CN109343481B - 一种控制设备的方法与设备 - Google Patents

Abstract

本发明公开了一种控制设备的方法与设备，用以解决现有技术中存在的智能家居***的语音识别模型无法有效地滤除干扰信号，从而导致分析确定用户控制语音指令的精确度不高的问题。本发明实施例中，在获取用户针对智能家居设备的语音控制信号，且确定用户为智能家居设备对应的控制用户后，根据智能家居设备的语音识别模型中的噪音信号源样本和控制信号源样本，滤除语音控制信号的干扰后；再对智能家居设备进行控制。如此，即可在进行分析识别用户的语音控制指令之前，根据智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除语音控制信号的干扰，进而使得分析确定用户控制语音指令的精确度有所提高。

Description

一种控制设备的方法与设备

技术领域

本发明涉及无线通信技术领域，特别涉及一种控制设备的方法与设备。

背景技术

智能家居是以住宅为平台，通过物联网技术将家中的各种设备连接到一起，实现智能化的一种生态***。它具有智能灯光控制、智能电器控制、安防监控***、智能背景音乐、智能视频共享、可视对讲***和家庭影院***等功能。

智能家居利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理***，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。

现有的智能家居环境中，目标用户在语音控制职能家具***中的设备时，智能家居***服务器将在采集的包含用于控制语音指令的语音信息中直接分析提取用户的控制语音指令，并根据确定的控制语音指令控制对应的智能家居设备。然而，日常的家具生活中，一户家庭通常配置有多台智能家居设备，一户家庭通常有多位用户，如此处于运行状态的智能家居设备和非控制用户发出的噪音会使得服务器采集到的语音信息十分复杂，直接进行控制语音指令提取，会因为上述噪音的干扰导致分析识别用户控制语音指令的精确度不高。

综上所述，现有智能家居***的语音识别模型无法有效地滤除干扰信号，从而导致分析确定用户控制语音指令的精确度不高。

发明内容

本发明提供一种控制设备的方法与设备，用以解决现有技术中存在的智能家居***的语音识别模型无法有效地滤除干扰信号，从而导致分析确定用户控制语音指令的精确度不高的问题。

本发明实施例中提供了一种控制设备的方法，该方法包括：

获取用户针对智能家居设备的语音控制信号；随后根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；再根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。

上述方法，在获取用户针对智能家居设备的语音控制信号，且根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；再根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。如此，即可在对采集的智能家居设备的语音控制信号进行分析识别用户的语音控制指令之前，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰，进而使得分析确定用户控制语音指令的精确度有所提高。

在一种可能的实施方式中，通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

上述方法，在判断用户是否为智能家居设备对应的控制用户时，将获取的用户的用户信息和智能家居设备的控制用户对应的用户信息做匹配，当智能家居设备的控制用户对应的用户信息中有所述用户的用户信息时，则确定用户是智能家居设备对应的控制用户；否则，确定用户不是智能家居设备对应的控制用户。如此即可在确定发出指令的用户是智能家居设备的控制用户后，根据处理得到的语音控制指令对智能家居设备进行控制，一定程度上提高了安全性。

其中，所述用户信息为用户的声纹信息和/或人脸图像。

上述方法通过用户的声纹信息、人脸图像、声纹信息和人脸图像对发出语音控制指令的用户进行区分，以便判断发出指令的用户是智能家居设备的控制用户。

在一种可能的实施方式中，通过下列方式生成智能家居设备的语音识别模型：

确定智能家居设备在运行状态下的运行噪音信号源样本，以及确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本；

基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型。

上述方法，在智能家居设备在运行状态下确定智能家居设备在运行状态下的运行噪音信号源样本，在智能设备未运行状态下确定用户噪音信号源样本和用户控制信号源样本；再基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型。进而通过建立的语音识别模型对采集的语音控制信号中的干扰信号进行滤除，降低分析识别用户的语音控制指令的难度，进而使得分析确定用户控制语音指令的精确度有所提高。

在一种可能的实施方式中，所述确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，包括：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

