CN112019929A - 一种音量调节方法和装置 - Google Patents

Abstract

本申请实施例公开了一种音量调节方法和装置，获取声音播放设备的环境图像，环境图像中包括收听声音播放设备所播放声音的用户；根据环境图像确定所述用户与所述声音播放设备间的距离，以及根据环境图像中的用户面部信息确定对应的用户特征。通过该用户特征，可以确定出适合该用户特征的第一音量，从而可以根据前述确定的距离和第一音量，确定第一音量符合该距离下的第二音量，并以该第二音量作为调节声音播放设备音量的依据。由于第二音量是根据第一音量确定的，且第一音量能够体现出对应该用户特征，舒适音量的范围，故此，所得到的调节结果能够满足该用户的实际收听喜好，无需用户手动调节，提高了用户的收听体验。

Description

一种音量调节方法和装置

技术领域

本申请涉及智能控制领域，特别是涉及一种音量调节方法和装置。

背景技术

随着智能设备的发展，目前市面上流通了各类具有声音播放功能的声音 播放设备，声音播放设备例如可以包括智能电视、智能音箱等。电视机在播 放视频时可以播放视频中的声音，智能音箱可以播放音乐、语音等声音。这 类声音播放设备都有为用户提供了基本的音量设置功能。

音量设置功能基本上都是需要用户主动参与的，由用户手动增大或减小 音量，满足声音诉求，用户手动参与度很高。在需要调整音量时，不能根据 用户的反映做出自动调整，智能程度低，体验也不够好。

发明内容

为了解决上述技术问题，本申请提供了一种音量调节方法和装置，使得 所得到的调节结果能够满足该用户的实际收听喜好，无需用户手动调节，提 高了用户的收听体验。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例提供了一种音量调节方法，所述方法包括：

获取声音播放设备的环境图像，所述环境图像中包括收听所述声音播放 设备所播放声音的用户；

根据所述环境图像确定所述用户与所述声音播放设备间的距离，以及根 据所述环境图像中的用户面部信息确定对应的用户特征；

根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的 第二音量；

根据所述第二音量调节所述声音播放设备的音量。

第二方面，本申请实施例提供了一种音量调节装置，所述装置包括获取 单元、第一确定单元、第二确定单元和调节单元：

所述获取单元，用于获取声音播放设备的环境图像，所述环境图像中包 括收听所述声音播放设备所播放声音的用户；

所述第一确定单元，用于根据所述环境图像确定所述用户与所述声音播 放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应的用户 特征；

所述第二确定单元，用于根据所述距离以及所述用户特征对应的第一音 量，确定对应所述用户的第二音量；

所述调节单元，用于根据所述第二音量调节所述声音播放设备的音量。

第三方面，本申请实施例提供了一种用于音量调节的设备，所述设备包 括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如第一方面所述的音量 调节方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机 可读存储介质用于存储程序代码，所述程序代码用于执行如第一方面所述的 音量调节方法。

由上述技术方案可以看出，获取声音播放设备的环境图像，所述环境图 像中包括收听所述声音播放设备所播放声音的用户；根据所述环境图像确定 所述用户与所述声音播放设备间的距离，以及根据所述环境图像中的用户面 部信息确定对应的用户特征。通过该用户特征，可以确定出适合该用户特征 的第一音量，从而可以根据前述确定的距离和第一音量，确定第一音量符合 该距离下的第二音量，并以该第二音量作为调节声音播放设备音量的依据。 由于第二音量是根据第一音量确定的，且第一音量能够体现出对应该用户特征，舒适音量的范围，故此，根据第二音量调节声音播放设备的音量，所得 到的调节结果能够满足该用户的实际收听喜好，无需用户手动调节，提高了 用户的收听体验。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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为本申请实施例提供的一种音量调节方法的应用场景示意图；

图2为本申请实施例提供的一种音量调节方法的流程图；

图3为本申请实施例提供的一种获取声音播放设备的环境图像的场景示 意图；

图4为本申请实施例提供的一种用户收听声音播放设备所播放声音的场 景示意图；

图5为本申请实施例提供的一种用户相对于声音播放设备的位置信息的 场景示意图；

图6为本申请实施例提供的一种确定第二音量的场景示意图；

图7a为本申请实施例提供的一种音量调节装置的结构图；

图7b为本申请实施例提供的一种音量调节装置的结构图；

图7c为本申请实施例提供的一种音量调节装置的结构图；

图8为本申请实施例提供的一种用于音量调节的设备的结构图；

图9为本申请实施例提供的一种服务器的结构图。

具体实施方式

下面结合附图，对本申请的实施例进行描述。

目前，针对于各类具有声音播放功能的声音播放设备，它们的音量设置 功能基本上都是需要用户主动参与的，即由用户通过手动增大或减小音量， 以满足声音诉求。可见，该种调整音量的方式，不能根据用户的反映做出自 动调整，智能程度低，体验也不够好。

为此，本申请实施例提供了一种音量调节方法，该方法可以基于声音播 放设备的环境图像，通过根据从所述环境图像中确定出的用户特征、以及用 户与声音播放设备的距离，确定出对应该用户特征的用户在该距离下的舒适 音量。从而根据该确定出的舒适音量调节声音播放设备的音量，该方法使得 所得到的调节结果能够满足该用户的实际收听喜好，无需用户手动调节，提 高了用户的收听体验。

