[發明專利]一種輔助語音交互的方法及系統、存儲介質

在審

• 申請號: 202110587518.X
• 申請日: 2021-05-27
• 公開（公告）號: CN113380243A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 韓小平;曾慶寧;胡建良;熊清海;李志超
• 申請（專利權）人: 廣州廣電運通智能科技有限公司;廣州廣電運通金融電子股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G06K9/00
• 代理公司: 杭州創智卓英知識產權代理事務所(普通合伙) 33324
• 代理人: 張超

本發明公開了一種輔助語音交互的方法及系統、存儲介質，所述方法包括以下步驟:在用戶與設備進行語音交互時，通過人臉檢測模塊對設定區域進行人臉檢測；在設定區域內檢測到人臉時，開啟語音拾音操作，獲取語音數據；對獲取到的語音數據進行語音識別；所述在設定區域內檢測到人臉時，開啟語音拾音操作包括：在檢測到多個人臉時，獲取距離設備最近的人臉，采集距離設備最近的人臉對應的語音數據；在檢測到單個人臉時，采集所述單個人臉對應的語音數據。本發明通過視頻輔助語音交互，避免了軌道交通場景中人員多導致的干擾語音多的問題，同時避免了在語音交互時，多個人出現在設備前導致的語音干擾問題。

技術領域

本發明涉及語音交互技術領域，具體涉及一種輔助語音交互的方法及系統、存儲介質。

背景技術

隨著人工智能技術AI、大數據、云計算等相關領域的不斷發展，如大數據分析、知識圖譜、機器學習算法、語音識別技術和自然語言處理技術等，這些技術不斷推動著當今社會的智能化進程，并將推動軌道交通領域的客戶服務由勞動密集型向多媒介、智能化服務新時代轉化。在軌道交通應用場景中，越來越多針對客戶的服務，采用智能設備與客戶進行語音交互服務。

但在軌道交通應用場景中，采用智能設備與客戶進行語音交互服務存在著許多待解決的問題，例如在地鐵站等場所中，人員多，在語音交互中容易造成干擾；并且在自助設備語音交互中，可能會存在幾個人同時站立設備前，需要解決針對性拾音問題，避免其他人員語音的干擾。

發明內容

鑒于以上技術問題，本發明的目的在于提供一種輔助語音交互的方法及系統、存儲介質，解決在軌道交通應用場景中，采用智能設備與客戶進行語音交互服務存在著人員多導致的干擾多的問題。

本發明采用以下技術方案：

第一方面，本發明實施例提供的一種輔助語音交互的方法，包括以下步驟:

在用戶與設備進行語音交互時，通過人臉檢測模塊對設定區域進行人臉檢測；

在設定區域內檢測到人臉時，開啟語音拾音操作，獲取語音數據；

對獲取到的語音數據進行語音識別；

所述在設定區域內檢測到人臉時，開啟語音拾音操作包括：

在檢測到多個人臉時，獲取距離設備最近的人臉，采集距離設備最近的人臉對應的語音數據；

在檢測到單個人臉時，采集所述單個人臉對應的語音數據。

進一步的，所述在設定區域內檢測到人臉時，開啟語音拾音操作，包括：

在設定區域內檢測到人臉時，對檢測到的人臉進行唇動檢測；在檢測到唇動時，開啟語音拾音操作。

進一步的，所述在設定區域內檢測到人臉時，開啟語音拾音操作，包括：

在設定區域內檢測到人臉時，開啟實時拾音操作；

對檢測到的人臉進行唇動檢測，在檢測到唇動時，保持實時拾音操作；在未檢測到唇動時，關閉拾音操作。

進一步的，所述獲取距離設備最近的人臉包括：

在檢測到多個人臉時，根據檢測到的各人臉大小、各人臉的位置和各人臉相對于設備的相對位置中的一種或多種，確定距離設備最近的人臉。

進一步的，所述獲取距離設備最近的人臉包括：

通過3D結構光攝像頭檢測人臉；并在3D結構光攝像頭微動時，獲取人臉變化值，計算人臉變化值與3D結構光攝像頭微動值的比值；將比值最大對應的人臉作為距離設備最近的人臉。

進一步的，所述開啟語音拾音操作，包括：

通過麥克風陳列進行語音拾音。