一种备忘录生成方法、装置及终端设备与流程

本申请属于数据处理领域，尤其涉及一种备忘录生成方法、装置及终端设备。

背景技术：

随着汽车制造业的发展，汽车成为人们生活的重要交通工具。而随着智能网联车的快速发展，车占用了人们生活的大部分时间，更趋向于作为类似秘书性质的伙伴，更合理高效的安排行程，并提醒车主。

随着现代社会生活和工作节奏的变快，现代人的日程安排就显得非常紧张，有时候甚至因为太忙，把该做的事情给忘掉了，于是出现了备忘录系统来提醒人们需要处理的事情。现有备忘录都需要用户手动输入相关信息以进行提醒，操作繁琐且效率低下，使得用户体验非常不好。

技术实现要素：

有鉴于此，本申请实施例提供了一种备忘录生成方法、装置及终端设备，以解决现有备忘录生成方式存在的操作繁琐且效率低下，用户体验不好的问题。

本申请实施例的第一方面提供了一种备忘录生成方法，包括：

获取用户特征信息，所述用户特征信息包含用户语音特征信息；

将所述用户特征信息与预设身份信息进行对比以确定用户的身份；

在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集；

根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录。

优选的，所述用户特征信息包含用户相貌特征信息，所述将所述用户特征信息与预设身份信息进行对比以确定用户的身份的步骤，包括：

将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息；

当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

优选的，所述在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集的步骤，具体为：在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，所述对所述用户语音特征信息进行预设处理后生成关键词集的步骤，包括：

对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号；

对所述第一语音波形信号进行预加重处理后得到第二语音波形信号；

通过语音特征提取所述第二语音波形信号中的语音特征参数；

基于隐马尔科夫模型对所述语音特征参数进行深度学习后得到关键词集。

优选的，所述对所述第一语音波形信号进行预加重处理后得到第二语音波形信号的步骤，包括：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号。

优选的，所述比对结果包括相同字词的数量比例；所述备忘录生成策略包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所述关键词集按照所述预设备忘条例的格式生成备忘录；

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所生成的关键词集以根据用户输入的信息生成备忘录；

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

优选的，所述根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录的步骤，包括：

将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量；

将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例；

将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

优选的，所述方法还包括：

每隔预设时间获取多个车载终端设备所采集的用户信息；

将所述用户特征信息存储至云平台中进行数据收集和更新，以便于进行备忘录的生成处理。

本申请实施例的第二方面提供了一种备忘录生成装置，包括：

用户特征信息获取单元，用于获取用户特征信息，所述用户特征信息包含用户语音特征信息；

信息对比单元，用于将所述用户特征信息与预设身份信息进行对比以确定用户的身份；

关键词集生成单元，用于在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集；

备忘录生成单元，用于根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录。

优选的，所述用户特征信息包含用户相貌特征信息，所述信息对比单元包括：

信息对比子单元，用于将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息；

身份确定子单元，用于当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

优选的，所述关键词集生成单元，具体用于：

在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，所述关键词集生成单元包括：

加窗分帧处理子单元，用于对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号；

预加重处理子单元，用于对所述第一语音波形信号进行预加重处理后得到第二语音波形信号；

语音特征参数提取子单元，用于通过语音特征提取所述第二语音波形信号中的语音特征参数；

关键词集生成子单元，用于基于隐马尔科夫模型对所述语音特征参数进行深度学习后得到关键词集。

优选的，所述预加重处理子单元，具体用于：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号。

优选的，所述比对结果包括相同字词的数量比例；所述备忘录生成策略包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所述关键词集按照所述预设备忘条例的格式生成备忘录；

