龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：深圳市万屏时代科技有限公司
申请日：2024-04-24
公开（公告）日：2024-06-25
公开（公告）号：CN118098238B
主分类号：G10L15/25
分类号：G10L15/25;G10L15/06
优先权：
专利状态码：有效-授权
法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开
摘要：本申请提供了一种基于唇动语言识别的降噪处理方法及装置，持续通过视觉系统和麦克风阵列共同采集音视频数据；检测到音视频数据对应的图像序列中，在第一位置预设范围内的区域存在两个以上唇动者时，利用第一唇语识别算法识别出各不同唇动者的唇语对应的第二文本；其中，所述第一唇语识别算法为二分类的唇语识别算法；将各不同唇动者的唇语对应的第二文本和语音唤醒信号对应的第一文本进行对比，将对比结果为相对应的唇动者确定为交互者；对麦克风阵列采集到的交互者的语音信号进行语言识别，以便实现语音交互。能够在允许优化唇语识别算法准确率的情况下，同时加快结合唇语识别从多人同时说话场景中确定出交互者的速度。
主权项：1.一种基于唇动语言识别的降噪处理方法，应用于语音交互设备，所述语音交互设备包括视觉系统和麦克风阵列，其特征在于，所述方法包括：持续通过视觉系统和麦克风阵列共同采集音视频数据；从音视频数据中检测到语音唤醒信号时，基于声源定位算法确定所述语音唤醒信号的声源所在的第一位置；所述语音唤醒信号对应第一文本；检测到音视频数据对应的图像序列中，在第一位置预设范围内的区域存在两个以上唇动者时，利用第一唇语识别算法识别出各不同唇动者的唇语对应的第二文本；其中，所述第一唇语识别算法为二分类的唇语识别算法；所述二分类的唇语识别算法为将包含唇语的图像序列分类成两个预定义类别的算法；将各不同唇动者的唇语对应的第二文本和语音唤醒信号对应的第一文本进行对比，将对比结果为相对应的唇动者确定为交互者；基于视觉系统实时跟踪定位交互者所在的第二位置，并基于所述第二位置实时调整麦克风阵列的指向性，以使得所述麦克风阵列波束响应的主瓣指向第二位置；对麦克风阵列采集到的交互者的语音信号进行语言识别，以便实现语音交互。
全文数据：
权利要求：
百度查询： 深圳市万屏时代科技有限公司 基于唇动语言识别的降噪处理方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号