用于生成信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。

背景技术：

在人机对话的过程中，用户可能要求机器回答一些问题。现阶段，带有答疑和指导功能的机器由于具备回复功能，而受到越来越多人的关注和追捧。上述机器的使用，一定程度上保障了服务和工作的高效有序进行。例如，在机场设置的机器人，可以对用户对机场等相关场景下所提出的问题进行回复，方便了用户的同时，又大大减少了人工成本。

通常，在上述人机对话过程中，用户的本次会话可以是一个独立的语句，也可能是与上次对话相关的语句。此外，不同用户的会话往往不具有相关性。

技术实现要素：

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取当前输入信息，以及对应当前输入信息的当前图像；确定当前图像与预先获取的目标历史图像是否指示同一用户；响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，其中，历史输入信息是预先获取的对应目标历史图像的信息。

在一些实施例中，当前图像包括当前面部图像，目标历史图像包括历史面部图像；以及确定当前图像与预先获取的目标历史图像是否指示同一用户，包括：确定当前面部图像与历史面部图像是否指示同一用户。

在一些实施例中，确定当前面部图像与历史面部图像是否指示同一用户，包括：确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度大于或等于预设的相似度阈值，确定当前面部图像与历史面部图像指示同一用户；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，确定当前面部图像与历史面部图像是否指示同一用户，包括：提取历史面部图像的图像特征，基于图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪；响应于面部跟踪的结果指示在获取时间之后获取的图像包括历史用户的面部图像，确定当前面部图像与历史面部图像指示同一用户，其中，历史用户是历史面部图像所指示的用户；响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像与历史面部图像指示不同用户，包括：响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，上述方法还包括：响应于当前图像与目标历史图像指示不同用户，基于当前输入信息，生成当前输入信息的回复信息。

在一些实施例中，获取当前输入信息，以及对应当前输入信息的当前图像，包括：获取当前输入信息；响应于当前输入信息中包括唤醒信息，获取对应当前输入信息的当前图像。

在一些实施例中，获取当前输入信息，以及对应当前输入信息的当前图像，包括：响应于用户与目标距离传感器的距离小于预设的距离阈值，获取当前输入信息，以及对应当前输入信息的当前图像。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：获取单元，被配置成获取当前输入信息，以及对应当前输入信息的当前图像；确定单元，被配置成确定当前图像与预先获取的目标历史图像是否指示同一用户；第一生成单元，被配置成响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，其中，历史输入信息是预先获取的对应目标历史图像的信息。

在一些实施例中，当前图像包括当前面部图像，目标历史图像包括历史面部图像；以及确定单元，进一步被配置成确定当前面部图像与历史面部图像是否指示同一用户。

在一些实施例中，确定单元，进一步被配置成确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度大于或等于预设的相似度阈值，确定当前面部图像与历史面部图像指示同一用户；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，确定单元，进一步被配置成提取历史面部图像的图像特征，基于图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪；响应于面部跟踪的结果指示在获取时间之后获取的图像包括历史用户的面部图像，确定当前面部图像与历史面部图像指示同一用户，其中，历史用户是历史面部图像所指示的用户；响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，确定单元，进一步被配置成响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。

在一些实施例中，上述装置还包括：第二生成单元，被配置成响应于当前图像与目标历史图像指示不同用户，基于当前输入信息，生成当前输入信息的回复信息。

在一些实施例中，获取单元，进一步被配置成获取当前输入信息；响应于当前输入信息中包括唤醒信息，获取对应当前输入信息的当前图像。

在一些实施例中，获取单元，进一步被配置成响应于用户与目标距离传感器的距离小于预设的距离阈值，获取当前输入信息，以及对应当前输入信息的当前图像。

第三方面，本申请实施例提供了一种用于生成信息的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于生成信息的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种机器人，该机器人包括：信息获取装置；图像采集装置；一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器经由上述信息获取装置获取当前输入信息，以及经由图像采集装置获取对应上述当前输入信息的当前图像，以实现如上述用于生成信息的方法中任一实施例的方法。

