CN110401793A - 用于控制智能终端的方法和装置 - Google Patents

用于控制智能终端的方法和装置 Download PDF

Info

Publication number
CN110401793A
CN110401793A CN201810379425.6A CN201810379425A CN110401793A CN 110401793 A CN110401793 A CN 110401793A CN 201810379425 A CN201810379425 A CN 201810379425A CN 110401793 A CN110401793 A CN 110401793A
Authority
CN
China
Prior art keywords
user
image
region
capture apparatus
voice
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.)
Pending
Application number
CN201810379425.6A
Other languages
English (en)
Inventor
徐忠飞
王雅卓
关煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810379425.6A priority Critical patent/CN110401793A/zh
Publication of CN110401793A publication Critical patent/CN110401793A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例公开了用于控制智能终端的方法和装置。该方法的一具体实施方式包括：响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息；基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像；获取拍摄设备对用户采集的初始图像帧；从初始图像帧中确定用户的图像区域；基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。该实施方式实现了对智能终端的准确控制。

Description

用于控制智能终端的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于控制智能终端的方法和装置。
背景技术
随着智能硬件的兴起，智能摄像头在普通家庭得到了广泛地普及。目前大多数智能摄像头集成有广角视频、远程查看、红外夜视等功能。
现有技术中，智能摄像头可以通过无线网络连接接收控制端的控制指令，通过云台实现摄像头的旋转，进而实现远程看家、看店、看小孩等。
发明内容
本申请实施例提出了用于控制智能终端的方法和装置。
第一方面，本申请实施例提供了一种用于控制智能终端的方法，智能终端安装有拍摄设备和至少三个语音输入设备，该方法包括：响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息；基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像；获取拍摄设备对用户采集的初始图像帧；从初始图像帧中确定用户的图像区域；基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
在一些实施例中，确定用户的位置信息，包括：确定至少三个语音输入设备接收到语音信息的初始时刻；基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在一些实施例中，用户的位置信息，包括：获取至少三个语音输入设备接收的语音信息；对语音信息进行语音识别，确定语音信息对应的文本信息；响应于确定出文本信息与预设指令信息集合中的预设指令信息匹配，确定至少三个语音输入设备接收到语音信息的初始时刻；基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在一些实施例中，从初始图像帧中确定用户的图像区域，包括：对初始图像帧进行人脸识别，确定包含用户的面部图像的人脸区域；基于人脸区域以及人体部位的比例关系，确定用户的图像区域。
在一些实施例中，在基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整之后，该方法还包括：控制拍摄设备对用户进行图像采集。
在一些实施例中，控制拍摄设备对用户进行图像采集，包括：执行如下处理步骤：获取拍摄设备采集的图像帧作为当前图像帧；基于用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对用户进行跟踪采集得到的图像帧。
在一些实施例中，控制拍摄设备对用户进行图像采集，还包括：响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对拍摄设备进行姿态调整，继续执行处理步骤。
在一些实施例中，至少三个语音输入设备呈非线性阵列排布。
第二方面，本申请实施例提供了一种用于控制智能终端的装置，智能终端安装有拍摄设备和至少三个语音输入设备，装置包括：位置确定单元，被配置成响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息；第一姿态调整单元，被配置成基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像；图像获取单元，被配置成获取拍摄设备对用户采集的初始图像帧；图像区域确定单元，被配置成从初始图像帧中确定用户的图像区域；第二姿态调整单元，被配置成基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
