[发明专利]在空间区域内进行音区定位方法和装置、设备和介质

说明书

本公开实施例公开了一种在空间区域内进行音区定位的方法和装置、设备和介质，其中，方法包括：确定在设定空间区域内从至少一个视角各自采集到的图像；基于所述至少一个视角各自采集到的图像，确定所述设定空间区域内的人脸信息；确定所述设定空间区域内采集到的至少一路混合语音信号；对所述至少一路混合语音信号进行语音分离，获得至少一路语音分离信号；基于所述至少一路语音分离信号对应的第一唤醒信息以及所述人脸信息，确定所述第一唤醒信息对应的唤醒信号在所述设定空间区域内的声源位置。本公开实施例可以提高定位效率和准确度，提高了对同侧前后排声源的区分定位准确率。

技术领域

本公开涉及声源定位技术，尤其是一种在空间区域内进行音区定位的方法和装置、设备和介质。

背景技术

随着智能语音交互技术不断发展，越来越多的智能交互设备应运而生。例如，智能电视、智能音箱、智能家居、智能机器人、车载智能交互设备等等。通过唤醒词唤醒交互设备，人们可以与智能交互设备进行语音交互，指示智能交互设备完成诸如音乐播放、天气播报等操作。

智能交互设备被唤醒后，可以根据麦克风拾取到的语音信号确定唤醒词的方位信息，并根据唤醒词方位对语音进行定向拾取，以减少噪声干扰。但是，例如，在车载智能交互场景中，通常采用安装在车内顶灯或车机位置的两麦集中式麦克风阵列接收声音信号，相关技术中所采用的声源定位算法很难区分车内同一侧前后排的声源，仅能区分主副驾驶方向。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种在空间区域内进行音区定位的方法和装置、设备和介质。

根据本公开实施例的一个方面，提供了一种在空间区域内进行音区定位的方法，包括：

确定在设定空间区域内从至少一个视角各自采集到的图像；

基于所述至少一个视角各自采集到的图像，确定所述设定空间区域内的人脸信息；

确定所述设定空间区域内采集到的至少一路混合语音信号；

对所述至少一路混合语音信号进行语音分离，获得至少一路语音分离信号；

基于所述至少一路语音分离信号对应的第一唤醒信息以及所述人脸信息，确定所述第一唤醒信息对应的唤醒信号在所述设定空间区域内的声源位置。

根据本公开实施例的另一方面，提供了一种在空间区域内进行音区定位的装置，包括：

图像采集模块，用于确定在设定空间区域内从至少一个视角各自采集到的图像；

人脸信息确定模块，用于基于所述图像采集模块采集到的至少一个视角各自采集到的图像，确定所述设定空间区域内的人脸信息；

语音采集模块，用于确定所述设定空间区域内采集到的至少一路混合语音信号；

语音分离模块，用于对所述语音采集模块采集到的至少一路混合语音信号进行语音分离，获得至少一路语音分离信号；

位置定位模块，用于基于所述语音分离模块获得的至少一路语音分离信号对应的第一唤醒信息以及所述人脸信息确定模块确定的人脸信息，确定所述第一唤醒信息对应的唤醒信号在所述设定空间区域内的声源位置。

根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的在空间区域内进行音区定位的方法。

根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一实施例所述的在空间区域内进行音区定位的方法。