[发明专利]麦克风阵列拾音方法和装置

说明书

本发明公开一种麦克风阵列拾音方法和装置。该麦克风阵列拾音方法包括：采用全景视频进行人脸识别，捕获授权人的面部，获取授权人面部的方位信息；根据权人面部的方位信息，进行波束成形；采用波束成形的麦克风阵列进行拾音。本发明通过视频识别降低波束形成的难度，解决鸡尾酒会效应下语音识别的难题，实现了高指向性拾音。

技术领域

本发明涉及语音识别领域，特别涉及一种麦克风阵列拾音方法和装置。

背景技术

目前智能家庭语音接入是智能家庭的热点。

人的听觉系统可以在嘈杂的多个讲话者的环境中区分和跟踪自己感兴趣的语音信号，并分辨出自己所需要的声音，这种分辨能力是人体内部语音理解机理所特有的一种感知能力，也就是人类的语音分离的能力，称为“鸡尾酒会效应”。

当前的语音识别系统对纯净语音能够达到很高的识别率，但是当语音被噪声污染时，系统性能会急剧下降。

发明内容

鉴于以上技术问题，本发明提供了一种麦克风阵列拾音方法和装置，通过视频识别降低波束形成的难度，实现了高指向性拾音。

根据本发明的一个方面，提供一种麦克风阵列拾音方法，包括：

采用全景视频进行人脸识别，捕获授权人的面部，获取授权人面部的方位信息；

根据权人面部的方位信息，进行波束成形；

采用波束成形的麦克风阵列进行拾音。

在本发明的一个实施例中，所述采用波束成形的麦克风阵列进行拾音包括：

根据波束形成分离信号，仅拾取授权人面部方位的声音信号。

在本发明的一个实施例中，所述方法还包括：

利用人脸识别和声纹识别进行联合鉴权。

在本发明的一个实施例中，所述利用人脸识别和声纹识别进行联合鉴权包括：

利用人脸识别确认授权人；

利用声纹识别授权人发出的关键字，以进一步确认授权人。

在本发明的一个实施例中，在联合鉴权通过后，所述方法还包括：

提取授权人发送的控制指令；

对所述控制指令进行解析，并根据解析后的控制指令完成相应的控制行为。

根据本发明的另一方面，提供一种麦克风阵列拾音装置，包括：

人脸识别模块，用于采用全景视频进行人脸识别，捕获授权人的面部，获取授权人面部的方位信息；

波束成形模块，用于根据权人面部的方位信息，进行波束成形；

拾音模块，用于采用波束成形的麦克风阵列进行拾音。

在本发明的一个实施例中，拾音模块用于根据波束形成分离信号，仅拾取授权人面部方位的声音信号。

在本发明的一个实施例中，麦克风阵列拾音装置利用人脸识别和声纹识别进行联合鉴权。

在本发明的一个实施例中，所述装置还包括：

人脸识别模块用于利用人脸识别确认授权人；

声纹识别模块，用于利用声纹识别授权人发出的关键字，以进一步确认授权人。

在本发明的一个实施例中，所述装置还包括：

声控模块，用于在联合鉴权通过后，提取授权人发送的控制指令；对所述控制指令进行解析，并根据解析后的控制指令完成相应的控制行为。