[發明專利]智能設備喚醒方法、智能設備和計算機可讀存儲介質

在審

• 申請號: 202110019710.9
• 申請日: 2021-01-07
• 公開（公告）號: CN112382277A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 傅濤;楊杰;王力;馮凌
• 申請（專利權）人: 博智安全科技股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/08;G10L15/16;G10L15/22;G10L15/25
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 史冬梅

本發明公開了一種智能設備喚醒方法、智能設備和計算機可讀存儲介質，其中方法包括：獲取語音指令信號；確定語音指令信號對應的第一音素值；獲取發出語音指令信號的人的嘴部圖像序列；確定嘴部圖像序列對應的第二音素值；分別計算第一音素值和第二音素值與設定的喚醒詞對應的音素值之間的相似度，當至少有一個相似度大于設定的相似度閾值時，則喚醒智能設備。本發明的方法結合了圖像識別技術和語音技術，降低了智能設備的誤判率，提升了用戶的無感交互體驗，語音交互更流暢自然。

技術領域

本申請涉及一種智能設備喚醒方法、使用該喚醒方法的智能設備和存儲該喚醒方法的計算機可讀存儲介質，具體涉及一種融合了語音和圖像識別的語音喚醒的方法，屬于圖像識別與語音識別技術領域。

背景技術

語音識別技術在近些年取得了顯著的進步，該技術已進入工業、家電、智能家居等各個領域。包含喚醒詞的語音喚醒技術是語音識別技術中的一種形式，其不直接接觸硬件設備，通過包含喚醒詞的語音即可實現設備的喚醒或者運行。現有帶有揚聲器的智能語音設備，例如智能音箱、車載的手機架或者語音機器人等的播放打斷功能也采用了包含喚醒詞的語音喚醒技術進行實現，且現有應用于智能語音設備的語音喚醒技術中的喚醒詞都是采用固定閾值的方式，即在智能語音設備的正喚醒率與誤喚醒率之間取一個平衡數值作為固定的喚醒詞閾值。在智能語音設備的工作過程中，例如在播放音樂或語音播報時，由于智能語音設備的揚聲器發岀的聲音會傳播到智能語音設備的麥克風并被麥克風采集，使得揚聲器發出的聲音會對智能語音設備的語音識別造成干擾。針對這種情況,智能語音設備通常會對揚聲器發出的聲音進行回聲消除處理,但如果回聲消除不完善或者揚聲器到麥克風的非線性失真太大則會導致出現回聲殘余過大的情況，而當智能語音設備長時間處于具有過大的回聲殘余的環境中時，由于應用于智能語音設備內的喚醒詞閾值始終是固定不變的，這樣就會大大增加智能語音設備被回聲殘余誤喚醒的可能性。如果智能語音設備的麥克風沒有收到用戶發出的包含喚醒詞的語音，但智能語音設備當前的播放狀態卻因為殘余的回聲被打斷了，這樣便會大大降低用戶的使用體驗。

發明內容

本申請的目的在于，提供一種智能設備喚醒方法、智能設備和計算機可讀存儲介質，以解決現有技術中存在的喚醒方法易受干擾，存在誤判的技術問題。

本發明的第一實施例提供了一種智能設備喚醒方法，包括：

獲取語音指令信號，確定所述語音指令信號對應的第一音素值；

獲取發出所述語音指令信號的人的嘴部圖像序列，確定所述嘴部圖像序列對應的第二音素值；

分別計算所述第一音素值和所述第二音素值與設定的喚醒詞對應的音素值之間的相似度，當至少有一個所述相似度大于設定的相似度閾值時，則喚醒智能設備。

優選地，所述獲取語音指令信號，具體為：

獲取當前環境不含所述語音指令信號的噪音數據；

獲取當前環境包含所述語音指令信號的人聲數據；

根據所述噪音數據和所述人聲數據確定所述語音指令信號。

優選地，根據所述噪音數據和所述人聲數據確定所述語音指令信號，具體為：

利用短時傅里葉變換處理所述噪音數據，得到處理后的噪音頻域信號；

利用短時傅里葉變換處理所述人聲數據，得到處理后的人聲頻域信號；

根據所述噪音頻域信號和所述人聲頻域信號確定所述語音指令信號對應的頻域信號；

相應地，確定所述語音指令信號對應的第一音素值，具體為：

確定所述語音指令信號對應的頻域信號對應的第一音素值。

優選地，根據所述噪音頻域信號和所述人聲頻域信號確定所述語音指令信號對應的頻域信號，具體為：