在一些实施例中，位置确定单元包括：时刻确定模块，被配置成确定至少三个语音输入设备接收到语音信息的初始时刻；位置确定模块，被配置成基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在一些实施例中，位置确定单元包括：语音获取模块，被配置成获取至少三个语音输入设备接收的语音信息；语音识别模块，被配置成对语音信息进行语音识别，确定语音信息对应的文本信息；信息匹配模块，被配置成响应于确定出文本信息与预设指令信息集合中的预设指令信息匹配，确定至少三个语音输入设备接收到语音信息的初始时刻；位置确定模块，被配置成基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在一些实施例中，图像区域确定单元包括：人脸识别模块，被配置成对初始图像帧进行人脸识别，确定包含用户的面部图像的人脸区域；图像区域确定模块，被配置成基于人脸区域以及人体部位的比例关系，确定用户的图像区域。
在一些实施例中，装置还包括：图像采集单元，被配置成控制拍摄设备对用户进行图像采集。
在一些实施例中，图像采集单元包括：处理模块，被配置成执行如下处理步骤：获取拍摄设备采集的图像帧作为当前图像帧；基于用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对用户进行跟踪采集得到的图像帧。
在一些实施例中，图像采集单元还包括：姿态调整模块，被配置成响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对拍摄设备进行姿态调整，继续执行处理步骤。
在一些实施例中，至少三个语音输入设备呈非线性阵列排布。
第三方面，本申请实施例提供了一种智能终端，包括：控制器，包括一个或多个处理器；拍摄设备；至少三个语音输入设备；存储装置，其上存储有一个或多个程序；当一个或多个程序被控制器执行，使得控制器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于控制智能终端的方法和装置，通过至少三个语音输入设备确定用户的位置信息，而后基于用户的位置信息对拍摄设备进行姿态调整，然后从拍摄设备采集的初始图像帧中确定用户的图像区域，最后基于用户的图像区域在初始图像帧中的位置对拍摄设备进行姿态调整，从而使用户的图像区域位于拍摄设备采集的图像的中心，实现了对智能终端的准确控制。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性***架构图；
图2是根据本申请的用于控制智能终端的方法的一个实施例的流程图；
图3A是根据图2所示实施例进行声源定位的一个实现方式的示意图；
图3B是根据图2所示实施例进行声源定位的另一实现方式的示意图；
图4A-图4D示出了根据本申请的用于控制智能终端的方法的一个应用场景；
图5是根据本申请的用于控制智能终端的方法的又一个实施例的流程图；
图6是根据图5所示的实施例、控制拍摄设备对用户进行图像采集的一个实现方式的流程图；
图7是根据本申请的用于控制智能终端的装置的一个实施例的结构示意图；
图8是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于控制智能终端的方法或用于控制智能终端的装置的实施例的示例性***架构100。
如图1所示，***架构100可以包括智能终端101、网络102和控制器103。网络102用以在智能终端101和控制器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
智能终端101可以通过网络102与控制器103交互，以接收和发送消息。智能终端101上可以安装有拍摄设备1012和至少三个语音输入设备1011。其中，拍摄设备1012被配置成采集图像，至少三个语音输入设备1011被配置成接收用户发出的语音信息。
控制器103可以安装在智能终端101上，也可以安装在智能终端101以外的其它电子设备上。控制器103被配置成对智能终端101进行各种控制，例如，控制器103可以获取至少三个语音输入设备1011接收的语音信息以确定用户的位置，控制器103也可以控制拍摄设备1012进行旋转以对用户进行跟踪采集图像。
需要说明的是，本申请实施例所提供的用于控制智能终端的方法一般由控制器103执行，相应地，用于控制智能终端的装置一般设置于控制器103中。
需要说明的是，控制器可以是硬件，也可以是软件。当控制器为硬件时，可以实现成多个设备组成的分布式设备集群，也可以实现成单个设备。当控制器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。
应该理解，图1中的智能终端、网络、控制器、拍摄设备和语音输入设备的数目仅仅是示意性的。根据实现需要，可以具有任意合适数目的智能终端、网络、控制器、拍摄设备和语音输入设备。
继续参考图2，示出了根据本申请的用于控制智能终端的方法的一个实施例的流程200。该用于控制智能终端的方法，包括以下步骤：
步骤201，响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息。
在本实施例中，智能终端(例如图1所示的智能终端101)可以安装有拍摄设备和至少三个语音输入设备。用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以首先确定上述至少三个语音输入设备是否接收到用户发出的语音信息。响应于确定出上述至少三个语音输入设备接收到用户发出的语音信息，确定用户(即声源)的位置信息。其中，语音输入设备包括能够接收语音输入的设备，例如麦克风等。用户的位置信息可以是以预定位置(例如，上述至少三个语音输入设备的几何中心、上述拍摄设备的几何中心或智能终端的几何中心等)为原点构建的空间坐标系中的坐标信息，例如(120，60，0)。用户的位置信息也可以是以预定方向(例如上述拍摄设备的初始拍摄方向)为基准的角度信息，例如30度。
本实施例中，用户的位置信息可以通过声源定位技术来确定。
