CN108989551A - 位置提示方法、装置、存储介质及电子设备 - Google Patents
位置提示方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN108989551A CN108989551A CN201810682024.8A CN201810682024A CN108989551A CN 108989551 A CN108989551 A CN 108989551A CN 201810682024 A CN201810682024 A CN 201810682024A CN 108989551 A CN108989551 A CN 108989551A
- Authority
- CN
- China
- Prior art keywords
- electronic equipment
- realtime graphic
- position indicating
- voice signal
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000001755 vocal effect Effects 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 55
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 230000005611 electricity Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/74—Details of telephonic subscriber devices with voice recognition means
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Telephone Function (AREA)
Abstract
本申请实施例公开了一种位置提示方法、装置、存储介质及电子设备，其中，可以侦测当前是否发生位置变化，若是则获取当前位置的实时图像。对获取到的实时图像进行物体识别，得到物体信息。采集外部环境中的语音信号，并获取语音信号包括的待执行指令。在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。本申请能够在用户无法找到电子设备时，根据当前所在位置处物体的物体信息，对用户进行位置提示，能够帮助用户回想出上一次使用电子设备的位置，从而更好的引导用户找到电子设备，提高了电子设备被找到的概率。
Description
技术领域
本申请涉及电子设备技术领域，具体涉及一种位置提示方法、装置、存储介质及电子设备。
背景技术
目前，随着技术的发展，人机之间的交互方式变得越来越丰富。相关技术中，用户可以通过语音对手机、平板电脑等电子设备进行控制，即电子设备在接收到用户发出的语音信号后，可以根据该语音信号执行对应的操作。比如，在用户找不到电子设备时，电子设备可以根据用户的语音信号以响铃的方式进行位置提示，引导用户找到电子设备，但是，并不是所有用户均能够做到听声辨位。
发明内容
本申请实施例提供了一种位置提示方法、装置、存储介质及电子设备，能够提高电子设备被找到的概率。
第一方面，本申请实施例提供了一种位置提示方法，该位置提示方法包括：
侦测当前是否发生位置变化，若是则获取当前位置的实时图像；
对所述实时图像进行物体识别，得到物体信息；
采集外部环境中的语音信号，并获取所述语音信号包括的待执行指令；
若所述待执行指令为用于触发位置提示的指令，则根据所述物体信息生成位置提示信息，并以语音的方式输出所述位置提示信息。
第二方面，本申请实施例提供了一种位置提示装置，该位置提示装置包括：
图像获取模块，用于侦测当前是否发生位置变化，若是则获取当前位置的实时图像；
物体识别模块，用于对所述实时图像进行物体识别，得到物体信息；
指令获取模块，用于采集外部环境中的语音信号，并获取所述语音信号包括的待执行指令；
位置提示模块，用于在所述待执行指令为用于触发位置提示的指令时，根据所述物体信息生成位置提示信息，并以语音的方式输出所述位置提示信息。
第三方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请实施例提供的位置提示方法中的步骤。
第四方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请实施例提供的位置提示方法中的步骤。
本申请实施例中的电子设备，可以侦测当前是否发生位置变化，若是则获取当前位置的实时图像。对获取到的实时图像进行物体识别，得到物体信息。采集外部环境中的语音信号，并获取语音信号包括的待执行指令。在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。本申请能够在用户无法找到电子设备时，根据当前所在位置处物体的物体信息，对用户进行位置提示，能够帮助用户回想出上一次使用电子设备的位置，从而更好的引导用户找到电子设备，提高了电子设备被找到的概率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的位置提示方法的一流程示意图。
图2是本申请实施例中电子设备所在位置的一示意图。
图3是本申请实施例中电子设备输出位置提示信息的示意图。
图4是本申请实施例提供的位置提示方法的另一流程示意图。
图5是本申请实施例中电子设备所在位置的另一示意图。
图6是本申请实施例提供的位置提示装置的一结构示意图。
图7是本申请实施例提供的电子设备的一结构示意图。
图8是本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“模块”可看做为在该运算***上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算***上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种位置提示方法，该位置提示方法的执行主体可以是本申请实施例提供的位置提示装置，或者集成了该位置提示装置的电子设备，其中该位置提示装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。
