预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111652620A(43)申请公布日2020.09.11(21)申请号202010296805.0(22)申请日2020.04.15(71)申请人珠海小礼鱼科技有限公司地址519000广东省珠海市横琴新区宝华路6号105室-65960(集中办公区)(72)发明人陈大东(74)专利代理机构广州容大专利代理事务所(普通合伙)44326代理人潘素云(51)Int.Cl.G06Q20/40(2012.01)G06Q20/18(2012.01)G06Q30/06(2012.01)G06Q30/02(2012.01)权利要求书3页说明书7页附图3页(54)发明名称一种智能终端交互系统(57)摘要本发明公开了一种智能终端交互系统,包括支付识别模块、语音交互模块、智能导购模块以及用户端;支付识别模块用于通过用户购买商品的支付识别用户信息;语音交互模块用于和用户进行语音对话,用户语音指令发出后,将语音指令转换后的文字指令,并将文字指令和用户信息发送至智能导购模块;智能导购模块用于根据用户信息获取用户的购物信息,通过购物信息的比对以及智能分析预测用户未来的购物清单,匹配优惠劵,根据文字指令给用户推荐购物信息;用户端用于显示推荐的购物信息。本发明智能终端交互系统通过人脸识别和语言模块赋予机器“能听、会说、懂你”式的智能人机交互体验,极大地方便了用户的购物需求。CN111652620ACN111652620A权利要求书1/3页1.一种智能终端交互系统,其特征在于,包括:支付识别模块,用于通过用户购买商品的支付识别用户信息;语音交互模块,用于和用户进行语音对话,用户语音指令发出后,将语音指令转换后的文字指令,并将文字指令和用户信息发送至智能导购模块;智能导购模块,用于根据用户信息获取用户的购物信息,通过购物信息的比对以及智能分析预测用户未来的购物清单,匹配优惠劵,根据文字指令给用户推荐购物信息;用户端,用于显示推荐的购物信息。2.根据权利要求1所述的智能终端交互系统,其特征在于,所述支付识别模块包括:摄像头,用于获取用户的图像,并将图像信息发送给微信刷脸支付单元;微信刷脸支付单元,用于接收图像信息,通过图像信息进行用户购买商品的刷脸支付,并识别用户信息。3.根据权利要求1所述的智能终端交互系统,其特征在于,所述语音交互模块包括:语音设备单元,用于提供声音的输入和输出;声音识别单元,用于使用智能语音交互进行实时语音识别;问题记录单元,用于记录用户的对话信息做语义分析提供热词模型给自学习平台进行机器学习,提高声音识别的准确度;自学习平台单元,用于使用深度学习算法进行机器学习,提高识别率;电商单元,用于将声音转换后的文字信息,并将文字信息和用户信息发送至智能导购模块。4.根据权利要求3所述的智能终端交互系统,其特征在于,所述声音识别单元使用LMS自适应滤波降噪算法来进行信号降噪,LMS自适应滤波降噪算法具体为:1)、给定W(0),且1<μ<1/λmax;2)、计算输出值:y(k)=W(k)Tx(k);3)、计算估计误差:e(k)=d(k)-y(k);4)、权重更新:W(k+1)=W(k)+μe(k)x(k);其中w为自适应录波器加权系数的数组随着每次更新估算误差e(k)而更新一次;y(k)为实际输信号出,d(k)为理想输出信号,x(k)为输入信号,k为输入信号长度,μ为收敛因子,λ为拉格朗日乘数。5.根据权利要求3所述的智能终端交互系统,其特征在于,所述声音识别单元使用维尔纳滤波法来进行信号降噪,维尔纳滤波法具体为:首先,对于一个退化的图像过程写成下面的一个形式:其中,为维纳滤波后的图像,E是期望值操作符,f是未退化的图像,min为最小均方差,该表达式在频域表示为:其中,2CN111652620A权利要求书2/3页H(u,v)表示退化函数;表示维纳滤波后的图像;|H(u,v)|2=H*(u,v)H(u,v);H*(u,v)表示H(u,v)的复共轭;2Sη(u,v)=|N(u,v)|表示噪声的功率谱;2Sf(u,v)=|F(u,v)|表示未退化图像的功率谱;N(u,v)是噪声函数,G(u,v)是图像的采样结果,u,v为采集矩阵的点。6.根据权利要求3所述的智能终端交互系统,其特征在于,所述自学习平台单元使用深度学习算法提高识别率,具体为:如果函数f(x,y)具有一阶连续偏导,对于函数任意一点p(x0,y0)都有这样一个向量:fi(x0,y0)x+f(x0,y0)yj,那么这个向量就称为f(x,y)在p这一点的梯度,记作gradf(x0,y0);所以其中点L的单位向量是e=(cosα,cosβ),方向导数是函数在各个方向的斜率,而梯度是斜率最大的那个方向,梯度的值是方向导数最大的值,