第五方面，本申请实施例提供了一种用于生成信息的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于生成信息的方法中任一实施例的方法。

本申请实施例提供的用于生成信息的方法和装置，通过获取当前输入信息，以及对应当前输入信息的当前图像，然后，确定当前图像与预先获取的目标历史图像是否指示同一用户，最后，响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，从而丰富了信息的生成方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个应用场景的示意图；

图5是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图6是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图；

图8是根据本申请实施例的机器人的示例性的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送数据(例如图像、用户输入的信息)等。在一些使用情况下，终端设备101、102、103上可以安装有各种通讯客户端应用，例如即时通信工具、社交平台软件等；终端设备101、102、103上还可以安装有图像采集装置、音频采集装置、距离传感器等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有图像采集功能和/或音频采集功能，并且支持数据(例如图像、音频等)传输的各种电子设备，包括但不限于对话终端设备(例如机场对话机器人)、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的输入信息进行处理的语音处理服务器。语音处理服务器可以对接收到的语音进行语音识别等处理，并将处理结果(例如针对输入信息的回复信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于生成信息的方法可以由服务器105执行，相应地，用于生成信息的装置可以设置于服务器105中；此外，本申请实施例所提供的用于生成信息的方法也可以由终端设备101、102、103执行，相应地，用于生成信息的装置也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当信息处理方法运行于其上的电子设备不需要与其他设备进行数据传输时，该系统架构可以不包括网络。

应该理解，在图1中的示例性系统架构的基础上，还可以根据实际需要增加其他附加设备。例如，用于提供图像获取功能的图像采集装置、用于提供音频获取功能的音频采集装置、用于检测距离的距离传感器等等。上述附加设备可以是彼此独立存在的，也可以是作为一个设备集成存在的。例如，上述附加设备可以集成于上述终端设备上。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，获取当前输入信息，以及对应当前输入信息的当前图像。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述执行主体通信连接的信息采集装置)或本地，获取当前输入信息。上述执行主体可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述执行主体通信连接的图像采集装置)或本地，获取对应上述当前输入信息的当前图像。

在这里，上述当前输入信息可以包括但不限于以下至少一项：音频信息、文字信息、行为信息(例如手势信息)、操作轨迹信息等。当前输入信息可以是用户输入的信息，也可以是上述执行主体获取的信息。上述当前图像可以是照片或者视频，可以是用户的全身图像，也可以是局部图像(例如眼部图像、面部图像等等)。上述对应当前输入信息的当前图像可以是与该当前输入信息的获取时间距离预设时长内(例如5分钟内、3分钟内等)获取的图像；也可以是在所获取的各张图像的各个获取时间中与该当前输入信息的获取时间间隔最短的获取时间所获取的图像。

实践中，上述执行主体可以持续地获取图像，当检测到所获取的图像不包括用户的图像(例如用户离开)时，上述执行主体可以将在目标时间段内获取到的用户图像作为历史图像，将在该目标时间段内获取到的用户输入的信息作为历史输入信息。其中，历史输入信息可以是由用户输入的信息，也可以是上述执行主体获取的信息。上述目标时间段是在本次检测到所获取的图像不包括用户的图像的检测时间之前，并且在上次检测到所获取的图像不包括用户的图像的检测时间之后的时间段。

可选的，上述执行主体还可以将当前输入信息的上一条输入信息作为历史输入信息，将当前输入信息的获取时间与历史输入信息的获取时间之间获取的用户的图像作为当前图像，将历史输入信息的获取时间与历史输入信息的上一条输入信息的获取时间之间获取的用户的图像作为历史图像。

需要说明的是，上述执行主体可以先获取当前输入信息，再获取当前图像；也可以先获取当前图像，再获取当前输入信息。

步骤202，确定当前图像与预先获取的目标历史图像是否指示同一用户。

在本实施例中，基于步骤201中得到的当前输入信息，上述执行主体可以确定当前图像与预先获取的目标历史图像是否指示同一用户。其中，上述目标历史图像可以是在上述当前图像之前获取的图像。上述目标历史图像可以是照片或者视频，可以是用户的全身图像，也可以是局部图像(例如眼部图像、面部图像等等)，还可以是包含用户的生物特征的图像，上述用户的生物特征可以包括但不限于：手形、指纹、视网膜、脉搏、耳廓、步态等。