在本实施例的一些可选的实现方式中，确定用户的位置信息可以包括如下步骤：确定至少三个语音输入设备接收到语音信息的初始时刻；基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。具体参考图3A，图3A是根据图2所示实施例进行声源定位的一个实现方式的示意图。
如图3A所示，点P表示用户，点M1至点M3表示三个语音输入设备，语音输入设备M1至语音输入设备M3呈线性排列。上述执行主体可以确定语音输入设备M1至语音输入设备M3接收到用户P的语音信息的初始时刻(例如，分别为t1、t2、t3)，由图3A可知：
d1＝S2×cosθ2-S1×cosθ1 (1)
d2＝S3×cosθ3-S2×cosθ2 (2)
S3-S2＝(t3-t2)×c (3)
S2-S1＝(t2-t1)×c (4)
h＝S1×sinθ1＝S2×sinθ2＝S3×sinθ3 (5)
其中，d1为语音输入设备M1与M2之间的距离，d2为语音输入设备M2与语音输入设备M3之间的距离，S1为语音输入设备M1与用户P之间的距离，S2为语音输入设备M2与用户P之间的距离，S3为语音输入设备M3与用户P之间的距离，θ1为语音输入设备M1和用户P的连线与语音输入设备M1和语音输入设备M3所在直线的锐角夹角，θ2为语音输入设备M2和用户P的连线与语音输入设备M1和语音输入设备M3所在直线的锐角夹角，θ3为语音输入设备M3和用户P的连线与语音输入设备M1和语音输入设备M3所在直线的锐角夹角，h为用户P与语音输入设备M1至语音输入设备M3所在直线的距离。
因此，通过上述公式(1)至公式(5)可以确定θ1、θ2、θ3，从而可以确定用户的位置信息(这里为角度信息)。例如，可以对θ1、θ2、θ3求平均之后的余角作为用户的位置信息。
在本实施例的一些可选的实现方式中，至少三个语音输入设备呈非线性阵列排布。如图3B所示，图3B是根据图2所示实施例进行声源定位的另一实现方式的示意图。
图3B中确定用户的位置信息的步骤可以参考图3A中确定用户的位置信息的步骤，在此不做赘述。
需要说明的是，尽管图3A和图3B示出了上述至少三个语音输入设备呈线性排列和非线性平面排列，但是本申请并不限于此。例如，上述至少三个语音输入设备也可以呈立体阵列排布。本领域的技术人员可以根据实际应用场景的需要进行设置。
在本实施例的一些可选的实现方式中，确定用户的位置信息可以包括如下步骤：获取至少三个语音输入设备接收的语音信息；对语音信息进行语音识别，确定语音信息对应的文本信息；响应于确定出文本信息与预设指令信息集合中的预设指令信息匹配，确定至少三个语音输入设备接收到语音信息的初始时刻；基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
具体地，上述执行主体可以首先获取用户发出的语音信息；之后，对获取的语音信息进行语音识别得到对应的文本信息(例如“拍照”)；然后，将上述文本信息与预设指令信息集合中的预设指令进行匹配；若匹配成功，则确定至少三个语音输入设备接收到用户的语音信息的初始时刻；最后，参考图3A或图3B所述的步骤确定用户的位置信息。
这里，预设指令可以包括启动指令(例如，包含“叮咚，叮咚”的文本内容的指令)、拍照指令(例如，包含“拍照”的文本内容的指令)、录像指令(例如，包含“录像”的文本内容的指令)等。文本信息与预设指令匹配可以包括：文本信息与预设指令内容相同，文本信息中包含预设指令的内容，或文本信息与预设指令内容的相似度大于等于预设阈值等。
在该实现方式中，通过识别用户发出的语音信息，能够简化用户与智能终端的交互，并且也可以避免用户对智能终端进行不必要的操作，节省***开支。
步骤202，基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以对上述拍摄设备进行姿态调整，例如，改变拍摄设备的拍摄方向。以用户的位置信息为角度信息为例，当步骤201确定用户的位置信息为30度时，可以控制上述拍摄设备顺时针(或逆时针)旋转30度，以使拍摄设备的拍摄方向朝向用户。从而使上述拍摄设备可以采集到用户的图像。
步骤203，获取拍摄设备对用户采集的初始图像帧。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以获取经过步骤202调整后的拍摄设备采集的图像帧作为初始图像帧。其中，初始图像帧中可以包含用户的图像。
步骤204，从初始图像帧中确定用户的图像区域。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以对上述初始图像帧进行图像识别，确定用户图像所在的区域(即，用户的图像区域)。
在本实施例的一些可选的实现方式中，从初始图像帧中确定用户的图像区域可以包括：通过基于边缘检测(例如，利用诸如Sobel算子、Prewitt算子、Canny算子等边缘检测算子进行边缘检测)的轮廓检测方法确定用户图像的轮廓，从而确定用户的图像区域。
在本实施例的一些可选的实现方式中，从初始图像帧中确定用户的图像区域可以包括：对初始图像帧进行人脸识别，确定包含用户的面部图像的人脸区域；基于人脸区域以及人体部位的比例关系，确定用户的图像区域。
具体地，上述执行主体可以首先对初始图像帧进行人脸识别，确定用户的人脸图像的区域(即人脸区域，其可以是矩形区域或不规则形状区域)。然后，根据人体各部分的比例关系，可以确定用户的图像区域。
下面以人脸区域为矩形区域为例具体说明用户的图像区域的确定过程。当人脸区域的一个顶点(例如，左上角顶点)的坐标为(x，y)，人脸区域的宽度和长度分别为w和l时，则可以通过如下公式确定用户的图像区域的一个顶点(例如，左上角顶点)的坐标(x'，y')、宽度w'和长度l'。
x′＝x-w (6)
y′＝y+0.2×l (7)
w′＝3×w (8)
l′＝8×l (9)
尽管上述示例仅示出了一个顶点坐标的计算公式，但是应当理解，可以通过同样的方式确定用户的图像区域的其他顶点的坐标。并且，当人脸区域和用户的图像区域为不规则形状区域时，也可以通过同样的方式确定表征用户的图像区域的点的坐标。