上述方法，根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。如此，即可在确定出控制用户后根据用户噪音信号源样本对其它用户噪声进行滤除，以便于降低的语音控制指令的难度，进而使得分析确定用户控制语音指令的精确度有所提高。

在一种可能的实施方式中，所述确定智能家居设备在运行状态下的运行噪音信号源样本，包括：

若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；

将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

上述方法，首先确定各个智能家居设备单独运行状态下的运行噪音信号源样本，同时确定多个智能家居设备进行组合后行状态下的运行噪音信号源样本，并将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。如此即可确定出所有组合下智能家居设备的运行状态下的运行噪音信号源样本，进而在用户通过语音控制智能设备时，可以根据确定的智能家居设备在运行状态下的运行噪音信号源样本消除采集到的信号源中的智能设备运行产生的噪音，使得采集到的信号源中的成分变的简单，从而降低分析获取采集的控制语音信息的难度，进而提高分析确定用户控制语音指令的精确度。

第二方面，本发明实施例还提供一种控制设备的设备，所述设备包括：至少一个处理器以及至少一个存储器，该设备具有实现上述第一方面的各实施例的功能。

第三方面，本发明实施例还提供一种控制设备的设备，所述设备包括获取模块、滤除模块以及控制模块，该设备具有实现上述第一方面的各实施例的功能。

另外，第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

附图说明

为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中提供的一种控制设备的方法的流程示意图；

图2为本发明实施例中提供的第一种控制设备的设备的结构示意图；

图3为本发明实施例中提供的第二种控制设备的设备的结构示意图。

具体实施方式

本发明中提供一种控制设备的方法，所述方法中涉及一种语音识别模板，所述语音识别模板将采集到的语音信号源分为三类，包括：运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本。

具体实施中，智能设备服务器将获取用户针对智能家居设备的语音控制信号；随后根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；再根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。如此，即可在一定程度上滤除语音控制信号中的干扰信号，进而使得分析确定用户控制语音指令的精确度有所提高。

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发明实施例中提供了一种生成语音识别模型的方法，该方法包括：

步骤100，获取用户针对智能家居设备的语音控制信号；

步骤101，根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；

步骤102，根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。

上述方法，在获取用户针对智能家居设备的语音控制信号，且根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；再根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。如此，即可在对采集的智能家居设备的语音控制信号进行分析识别用户的语音控制指令之前，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰，进而使得分析确定用户控制语音指令的精确度有所提高。

下面将就额本发明实施例进行详细说明。

在通过本发明实施例中的方案对智能家居设备进行控制，那么首先需要构建用于滤除干扰噪音的语音识别模板。

在建立上述语音识别模板时，需要对智能家居设备运行噪声与非控制用户的噪声分别进行采集。

一、确定智能家居设备在运行状态下的运行噪音信号源样本。

在具体操作前，需要将所有的智能家居设备进行联网配置，以使得智能家居***服务器可以对各个智能家居设备进行调控。

随后，才即当前家居环境下智能家居设备在运行状态下的运行噪音信号源样本。

若有当前家居环境中只有一个智能家居设备时，只需采集该智能家居设备单独运行状态下的运行噪音信号源样本，作为智能家居设备在运行状态下的运行噪音信号源样本。

然而，现如今的家庭生活中通常有多个智能家居设备，而不是只有一个智能家居设备。

如此将采用下面的方法确定智能家居设备在运行状态下的运行噪音信号源样本。

可选的，若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

上述方法，首先确定各个智能家居设备单独运行状态下的运行噪音信号源样本，同时确定多个智能家居设备进行组合后行状态下的运行噪音信号源样本，并将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。如此即可确定出所有组合下智能家居设备的运行状态下的运行噪音信号源样本，进而在用户通过语音控制智能设备时，可以根据确定的智能家居设备在运行状态下的运行噪音信号源样本消除采集到的信号源中的智能设备运行产生的噪音，使得采集到的信号源中的成分变的简单，从而降低分析获取采集的控制语音信息的难度，进而提高分析确定用户控制语音指令的精确度。

