[发明专利]多人场景下的控制方法、装置、设备及存储介质

权利要求书

1.一种应用于多人场景下的控制方法，其特征在于，包括：

通过阵列麦克风采集多个方向上的第一声音特征，并通过摄像头采集至少一个人物的第一神态特征；

根据所述多个方向上的第一声音特征和所述至少一个人物的第一神态特征，在所述至少一个人物中确定第一目标人物；

执行所述第一目标人物发出的语音命令；

通过阵列麦克风采集多个方向上的第二声音特征，并通过摄像头采集至少一个人物的第二神态特征；

根据所述多个方向上的第二声音特征和所述至少一个人物的第二神态特征，在所述至少一个人物中确定第二目标人物；

若所述第二目标人物与所述第一目标人物不同，则执行所述第二目标人物发出的语音命令。

2.根据权利要求1所述的方法，其特征在于，还包括：

若所述第二目标人物与所述第一目标人物不同，则清除所述第一目标人物发出的语音命令。

3.根据权利要求1或2所述的方法，其特征在于，所述通过阵列麦克风采集多个方向上的第二声音特征，并通过摄像头采集至少一个人物的第二神态特征，包括：

若获取到目标唤醒词，则通过阵列麦克风采集多个方向上的第二声音特征，并通过摄像头采集至少一个人物的第二神态特征。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取所述第一目标人物的标识；

显示所述第一目标人物的标识和所述第一目标人物发出的语音命令。

5.根据权利要求1所述的方法，其特征在于，所述根据所述多个方向上的第一声音特征和所述至少一个人物的第一神态特征，在所述至少一个人物中确定第一目标人物，包括：

对所述多个方向上的第一声音特征和各个人物的声音特征进行匹配，以确定当前正在讲话的所述至少一个人物；

根据所述至少一个人物的第一神态特征，在所述至少一个人物中确定第一目标人物。

6.根据权利要求5所述的方法，其特征在于，任一个人物的所述第一神态特征包括：该人物的眼神特征和\或口型特征，相应的，所述根据所述至少一个人物的第一神态特征，在所述至少一个人物中确定第一目标人物，包括：

若根据所述至少一个人物各自的眼神特征确定存在一个人物的眼神方向朝着所述摄像头，和\或，根据该人物的口型特征确定该人物正在发出语音命令，则将该人物确定为所述第一目标人物。

7.根据权利要求1所述的方法，其特征在于，还包括：

跟踪所述第一目标人物，以调整所述摄像头的方向。

8.一种应用于多人场景下的控制装置，其特征在于，包括：

第一采集模块，通过阵列麦克风采集多个方向上的第一声音特征，并通过摄像头采集至少一个人物的第一神态特征；

第一确定模块，根据所述多个方向上的第一声音特征和所述至少一个人物的第一神态特征，在所述至少一个人物中确定第一目标人物；

第一执行模块，执行所述第一目标人物发出的语音命令；

第二采集模块，用于通过阵列麦克风采集多个方向上的第二声音特征，并通过摄像头采集至少一个人物的第二神态特征；

第二确定模块，用于根据所述多个方向上的第二声音特征和所述至少一个人物的第二神态特征，在所述至少一个人物中确定第二目标人物；

第二执行模块，用于若所述第二目标人物与所述第一目标人物不同，则执行所述第二目标人物发出的语音命令。

9.根据权利要求8所述的装置，其特征在于，还包括：

清除模块，若所述第二目标人物与所述第一目标人物不同，则清除所述第一目标人物发出的语音命令。

10.根据权利要求8或9所述的装置，其特征在于，所述第二采集模块具体用于：

若获取到目标唤醒词，则通过阵列麦克风采集多个方向上的第二声音特征，并通过摄像头采集至少一个人物的第二神态特征。