在这里，假设上述执行主体为电子设备，该电子设备用于回复用户提出的问题。示例性的对上述当前图像和目标历史图像作如下说明：

在第一种情况下，在甲用户离开后，乙用户上前与上述电子设备对话(当前乙用户正在与上述电子设备对话，并且在甲用户离开后乙用户来到前没有其他用户与上述电子设备对话)，那么甲用户为历史用户，甲用户输入的输入信息或上述执行主体获取的甲用户的信息为历史输入信息，上述执行主体获取的甲用户的图像为目标历史图像，乙用户为当前用户，乙用户输入的输入信息或上述执行主体获取的乙用户的信息为当前输入信息，上述执行主体获取的乙用户的图像为当前图像。

在第二种情况下，在甲用户离开之后又返回(当前返回后的甲用户正在与上述电子设备对话，并且在甲用户离开后返回前没有其他用户与上述电子设备对话)时，那么上一次使用上述电子设备的甲用户为历史用户，甲用户上一次使用上述电子设备时输入的输入信息或上述执行主体获取的甲用户的信息为历史输入信息，上述电子设备在甲用户上一次使用时获取的甲用户的图像为目标历史图像，返回后的甲用户为当前用户，返回后的甲用户输入的输入信息或上述执行主体获取的甲用户的信息为当前输入信息，上述执行主体获取的返回后的甲用户的图像为当前图像。

在第三种情况下，上述电子设备可以通过人脸识别的方式确定出是否存在与用户关联的账号，从而存储该用户的相关信息(例如，用户的输入信息、用户的图像等)。当用户首次与上述执行主体进行交互时，上述执行主体可以指示用户通过人脸识别的方式进行账号登录；当该用户再次与上述执行主体进行交互时，用户无需登录，上述执行主体可以通过人脸识别的方式确定出与该用户关联的账号，从而基于已存储的该用户的相关信息，与本次交互过程中的用户进行交互。在这里，本次交互过程中的用户为当前用户，本次交互过程中用户输入的信息或上述执行主体获取到的该用户的信息为当前输入信息，本次交互过程中上述执行主体获取到的用户的图像为当前图像，本次交互之前的交互过程中的用户为历史用户，本次交互之前的交互过程中用户输入的信息或上述执行主体获取到的该用户的信息为历史输入信息，本次交互之前的交互过程中上述执行主体获取到的用户的图像为历史图像。

作为示例，当上述当前图像与历史图像均为用户的眼部图像时，上述电子设备可以采用虹膜识别技术，确定当前图像与历史图像是否指示同一用户。

作为又一示例，当上述当前图像与历史图像均为用户的指纹图像时，上述电子设备可以采用指纹识别技术，确定当前图像与历史图像是否指示同一用户。

在本实施例的一些可选的实现方式中，当前图像包括当前面部图像，目标历史图像包括历史面部图像；以及确定当前图像与预先获取的目标历史图像是否指示同一用户，包括：确定当前面部图像与历史面部图像是否指示同一用户。其中，当前面部图像是当前图像包括的面部图像，历史面部图像是目标历史图像包括的面部图像。

在这里，上述执行主体可以采取多种方式确定当前面部图像与历史面部图像是否指示同一用户。

作为一种示例，上述执行主体可以采用如下方式确定当前面部图像与历史面部图像是否指示同一用户：

首先，上述执行主体可以确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。实践中，上述电子设备可以通过卷积神经网络、加速稳健特征(speededuprobustfeatures，surf)等算法，实现当前面部图像与历史面部图像的图像特征的提取。上述相似度的计算方法包括但不限于：尺度不变特征变换(scale-invariantfeaturetransform，sift)算法、余弦相似度算法、皮尔逊(pearson)相关系数算法等等。

