CN114333017A - 一种动态拾音方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种动态拾音方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及智能交通领域。具体实现方案为：接收当前用户发送的唤醒指令；响应于唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果；若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令；响应于语音控制指令，执行语音控制指令对应的控制操作。本申请实施例可以有效地提高车载场景下的动态拾音准确率，同时还可以节省硬件开销，降低维护成本。

Description

一种动态拾音方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，进一步涉及智能交通技术，尤其是一种动态拾音方法、装置、电子设备及存储介质。

背景技术

随着智能网联汽车的快速发展，语音控制功能在汽车里的应用已经越来越普遍。动态拾音功能，即锁定唤起一方音源，限制其它方向的音源输入，更能提高唤醒方用户的语音识别准确率。车载场景是复杂的，车躁、胎噪、车载音乐等情况，都会对车载场景的音源判定造成影响。如果出现动态拾音错误的情况，对用户的体验感是极其负面的。因为唤醒方后续的指令输入被限制，反而不能使用语音，完全丢失了语音的体验入口。

在起初的项目中，大多是单音区项目，即麦克风集中在主副驾之间，通过麦克风接收到的主驾和副驾的音源的时间差进行判断。但这种判断方式在面对复杂的车载场景，准确率一直有待提升。以致于后面出来了双音区、四音区方案。但是这也只是进一步提升了准确率，并不能完全避免。这种提升还建立在高昂的硬件消耗的基础上，而且后期四音区的开发、维护成本也很高。

发明内容

本公开提供了一种动态拾音方法、装置、电子设备以及存储介质。

第一方面，本申请提供了一种动态拾音方法，所述方法包括：

接收当前用户发送的唤醒指令；

响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果；

若所述当前用户的人脸识别结果满足预先设定的检测条件，接收所述当前用户发送的语音控制指令；

响应于所述语音控制指令，执行所述语音控制指令对应的控制操作。

第二方面，本申请提供了一种动态拾音装置，所述装置包括：指令接收模块、人脸识别模块和指令执行模块；其中，

所述指令接收模块，用于接收当前用户发送的唤醒指令；

所述人脸识别模块，用于响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果；

所述指令接收模块，还用于若所述当前用户的人脸识别结果满足预先设定的检测条件，接收所述当前用户发送的语音控制指令；

所述指令执行模块，用于响应于所述语音控制指令，执行所述语音控制指令对应的控制操作。

第三方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的动态拾音方法。

第四方面，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，该程序被处理器执行时实现本申请任意实施例所述的动态拾音方法。

第五方面，提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时实现本申请任意实施例所述的动态拾音方法。

根据本申请的技术解决了现有技术中动态拾音准确率低，以及硬件消耗大，维护成本高的技术问题，本申请提供的技术方案，可以有效地提高车载场景下的动态拾音准确率，同时还可以节省硬件开销，降低维护成本。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本申请实施例提供的动态拾音方法的第一流程示意图；

图2是本申请实施例提供的动态拾音方法的第二流程示意图；

图3是本申请实施例提供的动态拾音方法的第三流程示意图；

图4是本申请实施例三提供的动态拾音装置的结构示意图；

图5是用来实现本申请实施例的动态拾音方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1是本申请实施例提供的动态拾音方法的第一流程示意图，该方法可以由动态拾音装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，动态拾音方法可以包括以下步骤：

S101、接收当前用户发送的唤醒指令。

在本步骤中，电子设备可以接收当前用户发送的唤醒指令。具体地，电子设备可以接收当前用户通过耳机触发的唤醒操作；根据唤醒操作生成唤醒指令；或者，电子设备还可以接收当前用户通过麦克风发送的唤醒语音；根据唤醒语音生成唤醒指令；唤醒指令用于指示车辆的图像采集装置进行唤醒。

S102、响应于唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果。

在本步骤中，电子设备可以响应于唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果。具体地，电子设备可以响应于唤醒指令，向车辆的图像采集装置发送图像采集指令，使得图像采集装置响应于图像采集指令获取当前用户的至少一张人脸图像；然后基于该至少一张人脸图像对当前用户进行人脸识别，得到当前用户的人脸识别结果。