步骤205，基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以根据用户的图像区域在初始图像帧中的位置对上述拍摄设备进行姿态调整。例如，首先确定用户的图像区域的中心点相对于初始图像帧的中心点的位置矢量，然后根据预设的位移矢量与旋转角度之间的对应关系，确定上述拍摄设备的旋转角度和方向。上述拍摄设备可以按照所确定的旋转角度和方向进行旋转，使得用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值(例如1毫米)，从而可以认为用户的图像区域的中心点与拍摄设备采集的图像的中心点在误差允许的范围内重合。
通过对初始图像帧进行识别，并基于用户的图像区域在初始图像帧中的位置对拍摄设备进行二次调整，使用户图像可以居于拍摄设备采集的图像的中央，能够更准确地控制智能终端。
继续参考图4A至图4D，其示出了根据本申请的用于控制智能终端的方法的一个应用场景。在图4A至图4D的应用场景中，智能终端402上安装有控制器(未示出)、拍摄设备4022和至少三个语音输入设备4021。首先，上述控制器确定出上述至少三个语音输入设备4021接收到用户401发出的语音信息，确定用户401的位置信息，如图4A所示。之后，上述控制器可以控制拍摄设备4022进行旋转(如沿图4B中箭头所示的方向旋转)，使用户401位于拍摄设备4022的拍摄范围(如图4B中两条虚线之间的区域)之内，如图4B所示。接下来，上述控制器获取拍摄设备4022采集的初始图像帧411，对初始图像帧411进行图像识别，确定用户的图像区域412，如图4C所示。最后，上述控制器再次控制拍摄设备4022进行旋转，使得用户的图像区域412的中心点O1和初始图像帧411的中心点O2之间的距离小于预设距离阈值(即重合)，这时用户的图像区域412位于拍摄设备4022采集的图像413的中央，如图4D所示。
本申请的上述实施例提供的用于控制智能终端的方法通过至少三个语音输入设备确定用户的位置信息，而后基于用户的位置信息对拍摄设备进行姿态调整，然后从拍摄设备采集的初始图像帧中确定用户的图像区域，最后基于用户的图像区域在初始图像帧中的位置对拍摄设备进行姿态调整，从而使用户的图像区域位于拍摄设备采集的图像的中心，实现了对智能终端的准确控制。
进一步参考图5，其示出了用于控制智能终端的方法的又一个实施例的流程500。该用于控制智能终端的方法的流程500，包括以下步骤：
步骤501，响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息。
在本实施例中，智能终端(例如图1所示的智能终端101)可以安装有拍摄设备和至少三个语音输入设备。用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以首先确定上述至少三个语音输入设备是否接收到用户发出的语音信息。响应于确定出上述至少三个语音输入设备接收到用户发出的语音信息，确定用户(即声源)的位置信息。其中，语音输入设备包括能够接收语音输入的设备，例如麦克风等。用户的位置信息可以是以预定位置(例如，上述至少三个语音输入设备的几何中心、上述拍摄设备的几何中心或智能终端的几何中心等)为原点构建的空间坐标系中的坐标信息，例如(120，60，0)。用户的位置信息也可以是以预定方向(例如上述拍摄设备的初始拍摄方向)为基准的角度信息，例如30度。
步骤502，基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以对上述拍摄设备进行姿态调整，例如，改变拍摄设备的拍摄方向。以用户的位置信息为角度信息为例，当步骤501确定用户的位置信息为30度时，可以控制上述拍摄设备顺时针(或逆时针)旋转30度，以使拍摄设备的拍摄方向朝向用户。从而使上述拍摄设备可以采集到用户的图像。
步骤503，获取拍摄设备对用户采集的初始图像帧。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以获取经过步骤502调整后的拍摄设备采集的图像帧作为初始图像帧。其中，初始图像帧中可以包含用户的图像。
步骤504，从初始图像帧中确定用户的图像区域。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以对上述初始图像帧进行图像识别，确定用户图像所在的区域(即，用户的图像区域)。
步骤505，基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以根据用户的图像区域在初始图像帧中的位置对上述拍摄设备进行姿态调整。例如，首先确定用户的图像区域的中心点相对于初始图像帧的中心点的位置矢量，然后根据预设的位移矢量与旋转角度之间的对应关系，确定上述拍摄设备的旋转角度和方向。上述拍摄设备可以按照所确定的旋转角度和方向进行旋转，使得用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值(例如1毫米)，从而可以认为用户的图像区域的中心点与拍摄设备采集的图像的中心点在误差允许的范围内重合。
步骤506，控制所述拍摄设备对所述用户进行图像采集。
在本实施例中，用于控制智能终端的方法的执行主体(例如，图1所示的控制器103)可以控制经过步骤505调整(即，第二次调整)后的拍摄设备对用户进行图像采集，以获取包含用户图像的图像帧。
由于在图像采集过程中，会存在用户移动位置的情形，因此，在本实施例的一些可选的实现方式中，控制拍摄设备对用户进行图像采集包括：
执行如下处理步骤：获取拍摄设备采集的图像帧作为当前图像帧；基于用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对用户进行跟踪采集得到的图像帧；
响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对拍摄设备进行姿态调整，继续执行处理步骤。
下面参考图6对该实现方式进行具体说明，图6是根据图5所示的实施例、控制拍摄设备对用户进行图像采集的一个实现方式的流程图。
如图6所示，步骤506具体可以包括以下步骤：