首先，对本申请实施例的应用场景进行介绍。本申请实施例所提供的音 量调节方法可以应用于声音播放设备，例如可以是终端设备。所述终端设备 具体可以为智能电视、智能音箱、计算机、个人数字助理(Personal Digital Assistant，PDA)、平板电脑等。

为了便于理解本申请的技术方案，下面结合实际应用场景对本申请实施 例提供的音量调节方法进行介绍。

参见图1，该图示出了本申请实施例提供的一种音量调节方法的应用场景 示意图。该应用场景中包括声音播放设备101，其中，可以获取声音播放设备 101的环境图像，这里所述的环境图像中可以包括：收听该声音播放设备101 所播放声音的用户。

在获取到环境图像之后，可以根据环境图像，确定出真实场景中的用户 与声音播放设备101间的距离，以及，可以根据环境图像中用户的用户面部 信息，确定该用户对应的用户特征。其中，所述用户面部信息可以是关于用 户面部的信息，比如面部轮廓信息、面部纹理信息等。所述用户特征可以是 与该用户相关的特征，比如某一用户的用户特征可以是该用户的用户年龄、 用户性别等特征。需要说明，本申请实施例中的用户特征可以是针对于某一 个用户来说的。举例来说，比如可以根据环境图像中用户的面部轮廓信息、 面部纹理信息等用户面部信息，确定出该用户的用户年龄这一用户特征。

在本申请实施例中，不同的用户特征可以对应有相应的第一音量，其中， 可以将用户特征对应的第一音量理解为：对应该用户特征的用户在与声音播 放设备相距标准距离时的舒适音量范围。也就是说，当对应该用户特征的用 户在与声音播放设备相距的距离为标准距离时，对于该用户而言，第一音量 可以是该用户的舒适音量范围。例如：假设用户特征A对应第一音量V1，该 第一音量V1的标准距离为3m，用户B对应该用户特征A，则，当用户B与 声音播放设备相距3m时，则，该第一音量V1可以是使用户B最为舒适的音 量范围。

可以理解，第一音量是基于标准距离而言的，而在实际场景中，用户与 声音播放设备的距离不一定是标准距离。由此，在根据环境图像中的用户特 征确定出第一音量之后，可以基于第一音量，以及根据从环境图像中确定出 的用户与声音播放设备的距离，确定出第一音量对应的、符合该距离下的第 二音量。其中，第二音量可以基于第一音量和用户与声音播放设备的距离确 定出的音量范围。举例来说，假设第一音量为V1，且第一音量的标准距离为 3m，根据环境图像确定出的用户与声音播放设备的距离为6m，则，可以根据第一音量V1的标准距离与用户与声音播放设备的距离间的关系，确定出的第 一音量V1对应的、符合该距离(6m)下的第二音量V2，比如确定出的第二 音量V2可以是2V1。

因为第二音量是根据第一音量确定出的，且第一音量能够体现出对应该 用户特征的舒适音量的范围，故此，根据第二音量调节声音播放设备的音量， 使得所得到的调节结果能够满足该用户的实际收听喜好，无需用户手动调节， 从而提高了用户的收听体验。

需要说明，在本申请实施例中，第一音量和第二音量都可以是绝对、客 观的音量，其单位可以是分贝(dB)。

接下来，将结合附图对本申请实施例提供的音量调节方法进行介绍。

参见，该图示出了本申请实施例提供的一种音量调节位方法的流程图， 所述方法包括：

S201：获取声音播放设备的环境图像。

在本申请实施例中，可以获取声音播放设备的环境图像。其中，所述声 音播放设备的环境图像可以是该声音播放设备周围环境的图像。例如：对于 智能电视这个声音播放设备，可以获取该智能电视在屏幕朝向上的环境图像。 此外，在获取的声音播放设备的环境图像中可以包括收听该声音播放设备所 播放声音的用户。

在具体实现中，比如可以在声音播放设备安装高清摄像头等获取图像的 装置，以拍摄高清照片，从而实现对环境图像的获取。其中，拍摄照片的大 小和方向可以是固定的。例如：参见图3，该图示出了本申请实施例提供的一 种获取声音播放设备的环境图像的场景示意图，如图3所示，在智能电视上 安装的高清摄像头可以每隔固定时间拍摄一张该智能电视屏幕朝向的环境图 像。

S202：根据所述环境图像确定所述用户与所述声音播放设备间的距离， 以及根据所述环境图像中的用户面部信息确定对应的用户特征。

在获取到环境图像之后，可以根据该环境图像，确定出用户与声音播放 设备间的距离。针对于根据环境图像确定出用户与声音播放设备间的距离， 举例来说，参见图4，该图示出了本申请实施例提供的一种用户收听声音播放 设备所播放声音的场景示意图。可以根据环境图像，获取到如图4所示的真 实场景中用户与声音播放设备间的距离Dt。