S103、若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令。

在本步骤中，若当前用户的人脸识别结果满足预先设定的检测条件，电子设备可以接收当前用户发送的语音控制指令。具体地，电子设备可以在当前用户的人脸识别结果中提取出当前用户的人脸特征；若当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则电子设备可以判定当前用户的人脸识别结果满足预先确定的检测条件。若当前用户的人脸特征与多个目标用户中的任意一个目标用户的人脸特征均不匹配，则电子设备可以判定当前用户的人脸识别结果不满足预先确定的检测条件。

S104、响应于语音控制指令，执行语音控制指令对应的控制操作。

在本步骤中，电子设备可以响应于语音控制指令，执行语音控制指令对应的控制操作。具体地，电子设备可以先将语音控制指令转换为文本控制指令，然后执行文本控制指令对应的控制操作。

本申请实施例提出的动态拾音方法，先接收当前用户发送的唤醒指令；然后响应于该唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果；若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令；然后响应于该语音控制指令，执行语音控制指令对应的控制操作。也就是说，本申请可以将语音和视频相结合来实现动态拾音功能，这样可以准确地定位到发出语音控制指令的当前用户，避免其他用户的语音干扰。而在现有的动态拾音方法中，通过是采用双音区、四音区的方案来实现，这样无疑会增加硬件消耗，增加维护成本。因为本申请采用了语音识别和人脸识别相结合的技术手段，克服了现有技术中动态拾音准确率低，以及硬件消耗大，维护成本高的技术问题，本申请提供的技术方案，可以有效地提高车载场景下的动态拾音准确率，同时还可以节省硬件开销，降低维护成本；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例二

图2是本申请实施例提供的动态拾音方法的第二流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图2所示，动态拾音方法可以包括以下步骤：

S201、接收当前用户发送的唤醒指令。

在本步骤中，电子设备可以接收当前用户发送的唤醒指令。具体地，电子设备可以接收当前用户通过耳机触发的唤醒操作；根据唤醒操作生成唤醒指令；或者，电子设备还可以接收当前用户通过麦克风发送的唤醒语音；根据唤醒语音生成唤醒指令；唤醒指令用于指示车辆的图像采集装置进行唤醒。

S202、响应于唤醒指令，向车辆的图像采集装置发送图像采集指令，使得图像采集装置响应于图像采集指令获取当前用户的至少一张人脸图像。

在本步骤中，电子设备可以响应于唤醒指令，向车辆的图像采集装置发送图像采集指令，使得图像采集装置响应于图像采集指令获取当前用户的至少一张人脸图像。具体地，本申请实施例中的图像采集装置可以安装在车辆中的每个座位的正前方，也可以安装在每个座位的周围其他位置上。该图像采集装置可以是摄像头等。

S203、基于该至少一张人脸图像对当前用户进行人脸识别，得到当前用户的人脸识别结果。

在本步骤中，电子设备可以基于该至少一张人脸图像对当前用户进行人脸识别，得到当前用户的人脸识别结果。具体地，电子设备可以先将该至少一张人脸图像中的各张人脸图像输入至预先训练好的人脸识别模型中，通过人脸识别模型得到各张人脸图像对应的人脸识别结果；然后基于各张图像对应的人脸识别结果确定当前用户的人脸识别结果。

S204、若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令。

在本步骤中，若当前用户的人脸识别结果满足预先设定的检测条件，电子设备可以接收当前用户发送的语音控制指令。具体地，电子设备可以在当前用户的人脸识别结果中提取出当前用户的人脸特征；若当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则电子设备可以判定当前用户的人脸识别结果满足预先确定的检测条件。若当前用户的人脸特征与多个目标用户中的任意一个目标用户的人脸特征均不匹配，则电子设备可以判定当前用户的人脸识别结果不满足预先确定的检测条件。

