[發(fā)明專利]一種基于視頻及語音交互服務(wù)設(shè)備

在審

• 申請?zhí)枺?/td>: 201910358518.5
• 申請日: 2019-04-30
• 公開（公告）號: CN109961789A
• 公開（公告）日: 2019-07-02
• 發(fā)明（設(shè)計）人: 張玄武
• 申請（專利權(quán)）人: 張玄武
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L21/0208;G10L25/30
• 代理公司: 寧波鄞州全方專利商標(biāo)事務(wù)所(普通合伙) 33242
• 代理人: 樓瑜舟;劉永斌

本發(fā)明涉及智能終端服務(wù)機(jī)領(lǐng)域，更具體的涉及一種基于視頻及語音交互服務(wù)設(shè)備，一種基于視頻及語音交互服務(wù)設(shè)備，包括數(shù)據(jù)采集裝置、數(shù)據(jù)識別裝置、數(shù)據(jù)輸出裝置，所述數(shù)據(jù)采集裝置、數(shù)據(jù)識別裝置、數(shù)據(jù)輸出裝置通過無線連接并安裝在服務(wù)器上。在進(jìn)行交互服務(wù)時，能夠準(zhǔn)確識別用戶語音及視頻信息，計算用戶所需意圖服務(wù)，從而實(shí)現(xiàn)為用戶提供交互式服務(wù)的完整解決方案。

技術(shù)領(lǐng)域

本發(fā)明涉及智能終端服務(wù)機(jī)領(lǐng)域,尤其涉及一種基于視頻及語音交互服務(wù)設(shè)備。

背景技術(shù)

隨著科技的進(jìn)步，服務(wù)機(jī)器人、智能廣告牌、公共智能自助柜臺機(jī)等設(shè)備在公共領(lǐng)域提供的服務(wù)越來越廣泛，為人們提供了越來越多的服務(wù)，使人們的生活更加的便捷。機(jī)場、車站、景區(qū)、醫(yī)院等公共場所一般都會設(shè)有問詢臺，有工作人員在問詢臺實(shí)時的提供問詢幫助，當(dāng)突發(fā)高峰導(dǎo)致問詢的人數(shù)增多時，由于問詢服務(wù)人員不足，導(dǎo)致大量排隊、秩序混亂、用戶體驗不良等現(xiàn)象；當(dāng)處于問詢?nèi)藛T少時，又導(dǎo)致問詢服務(wù)人員的人力浪費(fèi)。當(dāng)前雖然存在自助問詢的機(jī)器人，但是由于在嘈雜的公共場所語音識別不準(zhǔn)確、并且在進(jìn)行語音及視頻信息轉(zhuǎn)化時信息轉(zhuǎn)化錯誤導(dǎo)致無法理解客戶意圖等原因產(chǎn)生了大量答非所問的現(xiàn)象，當(dāng)前并未被良好的解決，也沒有合理的工業(yè)化方案，因此，當(dāng)前普遍無法為用戶在公共場所提供語音式交互服務(wù)。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于視頻及語音交互服務(wù)設(shè)備，解決了在語音與視頻識別過程中出現(xiàn)的用戶周圍噪聲大導(dǎo)致信息識別不準(zhǔn)確、意圖計算錯誤、意圖服務(wù)輸出慢等問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案為一種基于視頻及語音交互服務(wù)設(shè)備，包括數(shù)據(jù)采集裝置、數(shù)據(jù)識別裝置、數(shù)據(jù)輸出裝置，所述數(shù)據(jù)采集裝置、數(shù)據(jù)識別裝置、數(shù)據(jù)輸出裝置通過無線連接并安裝在服務(wù)器上。通過采用上述技術(shù)方案，能夠使用戶與設(shè)備實(shí)現(xiàn)一套完整的自助服務(wù)。

進(jìn)一步的，所述數(shù)據(jù)采集裝置設(shè)置有攝像頭、麥克風(fēng)、分類器，所述攝像頭與所述麥克風(fēng)連接在顯示器上，所述分類器與所述攝像頭、麥克風(fēng)通過總數(shù)據(jù)線相連接，所述麥克風(fēng)有降噪功能。通過采用上述技術(shù)方案，方便對用戶信息的采集，降低用戶周圍噪聲，保證語音信息收集的準(zhǔn)確性。

進(jìn)一步的，所述數(shù)據(jù)輸出裝置設(shè)置有對話管理及服務(wù)管理系統(tǒng)，所述對話管理及服務(wù)管理系統(tǒng)與顯示器相連接。通過上述技術(shù)方案，可以根據(jù)當(dāng)前服務(wù)內(nèi)容、當(dāng)前對話語境、用戶意圖相結(jié)合計算用戶所需的服務(wù)類型進(jìn)行匹配并將匹配結(jié)果輸入到顯示器上，實(shí)現(xiàn)數(shù)據(jù)的快速準(zhǔn)確傳播。

進(jìn)一步的，所述數(shù)據(jù)輸出裝置設(shè)置有推薦系統(tǒng)，所述推薦系統(tǒng)與顯示器相連接。通過采用上述技術(shù)方案，當(dāng)數(shù)據(jù)識別裝置未能通過用戶語音及圖像信息識別到相關(guān)信息時，推薦系統(tǒng)則將最接近的服務(wù)推送供用戶選擇

進(jìn)一步的，所述數(shù)據(jù)輸出裝置設(shè)置有人機(jī)交互顯示裝置，所述人機(jī)交互顯示裝置上設(shè)置有顯示器、喇叭，所述喇叭連接在所述顯示器上。通過采用上述技術(shù)方案，方便用戶與設(shè)備進(jìn)行語音交互或者點(diǎn)選自助服務(wù)。

進(jìn)一步的，所述數(shù)據(jù)識別裝置設(shè)置有意圖識別系統(tǒng)。通過采用上述技術(shù)方案，將收集到的數(shù)據(jù)計算出最接近的意圖服務(wù)供用戶點(diǎn)選或語音交互。

進(jìn)一步的，所述意圖識別系統(tǒng)為Embedding運(yùn)算系統(tǒng)。通過采用上述技術(shù)方案，能夠快速運(yùn)算出與用戶意圖相似的意圖服務(wù)。

進(jìn)一步的，所述數(shù)據(jù)識別裝置還包括語音及視頻識別系統(tǒng)，所述語音及視頻識別系統(tǒng)連接在服務(wù)器上。通過采用上述技術(shù)方案，方便對用戶語進(jìn)行音識別，確保信息收集的準(zhǔn)確性。

進(jìn)一步的，所述語音及視頻識別系統(tǒng)包括識別器、音頻轉(zhuǎn)化系統(tǒng)、視頻圖像編碼系統(tǒng)、視頻編碼及語音和視頻信息融合系統(tǒng)、融合信息識別系統(tǒng)、解碼器，所述識別器與分類器相連接，所述音頻轉(zhuǎn)化系統(tǒng)、視頻圖像編碼系統(tǒng)、視頻編碼及語音和視頻信息融合系統(tǒng)、融合信息識別系統(tǒng)、解碼器均通過無線連接。通過采取上述技術(shù)方案，能夠方便數(shù)據(jù)的分類、剪輯、處理，進(jìn)一步提高數(shù)據(jù)傳播速度。