CN110750773A - 一种基于声纹属性的图像识别方法、智能终端及存储介质 - Google Patents

Abstract

本发明公开了一种基于声纹属性的图像识别方法、智能终端及存储介质，所述方法包括：获取语音指令，并从所述语音指令中提取声纹属性信息；并根据预设的映射关系确定与所述声纹属性信息对应的人脸图像；输出所述人脸图像。本发明可以直接根据用户的语音指令快速地识别且搜索到对应的图像信息，节省了图像识别与搜索的时间，提高了工作效率，且方便用户使用。

Description

一种基于声纹属性的图像识别方法、智能终端及存储介质

技术领域

本发明涉及图像识别的技术领域，尤其涉及的是一种基于声纹属性的图像识别方法、智能终端及存储介质。

背景技术

随着科技的进步和普及，当前人脸识别技术和图像分类技术已经非常先进，能够快速的通过人脸识别对图片进行基于人脸及场景的分类。

但是现有技术中，对于人脸识别基本都是先通过启动摄像头拍摄用户的人脸，然后将人脸与数据库进行匹配，然后输出匹配结果，即现有技术中是通过图像与图像机进行对比，来完成图像的识别。而在这整个图像识别的过程中，识别速度慢，识别效率低，影响用户的使用。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于声纹属性的图像识别方法、智能终端及存储介质，旨在解决现有技术中的人脸识别方法识别速度慢，识别效率低的题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明实施例提供了一种基于声纹属性的图像识别方法，其中，所述方法包括：

获取语音指令，并从所述语音指令中提取声纹属性信息；

根据预设的映射关系确定与所述声纹属性信息对应的人脸图像；

输出所述人脸图像。

在一种实现方式中，所述获取语音指令，并从所述语音指令中提取声纹属性信息，包括：

每隔预设的时间段采集语音指令；

当采集到所述语音指令时，对所述语音指令进行分析，得到所述语音指令的声纹属性信息。

在一种实现方式中，所述声纹属性信息包括：语音指令的节奏信息、音量信息、语速信息以及语调信息。

在一种实现方式中，所述根据预设的映射关系确定与所述声纹属性信息对应的人脸图像，包括：

将所述声纹属性信息与所述映射关系匹配，所述映射关系中存储有语音指令所对应的声纹属性信息以及与所述声纹属性信息所对应的人脸图像；

根据所述映射关系，从图像数据库中确定出与所述声纹属性信息所对应的人脸图像。

在一种实现方式中，所述映射关系的创建方式，包括：

获取用户的语音指令，根据所述语音指令启动图像采集装置对用户人脸进行图像采集；

将采集到的当前人脸图像与所述图像数据库中的人脸图像进行对比匹配；

根据匹配结果，创建所述映射关系。

在一种实现方式中，所述根据匹配结果，创建所述映射关系，包括：

若所述当前人脸图像与所述图像数据库中的人脸图像匹配成功，则输出匹配出的人脸图像；

在具有所述匹配出的人脸图像的所有图像中添加所述语音指令对应的声纹属性信息，构建出所述声纹属性信息与所述人脸图像对应关系的映射关系。

在一种实现方式中，所述图像数据库存储在本地端或者远程端。

在一种实现方式中，所述输出所述人脸图像，包括：

当确定出与所述声纹属性信息对应的人脸图像之后，将所述人脸图像输出；

根据输出的所述人脸图像确定是否为用户本人；

若是，则显示所述人脸图像。

第二方面，本发明实施例提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行上述任意一项所述的基于声纹属性的图像识别方法的步骤。

第三方面，本发明实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任意一项所述的基于声纹属性的图像识别方法的步骤。

本发明的有益效果：本发明实施例通过获取用户的语音指令，并从所述语音指令中提取到用户的声纹属性信息，并根据预设的映射关系就可以确定出与所述声纹属性信息所对应的人脸图像，从而实现快速搜索与获取人脸图像的效果。相比现有的人脸图像识别方法，本发明实施例可以根据声纹属性信息来识别出对应的人脸图像，操作更加简单，且识别效率更高，识别速度更快。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明中记载的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的基于声纹属性的图像识别方法的流程图。