然后，如果上述相似度大于或等于预设的相似度阈值(例如76％、80％等等)，上述执行主体可以确定当前面部图像与历史面部图像指示同一用户。如果上述相似度小于上述相似度阈值，上述执行主体可以确定当前面部图像与历史面部图像指示不同用户。

可以理解，通过人脸识别技术，可以一定程度上提高确定当前面部图像与历史面部图像是否指示同一用户的准确性。

作为另一种示例，上述执行主体可以采用如下方式确定当前面部图像与历史面部图像是否指示同一用户：

首先，上述执行主体可以提取历史面部图像的图像特征。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。通常，上述图像特征可以是技术人员确定的用以区分不同的人的特征。

然后，上述执行主体可以基于上述图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪，以确定出在历史面部图像的获取时间之后获取的图像中是否包括历史用户的面部图像。其中，历史用户是历史面部图像所指示的用户。

最后，如果面部跟踪的结果指示在上述获取时间之后获取的图像包括历史用户的面部图像，则上述执行主体可以确定当前面部图像与历史面部图像指示同一用户；如果面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，则上述执行主体可以确定当前面部图像与历史面部图像指示不同用户。其中，上述面部跟踪是一种在检测到人脸的前提下，在后续图像中继续捕获人脸的位置及其大小等信息的技术。

可以理解，相对于上述基于图像特征确定当前面部图像与历史面部图像是否指示同一用户的方案，通过面部跟踪技术，可以一定程度上减少上述执行主体的运算量。

作为第三种示例，上述执行主体也可以采用如下方式确定当前面部图像与历史面部图像是否指示同一用户：

首先，上述执行主体可以采用上述面部跟踪技术，确定出在历史面部图像的获取时间之后获取的图像中是否包括历史用户的面部图像。当面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像时，上述执行主体可以采用上述计算历史面部图像的图像特征与当前面部图像的图像特征之间的相似度的方式，进一步确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度。

之后，如果上述相似度小于上述相似度阈值，上述执行主体可以确定当前面部图像与历史面部图像指示不同用户。

可以理解，上述第三种示例的方案，可以在确定在上述获取时间之后获取的图像不包括历史用户的面部图像的情况下，再去确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度，由此，该方案可以在保证所确定出的结果(即当前面部图像与历史面部图像是否指示同一用户)具有一定的准确度的前提下，减少了上述执行主体的运算量。

步骤203，响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息。

在本实施例中，在确定当前图像与目标历史图像指示同一用户的情况下，上述执行主体可以基于当前输入信息和历史输入信息，生成当前输入信息的回复信息。其中，历史输入信息是预先获取的对应目标历史图像的信息。

作为一种实现方式，当历史输入信息和当前输入信息为文字信息或音频信息时，通过用于识别语音的模型对当前输入信息和历史输入信息进行语音识别，上述执行主体可以生成当前输入信息的回复信息。其中，上述模型可以包括但不限于：声学模型(acousticmodel,am)、语言模型(languagemodeling，lm)等等。

作为另一种实现方式，上述执行主体还可以通过对当前输入信息和历史输入信息进行语音识别、语义分析，从而生成当前输入信息的回复信息。

作为示例，继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，用户向机场机器人输入了当前输入信息“ca12345”。然后，机场机器人获取到了当前输入信息“ca12345”，以及对应当前输入信息的当前图像。其中，当前图像为该用户的面部图像。之后，上述机场机器人确定当前图像与历史图像指示同一用户。最后，上述机场机器人对当前输入信息“ca12345”和历史输入信息“我的航班在哪值机”进行语义分析，由此生成了当前输入信息的回复信息“值机柜台是14号”。

本申请的上述实施例提供的方法，通过获取当前输入信息，以及对应当前输入信息的当前图像，然后，确定当前图像与预先获取的目标历史图像是否指示同一用户，若是，则基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，从而丰富了信息的生成方式，有助于提高确定当前图像与历史图像是否指示同一用户的准确性，有助于减少设备的运算量。

在本实施例的一些可选的实现方式中，在上述执行主体确定当前图像与目标历史图像并非指示同一用户的情况下，上述执行主体还可以基于当前输入信息，生成当前输入信息的回复信息。