请参照图1，图1为本申请实施例提供的位置提示方法的流程示意图。如图1所示，本申请实施例提供的位置提示方法的流程可以如下：
101、侦测当前是否发生位置变化，若是则获取当前位置的实时图像。
本申请实施例中，电子设备可以实时获取位置信息，并根据获取到的位置信息来识别当前是否发生位置变化，比如，电子设备可以将当前获取到的位置信息与之前获取到的位置信息进行比较，若两个位置信息不同，则判定当前发生了位置变化；又比如，电子设备可以计算当前获取到的位置信息与之前获取到的位置信息之间的距离值，并判断该距离值是否大于预设距离值(该预设距离值可由本领域技术人员根据实际需要取合适值，本申请实施例对此不做具体限制，比如，可以设置为1米，也即是电子设备的移动距离超过一米时，才判定发生位置变化)，若是则判定当前发生了位置变化。在侦测到当前发生位置变化时，电子设备通过摄像头进行拍摄，以拍摄得到的当前位置的实时图像。
其中，在获取位置信息时，电子设备首先判定当前是处于室外环境，还是处于室内环境，比如，电子设备可以根据接收到卫星定位信号的强度大小来识别当前处于室外环境，还是处于室内环境，若接收到的卫星定位信号强度低于预设阈值时，则判定处于室内环境，若接收到的卫星定位信号强度高于或等于预设阈值时，则判定处于室外环境。相应的，在判定处于室外环境时，电子设备可以采用卫星定位技术来获取位置信息，在判定处于室内环境时，电子设备可以采用室内定位技术来获取位置信息。
102、对获取到的实时图像进行物体识别，得到物体信息。
在获取到当前位置的实时图像之后，电子设备可以采用预设物体识别技术对获取到的实时图像进行物体识别，得到物体信息，需要说明的是，本申请实施例对于采用何种物体识别技术用作对前述实时图像进行物体识别的预设物体识别技术，不做具体限制，可由本领域技术人员根据实际需要进行选择。比如，电子设备可以通过预训练的图像语义分割模型对前述实时图像进行识别，得到前述实时图像中存在的物体的物体信息。
其中，物体信息可以包括物体的种类、颜色，或者其它能够描述物体特征的信息。比如，请参照图2，用户手持电子设备由某处移动到图示的当前位置，并坐在图4所示椅子上使用电子设备，此时，电子设备将判定当前发生了位置变化，此时获取到当前位置的实时图像，即拍摄到图示桌面的图像，该实时图像包括一个黑色的电话机，对该实时图像进行物体识别，得的物体信息为：种类“电话机”、颜色“黑色”。
103、采集外部环境中的语音信号，并获取语音信号包括的待执行指令。
需要说明的是，电子设备可以通过多种不同方式来采集外部环境中的语音信号，比如，在电子设备未外接麦克风时，电子设备可以通过内置的麦克风对外部环境中的语音进行采集，得到语音信号；又比如，在电子设备外接有麦克风时，电子设备可以通过外接的麦克风对外部环境中的语音进行采集，得到语音信号。
其中，电子设备在通过麦克风(此处的麦克风可以是内置麦克风，也可以是外接麦克风)采集外部环境中的语音信号时，若麦克风为模拟麦克风，将采集到模拟的语音信号，此时电子设备需要对模拟的语音信号进行采样，以将模拟的语音信号转换为数字化的语音信号，比如，可以16KHz的采样频率进行采样；此外，若麦克风为数字麦克风，则电子设备将通过数字麦克风直接采集到数字化的语音信号，无需进行转换。
在获取前述语音信号所包括的待执行指令时，电子设备首先判断本地是否存在语音解析引擎，若存在，则电子设备将前述语音信号输入到本地的语音解析引擎进行语音解析，得到语音解析文本。其中，对语音信号进行语音解析，也即是将语音信号由“音频”向“文字”的转换过程。
此外，在本地存在多个语音解析引擎时，电子设备可以按照以下方式从多个语音解析引擎中选取一个语音解析引擎对语音信号进行语音解析：
其一，电子设备可以从本地的多个语音解析引擎中随机选取一个语音解析引擎，对前述语音信号进行语音解析。
其二，电子设备可以从多个语音解析引擎中选取解析成功率最高的语音解析引擎，对前述语音信号进行语音解析。
其三，电子设备可以从多个语音解析引擎中选取解析时长最短的语音解析引擎，对前述语音信号进行语音解析。
其四，电子设备还可以从多个语音解析引擎中，选取解析成功率达到预设成功率、且解析时长最短的语音解析引擎对前述语音信号进行语音解析。
需要说明的是，本领域技术人员还可以按照以上未列出的方式进行语音解析引擎的选取，或者可以结合多个语音解析引擎对前述语音信号进行语音解析，比如，电子设备可以同时通过两个语音解析引擎对前述语音信号进行语音解析，并在两个语音解析引擎得到的语音解析文本相同时，将该相同的语音解析文本作为前述语音信号的语音解析文本；又比如，电子设备可以通过至少三个语音解析引擎对前述语音信号进行语音解析，并在其中至少两个语音解析引擎得到的语音解析文本相同时，将该相同的语音解析文本作为前述语音信号的语音解析文本。
在解析得到前述语音信号的语音解析文本之后，电子设备进一步从该语音解析文本中获取前述语音信号包括的待执行指令。
其中，电子设备预先存储有多个指令关键词，单个指令关键词或者多个指令关键词组合对应一个指令。在从解析得到的语音解析文本获取前述语音信号包括的待执行指令时，电子设备首先对前述语音解析文本进行分词操作，得到对应语音解析文本的词序列，该词序列中包括多个词。
在得到对应语音解析文本的词序列之后，电子设备对词序列进行指令关键词的匹配，也即是查找出词序列中的指令关键词，从而匹配得到对应的指令，将匹配得到的指令作为语音信号的待执行指令。其中，指令关键词的匹配查找包括完全匹配和/或模糊匹配。
此外，电子设备在判断本地是否存在语音解析引擎之后，若不存在，则将前述语音信号发送至服务器(该服务器为提供语音解析服务的服务器)，指示该服务器对前述语音信号进行解析，并返回解析前述语音信号所得到的语音解析文本。在接收到服务器返回的语音解析文本之后，电子设备即可从该语音解析文本中获取前述语音信号所包括的待执行指令。
104、在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。
