語音輸入識別方法、裝置及頭戴式設備與流程

2023-05-29 00:49:46

本發明涉及語音輸入識別技術領域，更具體地，本發明涉及一種用於頭戴式設備的語音輸入識別方法、一種用於頭戴式設備的語音輸入識別裝置、及一種頭戴式設備。

背景技術：

對於頭戴式設備而言，由於其不方便進行手動輸入，因此，最理想的輸入方式為語音輸入。語音輸入相對手動輸入存在的問題在於，在進行語音輸入的同時會引入噪聲源，進而會導致錯誤操作，例如，會出現根據非佩戴頭戴式設備的旁人輸出的語音執行相應操作的問題，這就影響了對頭戴式設備進行操作的準確性。

技術實現要素：

本發明實施例的一個目的是提供一種用於頭戴式設備的進行語音輸入識別的新的技術方案。

根據本發明的第一方面，提供了一種用於頭戴式設備的語音輸入識別方法，所述頭戴式設備具有第一麥克風和第二麥克風，且所述第一麥克風與所述第二麥克風關於所述頭戴式設備的中截面對稱布置，所述語音輸入識別方法包括：

獲取所述第一麥克風採集到的語音信號作為第一語音信號；

獲取所述第二麥克風採集到的語音信號作為第二語音信號；

判斷所述第一語音信號和所述第二語音信號中是否存在信號參數相同的信號組成；

判斷所述第一語音信號中所述信號組成的接收時間與所述第二語音信號中所述信號組成的接收時間的差值是否小於或者等於預設閾值；

如是，則：

從所述第一語音信號或者所述第二語音信號中提取所述信號組成；以及，

對提取出的所述信號組成進行語音識別，得到語音識別結果。

可選的是，所述信號參數包括波形。

可選的是，所述語音輸入識別方法還包括：

檢測根據所述語音識別結果執行的操作是否被取消；

根據檢測結果更新設置的接連取消次數；

如果更新後的接連取消次數超過設定次數，則減小所述預設閾值。

可選的是，所述語音輸入識別方法還包括：在確定所述更新後的接連取消次數超過設定次數之後，先判斷所述預設閾值是否大於設定的下限值，如是，再執行所述減小所述預設閾值的操作，如否，則保持所述預設閾值的當前數值不變。

根據本發明的第二方面，提供了一種用於頭戴式設備的語音輸入識別裝置，所述頭戴式設備具有第一麥克風和第二麥克風，且所述第一麥克風與所述第二麥克風關於所述頭戴式設備的中截面對稱布置，所述語音輸入識別裝置包括：

第一語音信號接收模塊，用於獲取所述第一麥克風採集到的語音信號作為第一語音信號；

第二語音信號接收模塊，用於獲取所述第二麥克風採集到的語音信號作為第二語音信號；

第一判斷模塊，用於判斷所述第一語音信號和所述第二語音信號中是否存在信號參數相同的信號組成；

第二判斷模塊，用於根據所述第一判斷模塊得到的肯定的判斷結果，判斷所述第一語音信號中所述信號組成的接收時間與所述第二語音信號中所述信號組成的接收時間的差值是否小於或者等於預設閾值；

提取模塊，用於根據所述第二判斷模塊得到的肯定的判斷結果，從所述第一語音信號或者所述第二語音信號中提取所述信號組成；以及，

語音識別模塊，用於對提取出的所述信號組成進行語音識別，得到語音識別結果。

可選的是，所述信號參數包括波形。

可選的是，所述語音輸入識別裝置還包括：

取消檢測模塊，用於檢測根據所述語音識別結果執行的操作是否被取消；

次數更新模塊，用於根據檢測結果更新設置的接連取消次數；以及，

閾值調整模塊，用於在更新後的接連取消次數超過設定次數的情況下，減小所述預設閾值。

可選的是，所述閾值調整模塊還用於在確定所述更新後的接連取消次數超過設定次數之後，先判斷所述預設閾值是否大於設定的下限值，如是，再執行所述減小所述預設閾值的操作，如否，則保持所述預設閾值的當前數值不變。

根據本發明的第三方面，還提供了一種用於頭戴式設備的語音輸入識別裝置，所述頭戴式設備具有第一麥克風和第二麥克風，且所述第一麥克風與所述第二麥克風關於所述頭戴式設備的中截面對稱布置，所述語音輸入識別裝置包括存儲器和處理器，所述存儲器用於存儲指令，所述指令用於控制所述處理器進行操作以執行根據本發明的第一方面所述的語音輸入識別方法。