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所生成的关键词集以根据用户输入的信息生成备忘录；

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

备忘录生成单元包括：

字词比对子单元，用于将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量；

数量比例计算单元，用于将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例；

备忘录生成子单元，用于将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

优选的，所述装置还包括：

用户信息获取单元，用于每隔预设时间获取多个车载终端设备所采集的用户信息；

数据存储单元，用于将所述用户特征信息存储至云平台中进行数据收集和更新，以便于进行备忘录的生成处理。

本发明实施例的第三方面提供了一种终端设备，包括：

处理器、存储器、输入输出设备以及总线；

所述处理器、存储器、输入输出设备分别与所述总线相连；

所述处理器用于执行本申请实施例的第一方面提供的备忘录生成方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现本申请实施例的第一方面提供的备忘录生成方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：通过获取用户特征信息，所述用户特征信息包含用户语音特征信息，再将所述用户特征信息与预设身份信息进行对比以确定用户的身份，并在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集，再根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录，提供了多样的备忘录生成方式，并且简化了用户的操作，提高了备忘录生成的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种备忘录生成方法的实现流程图；

图2是本申请实施例提供的一种存储用户信息的方法的实现流程图；

图3是本申请实施例提供的一种将所述用户特征信息与预设身份信息进行对比以确定用户的身份的方法的实现流程图；

图4是本申请实施例提供的一种对用户语音特征信息进行预设处理后生成关键词集的方法的实现流程图；

图5是本申请实施例提供的一种确定是否保留所生成的关键词集的方法的具体实现流程图；

图6是本申请实施例提供的一种触发对应的备忘录生成策略的方法的具体实现流程图；

图7是本申请实施例提供的一种备忘录生成装置的示意图；

图8是本申请实施例提供的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

汽车作为人们生活或工作的重要伙伴，占用了人们的大部分时间，而随着现代生活和工作节奏的变快，现代人的日程安排显得非常紧凑，在汽车上处理工作或生活的事情也越来越多，而随着事情的增多，用户往往很容易忘记在限定的时间内完成对应的事情，而如果要手动添加备忘录的话，又会因为其他事情的串入而无法及时处理，并且在汽车行驶过程中也非常的不方便和不安全。本申请从汽车中的多个设备如智能汽车后视镜、车载t-box、车载中控中获取用户的语音信息，再根据该语音信息整理生成相应的备忘录，能够大大的提高用户的备忘录生成的处理效率，而且不需要繁琐的操作，使得用户体验非常好。

同时，本申请在获取了用户的语音信息后，再进一步对用户的身份进行确认，以确定当前用户是否为车主本人，或者所获取的语音信息是否为车主的语音信息，以避免因生成错误的备忘录，影响用户体验。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。请参考图1，图1示出了本申请实施例提供的一种备忘录生成方法的实现流程，详述如下：

在步骤s101中，获取用户特征信息，所述用户特征信息包含用户语音特征信息。

在本申请实施例中，所述用户特征信息包含用户语音特征信息和用户相貌特征信息。其中，用户相貌特征信息包括但不限于用户面部特征信息、用户眼睛特征信息、用户身形特征信息。

在这里，用户特征信息具体是从多个终端设备中获取的具有用户特征的相关信息，比如从智能汽车后视镜获取具有用户相貌如面貌、身形等特征信息，从车载t-box、车载中控等终端设备中获取汽车内用户的对话内容和用户进行电话通话的对话内容及其声音特征的相关信息。

优选的，用户特征信息也可以是从云平台中获取。在此之前，多个终端设备采集用户特征信息并将其存储至云平台中以便于后续进行备忘录的生成处理。

优选的，请参考图2，本发明实施例提供还提供了如图2所示的一种存储用户信息的方法的具体实现步骤，详述如下：

在步骤s201中，每隔预设时间获取多个车载终端设备所采集的用户信息。

在本发明实施例中，车载终端设备包括但不限于智能汽车后视镜、车载t-box、车载中控等终端设备。

在这里，用户信息包括用户特征信息。

在这里，车载终端设备实时采集并存储用户信息，并在备忘录生成装置获取其所存储的用户信息后，删除相应的用户信息数据，以便于能够有足够的存储空间对后续所采集的用户信息进行存储处理。

