩;李勁宇
• 申請（專利權）人: 微軟公司
• 主分類號: G06F9/44
• 分類號: G06F9/44;G10L15/00;G10L15/06;G01S5/22
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 陳斌;高見

1.在始于未知用戶集合(A-D)的多用戶應用程序中，一種標識用戶與用戶語音之間的相關性的方法，所述方法包括以下步驟：

(a)接收在多個時段上拍攝的視頻捕捉組件的視場內的對象(A′-D′)的多幅圖像；

(b)確定在所述步驟(a)中接收到的所述圖像包括一個還是多個用戶；

(c)接收多個時段內話筒陣列的范圍內的音頻；

(d)確定在所述步驟(c)中接收到的所述音頻包括一個還是多個人類語音；以及

(e)基于所述用戶在不同圖像中的所確定位置以及所述語音在不同時間的所確定源位置的多次采樣來將所述步驟(d)中所標識的語音與所述視場內的所述一個或多個用戶(A-D)中的用戶相關聯。

2.如權利要求1所述的方法，其特征在于，所述步驟(e)包括通過從對所述多幅圖像中的圖像的檢查確定所述一個或多個用戶的位置來形成以及通過使用聲源定位技術確定所述語音的位置來形成所述多次采樣中的采樣的步驟。

3.如權利要求1所述的方法，其特征在于，所述步驟(e)包括執行所述多次采樣中的第一次采樣以獲得所述語音與所述用戶之間的關聯性的置信度，高于預定義閾值的置信度導致所述語音和所述用戶在存儲器中被關聯在一起。

4.如權利要求3所述的方法，其特征在于，所述步驟(e)包括若所述多次采樣中的后續采樣減少了所述語音可能屬于的可能用戶的人數則所述置信度在所述后續采樣中升高的步驟。

5.如權利要求4所述的方法，其特征在于，還包括在所述多次采樣中排除了所述語音可能屬于的所有其他用戶之際將所述語音毫無疑義地與所述用戶相關聯的步驟。

6.如權利要求5所述的方法，其特征在于，還包括在所述語音與用戶之間的所述關聯性已經是毫無疑義地被關聯在一起之后在所述多次采樣中執行附加采樣的步驟。

7.如權利要求3所述的方法，其特征在于，還包括若附加采樣不能就所述語音屬于哪個用戶消除歧義或者若附加采樣顯示所述語音屬于所述一個或多個用戶中的第二用戶則移除所述相關性的步驟。

8.如權利要求1所述的方法，其特征在于，所述步驟(e)包括執行所述多次采樣中的第一次采樣以導出所述語音和用戶之間的關聯的得分置信度，所述得分置信度是通過檢查以下因素中的一個或多個來獲得的：

i.語音源的所估計位置與所述一個或多個用戶有多近；

ii.所聽到的語音的數目；

iii.所述一個或多個用戶與所述語音的所估計源的接近度；

iv.所述語音的源是被估計以所述圖像的視場為中心還是靠近所述視場的邊緣。

9.如權利要求1所述的方法，其特征在于，所述確定在所述步驟(a)中接收到的所述圖像包括一個還是多個用戶的步驟(b)包括測量用戶骨關節的至少部分的位置的步驟。

10.如權利要求9所述的方法，其特征在于，所述部分地基于所述語音的所確定源位置將在所述步驟(d)中標識的語音與用戶相關聯的步驟(e)包括通過抵達時間差來確定語音的源位置的步驟。

11.如權利要求1所述的方法，其特征在于，還包括檢查所述用戶的物理特征以將所述用戶與其他用戶區別開來以及檢查所述語音的聲學特質以將所述語音與其他語音區別開來的步驟。

12.一種用于在多用戶應用程序中將語音與用戶(A-D)相關聯的系統，所述系統包括：

圖像相機組件，其能夠提供所述圖像相機組件的視場中的一個或多個用戶(A-D)的深度圖像；

話筒陣列，其能夠接收所述話筒陣列的范圍內的音頻，所述話筒陣列能夠將語音的源定位在第一容限內；以及

與所述圖像捕捉組件和話筒陣列兩者通信的計算環境，所述計算環境能夠區別所述視場中的不同用戶達到第二容限，所述第一和第二容限有時妨礙在對來自所述圖像相機的數據和來自所述話筒陣列的數據進行初始采樣后將所述語音與所述一個或多個用戶中的用戶相關聯，所述計算環境還執行對來自所述圖像相機的數據和來自所述話筒陣列的數據的附加采樣，所述附加采樣允許將所述語音與所述用戶相關聯或者所述附加采樣降低了所述語音與所述用戶相關聯的似然性。

13.如權利要求12所述的系統，其特征在于，在執行所述初始和附加采樣的同時所述計算環境執行涉及所述一個或多個用戶的游戲應用程序。