本申请实施例中，电子设备在得到前述语音信号包括待执行指令之后，识别待执行指令是否为用于触发位置提示的指令，其中，用于触发位置提示的指令可根据机主的输入数据进行设置，若识别到待执行指令为用于触发位置提示的指令，则判定前述语音信号的发音者为机主。比如，机主设置指令关键词组合“小欧”+“你”+“在哪儿”为用于触发位置提示的指令，这样，当机主无法找到电子设备时，则可以说出“小欧你在哪儿”，相应的，当电子设备接收到语音信号“小欧你在哪儿”时，电子设备将判定语音信号“小欧你在哪儿”的发音者为机主，且语音信号“小欧你在哪儿”包括的待执行指令为用于触发位置提示的指令。
基于以上描述，本领域技术人员任意理解的是，由于电子设备在位置发生变化时，才获取所在位置的实时图像，并对实时图像进行物体识别，得到物体信息，若在上一次发生位置变化后，接收用于处于进行位置提示的语音信号，则说明机主无法找到电子设备，而电子设备所在位置即上一次发生位置变化的位置，也即是前述的“当前位置”，且“前述物体信息”可以反映前述“当前位置”。因此，电子设备在识别到前述语音信号包括的待执行指令为用于触发位置提示的指令时，进一步根据前述物体信息生成位置提示信息，以对其所在位置进行位置提示，这样，机主便可以回想出上一次使用电子设备的“当前位置”，从而找到电子设备。
其中，电子设备在生成位置提示信息时，可以将识别得到的物体信息与预设信息(可由本领域技术人员根据实际需要进行设置，本申请实施例对此不做具体限制)进行拼接，将得到的拼接信息作为位置提示信息。
比如，假设预设信息为“主人主人，我附近有”，假设获取到的物体信息为：种类“电话机”、颜色“黑色”，电子设备按照预设信息+颜色信息+种类信息的形式进行位置提示信息的拼接，得到位置提示信息为“主人主人，我附近有黑色的电话机”，如图3所示。
由上可知，本申请实施例中的电子设备，可以侦测当前是否发生位置变化，若是则获取当前位置的实时图像。对获取到的实时图像进行物体识别，得到物体信息。采集外部环境中的语音信号，并获取语音信号包括的待执行指令。在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。本申请能够在用户无法找到电子设备时，根据当前所在位置处物体的物体信息，对用户进行位置提示，能够帮助用户回想出上一次使用电子设备的位置，从而更好的引导用户找到电子设备，提高了电子设备被找到的概率。
请参照图4，图4为本申请实施例提供的位置提示方法的另一流程示意图，如图4所示，该位置提示方法可以包括：
201、侦测当前是否发生位置变化，若是则获取当前位置的实时图像。
本申请实施例中，电子设备可以实时获取位置信息，并根据获取到的位置信息来识别当前是否发生位置变化，比如，电子设备可以将当前获取到的位置信息与之前获取到的位置信息进行比较，若两个位置信息不同，则判定当前发生了位置变化；又比如，电子设备可以计算当前获取到的位置信息与之前获取到的位置信息之间的距离值，并判断该距离值是否大于预设距离值(该预设距离值可由本领域技术人员根据实际需要取合适值，本申请实施例对此不做具体限制，比如，可以设置为1米，也即是电子设备的移动距离超过一米时，才判定发生位置变化)，若是则判定当前发生了位置变化。在侦测到当前发生位置变化时，电子设备通过摄像头进行拍摄，以拍摄得到的当前位置的实时图像。
其中，在获取位置信息时，电子设备首先判定当前是处于室外环境，还是处于室内环境，比如，电子设备可以根据接收到卫星定位信号的强度大小来识别当前处于室外环境，还是处于室内环境，若接收到的卫星定位信号强度低于预设阈值时，则判定处于室内环境，若接收到的卫星定位信号强度高于或等于预设阈值时，则判定处于室外环境。相应的，在判定处于室外环境时，电子设备可以采用卫星定位技术来获取位置信息，在判定处于室内环境时，电子设备可以采用室内定位技术来获取位置信息。
202、确定获取到的实时图像中的显著性区域。
容易理解的是，前述实时图像中存在多个物体的可能，而完成对全部物体的识别，需要耗费不短的时间，而且，也不是每一个物体都会被用户注意到。比如，请参照图5，用户手持电子设备由某处移动到图示的当前位置，并坐在图4所示椅子上使用电子设备，此时，电子设备将判定当前发生了位置变化，此时获取到当前位置的实时图像，即拍摄到图示桌面的图像，该实时图像包括一个黑色的电话机，以及物体1和物体2。
因此，为提升物体识别的效率，电子设备在获取到前述实时图像之后，首先对前述实时图像进行显著性区域(通俗点说，即可能被注意到的区域)进行识别，确定前述实时图像中的显著性区域，以对显著性区域进行物体识别。
其中，电子设备可以通过预训练的识别模型来识别前述实时图像中的显著性区域。其中，识别模型为机器学习算法，机器学习算法可以通过不断特征学习来学习到图片中的哪些物体的显著性更高，也即是学习如何识别图像中的显著性区域，例如普遍认为人物、动物要比天空、草地以及建筑物的显著性更高。
此外，电子设备还可以通过关键区域聚焦法等来识别前述实时图像中的显著性区域，本申请实施例对此不做具体限制。
203、对前述实时图像中的显著性区域进行物体识别。
本申请实施例中，电子设备在确定前述实时图像中的显著性区域进行物体识别，识别得到的物体信息将反映实时图像中容易被用户注意到的物体，换言之，也即是容易帮助用户回想起上一次使用位置(即电子设备的“当前位置”)的物体。
其中，电子设备可以采用预设物体识别技术对前述实时图像中的显著性区域进行物体识别，得到物体信息。需要说明的是，本申请实施例对于采用何种物体识别技术用作对前述实时图像进行物体识别的预设物体识别技术，不做具体限制，可由本领域技术人员根据实际需要进行选择。比如，电子设备可以通过预训练的图像语义分割模型对前述实时图像进行识别，得到前述实时图像的显著性区域中存在的物体的物体信息。
此外，物体信息可以包括物体的种类、颜色，或者其它能够描述物体特征的信息。比如，在用户手持电子设备由某处移动到当前位置(假设当前位置存在一个黑色的电话机)时，相应的，电子设备将判定当前发生了位置变化，此时获取到当前位置的实时图像，并对该实时图像进行物体识别，得的物体信息为：种类“电话机”、颜色“黑色”。
204、采集外部环境中的带噪语音信号，并获取对应带噪语音信号的历史噪声信号。
容易理解的是，环境中存在各种各样的噪声，比如，办公室中存在电脑运行产生的噪声，敲击键盘产生的噪声等。那么，电子设备在进行语音信号的采集时，显然难以采集到纯净的语音信号。