在步骤s202中，将所述用户信息存储至云平台中以进行数据收集和更新，便于进行备忘录的生成处理。

在本发明实施例中，为了能够获取足够的数据生成相应的备忘录，将所采集的用户特征信息存储至云平台中，并从云平台中调用这些用户特征信息进行分析，可以提高备忘录的生成效率，

在步骤s102中，将所述用户特征信息与预设身份信息进行对比以确定用户的身份。

在本申请实施例中，预设身份信息为在云平台中存储的个人身份数据(如声音特征、面部特征等等)以及用户的身份信息，用户的身份信息包括但不限于用户的名字、职位等信息。在这里，将用户特征信息与预设身份信息进行比对以识别当前说话人的身份信息，或者根据用户当前通话中的通讯录名称或者通话对方的声音信息等与预设身份信息进行比对以获取通话双方的身份信息，以确定当前用户的身份是否为车主，在确定当前用户的身份为车主后，再将其对应的语音特征信息进行预设处理以生成关键词集。

在一个应用场景中，当车主与车上乘客进行交谈时，车载设备会获取到两个用户的语音信息，该语音信息中包含用户语音特征信息。在云平台中存储有该汽车的车主的个人身份数据及其身份信息，将所获取的用户语音特征信息与在云平台中存储的个人身份数据及用户的身份信息进行比对匹配，如果用户语音特征信息能够匹配到对应的个人身份数据及用户的身份信息，说明该车主即为该汽车的真正主人，可以根据其语音特征信息生成对应的备忘录以便于对用户进行相应的提醒，减少用户的操作。

优选的，本申请实施例提供了如图3所示的一种将所述用户特征信息与预设身份信息进行对比以确定用户的身份的方法的具体实现步骤，详述如下：

在步骤s301中，将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息。

在本申请实施例中，预设存储数据库包括但不限于设置于云平台、云服务器的存储数据库，该存储数据库用于存储用户的个人身份数据或身份信息等。可以理解的是，每部汽车上均设有对应的云平台账号，通过该云平台账号可以获取对应车主的存储数据。

在步骤s302中，当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

在本申请实施例中，将用户相貌特征信息与预设存储数据库中的相貌特征信息进行匹配，当两者的匹配度达到预设比例时，说明当前所获取的用户相貌特征信息能够匹配到对应的身份特征信息，可以认为当前进行匹配的用户为车主；或者将用户声音特征信息与预设存储数据库中声音特征信息进行比对，当两者的相似度达到预设比例时，说明当前所获取的用户相貌特征信息能够匹配到对应的身份特征信息，也可以认为当前进行匹配的用户为车主。

在步骤s103中，在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集。

在本申请实施例中，为了提高生成备忘录所需关键字的精确度，并提高生成备忘录的效率，在获取到用户特征信息并确定用户的身份后，需要对已确定身份的用户语音特征信息进行预设处理，以使得所生成的关键词集具有更高的辨识度。

在这里，关键词集具体为包含多个关键词的集合，这里所指的关键词包括但不限于单个汉字、多个汉字组成的词组比如xx会议室。

优选的，步骤s103具体为：

在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，本申请实施例提供了如图4所示的一种对用户语音特征信息进行预设处理后生成关键词集的方法的具体实现步骤，详述如下：

在步骤s401中，对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号。

在本申请实施例中，由于原始语音波形信号虽然在整体上看是一个非平稳过程，但在一个较短的时间内，其特性保持不变，具有短时平稳性，在这一基础上，将原始语音波形信号分割成预设长度的语音帧以分析其特征参数。

在这里，通过使用有限长度的窗函数来对原始语音波形信号进行截取以分割成预设长度的语音帧。在这里，窗函数将需要处理区域之外的样点置零以获取当前语音帧。

优选的，本申请实施例中所采用的窗函数为汉明窗窗函数ω(n)，即：

其中，n为帧长。得到加窗处理后的语音波形信号sw(n)，即第一语音波形信号sw(n)为：

sw(n)＝s(n)×ω(n)

