[发明专利]一种语音信息识别校正方法和系统

权利要求书

1.一种语音信息识别校正方法，其特征在于，所述方法包括：

获取用户发出的语音信号，对所述语音信号执行基于声学特征的识别以获得与所述语音信号对应的第一识别字符串；

对所述第一识别字符串中的每一个字符执行上下文连贯性判断，以在所述第一识别字符串中存在上下文不连贯的字符时，将所述第一识别字符串判断为待校正字符串；

在所述第一识别字符串不存在上下文不连贯的字符时，对所述第一识别字符串执行字符串完整度判断，以在所述第一识别字符串的完整度低于预设完整度阈值时，将所述第一识别字符串判断为待校正字符串；

在所述第一识别字符串被判断为待校正字符串时，调取用户发出所述语音信号时对用户所在场景执行图像采集所获得的由多个图像帧构成的现场录像数据；

基于所述待校正字符串中每一个字符出现的时间顺序和所述现场录像数据中每一个图像帧的时间戳执行字符与图像帧的匹配操作，以确定每一个字符作为待校正字符所对应的在所述现场录像数据中的图像帧；

针对每一个待校正字符执行以下处理：将所述待校正字符对应的图像帧中成像景深最浅的脸部对象作为待分析对象，对所述待分析对象占据的图像区域执行基于脸部轮廓匹配的国籍检测，获得用户对应的国籍以作为参考国籍；

针对每一个待校正字符还执行以下处理：提取所述待分析对象占据的图像区域中的嘴型，基于所述嘴型和所述参考国籍解析出同时与所述嘴型和所述参考国籍匹配的字符以作为校正参考字符，并基于所述校正参考字符对所述待校正字符进行校正以获得已校正字符；

其中，基于所述嘴型和所述参考国籍解析出同时与所述嘴型和所述参考国籍 匹配的字符以作为校正参考字符包括：基于所述参考国籍获取对应国家使用最频繁的语言以作为参考语言；基于所述嘴型和所述参考语言解析出同时与所述嘴型和所述参考语言匹配的字符以作为校正参考字符；

基于所述嘴型和所述参考语言解析出同时与所述嘴型和所述参考语言匹配的字符以作为校正参考字符包括：基于双重索引数据库完成对所述校正参考字符的解析；所述双重索引数据库在获取用户发出的语音信号之前建立，所述双重索引数据库存储了在每一种语言下不同嘴型分别对应的不同字符；

将所述待校正字符串中各个待校正字符分别对应的各个已校正字符按照各个待校正字符在所述待校正字符串中出现的时间顺序进行组合以获得并输出所述待校正字符串对应的已校正字符串。

2.如权利要求1所述的语音信息识别校正方法，其特征在于，所述方法还包括：

在获取用户发出的语音信号的同时，对用户所在场景执行图像采集以获得的由多个图像帧构成的现场录像数据。

3.如权利要求2所述的语音信息识别校正方法，其特征在于：

对所述第一识别字符串中的每一个字符执行上下文连贯性判断，以在所述第一识别字符串中存在上下文不连贯的字符时，将所述第一识别字符串判断为待校正字符串包括：基于词汇表和语法规则对所述第一识别字符串中的每一个字符执行上下文连贯性判断。

4.如权利要求3所述的语音信息识别校正方法，其特征在于：

对所述待分析对象占据的图像区域执行基于脸部轮廓匹配的国籍检测，获得用户对应的国籍以作为参考国籍包括：基于各个国家分别对应的基准人体脸部图案对所述待分析对象占据的图像区域执行脸部轮廓匹配，以将匹配度最高的基准人体脸部图案对应的国家作为参考国籍；

其中，每一个国家对应的基准人体脸部图案为一个以上。