相应的，当电子设备处于嘈杂的环境中时，若用户发出语音信号，电子设备将采集到外部环境中的带噪语音信号，该带噪语音信号由用户发出的语音信号和外部环境中的噪声信号组合形成，若用户未发出语音信号，电子设备将仅采集到外部环境中的噪声信号。其中，电子设备将缓存采集到的带噪语音信号和噪声信号。
本申请实施例中，电子设备在采集到外部环境中的带噪语音信号时，以带噪语音信号的起始时刻为结束时刻，获取接收到带噪语音信号之前采集的、预设时长(该预设时长可由本领域技术人员根据实际需要取合适值，本申请实施例对此不做具体限制，比如，可以设置为500ms)的历史噪声信号，将该噪声信号作为对应带噪语音信号的历史噪声信号。
比如，预设时长被配置为500毫秒，带噪语音信号的起始时刻为2018年06月20日18时24分56秒又500毫秒，则电子设备获取2018年06月20日18时24分56秒至2018年06月20日18时24分56秒又500毫秒期间缓存的、时长为500毫秒的噪声信号，将该噪声信号作为对应带噪语音信号的历史噪声信号。
205、根据历史噪声信号，获取带噪语音信号采集期间的噪声信号。
电子设备在获取到对应带噪语音信号的历史噪声信号之后，根据获取到的历史噪声信号，进一步获取到带噪语音信号采集期间的噪声信号。
比如，电子设备可以根据获取到的历史噪声信号，来预测带噪语音信号采集期间的噪声分布，从而得到带噪语音信号采集期间的噪声信号。
又比如，考虑到噪声的稳定性，连续时间内的噪声变化通常较小，电子设备可以将获取到历史噪声信号作为带噪语音信号采集期间的噪声信号，其中，若历史噪声信号的时长大于带噪语音信号的时长，则可以从历史噪声信号中截取与带噪语音信号相同时长的噪声信号，作为带噪语音信号采集期间的噪声信号；若历史噪声信号的时长小于带噪语音信号的时长，则可以对历史噪声信号进行复制，拼接多个历史噪声信号以得到与带噪语音信号相同时长的噪声信号，作为带噪语音信号采集期间的噪声信号。
206、将噪声信号与带噪语音信号进行反相位叠加，并将叠加得到的降噪语音信号作为待处理的语音信号。
在获取到带噪语音信号采集期间的噪声信号之后，电子设备首先对获取到的噪声信号进行反相处理，再将反相处理后的噪声信号与带噪语音信号进行叠加，以消除带噪语音信号中的噪声部分，得到降噪语音信号，并将得到的该降噪语音信号作为待处理的语音信号，用作后续处理。
207、获取前述语音信号包括的待执行指令。
在获取前述语音信号所包括的待执行指令时，电子设备首先判断本地是否存在语音解析引擎，若存在，则电子设备将前述语音信号输入到本地的语音解析引擎进行语音解析，得到语音解析文本。其中，对语音信号进行语音解析，也即是将语音信号由“音频”向“文字”的转换过程。在解析得到前述语音信号的语音解析文本之后，电子设备进一步从该语音解析文本中获取前述语音信号包括的待执行指令。
其中，电子设备预先存储有多个指令关键词，单个指令关键词或者多个指令关键词组合对应一个指令。在从解析得到的语音解析文本获取前述语音信号包括的待执行指令时，电子设备首先对前述语音解析文本进行分词操作，得到对应语音解析文本的词序列，该词序列中包括多个词。
在得到对应语音解析文本的词序列之后，电子设备对词序列进行指令关键词的匹配，也即是查找出词序列中的指令关键词，从而匹配得到对应的指令，将匹配得到的指令作为语音信号的待执行指令。其中，指令关键词的匹配查找包括完全匹配和/或模糊匹配。
此外，电子设备在判断本地是否存在语音解析引擎之后，若不存在，则将前述语音信号发送至服务器(该服务器为提供语音解析服务的服务器)，指示该服务器对前述语音信号进行解析，并返回解析前述语音信号所得到的语音解析文本。在接收到服务器返回的语音解析文本之后，电子设备即可从该语音解析文本中获取前述语音信号所包括的待执行指令。
208、在获取到的待执行指令为用于触发位置提示的指令时，根据前述物体信息生成位置提示信息，并以语音的方式输出生成的位置提示信息。
本申请实施例中，电子设备在得到前述语音信号包括待执行指令之后，识别待执行指令是否为用于触发位置提示的指令，其中，用于触发位置提示的指令可根据机主的输入数据进行设置，若识别到待执行指令为用于触发位置提示的指令，则判定前述语音信号的发音者为机主。比如，机主设置指令关键词组合“小欧”+“你”+“在哪儿”为用于触发位置提示的指令，这样，当机主无法找到电子设备时，则可以说出“小欧你在哪儿”，相应的，当电子设备接收到语音信号“小欧你在哪儿”时，电子设备将判定语音信号“小欧你在哪儿”的发音者为机主，且语音信号“小欧你在哪儿”包括的待执行指令为用于触发位置提示的指令。
基于以上描述，本领域技术人员任意理解的是，由于电子设备在位置发生变化时，才获取所在位置的实时图像，并对实时图像进行物体识别，得到物体信息，若在上一次发生位置变化后，接收用于处于进行位置提示的语音信号，则说明机主无法找到电子设备，而电子设备所在位置即上一次发生位置变化的位置，也即是前述的“当前位置”，且“前述物体信息”可以反映前述“当前位置”。因此，电子设备在识别到前述语音信号包括的待执行指令为用于触发位置提示的指令时，进一步根据前述物体信息生成位置提示信息，以对其所在位置进行位置提示，这样，机主便可以回想出上一次使用电子设备的“当前位置”，从而找到电子设备。
其中，电子设备在生成位置提示信息时，可以将识别得到的物体信息与预设信息(可由本领域技术人员根据实际需要进行设置，本申请实施例对此不做具体限制)进行拼接，将得到的拼接信息作为位置提示信息。
比如，假设预设信息为“主人主人，我附近有”，假设获取到的物体信息为：种类“电话机”、颜色“黑色”，电子设备按照预设信息+颜色信息+种类信息的形式进行位置提示信息的拼接，得到位置提示信息为“主人主人，我附近有黑色的电话机”，如图3所示。
在一实施方式中，“确定获取到的实时图像中的显著性区域”包括：
(1)调用预训练的神经网络，并通过该神经网络获取前述实时图像的图像梯度；
(2)根据获取到的图像梯度生成对应前述实时图像的待处理图像；
(3)对前述待处理图像进行二值化处理，得到二值化待处理图像；
(4)根据二值化待处理图像中的连通区域，得到前述实时图像的显著性区域。
其中，电子设备首先对前述实时图像进行预处理，比如将前述实时图像按照256x256像素进行大小归一化处理，然后将预处理后的实时图像输入到预训练的神经网络，通过该神经网络计算得到预处理后的实时图像的图像梯度。
