[发明专利]语音识别方法和系统

权利要求书

1.一种语音识别方法，其特征在于，所述语音识别方法包括以下步骤：

在接收到语音信号时，控制图像采集装置进行图像采集，并在所述语音信号结束时，控制所述图像采集装置停止图像采集；

对接收到的语音信号进行识别，以得到语音信号识别结果；

对采集到的图像中包含唇部的图像进行唇语识别，以得到唇语识别结果，其中，在采集到的图像中包含多个人脸图像时，根据接收到语音信号进行声源定位，确定用户在采集到的图像中的位置，并对所述位置处的唇部图像进行唇语识别；

计算所述语音信号识别结果和唇语识别结果的准确度，将准确度较高的识别结果作为当前的语音识别结果。

2.如权利要求1所述的语音识别方法，其特征在于，所述对采集到的图像中包含唇部的图像进行唇语识别，以得到唇语识别结果的步骤包括：

确定采集到的图像中包含唇部的图像，将所述包含唇部的图像作为有效图像，并确定所述有效图像中唇部的位置；

根据每一帧所述有效图像的唇形以及上一帧所述有效图像的唇形确定用户输出的字符；

基于每一帧所述有效图像对应的字符组成唇语识别结果。

3.如权利要求2所述的语音识别方法，其特征在于，所述确定采集到的图像中包含唇部的图像，将所述包含唇部的图像作为有效图像，并确定所述有效图像中唇部位置的步骤包括：

确定采集到的每帧图像中脸部轮廓；

将脸部轮廓内的各个像素点色度值与预存的人脸中各个像素点的色度值进行比对，以确定采集到的每帧图像中脸部位置；

确定脸部位置中眼部位置，并基于眼部位置以及唇部位置之间的相对位置确定唇部区域；

将唇部区域中各个像素点的RGB色度值进行比对；

在唇部区域存在RGB色度值满足预设条件的像素点时，确定该帧图像为包含唇部的图像，将所述包含唇部的图像作为有效图像；

基于唇部区域中各个像素点的RGB色度值确定唇部的位置。

4.如权利要求1-3任一项所述的语音识别方法，其特征在于，所述对接收到的语音信号进行识别，以得到语音信号识别结果的步骤包括：

将接收到的语音信号转换成字符串，并按照预设的关键词库，将所述字符串拆分为多个关键词；

标注各个所述关键词的词性，确定各个相邻的关键词之间的词性是否匹配；

在有相邻的关键词之间的词性不匹配时，将所述不匹配关键词作为第一关键词，并确定预设的混淆音词库是否存在所述第一关键词；

在所述混淆音词库存在所述不匹配的关键词时，确定所述混淆音词库中所述第一关键词对应的第二关键词；

将所述第一关键词替换为第二关键词，并在替换后的第二关键词与相邻关键词之间词性匹配时，将替换后的第二关键词以及其它关键词重新组合成为语音信号识别结果，并将重新组合的语音识别结果作为当前的语音信号识别结果。

5.如权利要求1-3任一项所述的语音识别方法，其特征在于，所述计算所述语音信号识别结果和唇语识别结果的准确度，将准确度较高的识别结果作为当前的语音识别结果的步骤包括：

将所述语音信号识别以及唇语识别结果拆分为多个关键词；

确定所述语音信号识别结果拆分成的关键词中，各个相邻关键词的之间的第一关联度，并确定所述唇语识别结果拆分成的关键词中，各个相邻关键词的之间的第二关联度；

对确定的第一关联度求和，得到所述语音信号识别结果的准确度，并对确定的第二关联度求和，得到所述唇语识别结果的准确度；

将准确度较高的识别结果作为当前的语音识别结果。