[发明专利]一种可语音识别的信息转化方法和装置

说明书

本发明公开了一种可语音识别的信息转化方法和装置，包括当采集到多个人员的语音数据时，将每个人员的语音数据的声纹与预先建立的语音声纹库中的声纹进行对比，获取对应用户的标准人脸图像数据，将实时人脸图像数据与标准人脸图像数据进行对比；检测实时视频中是否出现人脸面部表情；检测实时视频中人员的口型信息是否在采集到语音数据时同步发生变化，有效区分录音和现场语音数据；在将目标语音数据发送至语音识别模块之前，判断目标语音数据的有效性，避免用户在情绪不稳时发出的错误指令，提高体验度；且语音识别模块中语音识别的关键词拆分识别以及有效关键词汇总的方法，能够实现快速语音识别，使用稳定。

技术领域

本发明涉及语音识别技术领域，具体为一种可语音识别的信息转化方法和装置。

背景技术

随着人工智能技术的爆发和语音技术的逐渐成熟，以对话流为主的类人式对话交互已经成为一种新型的交互方式，主流的智能设备交互模式正在从遥控器、触摸式交互向语音交互的融合或者转变。

现有技术方案中，当语音识别现场比较嘈杂或者同时说话的人数较多时，无法很好的识别想要识别的人的语音，识别精度很低，不能保证识别语音清晰和准确，导致用户在语音控制一些智能设备时，调控反应慢，影响使用感受，语音识别速度还有待提高；且单纯的语音识别无法区分录音与现场语音数据，从而发生陌生人用录音欺骗语音识别系统控制智能设备调控的情况；

因此，需要设计一种基于语音识别的信息转化方法和装置。

发明内容

针对现有技术存在的不足，本发明目的是提供一种可语音识别的信息转化方法和装置。本发明能够保证在现场环境嘈杂或者说话人数较多时，能够清楚的识别出特定人的语音，并有效保证识别精确度高，在对语音优先级最高的人员的语音数据进行转化处理之前，判断目标语音数据的有效性，避免用户在情绪不稳时发出的错误指令，提高体验度，而且语音识别模块中语音识别的关键词拆分识别以及有效关键词汇总的方法，不仅能够实现快速语音识别，而且不会发生执行元件控制混乱的情况，整个装置语音识别快速，使用稳定；而且通过图像分析模块和视频分析模块对实时人脸人脸图像数据和实时视频进行分析，有效区分录音和现场语音数据，提高语音识别的准确性。

本发明的目的可以通过以下技术方案实现：一种可语音识别的信息转化方法，包括如下步骤：

步骤一：将若干语音采集单元分别安装在室内的不同位置，用于实时采集室内人员的语音数据，并将获取的语音数据发送至控制器；

步骤二：当采集到多个人员的语音数据时，将每个人员的语音数据的声纹与预先建立的语音声纹库中的声纹进行对比，找出相同的声纹，并将其标记为目标声纹，根据语音声纹库找出该目标声纹对应的用户信息；所述用户信息包括姓名、标准人脸图像数据和语音识别优先级；

步骤三：获取该目标声纹对应用户的标准人脸图像数据，通过摄像头实时获取室内的实时视频，并从实时视频内获取实时人脸图像数据，将实时人脸图像数据与标准人脸图像数据进行对比；包括：

S31：将多个人员的实时人脸图像数据与标准人脸图像数据进行对比，检测所述标准人脸图像数据是否与多个人员的实时人脸图像数据中的任一个实时人脸图像数据相匹配；

S32：若所述标准人脸图像数据与多个人员的实时人脸图像数据中的任一个实时人脸图像数据均不匹配，则表示该目标声纹对应用户不在现场，生成假音信号，对该目标声纹对应的语音数据不进行信息转化；

S33：若所述标准人脸图像数据与多个人员的实时人脸图像数据中的任一个实时人脸图像数据相匹配，则获取与标准人脸图像数据相匹配的实时人脸图像数据对应的人员的实时视频；继续对实时视频进行分析；

步骤四：检测实时视频中是否出现人脸面部表情；

若检测到实时视频中没有人脸面部表情且保持预设时间以上，则生成假面信号，对该目标声纹对应的语音数据不进行信息转化；