下面将举例说明如何确定智能家居设备在运行状态下的运行噪音信号源样本。

例如：

当前智能家居***里包含有三个智能家居设备分别是电视、空调、电冰箱；在确定智能家居设备在运行状态下的运行噪音信号源样本时，首先将电视、空调、电冰箱这三个智能家居设备联网控制，随后获取电视、空调、电冰箱的运行状态，并将电视、空调、电冰箱进行排列组合，得到集合A1＝{电视}、A2＝{空调}、A3＝{电冰箱}、A4＝{电视、空调}、A5＝{电视、电冰箱}、A6＝{空调、电冰箱}、A7＝{电视、空调、电冰箱},这7个组合；随后依次采集每一个智能家居设备组合运行状态下的运行噪音信号，并将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

在确定出智能家居设备在运行状态下的运行噪音信号源样本之后，则是采集用户噪音信号源样本和用户控制信号源样本。

二、确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

基于有多种可以用来区分控制用户的信息的数据，本发明实施例中仅以其中两种为例进行说明。其一是用户的声纹类型，其二为用户的人脸图像。

其中，在采集用户的相关数据时，所有的智能家居设备均处于未运行状态。

(一)以用户的声纹类型作为用户的用户信息。

具体实施中，在建立用户的样本语音数据库时，需要区别出控制用户和非控制用户。

可选的，所述确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，包括：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

上述方法，根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。如此，即可在确定出控制用户后根据用户噪音信号源样本对其它用户噪声进行滤除，以便于降低的语音控制指令的难度，进而使得分析确定用户控制语音指令的精确度有所提高。

具体实施中，在确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，需要指定控制用户，进而确定出非控制用户，在分别对各个用户声纹类型进行采集。

例如：现有用户三人分别为：甲、乙、丙；

在确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本时，首先指定甲为控制用户，采集甲的语音信息并进行分析，确定进行甲的声纹类型；此时，乙、丙为非控制用户，接着分别对乙、丙语音进行采集分析，确定乙、丙各自的声纹类型，并将甲的声纹类型作为控制用户的声纹类型，乙、丙的声纹类型作为非控制用户的声纹类型，并形成绑定关系；

随后指定乙为控制用户，采集乙的语音信息并进行分析，确定乙的声纹类型；此时，甲、丙为非控制用户，分别对甲、丙语音进行采集分析，确定进行甲、乙、丙各自的声纹类型，并将乙的声纹类型作为控制用户的声纹类型，甲、丙的声纹类型作为非控制用户的声纹类型，并形成绑定关系；

最后，指定丙为控制用户，采集丙的语音信息并进行分析，确定丙的声纹类型；此时，甲、乙为非控制用户，分别对甲、乙语音进行采集分析，确定进行甲、乙各自的声纹类型，并将丙的声纹类型作为控制用户的声纹类型，甲、乙的声纹类型作为非控制用户的声纹类型，并形成绑定关系。

如此就根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

二、以用户的人脸图像作为用户的用户信息。

具体实施中，在建立用户的样本语音数据库时，需要区别出控制用户和非控制用户。

可选的，所述确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，包括：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

上述方法，根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。如此，即可在确定出控制用户后根据用户噪音信号源样本对其它用户噪声进行滤除，以便于降低的语音控制指令的难度，进而使得分析确定用户控制语音指令的精确度有所提高。

具体实施中，在确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，需要指定控制用户，进而确定出非控制用户，在分别对各个用户声纹类型进行采集。

例如：现有用户三人分别为：甲、乙、丙；

在确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本时，首先指定甲为控制用户，通过摄像机拍摄甲的人脸图像并进行分析，确定进行甲的人脸图像特征；此时，乙、丙为非控制用户，接着通过摄像机拍摄分别对乙、丙的人脸图像并进行分析，确定乙、丙的人脸图像特征，并将甲的人脸图像作为控制用户的人脸图像，乙、丙的声纹类型作为非控制用户的人脸图像，并形成绑定关系；

