[发明专利]一种购物仓的人机语音交互系统及方法

说明书

本发明公开一种购物仓的人机语音交互系统及方法，涉及智能交互技术领域；采样数据；利用用户语音和用户标识获取多个维度的信息，确定识别模型；用户通过拍照设备采集正面照图像；通过人脸检测设备检测采集到的图像，并进行人眼定位；截取图像中的人脸区域，进行灰度化处理；将处理后数据存储；提取图像中的SIFT特征，作为训练样本数据保存至数据存储中心；识别资源依据划分进行动态更新；利用用户语音识别文本确定进出购物仓的不同用户信息。本发明该购物仓的人机语音交互方法，功能多样化，工作效率高，维护成本低，在后期的维护和更新中可添加新的模块以满足后期系统的需求，使得购物仓的人机语音交互方法的功能更加完善。

技术领域

本发明公开涉及智能交互技术领域，尤其涉及一种购物仓的人机语音交互系统及方法。

背景技术

现阶段的人工值守购物仓，在进行购物出入库时，需要利用人工对购物进行清点统计，在确认出入库货物的所有信息无误后，才可出入购物仓库，因此出入仓库的效率非常低，不足以支持现今高出入仓库率的仓库业务。其次，为了提高出入购物库的效率，以足够支持仓库的业务，必须增加参与购物出入库的工作人员，将会增加业务的成本。并且使用人工清点货物时往往会受到外部环境的影响，存在纰漏，导致其购物入库的准确率低。

智能人机语言交互系统不断出现，已经在无人值守仓库得到应用。随着移动互联网的发展，语音识别发挥了越来越重要的作用。另一方面，语音识别技术，特别是DNN(深度神经网络)训练方法的发展，极大在提高了语音识别的准确率，反过来也促进了智能购物仓库的应用。

但随着语音应用走向大众，特别是语音云的使用，目标进出购物仓的不同用户未知、目标进出购物仓的不同用户范围广泛，鲁棒性和适应性是难以回避的难题，训练数据与识别数据的不匹配会极大地降低识别准确度。目前的做法是用一个模型识别所有的说话人，在模型建模前收集尽量多的数据，以期达到覆盖范围广的目的。而如需要提高某个人的识别率，需要把这个人的数据和原有数据放在一起重新建模。这种方法有几个弊端：

训练数据不可能做到完全覆盖所有说话人，而且大数据量的模型建模困难。

因未从说话人的发音特征分布采样数据，训练数据会产生分布不均匀，有些进出购物仓的不同用户口音未覆盖。

因未能实现动态更新识别资源，导致识别资源更新周期长，部分用户的识别率不能及时提高。

因对不同领域的应用使用同一套识别资源，导致语言模型建模难以选择语料，垂直领域识别难以提高，可能会产生不同领域“此消彼涨”的难题。

同时，现有技术在语言交互中，没有结合人脸识别进行智能识别。

总之，现有技术存在的问题为：

对于购物仓的人机交互功能单一化，不具备智能人工服务，导致影响购物效率。而且现有购物仓投入的交易管理成本高。

现有技术通常智能终端的训练集都是小样本集，人脸识别算法直接应用效果并不佳。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了购物仓的人机语音交互系统及方法。

根据本发明公开的第一方面，提供一种购物仓的人机语音交互方法，所述购物仓的人机语音交互方法包括：

步骤一、对进出购物仓的不同用户进行多维度发音特征划分，采样数据；

步骤二、利用用户语音和用户标识获取多个维度的信息，确定识别模型；

步骤三，用户通过拍照设备采集正面照图像；

步骤四，通过人脸检测设备检测采集到的图像，并进行人眼定位；

步骤五，通过预处理软件截取图像中的人脸区域，并对其进行灰度化处理；将处理后的图像信息作为训练样本数据保存至数据存储中心；