根據本發明的第四方面，還提供了一種頭戴式設備，其包括第一麥克風、第二麥克風、及根據本發明的第二方面或者第三方面所述的語音輸入識別裝置，其中，所述第一麥克風與所述第二麥克風關於所述頭戴式設備的中截面對稱布置。

本發明的一個有益效果在於，在本發明的語音輸入識別方法、裝置及頭戴式設備利用雙耳效應進行聲源定位，進而能夠識別出佩戴頭戴式設備的用戶輸入的語音並執行相應操作，進而提高了語音輸入的準確性。

通過以下參照附圖對本發明的示例性實施例的詳細描述，本發明的其它特徵及其優點將會變得清楚。

附圖說明

被結合在說明書中並構成說明書的一部分的附圖示出了本發明的實施例，並且連同其說明一起用於解釋本發明的原理。

圖1為根據本發明的語音輸入識別方法的一種實施例的流程示意圖；

圖2為雙耳效應的原理示意圖；

圖3為基於雙耳效應的等音頻面的示意圖；

圖4為根據本發明的語音輸入識別方法的另一種實施例的流程示意圖；

圖5為根據本發明的語音輸入識別裝置的一種實施例的方框原理圖；

圖6為根據本發明的語音輸入識別裝置的另一種實施例的方框原理圖；

圖7為根據本發明的語音輸入識別裝置的一種硬體結構的方框原理圖。

圖8為根據本發明的頭戴式設備的一種實施例的方框原理圖。

具體實施方式

現在將參照附圖來詳細描述本發明的各種示例性實施例。應注意到：除非另外具體說明，否則在這些實施例中闡述的部件和步驟的相對布置、數字表達式和數值不限制本發明的範圍。

以下對至少一個示例性實施例的描述實際上僅僅是說明性的，決不作為對本發明及其應用或使用的任何限制。

對於相關領域普通技術人員已知的技術、方法和設備可能不作詳細討論，但在適當情況下，所述技術、方法和設備應當被視為說明書的一部分。

在這裡示出和討論的所有例子中，任何具體值應被解釋為僅僅是示例性的，而不是作為限制。因此，示例性實施例的其它例子可以具有不同的值。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨後的附圖中不需要對其進行進一步討論。

圖1為根據本發明的用於頭戴式設備的語音輸入識別方法的一種實施例的流程示意圖。

該頭戴式設備具有第一麥克風和第二麥克風，且第一麥克風與第二麥克風關於頭戴式設備的中截面對稱布置，其中，該中截面在用戶佩戴頭戴式設備時與用戶頭部的中截面重合，以使用戶的嘴部到第一麥克風與第二麥克風的距離相等。

根據圖1所示，本發明語音輸入識別方法包括如下步驟：

步驟s210，獲取第一麥克風採集到的語音信號作為第一語音信號。

步驟s220，獲取第二麥克風採集到的語音信號作為第二語音信號。

步驟s230，判斷第一語音信號和第二語音信號中是否存在信號參數相同的信號組成，如是，則執行步驟s240，如否，可以丟棄第一語音信號和第二語音信號，以避免佔用內存。

步驟s240，判斷第一語音信號中該信號組成的接收時間與第二語音信號中該信號組成的接收時間的差值是否小於或者等於預設閾值，如是，則執行步驟s250，如否，可以丟棄第一語音信號和第二語音信號，以避免佔用內存。

如圖2所示，設定第一麥克風mic1到嘴巴m的距離為r1，第二麥克風mic2到嘴巴m的距離為r2，在理想狀態下，距離r1與距離r2相等，這樣，第一麥克風mic1和第二麥克風mic2接收到用戶通過嘴巴m發出的同一語音信號的時間是相同的。設定第一麥克風mic1到噪聲源n(在此，將除佩戴頭戴式設備的用戶輸出的語音信號之外的所有語音信號統稱為噪聲源n)的距離為r1＇，第二麥克風mic2到噪聲源n的距離為r2＇，一般情況下，距離r1＇與距離r2＇不相等，這樣，就導致第一麥克風mic1和第二麥克風mic2接收到噪聲源n發出的同一噪聲信號的時間之間存在接收時間差。

