声源方向确定方法、装置、终端、存储介质及产品.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035187A(43)申请公布日2022.09.09(21)申请号202210558040.2(22)申请日2022.05.19(71)申请人北京声智科技有限公司地址100094北京市海淀区北清路81号院一区1号楼6层601(72)发明人吴俊李良斌(74)专利代理机构北京三高永信知识产权代理有限责任公司11138专利代理师贾敏(51)Int.Cl.G06T7/70(2017.01)G06V20/00(2022.01)G06V40/16(2022.01)G10L15/22(2006.01)权利要求书3页说明书19页附图3页(54)发明名称声源方向确定方法、装置、终端、存储介质及产品(57)摘要本申请提供了一种声源方向确定方法、装置、终端、存储介质及产品，属于声源定位技术领域。所述方法包括：确定所采集的目标语音信号在至少一个拾音方向上的语音信号；若所述至少一个拾音方向对应的相似度中存在大于预设相似度阈值的相似度，则确定初始声源方向，所述相似度是所述拾音方向对应的语音信号与预设唤醒词之间的相似度；若所述初始声源方向与目标拾音方向之间的夹角大于预设夹角阈值，则控制所述终端上的摄像头转动并采集图像，基于当前采集到的图像的对象识别结果和所述摄像头当前的朝向，确定目标声源方向，所述目标拾音方向为所述至少一个拾音方向中最大相似度对应的方向。该方法所确定的目标声源方向的准确性较高。CN115035187ACN115035187A权利要求书1/3页1.一种声源方向确定方法，其特征在于，所述方法包括：确定所采集的目标语音信号在至少一个拾音方向上的语音信号；若所述至少一个拾音方向对应的相似度中存在大于预设相似度阈值的相似度，则确定初始声源方向，所述相似度是所述拾音方向对应的语音信号与预设唤醒词之间的相似度；若所述初始声源方向与目标拾音方向之间的夹角大于预设夹角阈值，则控制所述终端上的摄像头转动并采集图像，基于当前采集到的图像的对象识别结果和所述摄像头当前的朝向，确定目标声源方向；所述目标拾音方向为所述至少一个拾音方向中最大相似度对应的方向。2.根据权利要求1所述的方法，其特征在于，所述对象识别结果表示在所采集的图像中未识别到对象或识别到对象，所述基于当前采集到的图像的对象识别结果和所述摄像头当前的朝向，确定目标声源方向，包括：若所述摄像头未经过第一方向且当前所采集的图像中识别到对象，则记录所述摄像头当前的朝向，控制所述摄像头继续转动并采集图像；若所述摄像头已经过所述第一方向、还未到达第二方向，且当前所采集的图像中识别到对象，则将所述摄像头当前的朝向确定为所述目标声源方向，并控制所述摄像头停止转动；或者，若所述摄像头当前的朝向为所述第二方向、当前所采集的图像中未识别到对象、且已记录朝向，则基于所记录的朝向，确定所述目标声源方向，并控制所述摄像头回旋至所述目标声源方向；其中，所述第一方向为所述初始声源方向和所述目标拾音方向中，所述摄像头所经过的第一个方向，所述第二方向为所述初始声源方向和所述目标拾音方向中，所述摄像头所经过的第二个方向。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述摄像头当前的朝向为所述第二方向、当前所采集的图像中未识别到对象、且未记录朝向，则将所述第二方向确定为所述目标声源方向，并控制所述摄像头停止转动。4.根据权利要求2所述的方法，其特征在于，所述基于所记录的朝向，确定所述目标声源方向，包括：若所记录的朝向的数量为1个，则将所记录的朝向确定为所述目标声源方向；若所述记录的朝向的数量为多个，则将所记录的多个朝向中与所述第一方向之间的夹角最小的朝向，确定为所述目标声源方向。5.根据权利要求1所述的方法，其特征在于，在所述控制所述终端上的摄像头转动并采集图像之前，所述方法还包括：分别确定逆时针转动方向对应的方向参数和顺时针转动方向对应的方向参数；基于所确定的方向参数，从所述逆时针转动方向和所述顺时针转动方向中，确定目标转动方向；所述控制所述终端上的摄像头转动，包括：控制所述终端上的摄像头按照所述目标转动方向转动。6.根据权利要求5所述的方法，其特征在于，所述分别确定逆时针转动方向对应的方向参数和顺时针转动方向对应的方向参数，包括：若所述至少一个拾音方向的数量大于2，则对于所述逆时针转动方向和所述顺时针转2CN115035187A权利要求书2/3页动方向中的每一转动方向，确定至少一个中间方向，将所述至少一个中间方向对应的相似度的加权平均值，确定为所述转动方向对应的方向参数，所述中间方向是在所述转动方向上，位于所述摄像头当前的朝向与所述目标拾音方向中间的拾音方向；所述基于所确定的方向参数，从所述逆时针转动方向和所述顺时针转动方向中，确定目标转动方向，包括：将