在得到前述实时图像的图像梯度之后，进一步根据该图像梯度在不同颜色通道(比如，R通道、B通道以及G通道)上的最大绝对值，生成对应前述实时图像的待处理图像，该待处理图像能够在一定程度上反映前述实时图像的显著性区域。
在得到对应前述实时图像的待处理图像之后，电子设备对待处理图像进行二值化处理，得到二值化待处理图像。其中，此处对于采用何种方式对待处理图像进行二值化处理不做具体限制，比如，可以采用最大类间方差法。
在得到二值化待处理图像之后，电子设备进一步确定出二值化待处理图像中的连通区域，然后根据确定出的连通区域，得到前述实时图像的显著性区域。比如，电子设备从待处理图像中确定出一个连通区域，则可以直接将该连通区域作为前述实时图像的显著性区域。又比如，电子设备从待处理图像中确定出多个连通区域，则可以直接将确定出的多个连通区域作为前述实时图像中的多个显著性区域。
在一实施方式中，“根据前述二值化待处理图像中的连通区域，得到前述实时图像的显著性区域”包括：
在前述二值化待处理图像中存在多个连通区域时，从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域。
其中，电子设备在确定出二值化待处理图像中的连通区域之后，若二值化待处理图像中存在多个连通区域，则从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域。其中，对于按照何种方式选取作为显著性区域的连通区域，本申请实施例不做具体限制，比如，电子设备可以按照随机选取的方式，确定出的多个连通区域中，随机选取一个连通区域作为前述实时图像的显著性区域。
在一实施方式中，“从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域”包括：
从前述多个连通区域中，选取面积最大的连通区域作为前述实时图像的显著性区域。
其中，连通区域的面积大小即其对应物体的大小，面积越大，其对应的物体越容易被注意到。因此，电子设备可以从前述多个连通区域中，选取面积最大的连通区域作为前述实时图像的显著性区域，这样，在对该显著性区域进行物体识别时，识别得到的物体信息将反映实时图像中最容易被用户注意到的物体，由此可以更好的帮助用户回想起上一次使用电子设备的位置(即电子设备的“当前位置”)。
在一实施方式中，“获取前述语音信号包括的待执行指令”之前，还包括：
(1)获取前述语音信号的声纹特征，并对获取到的声纹特征进行验证；
(2)在前述声纹特征验证通过时，获取前述语音信号包括的待执行指令。
容易理解的是，虽然用于触发位置提示的指令由机主设置，但也无法排除该指令被他人知晓的可能。因此，电子设备还根据声纹特征对前述语音信号的发音者进行身份认证。
其中，电子设备在得到待处理的语音信号之后，进一步获取前述语音信号包括的声纹特征。其中，声纹特征包括但不限于频谱特征分量、倒频谱特征分量、共振峰特征分量、基音特征分量、反射系数特征分量、声调特征分量、语速特征分量、情绪特征分量、韵律特征分量以及节奏特征分量中的至少一种特征分量。
之后，电子设备获取前述声纹特征与预设声纹特征(预设声纹特征为机主预先录入的声纹特征)的相似度，并判断获取到的相似度是否大于或等于预设相似度(可由本领域技术人员根据实际需要进行设置)。其中，在获取到的相似度大于或等于预设相似度时，确定前述声纹特征验证通过，判定前述语音信号的发音者为机主。
其中，电子设备可以获取前述声纹特征与预设声纹特征的距离，并将获取到的距离作为前述声纹特征与预设声纹特征的相似度。需要说明的是，可由本领域技术人员根据实际需要选取任意一种特征距离(比如欧氏距离、曼哈顿距离、切比雪夫距离等等)来衡量前述声纹特征与预设声纹特征之间的距离。
比如，可以获取前述声纹特征和预设声纹特征的余弦距离，具体参照以下公式：
其中，e表示前述声纹特征和预设声纹特征的余弦距离，f表示前述声纹特征，N表示前述声纹特征和预设声纹特征的维度(前述声纹特征和预设声纹特征的维度相同)，fi表示前述声纹特征中第i维度的特征向量，gi表示预设声纹特征中第i维度的特征向量。
在一实施方式中，“根据历史噪声信号，获取带噪语音信号采集期间的噪声信号”包括：
(1)将历史噪声信号作为样本数据进行模型训练，得到噪声预测模型；
(2)根据噪声预测模型预测带噪语音信号采集期间的噪声信号。
其中，电子设备在获取到历史噪声信号之后，将该历史噪声信号作为样本数据，并按照预设训练算法进行模型训练，得到噪声预测模型。
需要说明的是，训练算法为机器学习算法，机器学习算法可以通过不断的进行特征学习来对数据进行预测，比如，电子设备可以根据历史的噪声分布来预测当前的噪声分布。其中，机器学习算法可以包括：决策树算法、回归算法、贝叶斯算法、神经网络算法(可以包括深度神经网络算法、卷积神经网络算法以及递归神经网络算法等)、聚类算法等等，对于选取何种训练算法用作预设训练算法进行模型训练，可由本领域技术人员根据实际需要进行选取。
比如，电子设备配置的预设训练算法为高斯混合模型算法(为一种回归算法)，在获取到历史噪声信号之后，将该历史噪声信号作为样本数据，并按照高斯混合模型算法进行模型训练，训练得到一个高斯混合模型(噪声预测模型包括多个高斯单元，用于描述噪声分布)，将该高斯混合模型作为噪声预测模型。之后，电子设备将带噪语音信号采集期间的开始时刻和结束时刻作为噪声预测模型的输入，输入到噪声预测模型进行处理，由噪声预测模型输出前述带噪语音信号采集期间的噪声信号。
在一实施例中，还提供了一种位置提示装置。请参照图6，图6为本申请实施例提供的位置提示装置400的结构示意图。其中该位置提示装置应用于电子设备，该位置提示装置包括图像获取模块401、物体识别模块402、指令获取模块403和位置提示模块404，如下：
图像获取模块401，用于侦测当前是否发生位置变化，若是则获取当前位置的实时图像。
物体识别模块402，用于对获取到的实时图像进行物体识别，得到物体信息。
指令获取模块403，用于采集外部环境中的语音信号，并获取语音信号包括的待执行指令。
位置提示模块404，用于在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。
在一实施方式中，物体识别模块402可以用于：
确定获取到的实时图像中的显著性区域；
对前述实时图像中的显著性区域进行物体识别。
在一实施方式中，物体识别模块402可以用于：