步骤601，获取上述拍摄设备采集的图像帧作为当前图像帧。其中，在当前图像帧中，用户的图像区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值。
步骤602，基于用户的图像区域确定当前图像帧的搜索区域。例如，将用户的图像区域确定为当前图像帧的搜索区域。因此，搜索区域的中心点与当前图像帧的中心点之间的距离也小于预设距离阈值。
步骤603，在当前图像帧中确定搜索区域中的图像的质心。其中，质心也称为矩心或重心，是指物体对某轴的静力矩作用中心。例如，如果将当前图像帧看成是一块质量密度不均匀的薄板，以图像上各像素点的灰度(或亮度等)作为各像素点的质量密度，则可以根据质心的定义来计算当前图像帧的质心。
这里，作为示例，可以采用均值漂移算法(即mean shift算法)对搜索区域中的各像素点进行聚类，从而得到搜索区域中的图像的质心。
步骤604，确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值。
步骤605，若当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，则基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对拍摄设备进行姿态调整，然后返回步骤601。
步骤606，若当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，则可以将当前图像帧确定为对用户进行跟踪采集得到的图像帧。
通过上述步骤601至步骤606，可以实现对用户进行跟踪采集图像帧。
需要说明的是，本实施例中描述的对用户进行图像采集，并不限于获取图像，也可以获取视频(例如，基于连续采集的图像帧生成视频)。
从图5中可以看出，与图2对应的实施例相比，本实施例中的用于控制智能终端的方法的流程500突出了控制拍摄设备(基于用户位置信息进行姿态调整，以及基于初始图像帧中用户的图像区域的位置继续姿态调整后的拍摄设备)对用户进行图像采集的步骤。由此，本实施例描述的方案可以获得更高质量的图像(也可以是视频)，便于保存和查看。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种用于控制智能终端的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于智能终端中。
如图7所示，本实施例的用于控制智能终端的装置700包括：位置确定单元701、第一姿态调整单元702、图像获取单元703、图像区域确定单元704和第二姿态调整单元705。其中，位置确定单元701被配置成响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息；第一姿态调整单元702被配置成基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像；图像获取单元703被配置成获取拍摄设备对用户采集的初始图像帧；图像区域确定单元704被配置成从初始图像帧中确定用户的图像区域；而第二姿态调整单元705被配置成基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
在本实施例中，智能终端(例如图1所示的智能终端101)可以安装有拍摄设备和至少三个语音输入设备。用于控制智能终端的装置700的上述位置确定单元701可以首先确定上述至少三个语音输入设备是否接收到用户发出的语音信息。响应于确定出上述至少三个语音输入设备接收到用户发出的语音信息，确定用户(即声源)的位置信息。其中，语音输入设备包括能够接收语音输入的设备，例如麦克风等。用户的位置信息可以是以预定位置(例如，上述至少三个语音输入设备的几何中心、上述拍摄设备的几何中心或智能终端的几何中心等)为原点构建的空间坐标系中的坐标信息，例如(120，60，0)。用户的位置信息也可以是以预定方向(例如上述拍摄设备的初始拍摄方向)为基准的角度信息，例如30度。
在本实施例的一些可选的实现方式中，上述位置确定单元701可以包括时刻确定模块和位置确定模块。其中，时刻确定模块被配置成确定至少三个语音输入设备接收到语音信息的初始时刻；而位置确定模块被配置成基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在本实施例的一些可选的实现方式中，上述位置确定单元701可以包括语音获取模块、语音识别模块、信息匹配模块和位置确定模块。其中，语音获取模块被配置成获取至少三个语音输入设备接收的语音信息；语音识别模块被配置成对语音信息进行语音识别，确定语音信息对应的文本信息；信息匹配模块被配置成响应于确定出文本信息与预设指令信息集合中的预设指令信息匹配，确定至少三个语音输入设备接收到语音信息的初始时刻；而位置确定模块被配置成基于至少三个语音输入设备接收到语音信息的初始时刻之差，确定用户的位置信息。
在本实施例中，上述第一姿态调整单元702可以对上述拍摄设备进行姿态调整，例如，改变拍摄设备的拍摄方向。以用户的位置信息为角度信息为例，当上述位置确定单元701确定用户的位置信息为30度时，可以控制上述拍摄设备顺时针(或逆时针)旋转30度，以使拍摄设备的拍摄方向朝向用户。从而使上述拍摄设备可以采集到用户的图像。
在本实施例中，上述图像获取单元703可以获取经过上述第一姿态调整单元702调整后的拍摄设备采集的图像帧作为初始图像帧。其中，初始图像帧中可以包含用户的图像。
在本实施例中，上述图像区域确定单元704可以对上述初始图像帧进行图像识别，确定用户图像所在的区域(即，用户的图像区域)。
在本实施例的一些可选的实现方式中，上述图像区域确定单元704可以包括人脸识别模块和图像区域确定模块。其中，人脸识别模块被配置成对初始图像帧进行人脸识别，确定包含用户的面部图像的人脸区域；而图像区域确定模块被配置成基于人脸区域以及人体部位的比例关系，确定用户的图像区域。