作为示例，请继续参考图4，图4是根据本实施例的用于生成信息的方法的应用场景的又一个示意图。在图4的应用场景中，用户向机场机器人输入了当前输入信息“ca12345”。然后，机场机器人获取到了当前输入信息“ca12345”，以及对应当前输入信息的当前图像。其中，当前图像为该用户的面部图像。之后，上述机场机器人确定当前图像与历史图像指示不同用户。最后，上述机场机器人对当前输入信息“ca12345”进行语义分析，由此生成了当前输入信息的回复信息“ca12345是甲城市飞往乙城市的航班，起飞时间为…”。

可选的，通过用于识别语音的模型对当前输入信息和历史输入信息进行语音识别，上述执行主体可以生成当前输入信息的回复信息。

可以理解，通常情况下，当当前图像与目标历史图像指示不同用户时，相对于其他方式(例如基于当前输入信息和历史输入信息，生成当前输入信息的回复信息)，基于当前输入信息(而不需要历史输入信息)可以更为快捷地生成回复信息。

在本实施例的一些可选的实现方式中，上述获取当前输入信息，以及对应当前输入信息的当前图像，包括：获取当前输入信息；响应于当前输入信息中包括唤醒信息，获取对应当前输入信息的当前图像。其中，上述唤醒信息可以是技术人员预先确定的某个字的集合或者词的集合中的字或词；也可以是任一字、词、句子、符号、字符串等等。上述唤醒信息可以是用于指示上述电子设备获取上述当前图像的信息。当上述执行主体获取到上述唤醒信息之后，上述执行主体则开始获取对应当前输入信息的当前图像。

可以理解，在确定当前输入信息中包括唤醒信息的情况下，上述电子设备获取对应当前输入信息的当前图像，可以一定程度上避免图像的频繁获取，从而节省了电能。

在本实施例的一些可选的实现方式中，上述获取当前输入信息，以及对应当前输入信息的当前图像，包括：响应于用户与目标距离传感器的距离小于预设的距离阈值，获取当前输入信息，以及对应当前输入信息的当前图像。上述距离阈值可以是技术人员预先确定的距离值(例如30厘米、40厘米)。上述目标距离传感器可以是与上述执行主体通信连接的传感器。实践中，技术人员可以根据实际需要确定目标距离传感器的具体位置。例如，上述目标距离传感器可以安装于上述执行主体的四周；也可以是安装于上述执行主体的上方等等。上述目标距离传感器可以集成在上述执行主体上，也可以作为一个设备独立存在。可以理解，在确定用户与目标距离传感器的距离小于预设的距离阈值的情况下，上述电子设备获取对应当前输入信息的当前图像，可以一定程度上避免图像的频繁获取，从而节省了电能。

进一步参考图5，其示出了用于生成信息的方法的又一个实施例的流程500。该用于生成信息的方法的流程500，包括以下步骤：

步骤501，获取历史输入信息，以及对应历史输入信息的历史面部图像，之后，执行步骤502。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述执行主体通信连接的信息采集装置)或本地，获取历史输入信息。上述执行主体可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述执行主体通信连接的图像采集装置)或本地，获取对应上述历史输入信息的历史面部图像。其中，上述历史面部图像是历史图像中所包括的面部图像。

在这里，上述历史输入信息可以包括但不限于以下至少一项：音频信息、文字信息、行为信息(例如手势信息)、操作轨迹信息等。上述历史面部图像可以是照片或者视频。上述对应历史输入信息的历史面部图像可以是与该历史输入信息的获取时间距离预设时长内(例如5分钟内、3分钟内等)获取的图像；也可以是在所获取的各张图像的各个获取时间中，与该历史输入信息的获取时间间隔最短的获取时间所获取的图像。