此外，可以根据该环境图像中用户的用户面部信息，确定出该用户对应 的用户特征。比如可以根据环境图像中用户的面部纹理信息，确定出该用户 对应的年龄这一用户特征。

S203：根据所述距离以及所述用户特征对应的第一音量，确定对应所述 用户的第二音量。

在本申请实施例中，用户特征可以对应有相应的第一音量。用户特征对 应的第一音量可以是对应该用户特征的用户与声音播放设备相距标准距离时 的舒适音量范围。

可以理解，不同的用户特征对应的第一音量不一定相同。举例来说，比 如针对于年龄这一用户特征来说，较低年龄的用户特征可以对应有第一音量 V1，较高年龄的用户特征可以对应有第一音量V1’，由于较低年龄的用户与 年龄较高的用户的听觉能力不一定相同，因此，第一音量V1与第一音量V1’ 可能不同。

这样，可以基于确定出的用户特征，得到与之对应的第一音量。需要说 明，该用户特征对应的第一音量是基于标准距离而言的，因此，可以基于该 用户特征对应的第一音量以及用户与声音播放设备的距离，确定出第一音量 对应的、符合该距离下的第二音量。

其中，基于用户特征对应的第一音量以及用户与声音播放设备的距离， 确定对应该用户的第二音量的方法比如可以是：假设第一音量为V1，它的标 准距离为Ds，用户与声音播放设备的距离Dt，由此确定出的对应该用户的第 二音量V2＝V1*fc*p。其中，fc可以是距离参数，fc可以是用户与声音播放设 备的距离Dt和标准距离Ds的比，即：fc＝Dt/Ds，p可以为增幅参数。

S204：根据所述第二音量调节所述声音播放设备的音量。

从而，可以根据第二音量对声音播放设备的音量进行调节，以使得声音 播放设备的音量符合第二音量。

综上所述，获取声音播放设备的环境图像，所述环境图像中包括收听所 述声音播放设备所播放声音的用户；根据所述环境图像确定所述用户与所述 声音播放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应 的用户特征。通过该用户特征，可以确定出适合该用户特征的第一音量，从 而可以根据前述确定的距离和第一音量，确定第一音量符合该距离下的第二 音量，并以该第二音量作为调节声音播放设备音量的依据。由于第二音量是 根据第一音量确定的，且第一音量能够体现出对应该用户特征，舒适音量的范围，故此，根据第二音量调节声音播放设备的音量，所得到的调节结果能 够满足该用户的实际收听喜好，无需用户手动调节，提高了用户的收听体验。

在本申请实施例中，针对于收听声音播放设备所播放声音的用户，该声 音播放设备可以对该用户的相关信息进行存储，其中，存储的用户的相关信 息可以包括表征用户身份的身份信息、以及该用户身份对应的第一音量。其 中，所述用户身份可以是用于标识用户的身份的特征。所述身份信息可以是 用于表征用户身份的信息，比如身份信息可以是面部信息。在实际场景中， 声音播放设备可以对不同用户的相关信息进行存储。其中，可以将不同用户 的身份信息的集合记为身份集合。

在具体实现中，声音播放设备可以对不同用户的面部信息和该面部信息 对应的第一音量进行存储。此外，当用户应用他的手机号等个人信息登录声 音播放设备时，还可以将他的面部信息与个人信息进行绑定。

基于此，在一种可能的实现方式中，S202中确定出的用户特征可以包括 用户身份。则，S202中根据环境图像中的用户面部信息确定对应的用户特征 的方法，可以包括：

S301：根据环境图像中的用户面部信息与身份集合中的面部信息进行匹 配。

在本申请实施例中，可以将环境图像中的用户面部信息与声音播放设备 存储的身份集合中的面部信息进行匹配。可以理解，在将环境图像中的用户 面部信息与声音播放设备存储的身份集合中的面部信息进行匹配后，可能会 出现如下情形：身份集合中的某一个面部信息与环境图像中的用户面部信息 相匹配。其中，可以将身份集合中的该面部信息记为目标面部信息。在该种 情形下，可以执行S302。此外，还可能会出现如下情形：身份集合中不包括 与用户面部信息匹配的面部信息。针对于该种情形，可以执行S303。

S302：根据所述目标面部信息对应的身份信息确定出所述用户身份。

可以根据目标面部信息对应的身份信息，确定出环境图像中该用户的用 户身份。

从而，便于执行S203，即：便于声音播放设备根据用户身份这一用户特 征，从其存储的用户相关信息中确定该用户特征对应的第一音量。

另外，在一种可能的方式中，在S301中，如果身份集合中不包括与用户 面部信息匹配的面部信息，则，针对于S301中的根据环境图像中的用户面部 信息与身份集合中的面部信息进行匹配的方法，可以包括：

S303：根据环境图像中的用户面部信息识别用户对应的用户年龄。

在本申请实施例中，可以根据环境图像中的用户面部信息识别用户对应 的用户年龄这一用户特征。

从而，便于在S203中，可以根据环境图像中用户对应的用户年龄这一用 户特征，确定该用户特征(用户年龄)对应的第一音量。

在具体场景中，当识别出环境图像中用户对应的用户年龄后，可以向服 务器发送网络请求，该网络请求可以是基于确定出的用户年龄，确定与之对 应的第一音量的请求。服务器接收到该网络请求后，可以根据该用户年龄将 与之对应的第一音量发送至声音播放设备。

