一种声音识别方法及装置与流程

本申请涉及计算机技术领域，尤其涉及一种声音识别方法及装置。

背景技术：

随着智能家电的不断发展，为了能够给用户提供更加优质的服务，服务商希望智能家电能够自动识别出当前是否存在用户，且当前存在的用户是否需要使用智能家电，后续，自动为用户提供相应的服务。

目前，由于通常情况下用户的脚步声能够说明当前是存在用户的，且用户的脚步声的远近也能够说明当前用户离智能家电的远近，离智能家电的远近能够一定程度上反映出用户当前是否需要使用该智能家电，因此，可以通过识别用户的脚步声来确定当前是否存在用户，且当前存在的用户是否需要使用智能家电。

而在实际应用中，怎么样识别出用户的脚步声成为了亟待解决的问题。

技术实现要素：

本申请实施例提供一种声音识别方法及装置，解决实际应用中如何识别用户的脚步声的问题。

本申请实施例提供的一种声音识别方法，包括：

获取用户的原始音频，其中，该原始音频包含用户的脚步声；

根据所述原始音频训练用户脚步声分类模型；

根据所述用户脚步声分类模型识别用户的脚步声。

优选地，在训练所述用户脚步声分类模型完成之前，所述方法还包括：获取用户的地板标签；通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

优选地，在训练所述用户脚步声分类模型完成之前，所述方法还包括：根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板标签；通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

优选地，在训练所述用户脚步声分类模型完成之前，且在得到所述用户的地板标签之后，所述方法还包括：根据所述用户的原始音频，校正所述用户的地板标签。

优选地，根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板校正标签，当连续n次所确定出的地板校正标签中，存在相同的地板校正标签的数量超过预设的阈值时，将超过预设的阈值的地板校正标签作为所述用户的地板标签，其中，n为正整数。

本申请实施例提供的一种声音识别装置，包括：

设备端，用于获取用户的原始音频；

云端服务器，用于根据所述原始音频训练用户脚步声分类模型；

设备端，用于根据所述用户脚步声分类模型识别用户的脚步声。

优选地，在所述云端服务器训练所述用户脚步声分类模型完成之前，所述设备端还用于，获取用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

优选地，在所述云端服务器训练所述用户脚步声分类模型完成之前，所述设备端还用于，根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

优选地，在所述云端服务器训练所述用户脚步声分类模型完成之前，且在所述设备端得到所述用户的地板标签之后，所述设备端还用于根据所述用户的原始音频，校正所述用户的地板标签。

优选地，所述设备端还用于，根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板校正标签，当连续n次所确定出的地板校正标签中，存在相同的地板校正标签的数量超过预设的阈值时，将超过预设的阈值的地板校正标签作为所述用户的地板标签，其中，n为正整数。

本申请实施例提供一种声音识别方法及装置，该方法包括：获取用户的原始音频，其中，该原始音频包含用户的脚步声，根据所述原始音频训练用户脚步声分类模型，根据所述用户脚步声分类模型识别用户的脚步声。通过上述方法，能够准确的识别出用户的脚步声。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的声音识别的过程示意图；

图2为本申请实施例提供的一种声音识别装置组成结构框图；

图3为本申请实施例提供的另一种声音识别装置组成结构框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请实施例提供的声音识别过程，具体包括以下步骤：

s101：获取用户的原始音频。

在实际应用中，为了能够给用户提供更加优质的服务，服务商希望智能家电能够自动识别出当前是否存在用户，且当前存在的用户是否需要使用智能家电，后续，自动为用户提供相应的服务。

进一步的，由于通常情况下用户的脚步声能够说明当前是存在用户的，且用户的脚步声的远近也能够说明当前用户离智能家电的远近，离智能家电的远近能够一定程度上反映出用户当前是否需要使用该智能家电，因此，可以通过识别用户的脚步声来确定当前是否存在用户，且当前存在的用户是否需要使用智能家电。

进一步的，在本申请中，识别用户的脚步声首先需要获取用户的原始音频。

在此需要说明的是，所述原始音频包含了用户的脚步声，是通过位于设备端中的麦克风阵列来采集得到的，其中，麦克风阵列是由多个麦克风组成的，麦克风的数量可根据实际情况来设定。

s102：根据所述原始音频训练用户脚步声分类模型。

进一步的，由于需要通过机器自动识别用户的脚步声，因此，在本申请中，可通过机器学习的方式针对使用设备端的每个用户训练建立用户脚步声分类模型，后续，通过每个用户的用户脚步声分类模型来识别用户的脚步声。

