[发明专利]复合姿势-语音命令

权利要求书

1.一种用于使用语音命令的集合来控制计算系统的方法，包括：

在显示监视器上显示一个或多个对象(410)；

从传感器接收身体位置数据(412)；

基于接收的身体位置数据识别与所述一个或多个对象有关的姿势(414)；

基于识别出的姿势选取所述声音命令的集合的子集(416)，所述声音命令的集合包括多个子集，每个子集与一个或多个姿势以及相应子集的声音命令识别数据相关联；

加载所选取的声音命令的子集的声音命令识别数据(418)；

从话筒接收声音输入(420)；

使用所加载的声音命令识别数据从所述声音输入识别声音命令(422)；以及

响应于识别出的声音命令执行动作(424)。

2.如权利要求1所述的方法，其特征在于，还包括：

显示所选取的声音命令的子集。

3.如权利要求2所述的方法，其特征在于，所述识别出的姿势选择所显示的对象，且其中所选取的声音命令的子集靠近所选择的所显示对象被显示。

4.如权利要求1所述的方法，其特征在于，还包括：

在响应于识别出的声音命令执行所述动作之后，加载所选取的声音命令的子集的相关子集的附加声音命令识别数据；

接收进一步的声音命令；

使用所加载的附加声音命令识别数据来识别所述进一步的声音命令；以及

响应于识别出的进一步的声音命令执行动作。

5.如权利要求1所述的方法，其特征在于，还包括：

基于识别出的姿势改变所述计算系统的状态；以及

提供与所述计算系统的改变后的状态有关的声音命令的分层子集。

6.如权利要求5所述的方法，其特征在于，每个识别出的姿势对应于所述计算系统的一不同状态，且其中所述计算系统的每个状态的声音命令识别数据定义声音命令的一分层子集，且每个声音命令的每个分层子集仅在所述识别出的姿势要求时才被加载。

7.如权利要求1所述的方法，其特征在于，所述姿势为所述声音命令提供上下文或者所述声音命令为所述姿势提供上下文。

8.如权利要求1所述的方法，其特征在于，从所述声音输入识别声音命令的步骤包括：

向所述识别声音命令的步骤赋予加权的置信度值；以及

在识别出的姿势与所述声音命令一致时增大所述加权的置信度值。

9.如权利要求1所述的方法，其特征在于，所述姿势增强所述声音命令被正确识别的置信度，且所述声音命令增强所述姿势被正确识别的置信度。

10.一种具有用于执行如权利要求1所述的方法的可执行指令的有形计算机可读介质。

11.一种用于控制多媒体系统的接口系统，包括：

监视器(15)，用于显示多媒体内容；

传感器(23)，用于捕捉用户姿势；

话筒(30)，用于捕捉用户声音；以及

计算机(12)，所述计算机连接到所述传感器(23)、所述话筒(30)和所述监视器(15)，所述计算机驱动所述监视器显示一组对象(602)，所述计算机从所述传感器接收表示姿势的图像数据，所述计算机将所述姿势识别为从该组对象(602)中选择第一对象(602a)，所述计算机更新所述监视器(15)以显示第一上下文菜单(606)，所述第一上下文菜单显示能关于所述第一对象(602a)使用的声音命令的子集，所述计算机从所述话筒(30)接收表示声音命令的声音数据，所述计算机将所述声音命令识别为来自所述声音命令的子集，所述声音命令指示关于所述第一对象(602a)的期望动作，所述计算机执行所述期望动作。

12.如权利要求11所述的系统，其特征在于：

所述声音命令的子集被组织成一个或多个分层级别，其中每一个分层级别仅在处理姿势需要时才被加载到所述计算机中。

13.如权利要求12所述的系统，其特征在于：

仅在已识别出来自前一个分层级别的声音命令且采取与所述声音命令相关联的期望动作之后才加载和显示后续分层级别的声音命令。

14.如权利要求11所述的系统，其特征在于：

所述姿势被所述计算机用于促进对所述声音命令的识别，而所述声音命令被所述计算机用于促进对所述姿势的识别。

15.如权利要求11所述的系统，其特征在于：

所述计算机在所述监视器上显示渐进用户界面，其中所述用户界面在所述计算机执行所述期望动作之后被更新以包括声音命令的相关子集。