[發(fā)明專利]一種語音控制的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811031798.0
• 申請(qǐng)日: 2018-09-05
• 公開（公告）號(hào): CN109032039B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 許超
• 申請(qǐng)（專利權(quán)）人: 出門問問創(chuàng)新科技有限公司
• 主分類號(hào): G05B19/042
• 分類號(hào): G05B19/042;G10L15/22;G10L15/26
• 代理公司: 北京睿派知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11597
• 代理人: 劉鋒

1.一種語音控制的方法，其特征在于，應(yīng)用于語音控制裝置，所述語音控制裝置應(yīng)用于至少一個(gè)采集設(shè)備或至少一個(gè)被控設(shè)備中，所述至少一個(gè)采集設(shè)備與所述至少一個(gè)被控設(shè)備采用同一用戶賬戶登錄后臺(tái)服務(wù)器，通過后臺(tái)服務(wù)器進(jìn)行通信；所述方法包括：

獲得用戶姿態(tài)圖像，所述用戶姿態(tài)圖像是由位于預(yù)設(shè)空間中的至少一個(gè)采集設(shè)備在第一時(shí)刻采集的；

根據(jù)用戶姿態(tài)圖像，從所述預(yù)設(shè)空間中的至少一個(gè)被控設(shè)備中確定用戶意圖控制的目標(biāo)被控設(shè)備，所述至少一個(gè)采集設(shè)備與所述至少一個(gè)被控設(shè)備為同一個(gè)設(shè)備；

控制所述目標(biāo)被控設(shè)備響應(yīng)所述用戶在所述第一時(shí)刻輸入的語音指令；

所述獲得用戶姿態(tài)圖像，包括：

接收來自所述至少一個(gè)采集設(shè)備的至少一個(gè)圖像；

從所述至少一個(gè)圖像中確定出時(shí)間戳為所述第一時(shí)刻的圖像；

根據(jù)預(yù)設(shè)的目標(biāo)用戶模型，對(duì)時(shí)間戳為所述第一時(shí)刻的圖像進(jìn)行目標(biāo)檢測(cè)，確定出包含目標(biāo)用戶的圖像，所述目標(biāo)用戶為對(duì)所述至少一個(gè)被控設(shè)備有使用權(quán)限的使用者；

將確定出的包含目標(biāo)用戶的圖像確定為所述用戶姿態(tài)圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)用戶姿態(tài)圖像，從所述預(yù)設(shè)空間中的至少一個(gè)被控設(shè)備中確定用戶意圖控制的目標(biāo)被控設(shè)備，包括：

根據(jù)所述用戶姿態(tài)圖像，確定用戶的身體角度、用戶的面部角度和/或用戶的視線角度；

根據(jù)所述用戶的身體角度、用戶的面部角度和/或用戶的視線角度，將所述至少一個(gè)被控設(shè)備中用戶面向的目標(biāo)被控設(shè)備確定為所述目標(biāo)被控設(shè)備。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述控制所述目標(biāo)被控設(shè)備響應(yīng)所述用戶在所述第一時(shí)刻輸入的語音指令，包括：

向所述目標(biāo)被控設(shè)備發(fā)送控制指令，所述控制指令用于指示所述目標(biāo)被控設(shè)備響應(yīng)所述用戶在所述第一時(shí)刻輸入的語音指令。

4.一種語音控制的裝置，其特征在于，所述語音控制裝置應(yīng)用于至少一個(gè)采集設(shè)備或至少一個(gè)被控設(shè)備中，所述至少一個(gè)采集設(shè)備與所述至少一個(gè)被控設(shè)備采用同一用戶賬戶登錄后臺(tái)服務(wù)器，通過后臺(tái)服務(wù)器進(jìn)行通信；所述裝置包括：

獲得單元，用于獲得用戶姿態(tài)圖像，所述用戶姿態(tài)圖像是由位于預(yù)設(shè)空間中的至少一個(gè)采集設(shè)備在第一時(shí)刻采集的；

確定單元，用于根據(jù)用戶姿態(tài)圖像，從所述預(yù)設(shè)空間中的至少一個(gè)被控設(shè)備中確定用戶意圖控制的目標(biāo)被控設(shè)備，所述至少一個(gè)采集設(shè)備與所述至少一個(gè)被控設(shè)備為同一個(gè)設(shè)備；

控制單元，用于控制所述目標(biāo)被控設(shè)備響應(yīng)所述用戶在所述第一時(shí)刻輸入的語音指令；

所述獲得單元，具體用于接收來自至少一個(gè)采集設(shè)備的至少一個(gè)圖像；從至少一個(gè)圖像中確定出時(shí)間戳為第一時(shí)刻的圖像；根據(jù)預(yù)設(shè)的目標(biāo)用戶模型，對(duì)時(shí)間戳為第一時(shí)刻的圖像進(jìn)行目標(biāo)檢測(cè)，確定出包含目標(biāo)用戶的圖像，目標(biāo)用戶為對(duì)至少一個(gè)被控設(shè)備有使用權(quán)限的使用者；將確定出的包含目標(biāo)用戶的圖像確定為用戶姿態(tài)圖像。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述確定單元，具體用于根據(jù)所述用戶姿態(tài)圖像，確定用戶的身體角度、用戶的面部角度和/或用戶的視線角度；根據(jù)所述用戶的身體角度、用戶的面部角度和/或用戶的視線角度，將所述至少一個(gè)被控設(shè)備中用戶面向的目標(biāo)被控設(shè)備確定為所述目標(biāo)被控設(shè)備。

6.一種電子設(shè)備，其特征在于，包括：

至少一個(gè)處理器；至少一個(gè)存儲(chǔ)器；總線；

其中，

所述處理器、所述存儲(chǔ)器通過所述總線完成相互間的通信；

所述處理器用于調(diào)用所述存儲(chǔ)器中的程序指令，以執(zhí)行權(quán)利要求1至3中任一項(xiàng)所述的語音控制的方法。

7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行權(quán)利要求1至3中任一項(xiàng)所述的語音控制的方法。