在本实施例中，上述第二姿态调整单元705可以根据用户的图像区域在初始图像帧中的位置对上述拍摄设备进行姿态调整。例如，首先确定用户的图像区域的中心点相对于初始图像帧的中心点的位置矢量，然后根据预设的位移矢量与旋转角度之间的对应关系，确定上述拍摄设备的旋转角度和方向。上述拍摄设备可以按照所确定的旋转角度和方向进行旋转，使得用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值(例如1毫米)，从而可以认为用户的图像区域的中心点与拍摄设备采集的图像的中心点在误差允许的范围内重合。
在本实施例的一些可选的实现方式中，装置700还包括图像采集单元。其中，图像采集单元被配置成控制拍摄设备对用户进行图像采集。
上述图像采集单元可以控制由上述第一姿态调整单元702和第二姿态调整单元704调整后的拍摄设备对用户进行图像采集，以获取包含用户图像的图像帧。
在本实施例的一些可选的实现方式中，上述图像采集单元可以包括处理模块。其中，处理模块被配置成执行如下处理步骤：获取拍摄设备采集的图像帧作为当前图像帧；基于用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对用户进行跟踪采集得到的图像帧。
在本实施例的一些可选的实现方式中，上述图像采集单元还可以包括姿态调整模块。其中，姿态调整模块被配置成响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对拍摄设备进行姿态调整，继续执行处理步骤。
在本实施例的一些可选的实现方式中，上述至少三个语音输入设备呈非线性阵列排布。
本申请的上述实施例提供的装置通过至少三个语音输入设备确定用户的位置信息，而后基于用户的位置信息对拍摄设备进行姿态调整，然后从拍摄设备采集的初始图像帧中确定用户的图像区域，最后基于用户的图像区域在初始图像帧中的位置对拍摄设备进行姿态调整，从而使用户的图像区域位于拍摄设备采集的图像的中心，实现了对智能终端的准确控制。
下面参考图8，其示出了适于用来实现本申请实施例的智能终端(例如图1所示的智能终端101)的计算机***800的结构示意图。图8示出的智能终端仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，计算机***800包括控制器801，包括一个或多个中央处理单元(CPU)，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有***800操作所需的各种程序和数据。控制器801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括拍摄设备、至少三个语音输入设备等的输入部分806；包括诸如有机发光二极管(OLED)显示器、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，控制器801在调用上述计算机程序执行用于控制智能终端的功能时，可以控制输入部分806接收用户发出的语音信息，以及控制输入部分806进行姿态调整和图像采集。该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被控制器801执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括位置确定单元、第一姿态调整单元、图像获取单元、图像区域确定单元和第二姿态调整单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，位置确定单元还可以被描述为“响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：响应于确定出至少三个语音输入设备接收到用户发出的语音信息，确定用户的位置信息；基于用户的位置信息，对拍摄设备进行姿态调整，使拍摄设备采集的图像包含用户的图像；获取拍摄设备对用户采集的初始图像帧；从初始图像帧中确定用户的图像区域；基于用户的图像区域在初始图像帧中的位置，对拍摄设备进行姿态调整，使用户的图像区域的中心点与拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种用于控制智能终端的方法，所述智能终端安装有拍摄设备和至少三个语音输入设备，所述方法包括：
响应于确定出所述至少三个语音输入设备接收到用户发出的语音信息，确定所述用户的位置信息；
基于所述用户的位置信息，对所述拍摄设备进行姿态调整，使所述拍摄设备采集的图像包含所述用户的图像；
获取所述拍摄设备对所述用户采集的初始图像帧；
从所述初始图像帧中确定所述用户的图像区域；
基于所述用户的图像区域在所述初始图像帧中的位置，对所述拍摄设备进行姿态调整，使所述用户的图像区域的中心点与所述拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
2.根据权利要求1所述的方法，其中，所述确定所述用户的位置信息，包括：
确定所述至少三个语音输入设备接收到所述语音信息的初始时刻；
基于所述至少三个语音输入设备接收到所述语音信息的初始时刻之差，确定所述用户的位置信息。
3.根据权利要求1所述的方法，其中，所述确定所述用户的位置信息，包括：
获取所述至少三个语音输入设备接收的语音信息；
对所述语音信息进行语音识别，确定所述语音信息对应的文本信息；
响应于确定出所述文本信息与预设指令信息集合中的预设指令信息匹配，确定所述至少三个语音输入设备接收到所述语音信息的初始时刻；
基于所述至少三个语音输入设备接收到所述语音信息的初始时刻之差，确定所述用户的位置信息。
4.根据权利要求1所述的方法，其中，所述从所述初始图像帧中确定所述用户的图像区域，包括：
对所述初始图像帧进行人脸识别，确定包含所述用户的面部图像的人脸区域；
基于所述人脸区域以及人体部位的比例关系，确定所述用户的图像区域。
5.根据权利要求1所述的方法，其中，在所述基于所述用户的图像区域在所述初始图像帧中的位置，对所述拍摄设备进行姿态调整之后，所述方法还包括：
控制所述拍摄设备对所述用户进行图像采集。
6.根据权利要求5所述的方法，其中，所述控制所述拍摄设备对所述用户进行图像采集，包括：