需要说明，针对于S303中的根据环境图像的用户面部信息确定出对应的 用户年龄的方式，也可以不在S301-S302之后执行。其中，该S303可以单独 作为S202中根据环境图像中的用户面部信息确定对应的用户特征的实施方 式，比如：在获取环境图像之后，可以直接根据环境图像的用户面部信息， 确定出对应的用户年龄这一用户特征，从而根据用户年龄确定该用户特征(用 户年龄)对应的第一音量。

针对于S202中根据环境图像确定用户与声音播放设备间的距离的方法， 在一种可能的实现方式中，该方法可以包括：

S401：根据环境图像确定所述用户的人脸尺寸。

S402：根据人脸尺寸确定用户与所述声音播放设备间的距离。

在本申请实施例中，可以根据环境图像，确定出用户的人脸尺寸，从而 根据确定出的人脸尺寸，确定出用户与声音播放设备间的距离。

具体实现中，由于采集环境图像的设备的位置是固定的，因此，环境图 像中用户的人脸大小可以与正常人脸大小、用户与声音播放设备的距离以及 采集环境图像的设备的参数(比如摄像头焦距)等具有对应关系。由此，可 以基于该对应关系，确定出在真实场景中用户与声音播放设备的距离。

在本申请实施例中，用户仍可以根据其对音量的实际需求，对声音播放 设备的音量进行调节。需要说明，应当基于如下原则来执行本申请实施例提 供的方法，即：相比于自动控制声音播放设备的音量的方式，应当优先执行 用户对声音播放设备音量的手动控制。也就是说，当用户对声音播放设备的 音量进行调节时，声音播放设备应当优先依据该用户的音量调节操作来实现 其音量的调整。因此，在一种可能的实现方式中，所述音量调节方法还包括：

S501：若获取用户针对声音播放设备的音量调节操作，确定音量调节操 作对应的音量信息。

在本申请实施例中，如果用户对声音播放设备进行了音量调节操作，可 以获取该用户对声音播放设备的音量调节操作，并确定音量调节操作对应的 音量信息。

在具体实现中，比如可以在声音播放设备上安装声音采集装置，这样， 在获取到用户针对声音播放设备的音量调节操作后，若用户在较长一段时间 内都在该用户调整后的音量下收听声音，则可以通过声音采集装置采集到该 音量，并将该音量确定为用户音量调节操作对应的音量信息。其中，声音采 集装置采集到声音的音量可以是绝对音量，其单位可以是分贝(dB)。

S502：根据音量信息调整第一音量。

在确定音量调节操作对应的音量信息后，可以根据该音量信息调整第一 音量，并将调整后的第一音量进行保存。

由于用户最了解自身的舒适音量范围，因此，根据用户的音量调节操作 所对应的音量信息，以对用户特征(对应于该用户)对应的第一音量进行调 整，使得调整后的该用户特征(对应于该用户)对应的第一音量能够更符合 用户的舒适音量范围。

此外，如果用户在较长一段时间内都在同一个音量下收听所播放的声音， 也可以表示该音量属于用户的舒适音量范围，因此还可以根据该音量对第一 音量进行调节。

在实际场景中，当用户对当前声音播放设备的音量比较满意时，该用户 的面部会表露出满意的神情；当用户对当前声音播放设备的音量不满意时， 该用户的面部会表露出不满意的神情。因此，在一种可能的实现方式中，所 述方法还包括：

S601：根据所述环境图像确定所述用户的表情信息。

S602：根据所述表情信息调整所述第一音量。

在本申请实施例中，可以根据环境图像，确定出该用户的表情信息，从 而根据该表情信息对该用户(对应用户特征)的第一音量进行调节。其中， 所述用户的表情信息比如可以是与用户面部表现出的与舒适度相关的信息。

具体实现中，比如可以将获取的环境图像发送至服务器中，服务器可以 根据该环境图像，对其中用户的人脸表情进行识别，并与人脸表情的大数据 进行对比，以得到环境图像中该用户的人脸表情所体现的舒适度程度，并以 此确定出用户的表情信息。并根据该表情信息对第一音量进行调整。

由此，通过环境图像中用户的表情信息对用户的第一音量进行进一步的 调节，使得用户(对应用户特征)的第一音量更符合用户的舒适音量范围。

在实际场景中，声音播放设备可以包括多个声道，比如智能电视可以包 括两个声道(在智能电视的左右两侧可以分别设置有一个声道)。这样，声音 播放设备的每个声道与用户的距离不一定相同，由此，在一种可能的实现方 式中，所述音量调节方法还包括：

S701：根据所述环境图像确定所述用户相对于所述声音播放设备的位置 信息。

这里所述的位置信息可以是：在真实场景中的用户相对于声音播放设备 的与位置相关的信息。举例说明：参见图5，该图示出了本申请实施例提供的 一种用户相对于声音播放设备的位置信息的场景示意图，如图5所示，所述 声音播放设备可以是智能电视，则，根据环境图像确定出的用户和智能电视 的位置信息比如可以包括：用户与智能电视中心位置的距离Dt，或者，用户 相对于智能电视的位置偏移角度。其中，该位置偏移角度可以是用户相对于 智能电视的某一侧(左侧或者右侧)所夹的角度。