随后指定乙为控制用户，通过摄像机拍摄乙的人脸图像并进行分析，确定进行乙的人脸图像特征；此时，甲、丙为非控制用户，接着通过摄像机拍摄分别对甲、丙的人脸图像并进行分析，确定甲、丙的人脸图像特征，并将乙的人脸图像作为控制用户的人脸图像，甲、丙的声纹类型作为非控制用户的人脸图像，并形成绑定关系；

最后，指定丙为控制用户，通过摄像机拍摄丙的人脸图像并进行分析，确定进行丙的人脸图像特征；此时，甲、乙为非控制用户，接着通过摄像机拍摄分别对甲、乙的人脸图像并进行分析，确定进行甲、乙的人脸图像特征，并将丙的人脸图像作为控制用户的人脸图像，甲、乙的人脸图像作为非控制用户的人脸图像，并形成绑定关系；

如此就根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

在语音识别模板建立完成后，将运用到智能设备语音控制识别过程中，下面将通过实例简要说明。

可选的，通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

上述方法，在判断用户是否为智能家居设备对应的控制用户时，将获取的用户的用户信息和智能家居设备的控制用户对应的用户信息做匹配，当智能家居设备的控制用户对应的用户信息中有所述用户的用户信息时，则确定用户是智能家居设备对应的控制用户；否则，确定用户不是智能家居设备对应的控制用户。如此可以确定发出指令的用户是否是智能家居设备的控制用户，同时在确定发出指令的用户是智能家居设备的控制用户后，根据处理得到的语音控制指令对智能家居设备进行控制，一定程度上提高了安全性。

其中，当一用户的声纹信息作为用户的用户信息时，当发出语音控制指令的用户有多个时，可以依据采集的用户语音控制指令的音量大小，使用频率，距离智能家具服务器的距离等的进行权重评估，进而确定出控制用户。

例：

1、一户装有智能家居***的家庭中，以用户声纹类型为用户的用户信息。共有三口人，分别为A、B、C；

并装配有4件智能家居，分别为D、E、F、G；

某一时刻，设备D和设备E正在工作，A对D设备发出指令，B、C未发出任何指令，智能家居***的服务器确定A为控制用户，此时智能家居***的服务器采集当前的信号源，分析信号源中的声纹类型，并与A的样本语音源数据库中的声纹类型进行比对，找到声纹类型A关联的智能家居设备在运行状态下的运行噪音信号源样本和其他用户噪声信号源样本，随后根据智能家居设备在运行状态下的运行噪音信号源样本滤除设备D和设备E在运行状态下的噪声，且智能家居***的服务器分析过程中未发现其它声纹类型，即当前状态下，没有其他用户噪音信号源，故不根据用户噪音信号源样本进行滤除处理。

2、一户装有智能家居***的家庭中，以用户人脸图像为用户的用户信息。共有三口人，分别为A、B、C；

并装配有4件智能家居，分别为D、E、F、G；

某一时刻，设备D和设备E正在工作，连接智能家居服务器的摄像头拍摄到B的人脸图像，同时采集到控制语音信号，智能家居***的服务器确定B为控制用户，此时智能家居***的服务器分析采集到的信号源中的人脸图像，并与用户样本语音源数据库中的人脸图像进行比对，确定拍摄到的人脸图像Y与用户样本语音源数据库中B的人脸图像相匹配，随后查找关联B人脸图像的智能家居设备在运行状态下的运行噪音信号源样本和其他用户噪声信号源样本，随后根据智能家居设备在运行状态下的运行噪音信号源样本滤除设备D和设备E在运行状态下的噪声，且智能家居***的服务器分析过程中未发现其它声纹类型，即当前状态下，没有其他用户噪音信号源，故不根据用户噪音信号源样本进行滤除处理。

基于同一发明构思，本发明实施例中还提供了一种控制设备的设备，由于该设备即是本发明实施例中的方法中控制智能家居设备的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。