执行如下处理步骤：获取所述拍摄设备采集的图像帧作为当前图像帧；基于所述用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对所述用户进行跟踪采集得到的图像帧。
7.根据权利要求6所述的方法，其中，所述控制所述拍摄设备对所述用户进行图像采集，还包括：
响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对所述拍摄设备进行姿态调整，继续执行所述处理步骤。
8.根据权利要求1-7之一所述的方法，其中，所述至少三个语音输入设备呈非线性阵列排布。
9.一种用于控制智能终端的装置，所述智能终端安装有拍摄设备和至少三个语音输入设备，所述装置包括：
位置确定单元，被配置成响应于确定出所述至少三个语音输入设备接收到用户发出的语音信息，确定所述用户的位置信息；
第一姿态调整单元，被配置成基于所述用户的位置信息，对所述拍摄设备进行姿态调整，使所述拍摄设备采集的图像包含所述用户的图像；
图像获取单元，被配置成获取所述拍摄设备对所述用户采集的初始图像帧；
图像区域确定单元，被配置成从所述初始图像帧中确定所述用户的图像区域；
第二姿态调整单元，被配置成基于所述用户的图像区域在所述初始图像帧中的位置，对所述拍摄设备进行姿态调整，使所述用户的图像区域的中心点与所述拍摄设备采集的图像的中心点之间的距离小于预设距离阈值。
10.根据权利要求9所述的装置，其中，所述位置确定单元包括：
时刻确定模块，被配置成确定所述至少三个语音输入设备接收到所述语音信息的初始时刻；
位置确定模块，被配置成基于所述至少三个语音输入设备接收到所述语音信息的初始时刻之差，确定所述用户的位置信息。
11.根据权利要求9所述的装置，其中，所述位置确定单元包括：
语音获取模块，被配置成获取所述至少三个语音输入设备接收的语音信息；
语音识别模块，被配置成对所述语音信息进行语音识别，确定所述语音信息对应的文本信息；
信息匹配模块，被配置成响应于确定出所述文本信息与预设指令信息集合中的预设指令信息匹配，确定所述至少三个语音输入设备接收到所述语音信息的初始时刻；
位置确定模块，被配置成基于所述至少三个语音输入设备接收到所述语音信息的初始时刻之差，确定所述用户的位置信息。
12.根据权利要求9所述的装置，其中，所述图像区域确定单元包括：
人脸识别模块，被配置成对所述初始图像帧进行人脸识别，确定包含所述用户的面部图像的人脸区域；
图像区域确定模块，被配置成基于所述人脸区域以及人体部位的比例关系，确定所述用户的图像区域。
13.根据权利要求9所述的装置，其中，所述装置还包括：
图像采集单元，被配置成控制所述拍摄设备对所述用户进行图像采集。
14.根据权利要求13所述的装置，其中，所述图像采集单元包括：
处理模块，被配置成执行如下处理步骤：获取所述拍摄设备采集的图像帧作为当前图像帧；基于所述用户的图像区域确定当前图像帧的搜索区域，其中搜索区域的中心点与当前图像帧的中心点之间的距离小于预设距离阈值；在当前图像帧中确定搜索区域中的图像的质心；确定当前图像帧的中心点与搜索区域中的图像的质心之间的距离是否小于预设距离阈值；响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离小于预设距离阈值，将当前图像帧确定为对所述用户进行跟踪采集得到的图像帧。
15.根据权利要求14所述的装置，其中，所述图像采集单元还包括：
姿态调整模块，被配置成响应于确定出当前图像帧的中心点与搜索区域中的图像的质心之间的距离大于等于预设距离阈值，基于当前图像帧的中心点与搜索区域的图像的质心的位置关系，对所述拍摄设备进行姿态调整，继续执行所述处理步骤。
16.根据权利要求9-15之一所述的装置，其中，所述至少三个语音输入设备呈非线性阵列排布。
17.一种智能终端，包括：
控制器，包括一个或多个处理器；
拍摄设备；
至少三个语音输入设备；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述控制器执行，使得所述控制器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201810379425.6A 2018-04-25 2018-04-25 用于控制智能终端的方法和装置 Pending CN110401793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810379425.6A CN110401793A (zh) 2018-04-25 2018-04-25 用于控制智能终端的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810379425.6A CN110401793A (zh) 2018-04-25 2018-04-25 用于控制智能终端的方法和装置

Publications (1)

Publication Number Publication Date
CN110401793A true CN110401793A (zh) 2019-11-01

Family

ID=68319738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810379425.6A Pending CN110401793A (zh) 2018-04-25 2018-04-25 用于控制智能终端的方法和装置

Country Status (1)

Country Link
CN (1) CN110401793A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111415386A (zh) * 2020-03-16 2020-07-14 贝壳技术有限公司 拍摄设备位置提示方法、装置、存储介质及电子设备
CN112492207A (zh) * 2020-11-30 2021-03-12 深圳卡多希科技有限公司 一种基于声源定位控制摄像头转动的方法和装置
