[发明专利]人机交互方法、装置、计算机设备和存储介质

权利要求书

1.一种人机交互方法，所述方法包括：

检测当前输出音量，当输出音量小于预设第一阈值时，启动语音识别功能，所述检测当前输出音量包括检测输出至声音设备的电信号，获取当前输出音量；

当侦听到用户语音时，采集用户语音消息；

检测用户语音音量，并响应用户语音操作；

当用户语音音量大于预设第二阈值时，减小输出音量，返回所述检测当前输出音量的步骤；

所述检测当前输出音量之后还包括：

当输出音量大于预设第一阈值且未检测到用户人脸时，关闭语音识别功能；

所述响应用户语音操作包括：

识别当前播放图像类型，所述图像类型包括视频图像、照片图像以及语音节目；

根据预设图像类型与语音响应指令词对应关系，获取当前播放图像类型对应的支持响应指令词集；

解析所述用户语音消息，获取所述用户语音消息对应指令词；

当获取的指令词属于所述当前播放图像类型对应的支持响应指令词集时，响应用户语音操作。

2.根据权利要求1所述的方法，其特征在于，所述当所述输出音量小于预设第一阈值时，启动语音识别功能包括：

当所述输出音量小于预设第一阈值且检测到人脸时，启动语音识别功能。

3.根据权利要求2所述的方法，其特征在于，所述当所述输出音量小于预设第一阈值且检测到人脸时，启动语音识别功能的步骤包括：

当所述输出音量小于预设第一阈值时，启动人脸头部姿态检测；

当检测到正脸时，启动语音识别功能。

4.根据权利要求2所述的方法，其特征在于，所述当所述输出音量小于预设第一阈值且检测到人脸时，启动语音识别功能的步骤包括：

当所述输出音量小于预设第一阈值时，获取用户与设备处于相对正视状态下的正视图像数据；

实时采集用户当前图像数据，将当前采集的图像数据与所述正视图像数据比较；

当所述当前采集的图像数据和所述正视图像数据一致时，判定用户与设备处于相对正视状态，启动语音识别功能。

5.根据权利要求1所述的方法，其特征在于，还包括：

当获取的指令词不属于所述当前播放图像类型对应的支持响应指令词集时，不响应用户语音操作。

6.一种人机交互装置，其特征在于，所述装置包括：

输出音量检测模块，用于检测当前输出音量，当输出音量小于预设第一阈值时，启动语音识别功能，所述检测当前输出音量包括检测输出至声音设备的电信号，获取当前输出音量；

侦听模块，用于当侦听到用户语音时，采集用户语音消息；

响应模块，用于检测用户语音音量，并响应用户语音操作；

音量调节模块，用于当用户语音音量大于预设第二阈值时，减小输出音量，控制输出音量检测模块重新执行所述检测当前输出音量的操作；

输出音量检测模块还用于当输出音量大于预设第一阈值且未检测到用户人脸时，关闭语音识别功能；

所述响应用户语音操作包括：识别当前播放图像类型，所述图像类型包括视频图像、照片图像以及语音节目；根据预设图像类型与语音响应指令词对应关系，获取当前播放图像类型对应的支持响应指令词集；解析所述用户语音消息，获取所述用户语音消息对应指令词；当获取的指令词属于所述当前播放图像类型对应的支持响应指令词集时，响应用户语音操作。

7.根据权利要求6所述的装置，其特征在于，所述输出音量检测模块还用于当输出音量小于预设第一阈值且检测到人脸时，启动语音识别功能。

8.根据权利要求6所述的装置，其特征在于，所述输出音量检测模块还用于当所述输出音量小于预设第一阈值时，启动人脸头部姿态检测；当检测到正脸时，启动语音识别功能。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。