[发明专利]一种提高车载语音助手识别准确率的方法及系统

说明书

本发明提供一种提高车载语音助手识别准确率的方法及系统，通过融合麦克风和摄像头，系统接受到语音助手的指令后，对比同时间段的驾驶员和乘客的嘴巴开合情况，脸部表情，当图像相关特征符合一定程度时，则判断语音指令有效，并识别语音指令的发出者身份，和位置，从而提高语音助手的识别准确率。

技术领域

本发明涉及车载终端控制技术领域，尤其是涉及一种提高车载语音助手识别准确率的方法及系统。

背景技术

随着汽车工业的快速发展，汽车普及率显著提高，汽车内技术也越来越成熟，并逐渐往智能化，无人化方向发展。车载语音助手也是当前汽车技术的非常重要的一部分，通过车载语音助手，驾驶员或乘客只需要通过声音，即可向车载娱乐系统传输指令，如播放某某歌曲，查询某地方路线，调节声音大小等，当系统收到指令后，执行用户的个性化操作，从而达到一个更加舒适的驾乘体验。目前行业内的语音助手，大部分是以麦克风为获取语音信息的唯一传感器，有单麦克风方案，双麦克风方案，四麦克风方案等，语音助手智能技术，目前在消费类行业应用较为广泛，技术也比较成熟，然而在行驶的汽车或一些比较嘈杂的场景中，语音的识别准确率有时候也受到较大的影响，系统可能无法准确识别有用的语音指令；另外，如果车内其他乘客也想通过语音助手来调整系统设置，单靠麦克风很难识别语音指令的发出者的身份，位置等情况，容易受到其他杂音的干扰，导致系统出现误触发情况出现，甚至受到黑客通过语音控制方式控制系统。

其中，专利号为201910072525.9公开了一种提高语音识别准确性的方法、电子设备及存储介质，具体公开了一种提高语音识别准确性的方法，主要应用于消费类的应用场景，通过声音采集设备获取语音信息，通过摄像头图像传感器获取口型识别信息，系统将语音信息和口型识别信息对比，通过二选一的方式来选择其中一种指令数据，然而该系统需要提前采集语音指令数据，口型数据，只对比数据库里面的信息，数据库外的对象无法发出语音指令，另外该系统根据自己定义的识别率，来选择其他一种判断结果，单一的判断，依然存在较高的错误率，误测率等，并没很有效的提高语音准确率。

发明内容

针对上述技术问题，本发明提出一种提高车载语音助手识别准确率的方法及系统，将麦克风和摄像头进行融合，即将视频信息和声音信息进行融合，从视频中的人物特征判断语言指令采集端所采集的语言指令的真实性，进而保障语言指令的准确性。

具体的，本发明所述的方法包括以下步骤：

S1：启动系统正常运行；

S2：当接收到语言指令时，记录此时语言指令的时间段T1；

S3：调取所述时间段T1对应的图像数据信息；

S4：通过分析所述图像数据信息，判断所述语言指令与所述图像数据信息的一致性是否大于预设值，所述预设值优选设置为80%。若大于，则转S5；否则，则转S6；

S5：所述语言指令有效，执行所述语言指令对应的指令程序；并反馈指令发出者的信息；

S6：询问是否要执行特定指令，若是，转S5；否则，转S2。

其中，通过车载麦克风终端采集所述语言指令，并进行记录此时语言指令的时间段T1，将所述时间段T1反馈至系统控制器端。

所述图像数据信息至少包括视频，时间戳。

所述S3还包括：所述系统控制器端获取图像数据信息采集是实时数据，并分析驾驶员或者乘客的脸部姿态和口部变化，识别出对应控制指令信息，同时判断所述控制指令信息与所述语言指令是否一致。

其中，所述指令发出者的信息至少包括指令发出者的身份和位置。

作为另一优选的，本发明还提高一种提高车载语音助手识别准确率的系统，包括：

至少1个摄像头模组，用于实时采集车内的图像数据信息；

至少1个车载麦克风终端，用于采集所述语言指令，并进行记录此时语言指令的时间段T1，将所述时间段T1反馈至系统控制器端；