[发明专利]一种在视频业务中获取用户输入信息的实现方法及装置

说明书

技术领域

本发明属于通信技术领域，尤其涉及一种在视频业务中获取用户输入信息的实现方法及装置。

背景技术

视频业务系统是利用通信网技术和智能网技术建立的一种智能业务服务系统。视频业务系统中的关键控制设备是交互式语音和视频应答(Interactive Voice and Video Response，IVVR)设备。当用户通过用户视频电话终端拨打智能业务的统一接入号码并触发业务后，IVVR通过视频语音方式为用户提供视频语音导航服务。用户根据在用户视频电话终端例如手机视频终端上播放的视频菜单图像及语言音提示，通过按键方式选择自己需要的服务内容，然后IVVR将服务内容信息通过图像和语音的方式播放给用户。如果自动播放的视频和语音服务不能满足用户需求，视频业务系统中可提供菜单选择转人工方式。用户选择转人工后，系统根据用户需要的服务类型转接到对应的人工台。

在语音或视频业务服务系统中及转人工后的视频通话中，除了给用户终端播放语音视频内容外，通常都需要接收用户的菜单选择或者查询条件的输入，如电话号码，时间等信息。目前基于电路域的智能业务系统中，终端的输入有两种方式：一种是DTMF(Dual Tone Multi Frequency)即按键输入方式，另一种是ASR(Automatic Speech Recognition)，即语音识别方式。

对于视频业务系统而言，采用DTMF方式，存在如下不足：

对于终端尺寸小的手机，按键输入不方便；对于没有硬键盘的视频手机，当要输入时，需要在屏幕上使用软键盘，软键盘占用了屏幕的显示窗口，使得视频通话图像的显示窗口变小；在视频服务和视频通话中，为了显示效果，终端距离用户有一定距离，此时输入按键不方便；采用DTMF方式，只能输入字符0-9，*，#。

采用ASR方式，可以避免DTMF方式一些不足之处，但ASR方式对发音要求较高，如果口音较重，则ASR识别困难。并且在声音嘈杂的环境中，ASR识别会受到影响。

发明内容

本发明要解决的技术问题是针对上述现有技术中存在的不足，提出一种新的在视频业务中获取用户输入信息的实现方法及装置，以及一种新的视频业务系统，以改善用户的视频业务使用体验。

本发明采用的技术方案包括：

一种在视频业务中获取用户输入信息的实现方法，包括如下步骤：

设置特定的手势/姿势与输入信息之间的对应关系，并保存该对应关系；

用户采用手势/姿势的方式在用户终端输入信息；

将用户输入的信息转为视频媒体流，发送到视频业务系统，视频业务系统调取保存的所述对应关系，解读出用户作出的手势/姿势的含义，即获取用户的具体输入信息。

进一步地，所述用户采用手势/姿势的方式在用户终端输入信息包括，视频业务系统向用户播放输入提示信息，用户根据所述提示信息，来选择相应的手势/姿势在用户终端输入信息。采用该方案能够提高视频业务系统对用户输入信息的识别成功几率。

进一步地，所述将用户输入的信息转为视频媒体流，指利用用户终端摄像头记录用户作出的手势/姿势，并转为视频媒体流。

一种在视频业务中获取用户输入信息的实现装置，包括用户终端和视频业务系统；

其中，所述用户终端用于，记录用户作出的手势/姿势，将其转为视频媒体流，并发送到所述视频业务系统；

所述视频业务系统用于，设置特定的手势/姿势与输入信息之间的对应关系，并保存该对应关系；当收到所述用户终端发送来的所述视频媒体流时，调取保存的所述对应关系，解读出用户作出的手势/姿势的含义，即获取用户的具体输入信息。

进一步地，所述用户终端利用摄像头记录用户作出的手势/姿势。

进一步地，所述用户终端还用于接收视频业务系统的输入提示信息，并播放给用户，使用户根据所述提示信息选择相应的手势/姿势来输入信息，从而提高视频业务系统对用户输入信息的识别成功几率。

一种视频业务系统，包括媒体服务器、手势/姿势识别模块和数据库；

其中，所述媒体服务器用于，接收用户终端传送来的以视频媒体流的形式存在的用户输入信息，并请求所述手势/姿势识别模块识别，所述用户输入信息为用户通过手势/姿势的方式输入的信息；

所述手势/姿势识别模块用于，根据预先设置的特定的手势/姿势与输入信息之间的对应关系，对所述用户输入信息进行识别，解读出用户作出的手势/姿势的含义，即获取用户的具体输入信息；