[发明专利]一种语音指令的执行方法、装置及电子设备

说明书

本发明公开了本发明提供的一种语音指令的执行方法，包括：在同时接收到至少两个声源对象发出的语音指令时，确定至少两个声源对象的位置；根据至少两个声源对象的位置对至少两个声源对象进行图像采集，获取至少一帧声源图像；在至少一帧声源图像中具有第一指向性特征时，基于第一指向性特征确定目标声源对象，第一指向性特征用于指示目标声源对象的位置；执行目标声源对象发出的语音指令。本发明还公开了一种语音指令的执行装置和电子设备。

技术领域

本发明涉及智能电子设备技术领域，尤其涉及一种语音指令的执行方法、装置及电子设备。

背景技术

随着人工智能的快速发展，智能音箱、智能语音识别机器人等语音智能设备不断涌现，并且由于语音智能设备能够智能识别用户的语音指令，无需手动操作，极大的方便了用户对只能设备的控制，智能语音识别技术得到极大的发展。

相关技术中，智能语音识别主要依赖于语音前端处理模块，通过前端处理模块在特征提取之前，对原始语音进行处理，部分消除噪声和不同说话人带来的音箱，抑制各种噪声干扰，使待识别语音更干净，从而更能反映语音的本质特征。

但是，相关技术中的智能语音设备在多人同时发出语音指令时，无法准确确定需要执行的待执行语音指令。

发明内容

有鉴于此，本发明提供了一种语音指令的执行方法、装置及电子设备，以解决相关技术中的智能语音设备在多人同时发出语音指令时，无法准确确定需要执行的待执行语音指令的问题。

为实现上述发明目的，根据本发明第一个方面，提供了一种语音指令的执行方法，包括：

在同时接收到至少两个声源对象发出的语音指令时，确定所述至少两个声源对象的位置；

根据所述至少两个声源对象的位置对所述至少两个声源对象进行图像采集，获取至少一帧声源图像；

在所述至少一帧声源图像中具有第一指向性特征时，基于所述第一指向性特征确定目标声源对象，所述第一指向性特征用于指示所述目标声源对象的位置；

执行所述目标声源对象发出的语音指令。

在一种可选方式中，所述第一指向性特征包括至少一个声源对象的第一指向性手势；

所述基于所述第一指向性特征确定目标声源对象，包括：

根据所述第一指向性手势指向的位置，确定所述目标声源对象。

在一种可选方式中，所述根据所述第一指向性手势指向的位置，确定所述目标声源对象，包括：

在第一指向性特征指向多个声源对象的情况下，获取指向每一个所述声源对象的位置的所述第一指向性手势的数量；

获取所述第一指向性手势数量最多的第一位置；

将所述第一位置处的所述声源对象确定为所述目标声源对象。

在一种可选方式中，所述根据所述第一指向性手势指向的位置，确定所述目标声源对象，包括：

在预设时间长度内的多帧声源图像；分别获取所述第一指向性手势指向每一个所述声源对象的位置的帧数；

获取所述第一指向性手势指向同一位置帧数最多的第二位置；

将所述第二位置处的声源对象确定为所述目标声源对象。

在一种可选方式中，所述根据所述第一指向性手势指向的位置，确定所述目标声源对象，包括：

在预设帧数的所述声源图像中，获取所述第一指向性手势指向所述声源对象的位置时的移动距离；

获取所述移动距离最大的所述第一指向性手势指向的第三位置；