CN114095648A (zh) * 2020-11-30 2022-02-25 深圳卡多希科技有限公司 一种手势控制摄像头转动的方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150740A (zh) * 2013-03-29 2013-06-12 上海理工大学 一种基于视频的运动目标跟踪方法和***
CN103973977A (zh) * 2014-04-15 2014-08-06 联想(北京)有限公司 一种预览界面的虚化处理方法、装置及电子设备
CN106131413A (zh) * 2016-07-19 2016-11-16 纳恩博（北京）科技有限公司 一种拍摄设备的控制方法及拍摄设备
CN106254769A (zh) * 2016-07-29 2016-12-21 广东欧珀移动通信有限公司 移动终端的拍照方法、装置及移动终端
CN106303453A (zh) * 2016-08-30 2017-01-04 上海大学 一种基于高速球机的主动式跟踪方法
CN107491101A (zh) * 2017-09-14 2017-12-19 歌尔科技有限公司 一种麦克风阵列拾音角度的调节方法、装置及电子设备
US20180054561A1 (en) * 2016-08-18 2018-02-22 Denso International America, Inc. Video Conferencing Support Device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150740A (zh) * 2013-03-29 2013-06-12 上海理工大学 一种基于视频的运动目标跟踪方法和***
CN103973977A (zh) * 2014-04-15 2014-08-06 联想(北京)有限公司 一种预览界面的虚化处理方法、装置及电子设备
CN106131413A (zh) * 2016-07-19 2016-11-16 纳恩博（北京）科技有限公司 一种拍摄设备的控制方法及拍摄设备
CN106254769A (zh) * 2016-07-29 2016-12-21 广东欧珀移动通信有限公司 移动终端的拍照方法、装置及移动终端
US20180054561A1 (en) * 2016-08-18 2018-02-22 Denso International America, Inc. Video Conferencing Support Device
CN106303453A (zh) * 2016-08-30 2017-01-04 上海大学 一种基于高速球机的主动式跟踪方法
CN107491101A (zh) * 2017-09-14 2017-12-19 歌尔科技有限公司 一种麦克风阵列拾音角度的调节方法、装置及电子设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111415386A (zh) * 2020-03-16 2020-07-14 贝壳技术有限公司 拍摄设备位置提示方法、装置、存储介质及电子设备
CN111415386B (zh) * 2020-03-16 2023-05-26 如你所视(北京)科技有限公司 拍摄设备位置提示方法、装置、存储介质及电子设备
CN112492207A (zh) * 2020-11-30 2021-03-12 深圳卡多希科技有限公司 一种基于声源定位控制摄像头转动的方法和装置
CN114095648A (zh) * 2020-11-30 2022-02-25 深圳卡多希科技有限公司 一种手势控制摄像头转动的方法和装置
CN112492207B (zh) * 2020-11-30 2023-04-18 深圳卡多希科技有限公司 一种基于声源定位控制摄像头转动的方法和装置

Similar Documents

Publication Publication Date Title
CN108154547B (zh) 图像生成方法和装置
CN108470328A (zh) 用于处理图像的方法和装置
CN110348419B (zh) 用于拍照的方法和装置
CN108363995A (zh) 用于生成数据的方法和装置
CN108416323A (zh) 用于识别人脸的方法和装置
CN108960090A (zh) 视频图像处理方法及装置、计算机可读介质和电子设备
CN108171206B (zh) 信息生成方法和装置
CN108171211A (zh) 活体检测方法和装置
CN108492364A (zh) 用于生成图像生成模型的方法和装置
CN108491823A (zh) 用于生成人眼识别模型的方法和装置
CN108491809A (zh) 用于生成近红外图像生成模型的方法和装置
CN108062544A (zh) 用于人脸活体检测的方法和装置
CN109255337A (zh) 人脸关键点检测方法和装置
CN110401793A (zh) 用于控制智能终端的方法和装置
CN108257178A (zh) 用于定位目标人体的位置的方法和装置
CN109344752A (zh) 用于处理嘴部图像的方法和装置
CN109697801A (zh) 自助结算设备、方法、装置、介质及电子设备
CN108510454A (zh) 用于生成深度图像的方法和装置
CN108280413A (zh) 人脸识别方法和装置
CN113255619B (zh) 车道线识别及定位方法、电子设备和计算机可读介质
CN108960110A (zh) 用于生成信息的方法和装置
CN106471440A (zh) 基于高效森林感测的眼睛跟踪
CN108280422A (zh) 用于识别人脸的方法和装置
CN110110666A (zh) 目标检测方法和装置
CN110059624A (zh) 用于检测活体的方法和装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191101