S205、响应于语音控制指令，执行语音控制指令对应的控制操作。

在本步骤中，电子设备可以响应于语音控制指令，执行语音控制指令对应的控制操作。具体地，电子设备可以先将语音控制指令转换为文本控制指令，然后执行文本控制指令对应的控制操作。

本申请实施例提出的动态拾音方法，先接收当前用户发送的唤醒指令；然后响应于该唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果；若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令；然后响应于该语音控制指令，执行语音控制指令对应的控制操作。也就是说，本申请可以将语音和视频相结合来实现动态拾音功能，这样可以准确地定位到发出语音控制指令的当前用户，避免其他用户的语音干扰。而在现有的动态拾音方法中，通过是采用双音区、四音区的方案来实现，这样无疑会增加硬件消耗，增加维护成本。因为本申请采用了语音识别和人脸识别相结合的技术手段，克服了现有技术中动态拾音准确率低，以及硬件消耗大，维护成本高的技术问题，本申请提供的技术方案，可以有效地提高车载场景下的动态拾音准确率，同时还可以节省硬件开销，降低维护成本；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例三

图3是本申请实施例提供的动态拾音方法的第三流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图3所示，动态拾音方法可以包括以下步骤：

S301、接收当前用户通过耳机触发的唤醒操作；根据唤醒操作生成唤醒指令；或者，接收当前用户通过麦克风发送的唤醒语音；根据唤醒语音生成唤醒指令；唤醒指令用于指示车辆的图像采集装置进行唤醒。

在本步骤中，电子设备可以接收当前用户通过耳机触发的唤醒操作；根据唤醒操作生成唤醒指令；或者，接收当前用户通过麦克风发送的唤醒语音；根据唤醒语音生成唤醒指令；唤醒指令用于指示车辆的图像采集装置进行唤醒。具体地，本申请实施例中的唤醒操作可以是轻拍一下，或者是点击按钮等其他操作，本申请不做限制。

S302、响应于唤醒指令，向车辆的图像采集装置发送图像采集指令，使得图像采集装置响应于图像采集指令获取当前用户的至少一张人脸图像。

在本步骤中，电子设备可以响应于唤醒指令，向车辆的图像采集装置发送图像采集指令，使得图像采集装置响应于图像采集指令获取当前用户的至少一张人脸图像。具体地，电子设备可以向当前用户对应的摄像头发送图像采集指令，摄像头在接收到该指令之后，可以对当前用户进行拍照，获取到当前用户的至少一张人脸图像。

在本申请的具体实施例中，若至少两个拾音器接收到唤醒指令，则电子设备可以基于该至少两个拾音器接收到的唤醒指令的信号幅值，从该至少两个拾音器中确定出唤醒指令所对应的目标拾音器；然后将目标拾音器接收到的唤醒指令作为当前用户发送的唤醒指令。

S303、基于该至少一张人脸图像对当前用户进行人脸识别，得到当前用户的人脸识别结果。

在本步骤中，电子设备可以基于该至少一张人脸图像对当前用户进行人脸识别，得到当前用户的人脸识别结果。具体地，电子设备可以先将该至少一张人脸图像中的各张人脸图像输入至预先训练好的人脸识别模型中，通过人脸识别模型得到各张人脸图像对应的人脸识别结果；然后基于各张图像对应的人脸识别结果确定当前用户的人脸识别结果。

S304、在当前用户的人脸识别结果中提取出当前用户的人脸特征。

在本步骤中，电子设备可以在当前用户的人脸识别结果中提取出当前用户的人脸特征。具体地，电子设备可以通过人脸识别模型提取出当前用户的人脸特征。该人脸特征可以是一个包括人脸特点信息的矩阵。

S305、若当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则判定当前用户的人脸识别结果满足预先确定的检测条件，接收当前用户发送的语音控制指令。

在本步骤中，若当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则电子设备可以判定当前用户的人脸识别结果满足预先确定的检测条件，接收当前用户发送的语音控制指令。若当前用户的人脸特征与多个目标用户中的任意一个目标用户的人脸特征均不匹配，则电子设备可以判定当前用户的人脸识别结果不满足预先确定的检测条件。