如圖3所示，左側的以第一麥克風mic1為中心的一系列圓圈為第一麥克風mic1的等音頻球的截面圖，右側的以第二麥克風mic2為中心的一系列圓圈為第二麥克風mic2的等音頻球的截面圖。第一麥克風mic1的等音頻球與第二麥克風mic2的等音頻球相交的平面即為二者的等音頻面320，該等音頻面320也即為頭戴式設備的中截面，這說明，從等音頻面的位置產生的語音信號被第一麥克風mic1和第二麥克風mic2接收後，將具有相同的特徵和接收時間。

由於距離r1和距離r2在實際應用中可能存在一定的偏差，因此，為了使得本發明方法具有一定的容差性，可以設定在等音頻面向兩側偏離設定角度範圍內產生的語音信號均認為是佩戴頭戴式設備的用戶輸出的語音信號，在本發明的一個具體實施例中，該角度例如可以是5°。

在該容差範圍內，第一麥克風mic1和第二麥克風mic2接收到嘴巴m發出的語音信號的接收時間差應該小於或者等於對應上述容差角度的預設閾值。這樣，如果第一語音信號和第二語音信號中存在信號參數相同、且接收時間差小於或者等於預設閾值的信號組成，便可認為該信號組成是由佩戴頭戴式設備的用戶輸出的語音信號。

該佩戴頭戴式設備的用戶輸出的語音信號可以是語音指令，例如播放當前視頻文件等，也可以是通過語音表達的期望輸入的內容等。

語音信號的信號參數可以包括波形，其中，波形包含信號頻率和信號幅值的特徵。因此，判斷兩個語音信號中是否存在信號參數相同的信號組成可以進一步為：判斷兩個語音信號中是否存在波形相同的信號組成。

步驟s250，從第一語音信號或者第二語音信號中提取出上述信號組成。

步驟s260，對提取出的信號組成進行語音識別，得到語音識別結果。

之後，便可以根據語音識別結果執行相應操作。

由此可見，通過本發明的語音輸入識別方法，能夠識別出佩戴頭戴式設備的用戶輸入的語音並執行相應操作，而屏蔽除該語音之外的任何噪聲源，進而提高了語音輸入的準確性。

圖4是根據本發明語音輸入識別方法的另一實施例的流程示意圖。

根據圖4所示，該實施例相對圖3所示的實施例還增加了如下步驟：

步驟s410，檢測根據所述語音識別結果執行的操作是否被取消，之後執行步驟s420。

在根據語音識別結果執行相應操作之後，可以判斷執行的操作是否被取消，例如，根據語音識別結果執行播放當前視頻文件的操作，如果用戶在播放後的設定時間內進行了停止播放的操作，可以認為執行的操作被取消。

該設定時間例如可以設置為小於或者等於1分鐘。

步驟s420，根據檢測結果更新設置的接連取消次數，之後執行步驟s430。

在該步驟s420中，如果根據所述語音識別結果執行的操作被取消，則設置的接連取消次數加1；如果根據語音識別結果執行的操作未被取消，則將設置的接連取消次數清零。

在該步驟s420中，可以設置取消計數器對接連取消次數進行計數，該取消計數器的初始值等於0。

步驟s430，如果更新後的接連取消次數超過設定次數，則減小預設閾值。

在該步驟s430中，如果更新後的接連取消超過設定次數，則說明上述預設閾值可能設置的偏大，以至於引進了不希望的噪聲源，因此，可以根據肯定的判斷結果減小預設閾值。

該設定次數例如被設置為是5至10次。

在該實施例中，可以預先設置每次修改預設閾值的步距。

在本發明的一個實施例中，可以為預設閾值設置上限值和下限值。

該預設閾值的默認初始值可以為預設閾值的上限值。

該步距例如等於預設閾值的上限值與預設閾值的下限值的百分之一至十分之一。

在設置下限值的實施例中，本發明還可以包括如下步驟：

在判斷接連取消次數超過設定次數之後，先判斷當前的預設閾值是否大於設定的下限值，如是，再減小預設閾值，如否，則保持預設閾值的當前數值不變。

圖5是根據本發明用於頭戴式設備的語音輸入識別裝置的一種實施例的方框原理圖。

該頭戴式設備具有第一麥克風和第二麥克風，且第一麥克風與第二麥克風關於所述頭戴式設備的中截面對稱布置。

根據圖5所示，該語音輸入識別裝置包括第一語音信號接收模塊510、第二語音信號接收模塊520、第一判斷模塊530、第二判斷模塊540、提取模塊550、及語音識別模塊560。

