[發(fā)明專利]基于目光連接的聲音命令下達裝置和方法

有效

• 申請?zhí)枺?/td>: 201410461030.2
• 申請日: 2014-09-11
• 公開（公告）號: CN104253944B
• 公開（公告）日: 2018-05-01
• 發(fā)明（設(shè)計）人: 陳飛
• 申請（專利權(quán)）人: 陳飛;鮑可捷
• 主分類號: H04N5/232
• 分類號: H04N5/232
• 代理公司: 廈門市首創(chuàng)君合專利事務(wù)所有限公司35204
• 代理人: 楊依展

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于目光連接的聲音命令下達裝置和方法。

背景技術(shù)

語音識別中有一個難點，就是聲音采集裝置無法判斷用戶什么時候在和其它對象聊天，什么時候是向語音系統(tǒng)下達命令，目前采用的手段多為通過設(shè)定按鈕來開啟錄音，這種方式帶來很多不便，而且既然要按下按鈕，在操作步驟簡單的場景，下達語音命令就有些多余，直接制作不同的按鈕按下即可。

發(fā)明內(nèi)容

本發(fā)明提供了基于目光連接的聲音命令下達裝置和方法，其克服了背景技術(shù)中聲音命令下達裝置和方法所存在的不足。

本發(fā)明解決其技術(shù)問題的所采用的技術(shù)方案之一是：

基于目光連接的聲音命令下達裝置，包括至少一聲音采集器、一第一攝像機、一第一分析器、至少一裝設(shè)有第二攝像機和光線發(fā)射器的自動云臺、一第二分析器和一控制器；

該第一攝像機用于捕捉攝制可視空間內(nèi)的圖像以獲第一視頻數(shù)據(jù)，該第一分析器信號連接第一攝像機以用于分析第一視頻數(shù)據(jù)，判斷是否有人臉朝向第一攝像機且持續(xù)停留超過設(shè)定時間t1，如有則標定該人臉所處方位且至少將方位信息傳輸給控制器；

該控制器信號連接自動云臺和光線發(fā)射器，該控制器依據(jù)方位信息調(diào)整自動云臺使第二攝像機攝制人臉以獲第二視頻數(shù)據(jù)，控制光線發(fā)射器以向人眼發(fā)射光線，以獲得人眼的反光圖像；該第二分析器信號連接第二攝像機且分析第二視頻數(shù)據(jù)，以獲人臉實時三維坐標，且依據(jù)人眼圖像和經(jīng)人眼反射的反光圖像及位置判斷人眼是否正在注視攝像機；

該控制器信號連接第二分析器以判斷人眼注視是否超過設(shè)定時間t2，如是則認定目光連接且向?qū)?yīng)實時三維坐標的聲音采集器發(fā)送命令以控制聲音采集器采集聲音。

一實施例之中：該光線發(fā)射器包括多個發(fā)射光源，所發(fā)射的光線為固定距離的多個發(fā)射光源組合發(fā)射，以獲得人眼的包含多個反光點的反光圖像。

一實施例之中：該自動云臺的第二攝像機和光線發(fā)射器的發(fā)射光源相對固定在一起，并保持相對固定的距離，確保采集到的反光點圖像的穩(wěn)定和可計算性。

一實施例之中：該第一攝像機為廣角攝像機，該第一分析器為廣角圖像采集分析器；該第二攝像機為長可變焦攝像機，第二分析器為長焦圖像采集分析器。

一實施例之中：該第一分析器將該方位信息和人臉圖像傳輸給控制器；該第二攝像機依據(jù)控制器傳輸?shù)娜四槇D像進行捕捉及自動變焦調(diào)整，使攝制圖像調(diào)至合適大小。

一實施例之中：還包括一顯示裝置和一數(shù)據(jù)庫，該數(shù)據(jù)庫內(nèi)保存有包括與人臉信息一一對應(yīng)在內(nèi)的用戶信息；該第二分析器還獲取人臉信息，控制器獲取人臉信息且依據(jù)人臉信息獲取用戶其它信息，并在顯示裝置上顯示該用戶相關(guān)的其它信息。

一實施例之中：該光線發(fā)射器發(fā)射出的光線為攝像機能捕捉且不刺激人眼的光線。

一實施例之中：還包括語義分析裝置，信號連接控制器和聲音采集器。

本發(fā)明解決其技術(shù)問題的所采用的技術(shù)方案之二是：

基于目光連接的聲音命令下達方法，包括：

步驟11，捕捉攝制可視空間內(nèi)的圖像以獲第一視頻數(shù)據(jù)；

步驟12，分析第一視頻數(shù)據(jù)，判斷是否有人臉朝向第一攝像機且持續(xù)停留超過設(shè)定時間t1，如有則標定該人臉所處方位且獲方位信息，然后執(zhí)行步驟2，否則繼續(xù)執(zhí)行步驟11；

步驟2，依據(jù)方位信息調(diào)整第二攝像機，使第二攝像機攝制人臉以獲第二視頻數(shù)據(jù)，控制光線發(fā)射器以向人眼發(fā)射光線，所發(fā)射的光線為與第二攝像機固定距離的至少一個發(fā)射光源組合發(fā)射，以獲得人眼反射的反光圖像；

步驟3，分析第二視頻數(shù)據(jù)，以獲人臉實時三維坐標，且依據(jù)人眼圖像和經(jīng)人眼反射的反光圖像及位置判斷人眼是否正在注視攝像機；

步驟4，判斷人眼注視是否超過設(shè)定時間t2，如是則認定目光連接；

步驟5，向?qū)?yīng)實時三維坐標的聲音采集器發(fā)送命令，聲音采集器采集聲音，識別聲音以獲語義內(nèi)容，將語義內(nèi)容提供給其它需要語義內(nèi)容的設(shè)備訪問，并判斷對話是否結(jié)束，如結(jié)束則執(zhí)行步驟11，如未結(jié)束，則忽略對話期間第一視頻數(shù)據(jù)中轉(zhuǎn)向攝像機組的人臉相關(guān)信息。

一實施例之中：該步驟3中，通過分析第二視頻數(shù)據(jù)，還獲取人臉圖像；

該步驟5中，控制器依據(jù)人臉圖像從數(shù)據(jù)庫中獲取對應(yīng)的用戶信息，還通過顯示器顯示對話過程中需要顯示的提前設(shè)定的與該用戶相關(guān)的其它信息。

本發(fā)明解決其技術(shù)問題的所采用的技術(shù)方案之三是：

基于目光連接的聲音命令下達方法，包括：

步驟11，捕捉攝制可視空間內(nèi)的圖像以獲第一視頻數(shù)據(jù)；