[发明专利]一种语音启动拍照系统

说明书

技术领域

本发明涉及一种语音启动拍照系统，可以用于含有拍照功能的消费类电子产品领域。

背景技术

随着消费类电子产品快速的发展，各种包含拍照功能的设备使用越来越频繁，人们对拍照的人性化要求越越来越高，语音作为人类最基本的方式，将语音识别技术应用到消费类电子产品中，实现通过自然语音来控制此类产品功能是未来发展的趋势。

发明内容

本发明技术解决问题：提供一种语音启动拍照系统，克服了现有按钮式、触控式启动方式带来的不便利，操作方式受限和拍照抖动等不足，具有操作简单更人性化，启动拍照不受限，防抖动等优点。现有的一些语音启动技术，是利用特点语音如口哨，误启动率搞，输入语音命令单一等缺陷，本发明可以根据用户需求进命令词定制，人机交换更人性化启动的准确度更高，抗干扰性更强。

本发明是通过以下技术方案实现的：一种语音启动拍照系统，包括：操作系统模块10、唤醒词定制模块11、拍照模块12、音频模块13和存储模块14；其中：

操作系统模块10中运行语音唤醒模块；所述语音唤醒模块包括语音输入1、语音唤醒算法2和唤醒执行3；语音唤醒算法2获取语音输入1的语音信号，进行语音唤醒处理后，将结果输出给唤醒执行3，从而完成唤醒操作；所述语音唤醒算法2通过声学特征提取4、唤醒词检测5、唤醒词确认6、构建唤醒词检测网络7、训练声学模型8和构建唤醒词确认网络9来实现，具体实现过程如下：

第一步，声学特征提取4：通过语音输入1获取语音信号输入，提取具有区分性的、并且是基于人耳听觉特性提取的特征，通常选取语音识别中用到的MFCC（Mel-Frequency Cepstrum Coefficient，美尔频率倒谱系数）特征作为声学特征；

第二步，唤醒词检测5：将提取得到的声学特征，采用训练的声学模型8在唤醒词检测网络7上计算声学得分，如果声学得分最优的路径中包含要检测的唤醒词，则确定已检出唤醒词，进入第三步操作，否则回到第一步重新进行提取声学特征4；

第三步，唤醒词确认6：将提取得到的声学特征，采用训练的声学模型8在唤醒词确认网络9上进行唤醒词确认，得到最终确认得分；判断该检出的唤醒词是否为真实的唤醒词，即将该唤醒词的最终确认得分和预先设定的门限，如果最终确认得分大于等于门限，则认为该唤醒词是真实的唤醒词，语音唤醒成功，将结果输出给唤醒执行3，从而完成语音唤醒操作；如果最终确认得分小于门限，则认为该唤醒词为虚假的唤醒词，重新回到第一步重新进行声学特征提取4；

唤醒词定制模块11，语音唤醒模块的资源生成模块接收用户输入的唤醒词，输出操作系统模块10中语音唤醒模块所需的声学模型8和唤醒词检测网络7；

拍照模块12，具有拍照功能的系统模块，接收操作系统模块10的拍照指令，并在拍照后将图像的数字信号发送到存储模块14；

音频模块13，具有录音采集和音频播报功能，录音功能主要是采集环境中音频数据，并传送到操作系统模块10，播音功能主要是接收系统模块10发出提示反馈后，播报提示音功能；

存储模块14，具有永久存储能力的存储介质，对拍照模块生成的数字图像信息进行存储。

所述声学模型8的训练分为两部分，分别为音素声学模型和废料模型（即Garbage模型）；音素声学模型采用传统的语音识别中的声学模型训练方法，选取数据库，利用基于MLE（Maximum Likelihood Estimation，最大似然估计）和MPE（Minimum Phone Error，最小音素错误）区分性训练准则下得到；Garbage模型用于吸收除唤醒词之外的无关语音，使用和训练音素模型同样的数据库，通过计算各音素模型之间的相似性，将各音素分为20类，使用每类音素对应的所有训练数据融合起来，采用MLE准则训练对应的Garbage模型，便得到20类Garbage模型。

所述唤醒词检测网络7的实现采用最优得分路径计算得出，所述最优得分路径的计算公式是：