调用预训练的神经网络，并通过该神经网络获取前述实时图像的图像梯度；
根据获取到的图像梯度生成对应前述实时图像的待处理图像；
对前述待处理图像进行二值化处理，得到二值化待处理图像；
根据二值化待处理图像中的连通区域，得到前述实时图像的显著性区域。
在一实施方式中，物体识别模块402可以用于：
在前述二值化待处理图像中存在多个连通区域时，从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域。
在一实施方式中，物体识别模块402可以用于：
从前述多个连通区域中，选取面积最大的连通区域作为前述实时图像的显著性区域。
在一实施方式中，指令获取模块403可以用于：
在采集到外部环境中的带噪语音信号时，获取对应带噪语音信号的历史噪声信号；
根据历史噪声信号，获取带噪语音信号采集期间的噪声信号；
将噪声信号与带噪语音信号进行反相位叠加，并将叠加得到的降噪语音信号作为前述语音信号。
在一实施方式中，指令获取模块403可以用于：
将历史噪声信号作为样本数据进行模型训练，得到噪声预测模型；
根据噪声预测模型预测带噪语音信号采集期间的噪声信号。
在一实施方式中，指令获取模块403可以用于：
获取前述语音信号的声纹特征，并对获取到的声纹特征进行验证；
在前述声纹特征验证通过时，获取前述语音信号包括的待执行指令。
其中，位置提示装置400中各模块执行的步骤可以参考上述方法实施例描述的方法步骤。该位置提示装置400可以集成在电子设备中，如手机、平板电脑等。
具体实施时，以上各个模块可以作为独立的实体实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单位的具体实施可参见前面的实施例，在此不再赘述。
由上可知，本实施例的位置提示装置可以由图像获取模块401侦测当前是否发生位置变化，若是则获取当前位置的实时图像。由物体识别模块402对获取到的实时图像进行物体识别，得到物体信息。由指令获取模块403采集外部环境中的语音信号，并获取语音信号包括的待执行指令。由位置提示模块404在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。本申请能够在用户无法找到电子设备时，根据当前所在位置处物体的物体信息，对用户进行位置提示，能够帮助用户回想出上一次使用电子设备的位置，从而更好的引导用户找到电子设备，提高了电子设备被找到的概率。
在一实施例中，还提供一种电子设备。请参照图7，电子设备500包括处理器501以及存储器502。其中，处理器501与存储器502电性连接。
处理器500是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的计算机程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能并处理数据。
存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。
在本申请实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中，并由处理器501运行存储在存储器502中的计算机程序，从而实现各种功能，如下：
侦测当前是否发生位置变化，若是则获取当前位置的实时图像；
对获取到的实时图像进行物体识别，得到物体信息；
采集外部环境中的语音信号，并获取语音信号包括的待执行指令；
在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。
请一并参阅图8，在某些实施方式中，电子设备500还可以包括：显示器503、射频电路504、音频电路505以及电源506。其中，其中，显示器503、射频电路504、音频电路505以及电源506分别与处理器501电性连接。
显示器503可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器503可以包括显示面板，在某些实施方式中，可以采用液晶显示器(Liquid Crystal Display，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。
射频电路504可以用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。
音频电路505可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
电源506可以用于给电子设备500的各个部件供电。在一些实施例中，电源506可以通过电源管理***与处理器501逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管图8中未示出，电子设备500还可以包括摄像头、蓝牙模块等，在此不再赘述。
在某些实施方式中，在对获取到的实时图像进行物体识别时，处理器501可以执行以下步骤：
确定获取到的实时图像中的显著性区域；
对前述实时图像中的显著性区域进行物体识别。
在某些实施方式中，在确定获取到的实时图像中的显著性区域时，处理器501可以执行以下步骤：
调用预训练的神经网络，并通过该神经网络获取前述实时图像的图像梯度；
根据获取到的图像梯度生成对应前述实时图像的待处理图像；
对前述待处理图像进行二值化处理，得到二值化待处理图像；
根据二值化待处理图像中的连通区域，得到前述实时图像的显著性区域。
在某些实施方式中，在根据二值化待处理图像中的连通区域，得到前述实时图像的显著性区域时，处理器501可以执行以下步骤：
在前述二值化待处理图像中存在多个连通区域时，从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域。
在某些实施方式中，在从多个连通区域中，选取一个连通区域作为前述实时图像的显著性区域时，处理器501可以执行以下步骤：
从前述多个连通区域中，选取面积最大的连通区域作为前述实时图像的显著性区域。
在某些实施方式中，在采集外部环境中的语音信号时，处理器501还可以执行以下步骤：
在采集到外部环境中的带噪语音信号时，获取对应带噪语音信号的历史噪声信号；
根据历史噪声信号，获取带噪语音信号采集期间的噪声信号；
将噪声信号与带噪语音信号进行反相位叠加，并将叠加得到的降噪语音信号作为前述语音信号。