該第一語音信號接收模塊510用於獲取第一麥克風採集到的語音信號作為第一語音信號。

該第二語音信號接收模塊520用於獲取第二麥克風採集到的語音信號作為第二語音信號。

該第一判斷模塊530用於判斷第一語音信號和第二語音信號中是否存在信號參數相同的信號組成。

該信號參數可以至少包括波形。

該第二判斷模塊540用於根據第一判斷模塊530得到的肯定的判斷結果，判斷第一語音信號中該信號組成的接收時間與第二語音信號中該信號組成的接收時間的差值是否小於或者等於預設閾值。

該提取模塊550用於根據第二判斷模塊540得到的肯定的判斷結果，從第一語音信號或者第二語音信號中提取該信號組成。

該語音識別模塊560用於對提取到的該信號組成進行語音識別，得到語音識別結果。

在本發明的另外的實施例中，該語音輸入識別裝置還可以包括語音信號處理模塊(圖中未示出)。該語音信號處理模塊用於根據第一判斷模塊530得到的否定的判斷結果或者第二判斷模塊540得到的否定的判斷結果，丟棄第一語音信號和所述第二語音信號。

圖6是根據本發明語音輸入識別裝置的另一實施例的方框原理圖。

根據圖6所示，該實施例相對圖5所示的實施例，增加了取消檢測模塊610、次數更新模塊620、及閾值調整模塊630。

該取消檢測模塊610用於檢測根據所述語音識別結果執行的操作是否被取消。

該次數更新模塊620用於根據檢測結果更新設置的接連取消次數。

該次數更新模塊620可以根據肯定的檢測結果將接連取消次數加1、及根據否定的檢測結果將接連取消次數清零。

該閾值調整模塊630用於在更新後的接連取消次數超過設定次數的情況下，減小所述預設閾值。

該閾值調整模塊630可以進一步用於在確定更新後的接連取消次數超過設定次數之後，先判斷預設閾值是否大於設定的下限值，如是，再執行減小所述預設閾值的操作，如否，則保持預設閾值的當前數值不變。

圖7是根據本發明的語音輸入識別裝置的一種硬體結構的示意圖。

根據圖7所示，在該實施例中，該語音輸入識別裝置可以包括存儲器720和處理器710，該存儲器720用於存儲指令，該指令用於控制處理器710進行操作以執行根據本發明的語音輸入識別方法。

該存儲器720可以包括高速隨機存儲器，還可以包括非易失性存儲器，如一個或者多個磁性存儲裝置、快閃記憶體、或者其他非易失性固態存儲器。

圖8是根據本發明的頭戴式設備的一種結構的方框原理圖。

根據圖8所示，該頭戴式設備可以包括上述任一種語音輸入識別裝置，在圖8中被標記為810。

除此之外，該頭戴式設備還可以包括輸入裝置820、傳感器裝置830、接口裝置840、通信裝置850、音頻輸入輸出裝置860、顯示裝置870、攝像裝置880等等。

上述輸入裝置820例如可以包括觸控螢幕、按鍵等。

上述傳感器裝置830例如包括加速度傳感器、陀螺儀、gps追蹤器、壓力傳感器、磁力計等等。

上述接口裝置840例如包括usb接口、網口等。

上述通信裝置850例如能夠進行有有線或無線通信(wifi和藍牙)。

上述音頻輸入輸出裝置860包括揚聲器、第一麥克風和第二麥克風，其中，該第一麥克風與第二麥克風關於頭戴式設備的中截面對稱布置。

上述顯示裝置870包括顯示屏及相關組件。

上述攝像裝置880包括至少一個攝像模組，可以用於採集外部實景，也可以用於進行定位追蹤。

本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分相互參見即可，每個實施例重點說明的都是與其他實施例的不同之處，但本領域技術人員應當清楚的是，上述各實施例可以根據需要單獨使用或者相互結合使用。另外，對於裝置實施例而言，由於其是與方法實施例相對應，所以描述得比較簡單，相關之處參見方法實施例的對應部分的說明即可。以上所描述的裝置實施例僅僅是示意性的，其中作為分離部件說明的模塊可以是或者也可以不是物理上分開的。