需要说明的是，上述执行主体可以先获取历史输入信息，再获取历史面部图像；也可以先获取历史面部图像，再获取历史输入信息。

步骤502，获取当前输入信息，以及对应当前输入信息的当前面部图像，之后，执行步骤503。

在本实施例中，上述执行主体可以通过有线连接方式或者无线连接方式从其他电子设备(例如上述与上述执行主体通信连接的信息采集装置)或本地，获取当前输入信息。上述执行主体可以通过有线连接方式或者无线连接方式从其他电子设备(例如上述与上述执行主体通信连接的图像采集装置)或本地，获取对应上述当前输入信息的当前面部图像。其中，当前面部图像是当前图像包括的面部图像。

在这里，上述当前输入信息可以包括但不限于以下至少一项：音频信息、文字信息、行为信息(例如手势信息)、操作轨迹信息等。上述当前面部图像可以是照片或者视频。上述对应当前输入信息的当前图像可以是与该当前输入信息的获取时间距离预设时长内(例如5分钟内、3分钟内等)获取的图像；也可以是在所获取的各张图像的各个获取时间中，与该当前输入信息的获取时间间隔最短的获取时间所获取的图像。

需要说明的是，上述执行主体可以先获取当前输入信息，再获取当前面部图像；也可以先获取当前面部图像，再获取当前输入信息。

步骤503，提取历史面部图像的图像特征，基于图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪，之后，执行步骤504。

在本实施例中，上述执行主体可以提取上述历史面部图像的图像特征。然后基于所提取的图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。通常，上述图像特征可以是技术人员确定的用以区分不同的人的特征。其中，上述面部跟踪是一种在检测到人脸的前提下，在后续图像中继续捕获人脸的位置及其大小等信息的技术。

步骤504，判断面部跟踪的结果是否指示在获取时间之后获取的图像包括历史用户的面部图像，之后，若是，执行步骤507，若否，执行步骤505。

在本实施例中，上述执行主体可以确定面部跟踪的结果是否指示在获取时间之后获取的图像包括历史用户的面部图像。若面部跟踪的结果指示在获取时间之后获取的图像包括历史用户的面部图像，则上述执行主体可以继续执行步骤507；若面部跟踪的结果指示在获取时间之后获取的图像不包括历史用户的面部图像，则上述执行主体可以继续执行步骤505。

步骤507，确定当前面部图像与历史面部图像指示同一用户，之后，执行步骤508。

在本实施例中，上述执行主体可以确定当前面部图像与历史面部图像指示同一用户。

步骤508，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息。

在本实施例中，上述执行主体可以基于当前输入信息和历史输入信息，生成当前输入信息的回复信息。

作为一种实现方式，当当前输入信息和历史输入信息为语音信息时，通过用于识别语音的模型对当前输入信息和历史输入信息进行语音识别，上述执行主体可以生成当前输入信息的回复信息。其中，上述模型可以包括但不限于：声学模型(acousticmodel,am)、语言模型(languagemodeling，lm)等等。

作为另一种实现方式，上述执行主体还可以通过对当前输入信息和历史输入信息进行语音识别、语义分析，从而生成当前输入信息的回复信息。

步骤505，确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度，之后，执行步骤506。

在本实施例中，上述执行主体可以确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。实践中，上述电子设备可以通过卷积神经网络、加速稳健特征(speededuprobustfeatures，surf)等，实现当前面部图像与历史面部图像的图像特征的提取。上述相似度的计算方法包括但不限于：尺度不变特征变换(scale-invariantfeaturetransform，sift)算法、余弦相似度算法、皮尔逊(pearson)相关系数算法等等。

步骤506，相似度是否大于预设的相似度阈值，之后，若是，执行步骤507，若否，执行步骤509。

在本实施例中，上述执行主体可以确定步骤505得到的相似度是否大于预设的相似度阈值。若相似度大于或等于预设的相似度阈值，则上述执行主体可以执行步骤507；若相似度小于或等于预设的相似度阈值，则上述执行主体可以执行步骤509。