其中，s(n)表示原始语音波形信号，n表示时刻。

在步骤s402中，对所述第一语音波形信号进行预加重处理后得到第二语音波形信号。

在本申请实施例中，为了减弱人发音时存在的口唇的辐射反应，提供更为平坦的频谱信号以便于进行分析，在得到第一语音波形信号后，还需要对该第一语音波形信号进行预加重处理，使用一阶高通滤波器对该第一语音波形信号进行预加重处理，即进行滤波处理，以提升信号中的高频部分，使得信号的频谱更为平坦，更利于下一步的语音分析。

在这里，步骤s402具体为：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号；

其中，所述预设滤波计算公式具体为：

h(z)＝1-αz^-1

其中，h(z)表示表示一阶高通滤波器的系统传递函数；z表示复变量；α表示预加重系数，α＝0.9375。

在这里，设n时刻的语音采样值为x(n)，经过预加重处理后得到的第二语音波形信号y(n)为：

y(n)＝x(n)-αx(n-1)

在步骤s403中，通过语音特征提取所述第二语音波形信号中的语音特征参数。

在本申请实施例中，语音特征提取具体为用较少的维数来表示人语音信息的特征，通过语音特征提取第二语音波形信号中的语音的mfcc(mel-frequencycepstralcoefficients，梅尔频率倒谱系数)特征参数。在这里，mfcc参数提取的实现流程具体可以参考现有的mfcc特征提取实现步骤。

在步骤s404中，基于隐马尔科夫模型(hiddenmarkovmodel，hmm)对所述语音特征参数进行深度学习后得到关键词集。

在本申请实施例中，基于多个固定关键词以隐马尔科夫hmm模型对其进行训练，从而得到新的关键词的hmm模型，然后将所得到的多个新的关键词的hmm模型进行全局连接以组成一个全局hmm模型，以便于对提取得到的语音特征参数进行深度学习后得到关键词集。

在这里，将所提取得到的语音特征参数输送至全局hmm模型后，通过viterbi算法查找最佳路径以确定所要识别的关键词。例如，当最佳路径中包含有一个子序列使得子序列中的每个状态都是某个关键词模型中的状态，则认为该子序列对应的语音序列为要识别的关键词。

可以理解的是，将语音特征参数输送至全局hmm模型后，最终识别得到多个关键词，这些关键词形成了一个组合，这一组合也就称为关键词集。

关键词集在步骤s104中，根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略。

在本申请实施例中，预设备忘条例为存储在云平台中的备忘条例，该备忘条例并不是固定不变的，可以由用户自行添加或者由云平台进行信息收集后按预设格式所生成的备忘条例，以作为本申请实施例中备忘录生成的模板。

在这里，比对结果包括相同字词的数量比例。将所生成的关键词集与预设备忘录条例中的字词进行比对，以得到字词的比对结果，即所述关键词集中与所述预设备忘录条例中相同的字词的数量占所述预设备忘录条例中的字词总数的数量比例，也就是说相同字词的数量比例实际为关键词集中与所述预设备忘录条例中相同的字词的数量占所述预设备忘录条例中的字词总数的比例。

例如，在一个应用场景中，所生成的关键词集有11点，在，世纪，大酒店，开会；预设备忘条例具体为10点在xxx酒店开会，那么所生成的关键词集中与所述预设备忘录条例中相同的字词有：点、在、酒店、开会。进行比对后得到数量比例为4/5,即80％，这时，可以触发对应的备忘录生成策略以自动生成相应的备忘录。

在本申请实施例中，触发对应的备忘录生成策略具体包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所生成的关键词集按照所述预设备忘条例的格式生成备忘录。

在本申请实施例中，当相同字词的数量比例大于等于第一预设比例时，说明所生成的关键词集与预设备忘条例相接近，可以直接借用预设备忘条例的格式来自动生成对应的备忘录，而不再需要用户手动输入，简化了用户的操作，并提高了备忘录的生成效率。