图2是本发明实施例提供的智能终端的功能原理框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。

经发明人研究发现，现有的人脸识别方法基本都是先通过启动摄像头拍摄用户的人脸，然后将人脸与数据库进行匹配，然后输出匹配结果。也就是说，在现有技术中的人脸识别技术中，实质上是图像与图像之间的对比匹配，从而实现人脸图像的识别，但是这种图像与图像之间的匹配是难以实现快速匹配的，识别效率低下。

为了解决现有技术中的缺陷，本发明实施例提供一种基于声纹属性的图像识别方法，通过获取用户的语音指令，并从所述语音指令中提取到用户的声纹属性信息，并根据预设的映射关系就可以确定出与所述声纹属性信息所对应的人脸图像，从而实现快速搜索与识别人脸图像的效果。相比现有的人脸图像识别方法，本发明实施例可以根据声纹属性信息来识别出对应的人脸图像，操作更加简单，且识别效率更高，识别速度更快。

例如，当用户需要查看智能终端(如手机)中的个人照片时，只需发出语音指令，如“我要查看照片”，智能终端就会提取响应所述语音指令，并从所述语音指令中提取到声纹属性信息，然后将所述声纹属性信息输入至预设的映射关系中，根据所述映射关系就可以得到与所述声纹属性信息对应的人脸图像，并直接该人脸图像输出并显示，以供用户查看。可见，本发明实施例是通过识别语音指令中的声纹属性信息来实现人脸图像的搜索与识别，识别更加快捷，且与现有技术相比，用户无需手动打开摄像头来拍摄人脸，而是直接输出语音指令即可，方便用户使用。

示例性方法

如图1中所示，本发明实施例提供了一种基于声纹属性的图像识别方法，包括以下步骤：

步骤S100、获取语音指令，并从所述语音指令中提取声纹属性信息。

在本实施例中，当用户需要查看或者搜索人脸图像时，可直接输出语音指令，智能终端在接收到语音指令后，就会对该语音指令进行分析，从所述语音指令中提取到声纹属性信息，该声纹属性信息是用于实现与人脸图像进行匹配的，即实现声纹属性信息与人脸图像之间的映射，以确定出于所述声纹属性信息所对应的人脸图像。

在一种实施方式中，所述步骤S100包括以下步骤：

步骤S101、每隔预设的时间段采集语音指令；

步骤S102、当采集到所述语音指令时，对所述语音指令进行分析，得到所述语音指令的声纹属性信息。

具体实施时，本实施例中可以控制智能终端每隔预设的时间段采集用户的语音指令，以便及时获取到用户的语音指令。例如，在智能终端中设置一监听程序，该监听程序可以每隔1秒启动一次，从而可以及时地采集到用户的语音信息，以防止语音信息漏采集的现象。由于，本发明实施例需要实现的是通过语音指令来实现对人脸图像的搜索与查看，而人脸图像(包括具有所述人脸图像的其他图像，如半身照等)一般是存储在智能终端的图像数据库(如相册)中，当接收到语音指令后，智能终端就会响应该语音信息，进入图像数据库中，以便从所述图像数据库中搜索出对应的人脸图像。因此本实施例中的语音指令中包括有进入图像数据库的指令信息，该指令信息是可以直接被智能终端接收的。例如，当用户输出的是语音指令是“查看我的照片”时，则就会进入智能终端中的相册(即图像数据库)。

此外，智能终端在接收到所述语音指令后，对所述语音指令进行分析，从所述语音指令中提取声纹属性信息。该声纹属性信息包括：语音指令的节奏信息、音量信息、语速信息以及语调信息。这些声纹属性信息可以表示出用户的声音特征，而根据这些声音特征就可以判定是用户本人想要查看或者搜索人脸图像，因此就可以直接根据该声纹属性信息从预设的映射关系中搜索出对应的人脸图像，从而实现基于声纹属性的图像识别。本实施例中对于从语音指令中提取声纹属性信息，可以利用声纹识别技术，通过对语音指令中的声纹特征进行提取，从而得到声纹属性信息。