在本申请实施例中，可以根据环境图像确定出用户相对于声音播放设备 的位置信息。

则，S203中的根据距离以及用户特征对应的第一音量，确定对应用户的 第二音量的方法，可以包括：

S702：根据所述距离、所述位置信息以及所述用户特征对应的第一音量， 确定对应所述用户的第二音量，所述第二音量包括针对不同声道的音量信息， 其中，靠近所述用户的声道音量小于远离所述用户的声道音量。

在确定出用户相对于声音播放设备的位置信息之后，可以根据用户与声 音播放设备的距离、用户相对于声音播放设备的位置信息以及用户特征对应 的第一音量，确定出对应用户的第二音量。其中，该第二音量中可以包括针 对于该声音播放设备的每个声道的音量信息。且对于声音播放设备来说，其 中的靠近用户的声道的音量小于远离用户的声道的音量。

接下来以具体示例进行说明：基于图5所对应的示例，参见图6，该图示 出了本申请实施例提供的一种确定第二音量的场景示意图，在确定出用户相 对于声音播放设备的位置信息(位置信息包括用户与智能电视中心位置的距 离Dt和用户相对于智能电视的位置偏移角度)后，可以根据该位置信息，分 别确定出用户与智能电视的左声道的距离Dl和用户与智能电视的右声道的距 离Dr。由此，智能电视的左声道和右声道的音量信息，可以分别通过如下方 式确定：可以根据第一音量和用户与智能电视中心位置的距离Dt确定出音量 V2＝V1*fc*p，从而，根据该音量V2分别确定出智能电视的左声道和右声道 的音量信息：Vl＝V2*(Dl/Dt)*p，Vr＝V2*(Dr/Dt)*p。从而可以将智能电 视的左声道和右声道的音量信息归为第二音量。其中，Vl可以是智能电视左 声道的音量，Vr可以是智能电视右声道的音量。

如图6所示，可以理解，相比于智能电视的右声道而言，它的左声道更 靠近用户，且确定出的该左声道的音量小于右声道的音量。

由此可见，当声音播放设备包括多个声道时，对其中包括的每个声道都 分别确定出对应用户的舒适音量范围，从而将每个声道的对应用户的舒适音 量范围作为第二音量。由此，在以第二音量调节每个声道的音量时，可以使 得为每个声道调节的音量都能够满足该用户的实际收听喜好，且保证多个声 道的音量更均衡，从而提高了用户的收听体验。

实际场景中，用户对其音量的调节通常是对声音播放设备的音量设置一 个值后，切换播放内容例如切换频道或视频时，因为不同播放内容的音量大 小本身可以是不一致的，这个时候可能需要用户重新调整音量，体验较差。

为此，在一种可能的实现方式中，在进行S204之后，所述方法还包括：

S801：若确定声音播放设备切换了播放内容，检测播放内容的目标播放 音量。

当确定声音播放设备切换了播放内容，可以检测该播放内容的目标播放 音量。其中，可以将播放内容的目标播放音量理解为：在声音播放设备当前 的音量值下，该声音播放设备播放该播放内容时的绝对音量。

举例来说，当用户在收听频道X的播放内容时，假设当前声音播放设备 的音量值为50(比如该声音播放设备的音量设置范围为0-100)，当用户从频 道X切换至频道Y时，可以检测频道Y的播放内容的目标播放音量。可以将 频道Y的播放内容的目标播放音量理解为：在当前声音播放设备的音量值为 50的情况下，播放频道Y的播放内容时该声音播放设备发出的绝对音量。

S802：若所述目标播放音量不符合所述第二音量，根据所述第二音量调 节所述声音播放设备的音量。

在确定出播放内容的目标播放音量后，可以确定该目标播放音量是否符 合第二音量，若不满足，则可以根据第二音量调节该声音播放设备的音量。 由此，可以使得声音播放设备在播放切换后的播放内容时，其音量也可以满 足用户的实际收听喜好。

接下来，将结合具体应用场景对本申请实施例提供的音量调节方法进行 介绍。

以智能电视作为声音播放设备，在智能电视的节目播放过程中，可以对 智能电视的正前方区域内采集图像。其中，在采集图像时可以是基于固定角 度进行的，且可以每隔固定时间采集一张图像，比如每分钟采集一张智能电 视的图像。

可以通过网络对所采集的图像进行人脸识别，当确定采集的图像中包括 收听智能电视所播放声音的用户时，可以将该图像确定为声音播放设备的环 境图像。

在本申请实施例中，可以根据环境图像中的用户面部信息，确定存储的 身份集合中是否包括与该用户面部信息匹配的目标面部信息，若包括，则可 以根据该目标面部信息对应的身份信息确定出该用户的用户身份，并确定出 该用户身份对应的第一音量。若不包括，则可以确定该用户为新用户，根据 该目标面部信息确定出该用户的用户年龄，并向服务器发送网络请求，服务 器接收到该请求后，确定出该用户年龄对应的第一音量，并发送给智能电视。

可以根据环境图像中的该用户的人脸尺寸，计算出该用户距离智能电视 的距离，并根据该距离与第一音量的标准距离的对比，在第一音量V1的基础 上进行微调，得到第二音量V2。其中，根据用户与智能电视的距离以及第一 音量，确定第二音量的方法可以是：V2＝V1*fc*p，其中，fc可以是距离参数， fc可以是用户与声音播放设备的距离Dt和标准距离Ds的比，即：fc＝Dt/Ds， p可以为增幅参数。