在此需要说明的是，训练建立用户的用户脚步声分类模型，可在设备端直接训练建立，也可以在通过设备端将获取到的原始音频发送给云端服务器来训练建立，后续，云端服务器将训练完成的用户脚步声分类模型返回给设备端。

在此还需要说明的是，训练模型时所使用的原始音频均包含用户的脚步声。用户脚步声分类模型是针对使用设备端(即，智能设备)的用户来训练建立的，主要用于识别使用该设备端的用户的脚步声，而在本申请中，使用设备端的用户可以是已在设备端注册过账号或被设备端识别的人。

s103：根据所述用户脚步声分类模型识别用户的脚步声。

进一步的，在针对使用设备端的用户训练完成用户脚步声分类模型后，当再次获取到使用设备端的用户的原始音频时，可直接通过针对使用设备端的用户所训练完成的用户脚步声分类模型来识别用户的脚步声。

通过上述方法，能够准确的识别出用户的脚步声。

进一步的，由于在实际应用中，不同的设备端的使用者是不同的，而用户脚步声分类模型是针对使用设备端的每个用户训练建立的，因此，当用户在购买并使用智能设备后，新的设备端里是不存在用户的用户脚步声分类模型的，需要采集用户的包含脚步声的原始音频，并进行训练。

而在训练的这段时间内，设备端仍然需要识别用户的脚步声，并为用户提供所需的服务，因此，在本申请中，在训练用户脚步声分类模型完成之前，当获取到用户的包含脚步声的原始音频后，再获取用户的地板标签，通过预先训练的该地板标签对应的地板脚步声分类模型，对用户的原始音频进行脚步声识别。

在此需要说明的是，用户的地板标签主要用于区分用户当前所使用的地板是哪种类型的，在本申请中，不同类型的地板均对应一个地板标签，如，地毯类型的地板对应的是地毯标签，大理石类型的地板对应的是大理石地板标签，不同类型的地板标签所对应的地板脚步声分类模型是不同的，也就是说，通过地板脚步声分类模型来识别用户的脚步声，首先需要区分出当前用户所使用的地板是哪种类型，当确定出当前用户所使用的地板是哪种类型时，在通过地板类型所对应的地板脚步声分类模型来识别用户的脚步声。

在此还需要说明的是，针对不同地板标签而言，其对应的地板脚步声分类模型是通过采集测试人员在该地板标签对应的地板上的走路时的声音音频训练而成的，后续，预先存储在设备端的，也就是说，在用户购买并使用设备端时就已经存储在设备端内存中，后续还可以在如图2和图3所示的云端服务器中不断采集包含有脚步声的声音音频数据训练优化地板脚步声分类模型，并将优化后的地板脚步声分类模型更新到如图2和图3所示的设备端中，替换掉设备端中已有的地板脚步声分类模型。

另外，用户的地板标签可以是预先通过用户录入并存储在设备端中，也可以通过以下方式来确定用户的地板标签，具体如下：

根据所获取的用户的原始音频，通过预先训练的地板分类模型，确定用户的地板标签，后续，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

在此需要说明的是，预先训练的地板分类模型是通过采集测试人员在各种类型的地板上的走路时的声音音频训练而成的，主要用于区分用户是在哪种类型的地板上走的路，也就是说，区分用户当前所使用的地板是哪种类型的，后续还可以在如图2和图3所示的云端服务器中不断采集包含有脚步声的声音音频数据训练优化地板分类模型，并将优化后的地板分类模型更新到如图2和图3所示的设备端中，替换掉设备端中已有的地板分类模型。另外，当通过以上方式确定出用户的地板标签后，可以存储到设备端内，下次直接使用存储的地板标签即可。

在此还需要说明的是，在实际应用中，通过上述方式仅仅确定一次地板标签并存储，有可能出现误判，并且，即使当前能够获取用户的地板标签，但是用户也有可能已经更换了所铺设的地板，因此，在本申请中，需要训练所述用户脚步声分类模型完成之前，无论用户当前是直接获取到用户的地板标签，还是通过上述方式得到用户的地板标签，后续均需要根据用户的原始音频，校正用户的地板标签。

