[發(fā)明專利]一種基于語音控制展廳的方法及控制系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011543435.2
• 申請日: 2020-12-23
• 公開（公告）號: CN112700773A
• 公開（公告）日: 2021-04-23
• 發(fā)明（設(shè)計(jì)）人: 鐘生;彭鵬;汪剛
• 申請（專利權(quán)）人: 合肥金人科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G07C9/37
• 代理公司: 合肥市浩智運(yùn)專利代理事務(wù)所(普通合伙) 34124
• 代理人: 張景云

1.一種基于語音控制展廳的方法，其特征在于，包括以下步驟：

步驟一：門禁單元采集人臉信息數(shù)據(jù)，確認(rèn)人員是否為工作人員，如果是則進(jìn)入步驟二；如果不是工作人員，確認(rèn)為訪客后，則進(jìn)入步驟三；

步驟二：確認(rèn)為工作人員后，門禁解除，此時(shí)為普通模式，工作人員進(jìn)入展廳內(nèi)；

步驟三：此時(shí)為會客模式，展廳內(nèi)的燈光和空調(diào)自動開啟，語音交互系統(tǒng)管理主機(jī)自動喚醒，智能語音主機(jī)播報(bào)致歡迎詞和序言介紹，播報(bào)環(huán)境探測器監(jiān)測到的數(shù)據(jù)；

步驟四：需要調(diào)整展廳的燈光、空調(diào)等智能設(shè)備，工作人員對智能語音主機(jī)說出意圖，語音交互系統(tǒng)管理主機(jī)理解意圖并響應(yīng)，并發(fā)出控制指令給ZigBee網(wǎng)關(guān)，進(jìn)而控制相對應(yīng)的智能設(shè)備；工作人員還可以對移動終端，比如手機(jī)、對講機(jī)說出控制指令，通過無線AP也能夠語音控制各個設(shè)備的運(yùn)行；

步驟五：工作人員走到相應(yīng)的展示區(qū)內(nèi)，通過話筒進(jìn)行提問，語音交互系統(tǒng)管理主機(jī)進(jìn)行處理，對訪客進(jìn)行解說；

步驟六：工作人員需要在顯示屏上展示介紹信息時(shí)，發(fā)出播放指令，顯示屏播放介紹的內(nèi)容，工作人員可以通過語音控制播放過程中的音量大小、暫停、切換等功能；

步驟七：訪客參觀結(jié)束后，工作人員對智能語音主機(jī)說出關(guān)閉智能設(shè)備的指令，智能語音主機(jī)響應(yīng)，語音交互系統(tǒng)管理主機(jī)控制相應(yīng)的設(shè)備關(guān)閉。

2.根據(jù)權(quán)利要求1所述的一種基于語音控制展廳的方法，其特征在于，語音交互的具體過程為：

1)首先對接收到的聲音信號預(yù)加重，并進(jìn)行分幀操作；具體的是在聲音信號的頻域乘以系數(shù)K，系數(shù)K跟頻率成正相關(guān)；

s’_n＝s_n-k*s_n-1

對預(yù)加重后的聲音信號乘以凱澤窗函數(shù)進(jìn)行分幀，形成多個波形段；

其中，I₀是第一類零階貝塞爾函數(shù)，M為窗的個數(shù)，n窗的長度，w(n)為頻譜函數(shù)，β是用來調(diào)整窗函數(shù)性能的參數(shù)，此處β選8.5；

2)對多個波形段進(jìn)行快速傅里葉變換得到對應(yīng)的頻譜，將上面的頻譜通過Mel濾波器組得到Mel頻譜；在Mel頻譜上面進(jìn)行倒譜分析，獲得Mel頻率倒譜系數(shù)MFCC，生成每幀的MFCC特征向量；

3)預(yù)先構(gòu)建聲學(xué)模型和語言模型，通過大量標(biāo)注的語音數(shù)據(jù)訓(xùn)練聲學(xué)模型，通過大量標(biāo)注的文本數(shù)據(jù)訓(xùn)練語言模型；聲學(xué)模型用于把語音輸入轉(zhuǎn)換層聲學(xué)表示的輸入，在聲學(xué)模型給出發(fā)音序列之后，從候選的文字序列中找出概率最大的字符串序列；

4)對聲音信號對應(yīng)的指令轉(zhuǎn)化為可識別的語言，包括：確定指令的領(lǐng)域，理解指令的意圖、定位詞槽；

5)處理用戶的真實(shí)的意圖，做出相應(yīng)的回答反饋。

3.根據(jù)權(quán)利要求1所述的一種基于語音控制展廳的方法，其特征在于，門禁單元的工作過程為：

1)預(yù)先獲取人臉圖像；

2)對獲取到的人臉圖像進(jìn)行燒苗檢測，生成于候選區(qū)域?qū)?yīng)的人臉坐標(biāo)；

3)根據(jù)人臉坐標(biāo)生成雙眼的坐標(biāo)，在候選區(qū)域內(nèi)通過人臉坐標(biāo)和雙眼的坐標(biāo)生成人臉面部特征向量(其中需要對候選區(qū)域進(jìn)行平移、旋轉(zhuǎn)和縮放，形成具有預(yù)定大小的標(biāo)準(zhǔn)化圖像，其中雙眼的坐標(biāo)鏈接到預(yù)定位置，對人臉圖像進(jìn)行歸一化處理)，保存在服務(wù)器內(nèi)，形成人臉數(shù)據(jù)庫；

4)將待驗(yàn)證的人臉采集圖像與人臉數(shù)據(jù)庫中的特征向量進(jìn)行比較，計(jì)算距離值，比較距離值與相似性閾值，確定人員的身份，完成識別的過程。

4.一種基于語音控制的展廳控制系統(tǒng)，其特征在于：包括語音交互系統(tǒng)管理主機(jī)、智能語音主機(jī)、物聯(lián)控制主機(jī)、環(huán)境探測器、門禁單元、ZigBee網(wǎng)關(guān)、無線AP、智能設(shè)備；

所述語音交互系統(tǒng)管理主機(jī)、智能語音主機(jī)、環(huán)境探測器、門禁單元、無線AP、智能設(shè)備通過ZigBee網(wǎng)關(guān)與物聯(lián)控制主機(jī)通信連接。