[发明专利]利用人机交互手势唤醒智能设备的方法及装置

说明书

本发明涉及一种利用人机交互手势唤醒智能设备的方法，包括如下步骤：利用摄像头对用户进行拍摄，获取拍摄图像；利用人脸分类器对所述的拍摄图像进行人脸检测，获取人脸框列表；根据统计的多人静音手势与人脸比例参数，设置手势检测区域列表；在手势检测区域进行静音手势检测，如若检测到目标，则设置静音信号Is_Mute为true；如若没有检测到所述目标，则设置所述静音信号Is_Mute为false；将所述静音信号Is_Mute传入后台，判断静音信号Is_Mute为true时，暂停当前播放视屏或广播，在所述后台启动语音识别功能；判断静音信号Is_Mute为false时，对下一帧数据进行处理。还提供了对应的装置，利用手势唤醒，减少了与语音的混淆。

技术领域

本发明属于图像处理技术领域，具体涉及一种利用人机交互手势唤醒智能设备的方法及装置。

背景技术

随着各种语音唤醒技术的飞速发展，目前市场上大多数都采用语音唤醒语音功能技术。如今智能设备飞速发展，如何将智能设备与唤醒技术结合，从而提供更加方便快捷和人性化的服务是值得探讨的问题。设置特定的语音来启动唤醒的功能在实际应用中容易让人与正常聊天混淆。

发明内容

本发明为了解决现有唤醒功能容易与语音混淆的问题，本发明提供了一种利用人机交互手势唤醒智能设备的方法，包括如下步骤：

S110、利用设备的摄像头对用户进行拍摄，将当前时刻拍摄到的图像存为Image；

S120、使用现有常规技术如Haar人脸检测，在图像Image中检测出所有超过预设大小 Face_Size的人脸矩形列表Face_Rect_List；预设大小的定义可为尺寸大小，具体可用长宽方向上的像素数量来表征。

S130、根据统计的多人静音手势与人脸比例参数，基于返回的人脸框列表Face_Rect_List 设置手势检测的感兴趣区域Rect_Roi_List；

S140、在手势检测的感兴趣区域Rect_Roi_List中进行静音手势检测，如若检测到目标，则返回值Is_Mute为true并进入步骤S150；如若没有检测到则Is_Mute为false并进入步骤 S120；

S150、将所述静音信号Is_Mute传入后台，判断静音信号Is_Mute为true时，暂停当前播放视屏或广播，在所述后台启动语音识别功能；判断静音信号Is_Mute为false时，执行步骤 S120，对下一帧数据进行处理。

进一步地，所述步骤S120包括：

将所述拍摄图像进行预处理转换成灰度图像，将所述灰度图像作为输入，使用Haar分类器进行检测，若检测到人脸，则返回人脸的坐标参数，并进入到步骤S130；若没有检测到人脸，则进入步骤S120，处理下一帧拍摄图像；其中，所述人脸框Face_Rect的定义为[face_x， face_y，face_width，face_height]，face_x为人脸框的左上角的x坐标，face_y为人脸框的左上角的y坐标，face_width为人脸框的宽，face_height为人脸框的高。

进一步地，所述步骤S130中，所述人脸矩形列表Face_Rect_List由多个人脸框Face_Rect 组成，其中Face_Rect的定义为[face_x-0.1*face_width，face_y+face_height，1.2*face_width， 1.4*face_height]，对每个人脸框Face_Rect生成手势检测区域Rect_Roi。

进一步地，所述步骤S140包括：

使用Sliding Window的方式遍历手势检测区域Rect_Roi_List从而得到多个候选框，将所述候选框输入到静音检测模型中进行检测。若检测到目标做了静音的动作，则设置静音信号 Is_Mute为true，反之则设置静音信号Is_Mute为false。