在某些实施方式中，在根据历史噪声信号，获取带噪语音信号采集期间的噪声信号时，处理器501还可以执行以下步骤：
将历史噪声信号作为样本数据进行模型训练，得到噪声预测模型；
根据噪声预测模型预测带噪语音信号采集期间的噪声信号。
本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一实施例中的位置提示方法，比如：侦测当前是否发生位置变化，若是则获取当前位置的实时图像；对获取到的实时图像进行物体识别，得到物体信息；采集外部环境中的语音信号，并获取语音信号包括的待执行指令；在待执行指令为用于触发位置提示的指令时，根据物体信息生成位置提示信息，并以语音的方式输出位置提示信息。
本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)或者随机存取器(Random Access Memory，RAM)等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
需要说明的是，对本申请实施例的位置提示方法而言，本领域普通测试人员可以理解实现本申请实施例的位置提示方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如位置提示方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的位置提示装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
以上对本申请实施例所提供的一种位置提示方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种位置提示方法，其特征在于，所述位置提示方法包括：
侦测当前是否发生位置变化，若是则获取当前位置的实时图像；
对所述实时图像进行物体识别，得到物体信息；
采集外部环境中的语音信号，并获取所述语音信号包括的待执行指令；
在所述待执行指令为用于触发位置提示的指令时，根据所述物体信息生成位置提示信息，并以语音的方式输出所述位置提示信息。
2.如权利要求1所述的位置提示方法，其特征在于，对所述实时图像进行物体识别的步骤，包括：
确定所述实时图像中的显著性区域；
对所述实时图像中的显著性区域进行物体识别。
3.如权利要求2所述的位置提示方法，特征在于，确定所述实时图像中的显著性区域的步骤，包括：
调用预训练的神经网络，并通过所述神经网络获取所述实时图像的图像梯度；
根据所述图像梯度生成生成对应所述实时图像的待处理图像；
对所述待处理图像进行二值化处理，得到二值化待处理图像；
根据所述二值化待处理图像中的连通区域，得到所述实时图像的显著性区域。
4.如权利要求3所述的位置提示方法，其特征在于，根据所述二值化待处理图像中的连通区域，得到所述实时图像的显著性区域的步骤，包括：
在所述二值化待处理图像中存在多个连通区域时，从所述多个连通区域中，选取一个连通区域作为所述显著性区域。
5.如权利要求4所述的位置提示方式，其特征在于，从所述多个连通区域中，选取一个连通区域作为所述显著性区域的步骤，包括：
从所述多个连通区域中，选取面积最大的连通区域作为所述显著性区域。
6.如权利要求1-5任一项所述的位置提示方法，其特征在于，获取所述语音信号包括的待执行指令的步骤之前，还包括：
获取所述语音信号的声纹特征，并对所述声纹特征进行验证；
在所述声纹特征验证通过时，获取所述语音信号包括的待执行指令。
7.如权利要求1-5任一项所述的位置提示方法，其特征在于，采集外部环境中的语音信号的步骤，还包括：
采集外部环境中的带噪语音信号，并获取对应所述带噪语音信号的历史噪声信号；
根据所述历史噪声信号，获取所述带噪语音信号采集期间的噪声信号；
将所述噪声信号与所述带噪语音信号进行反相位叠加，并将叠加得到的降噪语音信号作为所述语音信号。
8.一种位置提示装置，其特征在于，所述位置提示装置包括：
图像获取模块，用于侦测当前是否发生位置变化，若是则获取当前位置的实时图像；
物体识别模块，用于对所述实时图像进行物体识别，得到物体信息；
指令获取模块，用于采集外部环境中的语音信号，并获取所述语音信号包括的待执行指令；
位置提示模块，用于在所述待执行指令为用于触发位置提示的指令时，根据所述物体信息生成位置提示信息，并以语音的方式输出所述位置提示信息。
9.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至7任一项所述的位置提示方法。
10.一种电子设备，包括处理器和存储器，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至7任一项所述的位置提示方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810682024.8A CN108989551B (zh) | 2018-06-27 | 2018-06-27 | 位置提示方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810682024.8A CN108989551B (zh) | 2018-06-27 | 2018-06-27 | 位置提示方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108989551A true CN108989551A (zh) | 2018-12-11 |
| CN108989551B CN108989551B (zh) | 2020-12-01 |
Family
ID=64538627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810682024.8A Expired - Fee Related CN108989551B (zh) | 2018-06-27 | 2018-06-27 | 位置提示方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108989551B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109961045A (zh) * | 2019-03-25 | 2019-07-02 | 联想(北京)有限公司 | 一种位置信息提示方法、装置及电子设备 |