步骤509，确定当前面部图像与历史面部图像指示不同用户，之后，执行步骤510。

在本实施例中，上述执行主体可以确定当前面部图像与历史面部图像指示不同用户。

步骤510，基于当前输入信息，生成当前输入信息的回复信息

在本实施例中，上述执行主体可以基于当前输入信息，生成当前输入信息的回复信息。

作为一种实现方式，当当前输入信息和历史输入信息为语音信息时，通过用于识别语音的模型对当前输入信息和历史输入信息进行语音识别，上述执行主体可以生成当前输入信息的回复信息。其中，上述模型可以包括但不限于：声学模型(acousticmodel,am)、语言模型(languagemodeling，lm)等等。

作为另一种实现方式，上述执行主体还可以通过对当前输入信息进行语音识别、语义分析，从而生成当前输入信息的回复信息。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程500突出了在面部跟踪的结果指示后续获取的图像不包括当前用户的面部图像的情况下，确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度的步骤。由此，本实施例描述的方案可以在上述执行主体确定面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像的情况下，再去确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度，由此，该方案可以在保证所确定出的结果(即当前面部图像与历史面部图像是否指示同一用户)具有一定的准确度的前提下，减少了上述执行主体的运算量，有助于上述执行主体更准确地生成输入信息的回复信息，提高了用户的使用体验。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于生成信息的装置600包括：获取单元601、确定单元602和第一生成单元603。其中，获取单元601被配置成获取当前输入信息，以及对应当前输入信息的当前图像；确定单元602被配置成确定当前图像与预先获取的目标历史图像是否指示同一用户；第一生成单元603被配置成响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，其中，历史输入信息是预先获取的对应目标历史图像的信息。

在本实施例中，用于生成信息的装置600的获取单元601可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述装置600通信连接的信息采集装置)或本地，获取当前输入信息，然后，上述获取单元601可以通过有线连接方式或者无线连接方式从其他电子设备(例如与上述装置600通信连接的图像采集装置)或本地，获取对应上述当前输入信息的当前图像。

在本实施例中，基于获取单元601得到的当前输入信息和当前图像，上述确定单元602可以确定当前图像与预先获取的目标历史图像是否指示同一用户。其中，上述目标历史图像可以是在上述当前图像之前获取的图像。上述目标历史图像可以是照片或者视频，可以是用户的全身图像，也可以是局部图像(例如眼部图像、面部图像等等)。

在本实施例中，在上述确定单元602确定当前图像与历史图像指示同一用户的情况下，上述第一生成单元603可以基于当前输入信息和历史输入信息，生成当前输入信息的回复信息。其中，历史输入信息是预先获取的对应目标历史图像的信息。

作为一种实现方式，当当前输入信息和历史输入信息为语音信息时，通过用于识别语音的模型对当前输入信息和历史输入信息进行语音识别，上述装置600可以生成当前输入信息的回复信息。其中，上述模型可以包括但不限于：声学模型(acousticmodel,am)、语言模型(languagemodeling，lm)等等。

作为另一种实现方式，上述装置600还可以通过对当前输入信息和历史输入信息进行语音识别、语义分析，从而生成当前输入信息的回复信息。

在本实施例的一些可选的实现方式中，当前图像包括当前面部图像，目标历史图像包括历史面部图像；以及确定单元，进一步被配置成确定当前面部图像与历史面部图像是否指示同一用户。其中，当前面部图像是当前图像包括的面部图像，历史面部图像是目标历史图像包括的面部图像。

在本实施例的一些可选的实现方式中，确定单元602进一步被配置成确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度大于或等于预设的相似度阈值，确定当前面部图像与历史面部图像指示同一用户；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。实践中，上述电子设备可以通过卷积神经网络、加速稳健特征(speededuprobustfeatures，surf)等算法，实现当前面部图像与历史面部图像的图像特征的提取。上述相似度的计算方法包括但不限于：尺度不变特征变换(scale-invariantfeaturetransform，sift)算法、余弦相似度算法、皮尔逊(pearson)相关系数算法等等。