进一步地，步骤S200、根据预设的映射关系确定与所述声纹属性信息对应的人脸图像。

在本实施例中，当从语音指令中提取到用户的声纹属性信息后，就可以直接根据预设的映射关系，找出与所述声纹属性信息所对应的人脸图像。优选地，本实施例中的映射关系是预先设置的，可存储在智能终端本地，也可以存储在与所述智能终端通讯连接的运程端(例如云端存储空间)，当获取到声纹属性信息后，就可以直接调取存储在本地的映射关系找到与所述声纹属性信息所对应的人脸图像，或者将声纹属性信息发送至云端存储空间，以通过云端存储空间中的映射关系找到对应的人脸图像。

在一种实现方式中，所述步骤S200包括以下步骤：

步骤S201、将所述声纹属性信息输入至所述映射关系中，所述映射关系中存储有语音指令所对应的声纹属性信息以及与所述声纹属性信息所对应的人脸图像；

步骤S202、根据所述映射关系，从预设的图像数据库中确定出与所述声纹属性信息所对应的人脸图像。

优选地，本实施例中映射关系在创建时，用户首先发送语音指令(例如“查看我的照片”)，当智能终端接收到所述语音指令后，响应所述语音指令，并启动图像采集装置(摄像头)对用户的人脸进行采集，当采集到用户的当前人脸图像之后，将所述人脸图像与预设的图像数据库进行对比匹配，对比匹配的目的是找出该图像数据库中是否存在采集到的当前人脸图像，如果存在，则表示匹配成功。当匹配成功时，将匹配出的人脸图像输出，然后将图像数据库中具有匹配出的人脸图像的所有图像中都添加该语音指令的声纹属性信息(此处的声纹属性信息同样采用声纹识别技术来获得)，从而建立声纹属性信息与人脸图像的映射关系，建立好的映射关系保存在智能在终端的本地端或者运程端，以便用户需要查看或者搜索图像数据库中的人脸图像时，直接输出语音信息即可快速识别出对应的人脸图像。

优选地，本实施例中的图像数据库同样地可以设置在智能在终端的本地端(例如智能终端本地的相册文件夹)，也可以设置在远程端(例如云存储设备的云相册)，该图像数据库可以和创建的映射关系绑定，当用户输入语音指令并获取到语音指令中声纹属性信息后，就可根据创建的映射关系，从图像数据库中查找到对应的人脸图像输出。进一步地，为了提高人脸图像搜索与识别的准确度，本实施例在创建映射关系时，当从图像数据库中匹配到人脸图像时，会将该人脸图像输出显示，并通知用户确认是否是本人，若是本人，则才在该图像数据库中具有该人脸图像的图像中添加声纹属性信息，从而使得建立的映射关系更加准确。

在一种实施方式中，本实施例的所述图像数据库中的图像也同样地可以采用语音指令的方式进行创建与增加的。例如，用户可以发送“这个是我”的语音指令，智能终端在收到该语音指令之后获取摄像头拍照权限，获取当前人脸图像，并将当前人脸图像与图像数据库中已存在的人脸图像进行对比匹配，确认当前人脸图像是否是用户本人，如果是，则将当前人脸图像保存至图像数据库中。当然，由于数据库中具有用户人脸图像的所有图像中均已经具有用户的声纹属性信息了(即具有声纹属性信息与人脸图像的映射关系)，因此当用户输入“这个是我”的语音指令后，就会直接根据该语音指令的声纹属性信息匹配出对应的人脸图像，从而快速地搜索出对应人脸图像，提高图像搜索与识别的效率。

优选地，本实施例中语音指令不但可以用于查看图像数据库中的数据，还可以用于创建图像数据库中的图像或者删减图像数据库中的图像等操作，例如，该语音指令还可以为“我要查看5月份在海边拍摄的照片”、“创建我的单身照相簿”或者“创建我的聚会照相簿”等。

