[发明专利]一种基于语音输入的图像信息提取分析方法及装置

权利要求书

1.一种基于语音输入的图像信息提取分析方法，其特征在于，图像信息提取场景库中的图像信息提取场景设置有对应的文字描述标签，该方法包括：

S1、根据用户输入的语音，获取用户的信息提取意图；

S2、根据所述用户的信息提取意图查询图像信息提取场景库，与各文字描述标签进行匹配，并获取匹配得到的文字描述标签对应的图像信息提取场景；

S3、根据所获取的图像信息提取场景对目标图像进行目标对象识别，将识别结果返回给用户；

所述步骤S2中获取匹配得到的文字描述标签对应的图像信息提取场景具体包括：

依据所述用户的信息提取意图与文字描述标签的匹配度确定各文字描述标签对应的图像信息提取场景的场景权重值，获取场景权重值高于预设场景阈值的一个或多个图像信息提取场景；或者，

依据场景特征分类模块对目标图像进行特征提取以及分类后，得到的目标图像与各图像信息提取场景的匹配度，确定各图像信息提取场景的特征权重值，利用各图像信息提取场景的特征权重值和场景权重值得到各图像信息提取场景的综合权重值，获取综合权重值高于预设综合阈值的一个或多个图像信息提取场景。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的信息提取意图具体包括：将所述用户输入的语音通过语音识别转换为文字信息，并将该文字信息或者从该文字信息中提取的关键词组作为用户的信息提取意图。

3.根据权利要求1所述的方法，其特征在于，在所述步骤S2中进一步包括：将获取匹配得到的文字描述标签对应的图像信息提取场景反馈给用户；

如果获取到用户的确认信息，则继续执行所述步骤S3；如果获取到用户的舍弃信息，则不继续执行所述步骤S3，等待用户重新输入语音后执行步骤S1；如果获取到用户选择其中的一个或多个图像信息提取场景，则根据用户的选择继续执行所述步骤S3。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括：抓取所述识别结果对应的扩展知识信息，并将所述扩展知识信息返回给用户。

5.一种基于语音输入的图像信息提取分析装置，其特征在于，图像信息提取场景库中的图像信息提取场景设置有对应的文字描述标签，该装置包括：

预处理单元，用于根据用户输入的语音，获取用户的信息提取意图；

匹配单元，用于根据所述预处理单元获取的用户的信息提取意图查询图像信息提取场景库，与各文字描述标签进行匹配，并获取匹配得到的文字描述标签对应的图像信息提取场景；

分析单元，用于根据所述匹配单元获取的图像信息提取场景对目标图像进行目标对象识别，将识别结果返回给用户；

所述匹配单元获取匹配得到的文字描述标签对应的图像信息提取场景时，具体执行：

依据所述用户的信息提取意图与文字描述标签的匹配度确定各文字描述标签对应的图像信息提取场景的场景权重值，获取场景权重值高于预设场景阈值的一个或多个图像信息提取场景；或者，

依据场景特征分类模块对目标图像进行特征提取以及分类后，得到的目标图像与各图像信息提取场景的匹配度，确定各图像信息提取场景的特征权重值，利用各图像信息提取场景的特征权重值和场景权重值得到各图像信息提取场景的综合权重值，获取综合权重值高于预设综合阈值的一个或多个图像信息提取场景。

6.根据权利要求5所述的装置，其特征在于，所述预处理单元获取用户的信息提取意图时，具体执行：将所述用户输入的语音通过语音识别转换为文字信息，并将该文字信息或者从该文字信息中提取的关键词组作为用户的信息提取意图。

7.根据权利要求5所述的装置，其特征在于，所述匹配单元进一步执行：将获取匹配得到的文字描述标签对应的图像信息提取场景反馈给用户；

如果获取到用户的确认信息，则触发所述分析单元；如果获取到用户的舍弃信息，则不触发所述分析单元，等待用户重新输入语音后触发所述预处理单元；如果获取到用户选择其中的一个或多个图像信息提取场景，则根据用户的选择触发所述分析单元。

8.根据权利要求5所述的装置，其特征在于，所述分析单元进一步执行：抓取所述识别结果对应的扩展知识信息，并将所述扩展知识信息返回给用户。