可以理解的是，为了降低备忘录生成的误差，在自动生成备忘录后，在终端的显示界面上显示该条备忘录，并提醒用户确认，当接收到用户输入的确认指令后，将该条备忘录存储并在预定时间对用户进行提醒。

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所述关键词集以根据用户输入的信息生成备忘录。

在本申请实施例中，当相同字词的数量比例小于第二预设比例而大于第二预设比例时，由于部分关键词集的缺失，使得备忘录并不能自动生成，这时所缺失的部分关键词集可以由用户自行输入，并根据用户输入的信息以生成完整的备忘录。

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

在本申请实施例中，本申请实施例提供了如图5所示的一种确定是否保留所生成的关键词集的方法的具体实现步骤，详述如下：

在步骤s501中，确定是否获取到限制时间信息。

在本发明实施例中，限制时间信息具体为需要在某一具体时间完成或进行相关事件的信息，比如在7月24日到达xx城市办理xx事，当天17:00在xx酒店开会。

在步骤s502中，当获取到限制时间信息时，确定在达到所述限制时间信息包含的时间点时，相同字词的数量比例是否达到第二预设比例。

在步骤s503中，当在达到所述限制时间信息包含的时间点时，相同字词的数量比例未达到第二预设比例，则取消保留所生成的关键词集。

在步骤s504中，当在达到所述限制时间信息包含的时间点时，相同字词的数量比例达到第二预设比例，则触发对应的备忘录生成策略以生成相应的备忘录。

在一个应用场景中，当获取到限制时间信息时，如5：30开会，当时间达到5:30时，相同字词的数量比例依然未达到第二预设比例，则取消保留所生成的关键词集。若当时间达到5:30时，相同字词的数量达到第二预设比例或第一预设比例，则触发对应的备忘录生成策略以生成相应的备忘录。

在步骤s505中，当未获取到限制时间信息时，保留所生成的关键词集，并以车辆驾驶的频率进行一次比对，直到相同字词的数量比例达到第二预设比例时为止。

在本申请实施例中，当未获取到限制时间信息时，保留所生成的关键词集，并在车辆进行一次驾驶时就将所保留的关键词集和新生成的关键词集与预设备忘条例进行一次比对，直到相同字词的数量达到第二预设比例触发相应的备忘录生成策略时为止。

可以理解的是，本申请实施例中的第一预设比例大于第二预设比例，并且第二预设比例大于第三预设比例，所述预设比例的设定可以是用户自行设定的一个比例。

可以理解的是，当相同字词的数量比例小于第三预设比例时，不做记录且不生成备忘录，即对所生成的关键词集不做任何处理。

优选的，本申请实施例提供了如图6所示的一种触发对应的备忘录生成策略的方法的具体实现步骤，详述如下：

在步骤s601中，将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量。

在本申请实施例中，将所有得到的关键词集与预设备忘条例中的字词进行比对，以确定所得到的关键词集中与预设备忘条例中的字词为相同字词的数量，根据比对得到的相同字词的数量与预设备忘条例中的字词的数量以计算相同字词的数量比例。

在步骤s602中，将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例。

在步骤s603中，将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

在本申请实施例中，将计算得到的相同字词的数量比例与备忘录生成策略中的预设比例进行匹配以确定是触发哪一种备忘录生成策略，提高备忘录的生成效率，并简化备忘录的录入操作。

在本申请实施例中，通过获取用户特征信息，所述用户特征信息包含用户语音特征信息，再将所述用户特征信息与预设身份信息进行对比以确定用户的身份，并在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集，再根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录，提供了多样的备忘录生成方式，并且简化了用户的操作，提高了备忘录生成的效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的一种备忘录生成方法，图7示出了本发明实施例提供的一种备忘录生成装置的示意图，为了便于说明，仅示出了与本发明实施例相关的部分。