由于智能电视中包括有两个声道，那么，可以根据确定出的用户相对于 智能电视的位置信息(如图5所示的用户相对于智能电视的位置偏移角度) 分别计算左右声道的音量信息，计算智能电视的左声道和右声道的音量信息 的方法可以分别为：Vl＝V2*(Dl/Dt)*p，Vr＝V2*(Dr/Dt)*p。理论上，靠 近用户的左声道的音量小于远离用户的右声道的音量。由此使得处于当前位 置的用户可以达到左右声道均衡的听觉效果。

当用户在较长一段时间内在同一个音量下观看电视时，可以实时采集当 前的音量，并将该音量作为调整第一音量的依据，从而使得第一音量更符合 该用户的舒适音量范围。此外，当用户对声音播放设备进行了音量调节操作 时，如果用户在较长一段时间内在该调整后的音量下观看电视，也可以将这 样的音量作为调整第一音量的依据。

需要说明，用户在手动调整智能电视的音量之后，应当以用户手动调整 的音量为准。

当用户切换频道或者观看不同电视节目时，由于不同播放内容的音量大 小本身可以是不一致的，因此常会出现音量突然增大或减小的情形。由此， 在切换频道或节目时，可以实时采集切换后的播放内容的目标播放音量，并 确定该目标播放音量是否满足第二音量，若不满足，可以根据第二音量对智 能电视的音量进行实时调整，以使得在智能电视播放切换后的播放内容时， 该智能电视的音量可以在第二音量之内，从而达到自动调整音量的目的。

用户可以将环境图像发送至服务器中，服务器可以根据该环境图像，对 其中用户的人脸表情进行识别，并与人脸表情的大数据进行对比，以得到环 境图像中该用户的人脸表情所体现的舒适度的程度，并以此对第一音量进行 微调。

在本申请实施例中，调整音量的方式比如可以包括如下几个维度：用户 与智能电视的距离，用户相对于智能电视的位置偏移角度，基于用户的表情 信息，以及更新第一音量。可以为这几个维度都设置相应的开关，在实际场 景中，可以根据实际情况选择合适的维度，以实现音量的调整。

基于前述实施例提供的一种音量调节方法，本申请实施例还提供一种音 量调节装置，参见图7a，该图示出了本申请实施例提供的一种音量调节装置 的结构示意图，所述装置700包括获取单元701、第一确定单元702、第二确 定单元703和调节单元704：

所述获取单元701，用于获取声音播放设备的环境图像，所述环境图像中 包括收听所述声音播放设备所播放声音的用户；

所述第一确定单元702，用于根据所述环境图像确定所述用户与所述声音 播放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应的用 户特征；

所述第二确定单元703，用于根据所述距离以及所述用户特征对应的第一 音量，确定对应所述用户的第二音量；

所述调节单元704，用于根据所述第二音量调节所述声音播放设备的音 量。

可选的，所述第一确定单元702，具体用于：

根据所述环境图像中的用户面部信息与身份集合中的面部信息进行匹 配，其中，所述用户特征包括用户身份；

若所述身份集合中的目标面部信息与所述用户面部信息匹配，根据所述 目标面部信息对应的身份信息确定出所述用户身份。

可选的，所述第一确定单元702，还具体用于：

若所述身份集合中不包括与所述用户面部信息匹配的面部信息，根据所 述环境图像中的用户面部信息识别所述用户对应的用户年龄，其中，所述用 户特征包括用户年龄。

可选的，所述第二确定单元703，具体用于：

若获取所述用户针对所述声音播放设备的音量调节操作，确定所述音量 调节操作对应的音量信息；

根据所述音量信息调整所述第一音量。

可选的，所述第二确定单元703，还具体用于：

根据所述环境图像确定所述用户的表情信息；

根据所述表情信息调整所述第一音量。

可选的，所述第一确定单元702，具体用于：

根据所述环境图像确定所述用户的人脸尺寸；

根据所述人脸尺寸确定所述用户与所述声音播放设备间的距离。

可选的，参见图7b，该图示出了本申请实施例提供的一种音量调节装置 示意图，所述装置700还包括第三确定单元705：

所述第三确定单元705，用于根据所述环境图像确定所述用户相对于所述 声音播放设备的位置信息，其中，声音播放设备包括多个声道；

所述第二确定单元703，具体用于：

根据所述距离、所述位置信息以及所述用户特征对应的第一音量，确定 对应所述用户的第二音量，所述第二音量包括针对不同声道的音量信息，其 中，靠近所述用户的声道音量小于远离所述用户的声道音量。

可选的，参见图7c，该图示出了本申请实施例提供的一种音量调节装置 示意图，所述装置700还包括第四确定单元706，所述第四确定单元706，用 于：

若确定所述声音播放设备切换了播放内容，检测所述播放内容的目标播 放音量；

若所述目标播放音量不符合所述第二音量，根据所述第二音量调节所述 声音播放设备的音量。

综上所述，获取声音播放设备的环境图像，所述环境图像中包括收听所 述声音播放设备所播放声音的用户；根据所述环境图像确定所述用户与所述 声音播放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应 的用户特征。通过该用户特征，可以确定出适合该用户特征的第一音量，从 而可以根据前述确定的距离和第一音量，确定第一音量符合该距离下的第二 音量，并以该第二音量作为调节声音播放设备音量的依据。由于第二音量是 根据第一音量确定的，且第一音量能够体现出对应该用户特征，舒适音量的范围，故此，根据第二音量调节声音播放设备的音量，所得到的调节结果能 够满足该用户的实际收听喜好，无需用户手动调节，提高了用户的收听体验。