如图2所示，本发明实施例一种控制设备的设备，该设备包括：

至少一个处理器900以及至少一个存储器901，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行下列过程：

获取用户针对智能家居设备的语音控制信号；根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。

可选的，所述处理器200具体用于：

通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

其中，所述用户信息为用户的声纹信息和/或人脸图像。

可选的，所述处理器200具体用于：

通过下列方式生成智能家居设备的语音识别模型：

确定智能家居设备在运行状态下的运行噪音信号源样本，以及确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本；

基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型。

可选的，所述处理器200具体用于：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

可选的，所述处理器200具体用于：

若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；

将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

如图3所示，本发明实施例一种控制设备的设备，该设备包括：

获取模块300，用于获取用户针对智能家居设备的语音控制信号；

滤除模块301，用于根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；

控制模块302，用于根据滤除干扰后的语音控制信号对所述智能家居设备进行控制。

可选的，所述获取模块300具体用于：通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

其中，所述用户信息为用户的声纹信息和/或人脸图像。

可选的，所述获取模块300具体用于：通过下列方式生成智能家居设备的语音识别模型：

确定智能家居设备在运行状态下的运行噪音信号源样本，以及确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本；

基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型。

可选的，所述获取模块300具体用于：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

可选的，所述获取模块300具体用于：

若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；

将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

以上参照示出根据本申请实施例的方法、装置(***)和/或计算机程序产品的框图和/或流程图描述本申请。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。

相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地，本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行***来使用或结合指令执行***而使用。在本申请上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行***、装置或设备使用，或结合指令执行***、装置或设备使用。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种控制设备的方法，其特征在于，该方法包括：

获取用户针对智能家居设备的语音控制信号；

根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；

根据滤除干扰后的语音控制信号对所述智能家居设备进行控制；

其中，通过下列方式生成智能家居设备的语音识别模型：

确定智能家居设备在运行状态下的运行噪音信号源样本，以及确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本；

基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型；

其中，所述确定智能家居设备在运行状态下的运行噪音信号源样本，包括：

若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；

将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

2.如权利要求1所述的方法，其特征在于，通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

其中，所述用户信息为用户的声纹信息和/或人脸图像。

3.如权利要求1所述的方法，其特征在于，所述确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本，包括：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

4.一种控制设备的设备，其特征在于，该设备包括：

至少一个处理器以及至少一个存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行下列过程：

获取用户针对智能家居设备的语音控制信号；

根据用户信息在确定所述用户为所述智能家居设备对应的控制用户后，根据所述智能家居设备的语音识别模型中的运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本，滤除所述语音控制信号的干扰；

根据滤除干扰后的语音控制信号对所述智能家居设备进行控制；

其中，所述处理器具体用于：

通过下列方式生成智能家居设备的语音识别模型：

确定智能家居设备在运行状态下的运行噪音信号源样本，以及确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本；

基于所述运行噪音信号源样本、用户噪音信号源样本和用户控制信号源样本生成所述智能家居对应的语音识别模型；

其中，所述处理器具体用于：

若有多个智能家居设备，分别确定每个智能家居设备单独运行状态下的运行噪音信号源样本，以及将多个智能家居设备进行组合，并分别确定每个智能家居设备组合在运行状态下的运行噪音信号源样本；

将包含确定出的每个运行噪音信号源样本的集合作为智能家居设备在运行状态下的运行噪音信号源样本。

5.如权利要求4所述的设备，其特征在于，所述处理器具体用于：

通过下列方式判断用户是否为智能家居设备对应的控制用户：

判断智能家居设备的控制用户对应的用户信息中是否有所述用户的用户信息，如果有，则确定用户是智能家居设备对应的控制用户，否则，确定用户不是智能家居设备对应的控制用户；

其中，所述用户信息为用户的声纹信息和/或人脸图像。

6.如权利要求4所述的设备，其特征在于，所述处理器具体用于：

根据用户样本语音源数据库，从采集到的信号源中确定所述智能家居设备在非运行状态下的用户噪音信号源样本和用户控制信号源样本。

Images