参照图7，该装置包括：

用户特征信息获取单元71，用于获取用户特征信息，所述用户特征信息包含用户语音特征信息；

信息对比单元72，用于将所述用户特征信息与预设身份信息进行对比以确定用户的身份；

关键词集生成单元73，用于在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集；

备忘录生成单元74，用于根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录。

优选的，所述用户特征信息包含用户相貌特征信息，所述信息对比单元72包括：

信息对比子单元，用于将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息；

身份确定子单元，用于当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

优选的，所述关键词集生成单元73，具体用于：

在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，所述关键词集生成单元73包括：

加窗分帧处理子单元，用于对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号；

预加重处理子单元，用于对所述第一语音波形信号进行预加重处理后得到第二语音波形信号；

语音特征参数提取子单元，用于通过语音特征提取所述第二语音波形信号中的语音特征参数；

关键词集生成子单元，用于基于隐马尔科夫模型对所述语音特征参数进行深度学习后得到关键词集。

优选的，所述预加重处理子单元，具体用于：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号；

其中，所述预设滤波计算公式具体为：

h(z)＝1-αz^-1

其中，h(z)表示表示一阶高通滤波器的系统传递函数；z表示复变量；α表示预加重系数，α＝0.9375。

优选的，所述比对结果包括相同字词的数量比例；所述备忘录生成策略包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所述关键词集按照所述预设备忘条例的格式生成备忘录；

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所生成的关键词集以根据用户输入的信息生成备忘录；

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

备忘录生成单元74包括：

字词比对子单元，用于将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量；

数量比例计算单元，用于将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例；

备忘录生成子单元，用于将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

优选的，所述装置还包括：

用户信息获取单元，用于每隔预设时间获取多个车载终端设备所采集的用户信息；

数据存储单元，用于将所述用户特征信息存储至云平台中进行数据收集和更新，以便于进行备忘录的生成处理。

在本发明实施例中，通过获取用户特征信息，所述用户特征信息包含用户语音特征信息，再将所述用户特征信息与预设身份信息进行对比以确定用户的身份，并在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集，再根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录，提供了多样的备忘录生成方式，并且简化了用户的操作，提高了备忘录生成的效率。

图8是本申请一实施例提供的一种终端设备的示意图。如图8所示，该实施例的终端设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个备忘录生成方法实施例中的步骤，例如图1所示的步骤101至104。

示例性地，所述处理器80调用所述存储器81中的可运行的计算机程序82，具体执行如下步骤：

获取用户特征信息，所述用户特征信息包含用户语音特征信息；

将所述用户特征信息与预设身份信息进行对比以确定用户的身份；

在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集；

根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录。

优选的，所述用户特征信息包含用户相貌特征信息，所述处理器80执行所述将所述用户特征信息与预设身份信息进行对比以确定用户的身份的步骤，具体方式为：

将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息；

当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

优选的，所述处理器80执行所述在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集的步骤，具体方式为：

在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，所述处理器80执行所述对所述用户语音特征信息进行预设处理后生成关键词集的步骤，具体方式为：

对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号；

对所述第一语音波形信号进行预加重处理后得到第二语音波形信号；

通过语音特征提取所述第二语音波形信号中的语音特征参数；

基于隐马尔科夫模型对所述语音特征参数进行深度学习后得到关键词集。

优选的，所述处理器80执行所述对所述第一语音波形信号进行预加重处理后得到第二语音波形信号的步骤，具体方式为：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号；

其中，所述预设滤波计算公式具体为：

h(z)＝1-αz^-1

其中，h(z)表示表示一阶高通滤波器的系统传递函数；z表示复变量；α表示预加重系数，α＝0.9375。

优选的，所述比对结果包括相同字词的数量比例；所述备忘录生成策略包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所述关键词集按照所述预设备忘条例的格式生成备忘录；