本申请实施例还提供了一种用于音量调节的设备，下面结合附图对用于 音量调节的设备进行介绍。请参见图8所示，本申请实施例提供了一种用于 音量调节的设备800，该设备800还可以是终端设备，该终端设备可以为包括 智能电视、智能音响、手机、平板电脑、个人数字助理(Personal Digital Assistant， 简称PDA)、销售终端(Point of Sales，简称POS)、车载电脑等任意智能终端， 以终端设备为手机为例：

图8示出的是与本申请实施例提供的终端设备相关的手机的部分结构的 框图。参考图8，手机包括：射频(Radio Frequency，简称RF)电路810、存 储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保 真(wireless fidelity，简称WiFi)模块870、处理器880、以及电源890等部 件。本领域技术人员可以理解，图8中示出的手机结构并不构成对手机的限 定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图8对手机的各个构成部件进行具体的介绍：

RF电路810可用于收发信息或通话过程中，信号的接收和发送，特别地， 将基站的下行信息接收后，给处理器880处理；另外，将设计上行的数据发 送给基站。通常，RF电路810包括但不限于天线、至少一个放大器、收发信 机、耦合器、低噪声放大器(Low NoiseAmplifier，简称LNA)、双工器等。 此外，RF电路810还可以通过无线通信与网络和其他设备通信。上述无线通 信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(Global System of Mobile communication，简称GSM)、通用分组无线服务(GeneralPacket Radio Service，简称GPRS)、码分多址(Code Division Multiple Access， 简称CDMA)、宽带码分多址(Wideband Code Division Multiple Access，简称 WCDMA)、长期演进(Long Term Evolution，简称LTE)、电子邮件、短消息 服务(Short Messaging Service，简称SMS)等。

存储器820可用于存储软件程序以及模块，处理器880通过运行存储在 存储器820的软件程序以及模块，从而执行手机的各种功能应用以及数据处 理。存储器820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应用程序(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手机的使用所创建的数据(比如音频 数据、电话本等)等。此外，存储器820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。

输入单元830可用于接收输入的数字或字符信息，以及产生与手机的用 户设置以及功能控制有关的键信号输入。具体地，输入单元830可包括触控 面板831以及其他输入设备832。触控面板831，也称为触摸屏，可收集用户 在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附 件在触控面板831上或在触控面板831附近的操作)，并根据预先设定的程式 驱动相应的连接装置。可选的，触控面板831可包括触摸检测装置和触摸控 制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作 带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收 触摸信息，并将它转换成触点坐标，再送给处理器880，并能接收处理器880 发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面 声波等多种类型实现触控面板831。除了触控面板831，输入单元830还可以 包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键 盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中 的一种或多种。

显示单元840可用于显示由用户输入的信息或提供给用户的信息以及手 机的各种菜单。显示单元840可包括显示面板841，可选的，可以采用液晶显 示器(Liquid CrystalDisplay，简称LCD)、有机发光二极管(Organic Light-Emitting Diode，简称OLED)等形式来配置显示面板841。进一步的， 触控面板831可覆盖显示面板841，当触控面板831检测到在其上或附近的触 摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据 触摸事件的类型在显示面板841上提供相应的视觉输出。虽然在图8中，触 控面板831与显示面板841是作为两个独立的部件来实现手机的输入和输入 功能，但是在某些实施例中，可以将触控面板831与显示面板841集成而实 现手机的输入和输出功能。

手机还可包括至少一种传感器850，比如光传感器、运动传感器以及其他 传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境 光传感器可根据环境光线的明暗来调节显示面板841的亮度，接近传感器可 在手机移动到耳边时，关闭显示面板841和/或背光。作为运动传感器的一种， 加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检 测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相 关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至 于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他 传感器，在此不再赘述。

音频电路860、扬声器861，传声器862可提供用户与手机之间的音频接 口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器861， 由扬声器861转换为声音信号输出；另一方面，传声器862将收集的声音信 号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输 出处理器880处理后，经RF电路810以发送给比如另一手机，或者将音频数 据输出至存储器820以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块870可以帮助用户收 发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联 网访问。虽然图8示出了WiFi模块870，但是可以理解的是，其并不属于手 机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器880是手机的控制中心，利用各种接口和线路连接整个手机的各 个部分，通过运行或执行存储在存储器820内的软件程序和/或模块，以及调 用存储在存储器820内的数据，执行手机的各种功能和处理数据，从而对手 机进行整体监控。可选的，处理器880可包括一个或多个处理单元；优选的， 处理器880可集成应用处理器和调制解调处理器，其中，应用处理器主要处 理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。 可以理解的是，上述调制解调处理器也可以不集成到处理器880中。

手机还包括给各个部件供电的电源890(比如电池)，优选的，电源可以 通过电源管理***与处理器880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。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本实施例中，该终端设备所包括的处理器880还具有以下功能：