| CN111142095A (zh) * | 2020-01-16 | 2020-05-12 | 三星电子（中国）研发中心 | 一种室内定位***、方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
| CN105809695A (zh) * | 2016-03-11 | 2016-07-27 | 深圳还是威健康科技有限公司 | 一种基于可穿戴设备的终端寻找方法及装置 |
| CN106529375A (zh) * | 2015-09-11 | 2017-03-22 | 上海乐今通信技术有限公司 | 移动终端及其图像中物体特征的识别方法 |
| WO2017096761A1 (zh) * | 2015-12-10 | 2017-06-15 | 杭州海康威视数字技术股份有限公司 | 基于监控摄像机来查找目标对象的方法、装置和*** |
| CN106878535A (zh) * | 2015-12-14 | 2017-06-20 | 北京奇虎科技有限公司 | 移动终端位置的提醒方法及装置 |
-
2018
- 2018-06-27 CN CN201810682024.8A patent/CN108989551B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
| CN106529375A (zh) * | 2015-09-11 | 2017-03-22 | 上海乐今通信技术有限公司 | 移动终端及其图像中物体特征的识别方法 |
| WO2017096761A1 (zh) * | 2015-12-10 | 2017-06-15 | 杭州海康威视数字技术股份有限公司 | 基于监控摄像机来查找目标对象的方法、装置和*** |
| CN106878535A (zh) * | 2015-12-14 | 2017-06-20 | 北京奇虎科技有限公司 | 移动终端位置的提醒方法及装置 |
| CN105809695A (zh) * | 2016-03-11 | 2016-07-27 | 深圳还是威健康科技有限公司 | 一种基于可穿戴设备的终端寻找方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109961045A (zh) * | 2019-03-25 | 2019-07-02 | 联想(北京)有限公司 | 一种位置信息提示方法、装置及电子设备 |
| CN109961045B (zh) * | 2019-03-25 | 2021-10-22 | 联想(北京)有限公司 | 一种位置信息提示方法、装置及电子设备 |
| CN111142095A (zh) * | 2020-01-16 | 2020-05-12 | 三星电子（中国）研发中心 | 一种室内定位***、方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108989551B (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110853618B (zh) | 一种语种识别的方法、模型训练的方法、装置及设备 | |
| CN112259106B (zh) | 声纹识别方法、装置、存储介质及计算机设备 | |
| DE112014000709B4 (de) | Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten | |
| CN108009521A (zh) | 人脸图像匹配方法、装置、终端及存储介质 | |
| CN108962241A (zh) | 位置提示方法、装置、存储介质及电子设备 | |
| CN108806684A (zh) | 位置提示方法、装置、存储介质及电子设备 | |
| CN108305626A (zh) | 应用程序的语音控制方法和装置 | |
| CN110853617B (zh) | 一种模型训练的方法、语种识别的方法、装置及设备 | |
| CN108922525A (zh) | 语音处理方法、装置、存储介质及电子设备 | |
| CN108900965A (zh) | 位置提示方法、装置、存储介质及电子设备 | |
| CN108463849A (zh) | 确定语言模型的对话状态 | |
| CN108538311A (zh) | 音频分类方法、装置及计算机可读存储介质 | |
| JP2016502140A (ja) | 音／母音／音節境界検出のための聴覚的注意合図と音素事後確率スコアの組み合わせ | |
| CN109903773A (zh) | 音频处理方法、装置及存储介质 | |
| CN110047481A (zh) | 用于语音识别的方法和装置 | |
| CN108711429A (zh) | 电子设备及设备控制方法 | |
| CN110462647A (zh) | 电子设备及执行电子设备的功能的方法 | |
| CN112949708A (zh) | 情绪识别方法、装置、计算机设备和存储介质 | |
| CN110085217A (zh) | 语音导航方法、装置及终端设备 | |
| CN113129867A (zh) | 语音识别模型的训练方法、语音识别方法、装置和设备 | |
| CN111462755A (zh) | 信息提示方法、装置、电子设备及介质 | |
| CN108989551A (zh) | 位置提示方法、装置、存储介质及电子设备 | |
| CN114333774B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
| CN110246494A (zh) | 基于语音识别的服务请求方法、装置及计算机设备 | |
| CN109064720A (zh) | 位置提示方法、装置、存储介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201201 |