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所生成的关键词集以根据用户输入的信息生成备忘录；

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

优选的，所述处理器80执行述根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录的步骤，具体方式为：

将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量；

将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例；

将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

优选的，所述处理器80还调用所述存储器81中的可运行的计算机程序82，具体执行如下步骤：

每隔预设时间获取多个车载终端设备所采集的用户信息；

将所述用户特征信息存储至云平台中进行数据收集和更新，以便于进行备忘录的生成处理。

或者，示例性的，所述计算机程序72可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端7中的执行过程。例如，所述计算机程序72可以被分割成用户特征信息获取单元71、信息对比单元72、关键词集生成单元73、备忘录生成单元74，各单元具体功能如下：

用户特征信息获取单元71，用于获取用户特征信息，所述用户特征信息包含用户语音特征信息；

信息对比单元72，用于将所述用户特征信息与预设身份信息进行对比以确定用户的身份；

关键词集生成单元73，用于在确定用户的身份后，对所述用户语音特征信息进行预设处理后生成关键词集；

备忘录生成单元74，用于根据所述关键词集与预设备忘条例中字词的比对结果，触发对应的备忘录生成策略以生成备忘录。

优选的，所述用户特征信息包含用户相貌特征信息，所述信息对比单元72包括：

信息对比子单元，用于将所述用户相貌特征信息和/或所述用户语音特征信息与预设存储数据库中的身份特征信息进行比对以匹配对应的身份特征信息；

身份确定子单元，用于当所述用户相貌特征信息和/或所述用户语音特征信息匹配到对应的身份特征信息时，根据所述身份特征信息确定用户的身份。

优选的，所述关键词集生成单元73，具体用于：

在确定用户的身份后，提取所确定身份的用户对应的用户语音特征信息，并对提取的语音特征信息进行预设处理后生成关键词集。

优选的，所述关键词集生成单元73包括：

加窗分帧处理子单元，用于对所述用户语音特征信息的原始语音波形信号进行加窗分帧处理后得到第一语音波形信号；

预加重处理子单元，用于对所述第一语音波形信号进行预加重处理后得到第二语音波形信号；

语音特征参数提取子单元，用于通过语音特征提取所述第二语音波形信号中的语音特征参数；

关键词集生成子单元，用于基于隐马尔科夫模型对所述语音特征参数进行深度学习后得到关键词集。

优选的，所述预加重处理子单元，具体用于：

根据预设滤波计算公式对所述第一语音波形信号进行滤波处理，得到第二语音波形信号；

其中，所述预设滤波计算公式具体为：

h(z)＝1-αz^-1

其中，h(z)表示表示一阶高通滤波器的系统传递函数；z表示复变量；α表示预加重系数，α＝0.9375。

优选的，所述比对结果包括相同字词的数量比例；所述备忘录生成策略包括：

第一备忘录生成策略：当所述数量比例大于等于第一预设比例时，根据所述关键词集按照所述预设备忘条例的格式生成备忘录；

第二备忘录生成策略：当所述数量比例小于第一预设比例而大于等于第二预设比例时，发送录入提醒信息，并在终端界面上显示所生成的关键词集以根据用户输入的信息生成备忘录；

第三备忘录生成策略：当所述数量比例小于第二预设比例而大于等于第三预设比例时，根据是否获取到限制时间信息以确定是否保留所生成的关键词集。

备忘录生成单元74包括：

字词比对子单元，用于将所述关键词集与预设备忘条例中的字词进行比对，得到相同字词的数量；

数量比例计算单元，用于将所得到的相同字词的数量与预设备忘条例中的字词的总数进行相除处理，得到相同字词的数量比例；

备忘录生成子单元，用于将所述数量比例与所述备忘录生成策略中的预设比例进行匹配以触发对应的备忘录生成策略。

优选的，所述装置还包括：

用户信息获取单元，用于每隔预设时间获取多个车载终端设备所采集的用户信息；

数据存储单元，用于将所述用户特征信息存储至云平台中进行数据收集和更新，以便于进行备忘录的生成处理。

所述终端设备8可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端设备8的示例，并不构成对终端设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器80可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器81可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备，例如所述终端设备8上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器81还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。