进一步地，步骤S300、输出所述人脸图像。

在本实施例中，当根据上述映射关系确定出与用户的声纹属性信息所对应的人脸图像之后，会将该人脸图像输出并显示，以供用户查看或者编辑。优选地，本实施例在将该人脸图像输出后，还会通知用户确认是否是本人，如确定是用户本人，则该人脸图像输出。

可见，本实施例中的通过获取用户的语音指令，并从所述语音指令中提取到用户的声纹属性信息，并根据预设的映射关系就可以确定出与所述声纹属性信息所对应的人脸图像，从而实现快速搜索与获取人脸图像的效果。相比现有的人脸图像识别方法，本发明实施例可以根据声纹属性信息来识别出对应的人脸图像，操作更加简单，且识别效率更高，识别速度更快。

示例性设备

基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图2所示。该智能终端包括通过***总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于声纹属性的图像识别方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。

本领域技术人员可以理解，图2中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取语音指令，并从所述语音指令中提取声纹属性信息；

根据预设的映射关系确定与所述声纹属性信息对应的人脸图像；

输出所述人脸图像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

综上所述，本发明公开了一种基于声纹属性的图像识别方法、智能终端及存储介质，所述方法包括：获取语音指令，并从所述语音指令中提取声纹属性信息；根据预设的映射关系确定与所述声纹属性信息对应的人脸图像；输出所述人脸图像。本发明可以直接根据用户的语音指令快速地识别且搜索到对应的图像信息，节省了图像识别与搜索的时间，提高了工作效率，且方便用户使用。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于声纹属性的图像识别方法，其特征在于，所述方法包括：

获取语音指令，并从所述语音指令中提取声纹属性信息；

根据预设的映射关系确定与所述声纹属性信息对应的人脸图像；

输出所述人脸图像。

2.根据权利要求1所述的基于声纹属性的图像识别方法，其特征在于，所述获取语音指令，并从所述语音指令中提取声纹属性信息，包括：

每隔预设的时间段采集语音指令；

当采集到所述语音指令时，对所述语音指令进行分析，得到所述语音指令的声纹属性信息。

3.根据权利要求2所述的基于声纹属性的图像识别方法，其特征在于，所述声纹属性信息包括：语音指令的节奏信息、音量信息、语速信息以及语调信息。

4.根据权利要求1所述的基于声纹属性的图像识别方法，其特征在于，所述根据预设的映射关系确定与所述声纹属性信息对应的人脸图像，包括：

将所述声纹属性信息与所述映射关系匹配，所述映射关系中存储有语音指令所对应的声纹属性信息以及与所述声纹属性信息所对应的人脸图像；

根据所述映射关系，从图像数据库中确定出与所述声纹属性信息所对应的人脸图像。

5.根据权利要求4所述的基于声纹属性的图像识别方法，其特征在于，所述映射关系的创建方式，包括：

获取用户的语音指令，根据所述语音指令启动图像采集装置对用户人脸进行图像采集；

将采集到的当前人脸图像与所述图像数据库中的人脸图像进行对比匹配；

根据匹配结果，创建所述映射关系。

6.根据权利要求5所述的基于声纹属性的图像识别方法，其特征在于，所述根据匹配结果，创建所述映射关系，包括：

若所述当前人脸图像与所述图像数据库中的人脸图像匹配成功，则输出匹配出的人脸图像；

在具有所述匹配出的人脸图像的所有图像中添加所述语音指令对应的声纹属性信息，构建出所述声纹属性信息与所述人脸图像对应关系的映射关系。

7.根据权利要求6所述的基于声纹属性的图像识别方法，其特征在于，所述图像数据库存储在本地端或者远程端。

8.根据权利要求1所述的基于声纹属性的图像识别方法，其特征在于，所述输出所述人脸图像，包括：

当确定出与所述声纹属性信息对应的人脸图像之后，将所述人脸图像输出；

根据输出的所述人脸图像确定是否为用户本人；

若是，则显示所述人脸图像。

9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8中任意一项所述的方法。

Images