本發明可以是裝置、方法和/或電腦程式產品。電腦程式產品可以包括計算機可讀存儲介質，其上載有用於使處理器實現本發明的各個方面的計算機可讀程序指令。

計算機可讀存儲介質可以是可以保持和存儲由指令執行設備使用的指令的有形設備。計算機可讀存儲介質例如可以是――但不限於――電存儲設備、磁存儲設備、光存儲設備、電磁存儲設備、半導體存儲設備或者上述的任意合適的組合。計算機可讀存儲介質的更具體的例子(非窮舉的列表)包括：可攜式計算機盤、硬碟、隨機存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或快閃記憶體)、靜態隨機存取存儲器(sram)、可攜式壓縮盤只讀存儲器(cd-rom)、數字多功能盤(dvd)、記憶棒、軟盤、機械編碼設備、例如其上存儲有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這裡所使用的計算機可讀存儲介質不被解釋為瞬時信號本身，諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波(例如，通過光纖電纜的光脈衝)、或者通過電線傳輸的電信號。

這裡所描述的計算機可讀程序指令可以從計算機可讀存儲介質下載到各個計算/處理設備，或者通過網絡、例如網際網路、區域網、廣域網和/或無線網下載到外部計算機或外部存儲設備。網絡可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換機、網關計算機和/或邊緣伺服器。每個計算/處理設備中的網絡適配卡或者網絡接口從網絡接收計算機可讀程序指令，並轉發該計算機可讀程序指令，以供存儲在各個計算/處理設備中的計算機可讀存儲介質中。

用於執行本發明操作的電腦程式指令可以是彙編指令、指令集架構(isa)指令、機器指令、機器相關指令、微代碼、固件指令、狀態設置數據、或者以一種或多種程式語言的任意組合編寫的原始碼或目標代碼，所述程式語言包括面向對象的程式語言—諸如smalltalk、c++等，以及常規的過程式程式語言—諸如「c」語言或類似的程式語言。計算機可讀程序指令可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟體包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或伺服器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡—包括區域網(lan)或廣域網(wan)—連接到用戶計算機，或者，可以連接到外部計算機(例如利用網際網路服務提供商來通過網際網路連接)。在一些實施例中，通過利用計算機可讀程序指令的狀態信息來個性化定製電子電路，例如可編程邏輯電路、現場可編程門陣列(fpga)或可編程邏輯陣列(pla)，該電子電路可以執行計算機可讀程序指令，從而實現本發明的各個方面。

這裡參照根據本發明實施例的方法、裝置和電腦程式產品的流程圖和/或框圖描述了本發明的各個方面。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由計算機可讀程序指令實現。

這些計算機可讀程序指令可以提供給通用計算機、專用計算機或其它可編程數據處理裝置的處理器，從而生產出一種機器，使得這些指令在通過計算機或其它可編程數據處理裝置的處理器執行時，產生了實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的裝置。也可以把這些計算機可讀程序指令存儲在計算機可讀存儲介質中，這些指令使得計算機、可編程數據處理裝置和/或其他設備以特定方式工作，從而，存儲有指令的計算機可讀介質則包括一個製造品，其包括實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的各個方面的指令。

也可以把計算機可讀程序指令加載到計算機、其它可編程數據處理裝置、或其它設備上，使得在計算機、其它可編程數據處理裝置或其它設備上執行一系列操作步驟，以產生計算機實現的過程，從而使得在計算機、其它可編程數據處理裝置、或其它設備上執行的指令實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作。

附圖中的流程圖和框圖顯示了根據本發明的多個實施例的裝置、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或指令的一部分，所述模塊、程序段或指令的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。在有些作為替換的實現中，方框中所標註的功能也可以以不同於附圖中所標註的順序發生。例如，兩個連續的方框實際上可以基本並行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基於硬體的系統來實現，或者可以用專用硬體與計算機指令的組合來實現。對於本領域技術人員來說公知的是，通過硬體方式實現、通過軟體方式實現以及通過軟體和硬體結合的方式實現都是等價的。

以上已經描述了本發明的各實施例，上述說明是示例性的，並非窮盡性的，並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下，對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中的技術的技術改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。本發明的範圍由所附權利要求來限定。