S306、响应于语音控制指令，执行语音控制指令对应的控制操作。

在本步骤中，电子设备可以响应于语音控制指令，执行语音控制指令对应的控制操作。具体地，电子设备可以先将语音控制指令转换为文本控制指令，然后执行文本控制指令对应的控制操作。

本申请实施例提出的动态拾音方法，先接收当前用户发送的唤醒指令；然后响应于该唤醒指令，对当前用户进行人脸识别，得到当前用户的人脸识别结果；若当前用户的人脸识别结果满足预先设定的检测条件，接收当前用户发送的语音控制指令；然后响应于该语音控制指令，执行语音控制指令对应的控制操作。也就是说，本申请可以将语音和视频相结合来实现动态拾音功能，这样可以准确地定位到发出语音控制指令的当前用户，避免其他用户的语音干扰。而在现有的动态拾音方法中，通过是采用双音区、四音区的方案来实现，这样无疑会增加硬件消耗，增加维护成本。因为本申请采用了语音识别和人脸识别相结合的技术手段，克服了现有技术中动态拾音准确率低，以及硬件消耗大，维护成本高的技术问题，本申请提供的技术方案，可以有效地提高车载场景下的动态拾音准确率，同时还可以节省硬件开销，降低维护成本；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例四

图4是本申请实施例提供的动态拾音装置的结构示意图。如图4所示，所述装置400包括：指令接收模块401、人脸识别模块402和指令执行模块403；其中，

所述指令接收模块401，用于接收当前用户发送的唤醒指令；

所述人脸识别模块402，用于响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果；

所述指令接收模块401，还用于若所述当前用户的人脸识别结果满足预先设定的检测条件，接收所述当前用户发送的语音控制指令；

所述指令执行模块403，用于响应于所述语音控制指令，执行所述语音控制指令对应的控制操作。

进一步的，所述人脸识别模块402，具体用于响应于所述唤醒指令，向车辆的图像采集装置发送图像采集指令，使得所述图像采集装置响应于所述图像采集指令获取所述当前用户的至少一张人脸图像；基于所述至少一张人脸图像对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果。

进一步的，所述人脸识别模块402，具体用于将所述至少一张人脸图像中的各张人脸图像输入至预先训练好的人脸识别模型中，通过所述人脸识别模型得到各张人脸图像对应的人脸识别结果；基于各张图像对应的人脸识别结果确定所述当前用户的人脸识别结果。

进一步的，所述指令接收模块401，具体用于接收所述当前用户通过耳机触发的唤醒操作；根据所述唤醒操作生成所述唤醒指令；或者，接收所述当前用户通过麦克风发送的唤醒语音；根据所述唤醒语音生成所述唤醒指令；所述唤醒指令用于指示车辆的图像采集装置进行唤醒。

进一步的，所述指令接收模块401，还用于若至少两个拾音器接收到所述唤醒指令，则基于所述至少两个拾音器接收到的唤醒指令的信号幅值，从所述至少两个拾音器中确定出唤醒指令所对应的目标拾音器；将所述目标拾音器接收到的唤醒指令作为所述当前用户发送的唤醒指令。

进一步的，所述人脸识别模块402，具体用于在所述当前用户的人脸识别结果中提取出所述当前用户的人脸特征；若所述当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则判定所述当前用户的人脸识别结果满足所述预先确定的检测条件。

上述动态拾音装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的动态拾音方法。

实施例五

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如动态拾音方法。例如，在一些实施例中，动态拾音方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的动态拾音方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行动态拾音方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种动态拾音方法，所述方法包括：