进一步的，本申请提供了一种根据用户的原始音频，校正用户的地板标签的实施方式，具体如下：

根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板校正标签，当连续n次所确定出的地板校正标签中，存在相同的地板校正标签的数量超过预设的阈值时，将超过预设的阈值的地板校正标签作为所述用户的地板标签，其中，n为正整数，如，连续20次获取到用户的原始音频，每次均根据用户的原始音频，通过预先训练的地板分类模型，确定出一个用户的地板校正标签，假设20次确定出的地板校正标签为：地板校正标签a为18次，地板校正标签b为2次，假设预设的阈值为16次，则将地板校正标签a作为用户的地板标签，替换掉用户之前的地板标签。

在此需要说明的是，在通过预先训练的地板标签对应的地板脚步声分类模型，对用户的原始音频进行脚步声识别的过程中，无论是获取的地板标签，还是通过上述方式确定出的地板标签，在通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别之后，均需要使用本次识别用户的脚步声所获取的用户的原始音频，来校正用户的地板标签。

在此还需要说明的是，连续n次指的是获取一次用户的原始音频，并根据该原始音频确定出一次用户的地板校正标签，再获取一次用户的原始音频(该次原始音频与前一次的原始音频不同)，根据该原始音频确定出一次用户的地板校正标签，直到n次。

以上为本申请实施例提供的声音识别方法，基于同样的思路，本申请实施例还提供一种声音识别装置，如图2所示，该装置包括：

设备端201，用于获取用户的原始音频；

云端服务器202，用于根据所述原始音频训练用户脚步声分类模型；

设备端201，用于根据所述用户脚步声分类模型识别用户的脚步声。

在所述云端服务器202训练所述用户脚步声分类模型完成之前，所述设备端201还用于，获取用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

在所述云端服务器202训练所述用户脚步声分类模型完成之前，所述设备端201还用于，根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别。

在所述云端服务器202训练所述用户脚步声分类模型完成之前，且在所述设备端201得到所述用户的地板标签之后，所述设备端201还用于根据所述用户的原始音频，校正所述用户的地板标签。

所述设备端201还用于，根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板校正标签，当连续n次所确定出的地板校正标签中，存在相同的地板校正标签的数量超过预设的阈值时，将超过预设的阈值的地板校正标签作为所述用户的地板标签，其中，n为正整数。

在此需要说明的是，在本申请中，预先训练的地板脚步声分类模型以及预先训练的地板分类模型均在云端服务器中完成，且，在用户购买使用智能设备之前就已经在云端服务器训练完成并存储在智能设备内。

另外，本申请还提供了另一种声音识别装置，如图3所示，该装置包括：

设备端301以及云端服务器302；

所述设备端301包括：音频获取模块3011，音频处理模块3012，识别模块3013，标签校正模块3014，所述识别模块3013包括用户脚步声分类模型识别单元30131，地板脚步声分类模型识别单元30132，以及地板分类模型识别单元30133；

所述云端服务器302包括：用户脚步声分类模型训练模块3021，地板脚步声分类模型训练模块3022，以及地板分类模型训练模块3023。

所述音频获取模块3011，用于获取用户的原始音频；

所述音频处理模块3012，用于对所获取的原始音频进行处理，用滤波器过滤掉电流噪音等干扰数据；

所述识别模块3013，用于识别用户的脚步声；

所述用户脚步声分类模型识别单元30131，用于根据所述用户脚步声分类模型识别用户的脚步声；

所述地板脚步声分类模型识别单元30132，用于获取用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别；

所述地板分类模型识别单元30133，用于根据所述用户的原始音频，通过预先训练的地板分类模型，确定所述用户的地板标签，通过预先训练的所述地板标签对应的地板脚步声分类模型，对所述用户的原始音频进行脚步声识别；

所述标签校正模块3014，用于根据所述用户的原始音频，校正所述用户的地板标签；

所述用户脚步声分类模型训练模块3021，用于训练用户脚步声分类模型；

所述地板脚步声分类模型训练模块3022，用于训练地板脚步声分类模型；

所述地板分类模型训练模块3023，用于训练地板分类模型。

在此需要说明的是，所述云端服务器中的训练模块会将训练完成以及优化后的识别模型发送给所述设备端，所述设备端会根据所接收的识别模型更新已有的模型。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。