[發明專利]用于行車記錄儀的語音控制方法及系統

有效

• 申請號: 201811380932.8
• 申請日: 2018-11-20
• 公開（公告）號: CN109273003B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 白生煒
• 申請（專利權）人: 思必馳科技股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/16
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 方挺;黃謙

本發明實施例提供一種用于行車記錄儀的語音控制方法。該方法包括：實時采集車輛內的聲音，生成相應的音頻；提取音頻的Fbank特征，通過內置神經網絡解析Fbank特征，確定音頻命中的控制命令詞內每個命令字的后驗概率；通過濾波處理控制命令詞內每個命令字的后驗概率，確定音頻命中各控制命令詞的聯合概率；將聯合概率最大的控制命令詞作為有效控制命令詞；獲取預設識別閾值，當有效控制命令詞的聯合概率達到預設識別閾值時，將音頻與有效控制命令詞對應，執行與有效控制命令詞相對應的操作。本發明實施例還提供一種用于行車記錄儀的語音控制系統。本發明實施例通過對采集音頻進行Fbank特征提取，降低了運算量，由于不做解碼，節省了內存與硬件算法的占用。

技術領域

本發明涉及智能語音領域，尤其涉及一種用于行車記錄儀的語音控制方法及系統。

背景技術

行車記錄儀即記錄車輛行駛途中的影像以及聲音等相關資訊的儀器。安裝行車記錄儀后，能夠記錄汽車行駛全過程的視頻、圖像和聲音，可為交通事故提供證據。隨著語音技術的發展，行車記錄儀從采用觸摸屏或者按鍵的方式進行控制，逐步發展到使用語音控制。通過語音控制行車記錄儀，解放了車輛駕駛人員的雙手，保障了車輛駕駛人員的注意力不被分散，更加安全。

這種可以語音控制的行車記錄儀通常采用實時語音解碼的識別的方式，對采集的音頻進行識別解碼，輸出駕駛員說出的語音對應的文字后，與命令詞進行對比，最終確認識別結果，進而執行相應的控制指令。

在實現本發明過程中，發明人發現相關技術中至少存在如下問題：

由于采用識別解碼的方法，受限于解碼方法本身的算法特性，造成實際使用的模型資源較大，實際運算量與存儲空間需求都較高，也就需要在處理性能較強、存儲空間交大的設備中運行，使得成本較高。此外，解碼的方式會受到車內噪聲以及風噪的影響，造成識別的準確率降低，影響體驗。有的行車記錄儀本身不做語音識別，僅僅將接收到的音頻信號通過無線網絡發送到特定的云端神經網絡中進行識別。然后行車記錄儀再接收云端神經網絡反饋的具體指令進行操作。但是這種方法需要無線網絡的暢通，如果網絡出現延遲或者沒有網絡，那么無法實現語音控制。

發明內容

為了至少解決現有技術中由于識別解碼方法本身的特性，需要行車記錄儀具備存儲空間較高、處理性能較強的性能以至于成本較高的問題。同時識別解碼本身也會受到噪聲的干擾，使得識別結果準確率較低。而使用云處理來進行語音識別則需要穩定的網絡，當網絡出現延遲，或者沒有網絡時，無法實現語音控制的問題。

第一方面，本發明實施例提供一種用于行車記錄儀的語音控制方法，包括：

實時采集車輛內的聲音，生成相應的音頻；

提取所述音頻的Fbank特征，通過內置神經網絡解析所述Fbank特征，確定所述音頻命中的控制命令詞內每個命令字的后驗概率；

通過濾波處理所述控制命令詞內每個命令字的后驗概率，確定所述音頻命中各控制命令詞的聯合概率；

將所述聯合概率最大的控制命令詞作為有效控制命令詞；

獲取預設識別閾值，當所述有效控制命令詞的聯合概率達到所述預設識別閾值時，將所述音頻與所述有效控制命令詞對應，執行與所述有效控制命令詞相對應的操作。

第二方面，本發明實施例提供一種用于行車記錄儀的語音控制系統，包括：

聲音采集程序模塊，用于實時采集車輛內的聲音，生成相應的音頻；

命令字后驗概率確定程序模塊，用于提取所述音頻的Fbank特征，通過內置神經網絡解析所述Fbank特征，確定所述音頻命中的控制命令詞內每個命令字的后驗概率；

聯合概率確定程序模塊，用于通過濾波處理所述控制命令詞內每個命令字的后驗概率，確定所述音頻命中各控制命令詞的聯合概率；