接收当前用户发送的唤醒指令；

响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果；

若所述当前用户的人脸识别结果满足预先设定的检测条件，接收所述当前用户发送的语音控制指令；

响应于所述语音控制指令，执行所述语音控制指令对应的控制操作。

2.根据权利要求1所述的方法，所述响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果，包括：

响应于所述唤醒指令，向车辆的图像采集装置发送图像采集指令，使得所述图像采集装置响应于所述图像采集指令获取所述当前用户的至少一张人脸图像；

基于所述至少一张人脸图像对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果。

3.根据权利要求2所述的方法，其中，所述基于所述至少一张人脸图像对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果，包括：

将所述至少一张人脸图像中的各张人脸图像输入至预先训练好的人脸识别模型中，通过所述人脸识别模型得到各张人脸图像对应的人脸识别结果；

基于各张图像对应的人脸识别结果确定所述当前用户的人脸识别结果。

4.根据权利要求1所述的方法，其中，所述接收当前用户发送的唤醒指令，包括：

接收所述当前用户通过耳机触发的唤醒操作；根据所述唤醒操作生成所述唤醒指令；或者，接收所述当前用户通过麦克风发送的唤醒语音；根据所述唤醒语音生成所述唤醒指令；所述唤醒指令用于指示车辆的图像采集装置进行唤醒。

5.根据权利要求4所述的方法，所述方法还包括：

若至少两个拾音器接收到所述唤醒指令，则基于所述至少两个拾音器接收到的唤醒指令的信号幅值，从所述至少两个拾音器中确定出唤醒指令所对应的目标拾音器；

将所述目标拾音器接收到的唤醒指令作为所述当前用户发送的唤醒指令。

6.根据权利要求1所述的方法，其中，所述当前用户的人脸识别结果满足预先设定的检测条件，包括：

在所述当前用户的人脸识别结果中提取出所述当前用户的人脸特征；

若所述当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则判定所述当前用户的人脸识别结果满足所述预先确定的检测条件。

7.一种动态拾音装置，所述装置包括：指令接收模块、人脸识别模块和指令执行模块；其中，

所述指令接收模块，用于接收当前用户发送的唤醒指令；

所述人脸识别模块，用于响应于所述唤醒指令，对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果；

所述指令接收模块，还用于若所述当前用户的人脸识别结果满足预先设定的检测条件，接收所述当前用户发送的语音控制指令；

所述指令执行模块，用于响应于所述语音控制指令，执行所述语音控制指令对应的控制操作。

8.根据权利要求7所述的装置，所述人脸识别模块，具体用于响应于所述唤醒指令，向车辆的图像采集装置发送图像采集指令，使得所述图像采集装置响应于所述图像采集指令获取所述当前用户的至少一张人脸图像；基于所述至少一张人脸图像对所述当前用户进行人脸识别，得到所述当前用户的人脸识别结果。

9.根据权利要求8所述的装置，所述人脸识别模块，具体用于将所述至少一张人脸图像中的各张人脸图像输入至预先训练好的人脸识别模型中，通过所述人脸识别模型得到各张人脸图像对应的人脸识别结果；基于各张图像对应的人脸识别结果确定所述当前用户的人脸识别结果。

10.根据权利要求7所述的装置，所述指令接收模块，具体用于接收所述当前用户通过耳机触发的唤醒操作；根据所述唤醒操作生成所述唤醒指令；或者，接收所述当前用户通过麦克风发送的唤醒语音；根据所述唤醒语音生成所述唤醒指令；所述唤醒指令用于指示车辆的图像采集装置进行唤醒。

11.根据权利要求10所述的装置，所述指令接收模块，还用于若至少两个拾音器接收到所述唤醒指令，则基于所述至少两个拾音器接收到的唤醒指令的信号幅值，从所述至少两个拾音器中确定出唤醒指令所对应的目标拾音器；将所述目标拾音器接收到的唤醒指令作为所述当前用户发送的唤醒指令。

12.根据权利要求7所述的装置，所述人脸识别模块，具体用于在所述当前用户的人脸识别结果中提取出所述当前用户的人脸特征；若所述当前用户的人脸特征与多个目标用户中的其中一个目标用户的人脸特征相匹配，则判定所述当前用户的人脸识别结果满足所述预先确定的检测条件。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images