可以理解，通过人脸识别技术，可以一定程度上保证确定当前面部图像与历史面部图像是否指示同一用户的准确性。

在本实施例的一些可选的实现方式中，确定单元602进一步被配置成提取历史面部图像的图像特征，基于图像特征，对在历史面部图像的获取时间之后获取的图像进行面部跟踪；响应于面部跟踪的结果指示在获取时间之后获取的图像包括历史用户的面部图像，确定当前面部图像与历史面部图像指示同一用户，其中，历史用户是历史面部图像所指示的用户；响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像与历史面部图像指示不同用户。其中，上述图像特征可以包括但不限于：纹理特征、肤色特征、轮廓特征、空间关系特征等等。通常，上述图像特征可以是技术人员确定的用以区分不同的人的特征。

可以理解，相对于上述基于图像特征确定当前面部图像与历史面部图像是否指示同一用户的方案，通过面部跟踪技术，可以一定程度上减少上述装置600的运算量。

在本实施例的一些可选的实现方式中，确定单元602进一步被配置成响应于面部跟踪的结果指示获取时间之后获取的图像不包括历史用户的面部图像，确定当前面部图像的图像特征与历史面部图像的图像特征之间的相似度；响应于相似度大于或等于预设的相似度阈值，确定当前面部图像与历史面部图像指示同一用户；响应于相似度小于相似度阈值，确定当前面部图像与历史面部图像指示不同用户。

在本实施例的一些可选的实现方式中，上述装置还包括第二生成单元(图中未示出)被配置成响应于当前图像与目标历史图像指示不同用户，基于当前输入信息，生成当前输入信息的回复信息。

在本实施例的一些可选的实现方式中，获取单元，进一步被配置成获取当前输入信息；响应于当前输入信息中包括唤醒信息，获取对应当前输入信息的当前图像。其中，上述唤醒信息可以是技术人员预先确定的某个字的集合或者词的集合中的字或词；也可以是任一字、词、句子、符号、字符串等等。上述唤醒信息可以是用于指示上述电子设备获取上述当前图像的信息。当上述装置600获取到上述唤醒信息之后，上述装置600则开始获取对应当前输入信息的当前图像。

在本实施例的一些可选的实现方式中，获取单元，进一步被配置成响应于用户与目标距离传感器的距离小于预设的距离阈值，获取当前输入信息，以及对应当前输入信息的当前图像。上述距离阈值可以是技术人员预先确定的距离值(例如30厘米、40厘米)。上述目标距离传感器可以是与上述装置600通信连接的传感器。实践中，技术人员可以根据实际需要确定目标距离传感器的具体位置。例如，上述目标距离传感器可以安装于上述装置600的四周；也可以是安装于上述装置600的上方等等。上述目标距离传感器可以集成在上述装置600上，也可以作为一个设备独立存在。可以理解，在确定用户与目标距离传感器的距离小于预设的距离阈值的情况下，上述电子设备获取对应当前输入信息的当前图像，可以一定程度上避免图像的频繁获取，从而节省了电能。

本申请的上述实施例提供的装置，通过获取单元601获取当前输入信息，以及对应当前输入信息的当前图像，然后，确定单元602确定当前图像与预先获取的目标历史图像是否指示同一用户，最后，第一生成单元603响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，从而丰富了信息的生成方式。

下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取当前输入信息，以及对应当前输入信息的当前图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取当前输入信息，以及对应当前输入信息的当前图像；确定当前图像与预先获取的目标历史图像是否指示同一用户；响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，其中，历史输入信息是预先获取的对应目标历史图像的信息。

作为示例，上述电子设备可以是机器人。请参考图8，示出了根据本申请实施例的机器人的示例性的结构示意图。该机器人可以包括：信息获取装置801被配置成获取装置获取当前输入信息；图像采集装置802被配置成获取对应当前输入信息的当前图像；一个或多个处理器803；存储装置804其上存储有一个或多个程序，当上述一个或者多个程序被该机器人执行时，使得该机器人：获取当前输入信息，以及对应当前输入信息的当前图像；确定当前图像与预先获取的目标历史图像是否指示同一用户；响应于当前图像与目标历史图像指示同一用户，基于当前输入信息和历史输入信息，生成当前输入信息的回复信息，其中，历史输入信息是预先获取的对应目标历史图像的信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。