[发明专利]一种多媒体设备语音控制系统及方法

权利要求书

1.一种多媒体设备语音控制系统，其特征在于，包括：

图像感应模块，采集用户动作图像；

图像识别模块，根据用户动作图像确定控制指令类型或状态；

语音识别状态管理模块，根据当前的控制指令类型激活或暂停语音识别；

拾音模块，采集语音数据；

语音识别模块，对采集到的语音数据进行识别，形成控制指令；

多媒体功能模块，执行控制指令，向用户提供相应的多媒体功能。

2.如权利要求1所述的一种多媒体设备语音控制系统，其特征在于：

所述图像识别模块将用户动作图像与预设的图像模版比对，选取与用户动作图像匹配的控制指令类型；

若比对结果为找到与用户动作图像匹配的控制指令类型，则认为所述用户所在位置为目标音源位置，向语音识别状态管理模块发送目标音源所在位置信息、启动语音识别信息和/或控制指令类型；或

若未找到与用户动作图像匹配的控制指令类型，则向语音识别状态管理模块发出比对失败信息。

3.如权利要求2所述的一种多媒体设备语音控制系统，其特征在于还包括：

音束形成模块，根据目标音源所在位置信息确定拾音方向和拾音接收角。

4.如权利要求3所述的一种多媒体设备语音控制系统，其特征在于：

所述拾音模块为阵列拾音模块，包括规则排列的至少一拾音传感器，根据拾音方向和拾音接收角的限定采集目标音源发出的语音信号，进行数字化处理形成语音数据后发送给语音识别模块。

5.如权利要求4所述的一种多媒体设备语音控制系统，其特征在于：

所述语音识别状态管理模块根据接收到的启动语音识别信息，向语音识别模块发送启动指令及控制指令类型以激活语音识别，向音束形成模块发送目标音源所在位置信息，并控制多媒体功能模块减小多媒体输出声音的音量；或根据接收到的比对失败信息，向语音识别模块发送指令暂停语音识别。

6.如权利要求5所述的一种多媒体设备语音控制系统，其特征在于：

语音识别模块根据来自语音识别状态管理模块的启动指令和控制指令类型，对来自拾音模块的语音数据进行识别，形成属于所述控制指令类型的控制指令，发送给多媒体功能模块。

7.如权利要求1至5任意一项所述的一种多媒体设备语音控制系统，其特征在于：

所述语音识别模块包括本地语音识别模块和云端语音识别模块；

本地语音识别模块识别语音数据，形成属于所述控制指令类型的控制指令，发送给多媒体功能模块；

云端语音识别模块对本地语音识别模块无法识别的语音数据进行语义识别处理，形成属于所述控制指令类型的控制指令，发送给多媒体功能模块。

8.一种多媒体设备语音控制方法，包括：

图像感应模块采集用户动作图像的步骤；

图像识别模块根据用户动作图像确定控制指令类型或状态的步骤；

语音识别状态管理模块根据当前的控制指令类型激活或暂停语音识别的步骤；

音束形成模块确定拾音方向和拾音接收角的步骤；

阵列拾音模块根据拾音方向和拾音接收角的限定采集用户发出的语音信号，进行数字化处理形成语音数据的步骤；

语音识别模块对采集到的语音数据进行识别，形成控制指令的步骤；

多媒体功能模块执行控制指令，向用户提供相应的多媒体功能的步骤。