获取声音播放设备的环境图像，所述环境图像中包括收听所述声音播放 设备所播放声音的用户；

根据所述环境图像确定所述用户与所述声音播放设备间的距离，以及根 据所述环境图像中的用户面部信息确定对应的用户特征；

根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的 第二音量；

根据所述第二音量调节所述声音播放设备的音量。

本申请实施例提供的用于音量调节的设备可以是服务器，请参见图9所 示，图9为本申请实施例提供的服务器900的结构图，服务器900可因配置 或性能不同而产生比较大的差异，可以包括一个或一个以***处理器 (Central Processing Units，简称CPU)922(例如，一个或一个以上处理器) 和存储器932，一个或一个以上存储应用程序942或数据944的存储介质930 (例如一个或一个以上海量存储设备)。其中，存储器932和存储介质930可 以是短暂存储或持久存储。存储在存储介质930的程序可以包括一个或一个 以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。 更进一步地，中央处理器922可以设置为与存储介质930通信，在服务器900 上执行存储介质930中的一系列指令操作。

服务器900还可以包括一个或一个以上电源926，一个或一个以上有线或 无线网络接口950，一个或一个以上输入输出接口958，和/或，一个或一个以 上操作***941，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM， FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图9所示的服务器结构。

其中，CPU922用于执行如下步骤：

获取声音播放设备的环境图像，所述环境图像中包括收听所述声音播放 设备所播放声音的用户；

根据所述环境图像确定所述用户与所述声音播放设备间的距离，以及根 据所述环境图像中的用户面部信息确定对应的用户特征；

根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的 第二音量；

根据所述第二音量调节所述声音播放设备的音量。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等 (如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次 序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申 请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外， 术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如， 包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地 列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方 法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个” 是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存 在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存 在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后 关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项 中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或 c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或 “a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和 方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示 意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可 以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个 ***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合 或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单 元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本 申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的 全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个 存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步 骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory， 简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟 或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制； 尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种音量调节方法，其特征在于，所述方法包括：

获取声音播放设备的环境图像，所述环境图像中包括收听所述声音播放设备所播放声音的用户；

根据所述环境图像确定所述用户与所述声音播放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应的用户特征；

根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的第二音量；

根据所述第二音量调节所述声音播放设备的音量。

2.根据权利要求1所述的方法，其特征在于，所述用户特征包括用户身份，所述根据所述环境图像中的用户面部信息确定对应的用户特征，包括：

根据所述环境图像中的用户面部信息与身份集合中的面部信息进行匹配；

若所述身份集合中的目标面部信息与所述用户面部信息匹配，根据所述目标面部信息对应的身份信息确定出所述用户身份。

3.根据权利要求2所述的方法，其特征在于，所述用户特征包括用户年龄，所述根据所述环境图像中的用户面部信息与身份集合中的面部信息进行匹配，包括：

若所述身份集合中不包括与所述用户面部信息匹配的面部信息，根据所述环境图像中的用户面部信息识别所述用户对应的用户年龄。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若获取所述用户针对所述声音播放设备的音量调节操作，确定所述音量调节操作对应的音量信息；

根据所述音量信息调整所述第一音量。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述环境图像确定所述用户的表情信息；

根据所述表情信息调整所述第一音量。

6.根据权利要求1-5任意一项所述的方法，其特征在于，所述根据所述环境图像确定所述用户与所述声音播放设备间的距离，包括：

根据所述环境图像确定所述用户的人脸尺寸；

根据所述人脸尺寸确定所述用户与所述声音播放设备间的距离。

7.根据权利要求1-5任意一项所述的方法，其特征在于，所述声音播放设备包括多个声道，所述方法还包括：

根据所述环境图像确定所述用户相对于所述声音播放设备的位置信息；

所述根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的第二音量，包括：

根据所述距离、所述位置信息以及所述用户特征对应的第一音量，确定对应所述用户的第二音量，所述第二音量包括针对不同声道的音量信息，其中，靠近所述用户的声道音量小于远离所述用户的声道音量。

8.根据权利要求1-5任意一项所述的方法，其特征在于，在根据所述第二音量调节所述声音播放设备的音量之后，所述方法还包括：

若确定所述声音播放设备切换了播放内容，检测所述播放内容的目标播放音量；

若所述目标播放音量不符合所述第二音量，根据所述第二音量调节所述声音播放设备的音量。

9.一种音量调节装置，其特征在于，所述装置包括获取单元、第一确定单元、第二确定单元和调节单元：

所述获取单元，用于获取声音播放设备的环境图像，所述环境图像中包括收听所述声音播放设备所播放声音的用户；

所述第一确定单元，用于根据所述环境图像确定所述用户与所述声音播放设备间的距离，以及根据所述环境图像中的用户面部信息确定对应的用户特征；

所述第二确定单元，用于根据所述距离以及所述用户特征对应的第一音量，确定对应所述用户的第二音量；

所述调节单元，用于根据所述第二音量调节所述声音播放设备的音量。

10.根据权利要求9所述的装置，其特征在于，所述第一确定单元，具体用于：

根据所述环境图像中的用户面部信息与身份集合中的面部信息进行匹配，其中，所述用户特征包括用户身份；

若所述身份集合中的目标面部信息与所述用户面部信息匹配，根据所述目标面部信息对应的身份信息确定出所述用户身份。

Images