[发明专利]一种语音启动拍照系统

摘要

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。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。

主权项

一种语音启动拍照系统，其特征在于包括：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），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。