通过智能手机语音控制IP机顶盒的人机交互系统及方法与流程

本发明涉及一种通过智能手机语音控制IP机顶盒的人机交互系统及方法。

背景技术：
对于很多消费者来说，电视遥控器按键过于复杂，带来了极大的不便。由此，针对于消费者的需求，随着电视的不断升级和快速发展，电视已经发展到了不用遥控器，仅凭语音指令就能完成换台、音量调节等各种操作，用语音遥控电视显得更为简单、方便。对于IP机顶盒用户而言，人机交互一直都是一个困扰用户的问题，传统的遥控器使用不便，无法快速响应用户期望的动作，随着IPTV平台内容日趋丰富，这个问题也日趋凸显。目前，为了迎合市场需求，市面上也出现了一批基于体感、语音输入、QWERTY键盘等技术的专业遥控器，但价格都太过昂贵，普通消费者难以接受。另外，现有的基于语音控制的IP机顶盒遥控系统普遍存在以下问题：（1）语音的识别基于本地语音库，词库有限，识别率不高；（2）未对语音命令执行筛选，由于口音、方言、噪声等影响，语音控制的准确性较低，识别效果较差；（3）只能对语音内容进行识别，而无法智能识别语义，如：语音输入“芒果台”，无法根据语义识别出用户所要表达的“湖南卫视”，智能识别程度不够高，识别效果不理想。

技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种基于云计算平台的通过智能手机语音控制IP机顶盒的人机交互系统及方法，通过云计算平台进行语音识别，不仅能汇集海量的口音、词汇等数据，还能做大量复杂的运算，语音识别率高；对语音命令进行筛选，命中用户期望的指令，提高了语音控制准确性；可通过自定义语音输入功能实现语义识别，可将用户期望的语音映射为对应的操作，进一步提高了语音控制准确性。本发明的目的是通过以下技术方案来实现的：通过智能手机语音控制IP机顶盒的人机交互系统，它包括智能终端和受控IP机顶盒，智能终端与受控IP机顶盒之间通过通信网络连接。所述的智能终端包括用于采集用户语音信号的语音采集模块，用于对语音采集模块所采集到的用户语音信号进行识别的语音识别模块，用于对语音识别模块识别后的语音命令进行筛选的语音命令筛选模块，用于对经过筛选的语音命令进行自定义语音输入控制、将用户期望的语音映射到对应操作指令的语音控制模块；所述的语音识别模块通过互联网与语音云计算平台相连。进一步地，所述的智能终端包括智能手机。进一步地，所述的通信网络包括局域网。通过智能手机语音控制IP机顶盒的人机交互方法，它包括以下步骤：S1：智能终端采集用户发出的用于控制受控IP机顶盒的语音信号；S2：用户语音信号通过互联网发送至语音云计算平台，利用云计算对语音信号进行识别；S3：对云计算识别后的语音命令进行高精度的语音命令筛选；S4：对经过筛选的语音命令进行可学习的语音控制，得到IP机顶盒的控制指令；S5：智能终端将该控制指令发送至IP机顶盒，控制IP机顶盒完成相应按键操作。通过智能手机语音控制IP机顶盒的人机交互方法还包括一个智能终端与IP机顶盒之间建立通信链路的步骤：SS101：智能终端向全网段发送指定的UDP数据；SS102：IP机顶盒接收到该UDP数据并返回一个信号；SS103：智能终端存储返回信号的IP机顶盒列表，建立Socket连接并进行通信。进一步地，步骤S3所述的语音命令筛选的步骤包括以下子步骤：SS201：在智能终端上预设指令集；SS202：将经云计算识别后的语音字符串与该指令集逐一进行匹配，得出某指定语音字符串与各指令的相似度；SS203：找出与该语音字符串相似度最高的指令。进一步地，所述的智能终端包括智能手机。本发明的有益效果是：1）利用通用的智能手机实现IP机顶盒的语音控制，操作简单且系统成本较低；2）通过云计算平台进行语音识别，不仅能汇集海量的口音、词汇等数据，还能做大量复杂的运算，语音识别率高；3）对语音命令进行筛选，有效削弱口音、方言、噪声等方面的影响，命中用户期望的指令，提高了语音控制准确性；4）可通过自定义语音输入功能实现语义识别，可将用户期望的语音映射为对应的操作（如：可将语音输入的“芒果台”智能语义识别为“湖南卫视”），进一步提高了语音控制准确性。附图说明图1为本发明人机交互系统结构示意框图；图2为本发明人机交互方法流程图；图3为本发明建立通信链路的流程图；图4为本发明语音命令筛选的流程图。具体实施方式下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。如图1所示，通过智能手机语音控制IP机顶盒的人机交互系统，它包括智能手机和受控IP机顶盒，智能手机与受控IP机顶盒之间通过局域网连接。智能手机包括用于采集用户语音信号的语音采集模块，用于对语音采集模块所采集到的用户语音信号进行识别的语音识别模块，语音识别模块通过互联网与语音云计算平台相连；用于对语音识别模块识别后的语音命令进行筛选的语音命令筛选模块，用于对经过筛选的语音命令进行自定义语音输入控制、将用户期望的语音映射到对应操作指令的语音控制模块。智能手机使用Android系统1.5以上版本，并预装VoiceSearch.apk和手机遥控器.apk两款软件；IP机顶盒也使用Android系统，智能手机和IP机顶盒处于同一局域网，IP机顶盒启动后以守护进程的形式运行一个服务，此服务的功能是接收智能手机发送的键值信号，据此对IP机顶盒进行控制。IP机顶盒与智能手机均能连接互联网。如图2所示，通过智能手机语音控制IP机顶盒的人机交互方法，它包括以下步骤：S1：智能手机采集用户发出的用于控制受控IP机顶盒的语音信号；S2：用户语音信号通过互联网发送至语音云计算平台，利用云计算对语音信号进行识别；S3：对云计算识别后的语音命令进行高精度的语音命令筛选；S4：对经过筛选的语音命令进行可学习的语音控制，得到IP机顶盒的控制指令；S5：智能手机将该控制指令发送至IP机顶盒，控制IP机顶盒完成相应按键操作。如图3所示，通过智能手机语音控制IP机顶盒的人机交互方法还包括一个智能手机与IP机顶盒之间建立通信链路的步骤：SS101：智能手机APP向全网段（255.255.255.255）发送指定的UDP数据；SS102：IP机顶盒接收到该UDP数据并返回一个信号；SS103：智能手机存储返回信号的IP机顶盒列表，建立Socket连接并进行通信。使用VoiceSearch.apk程序进行云端语音处理后，得到语音字符串V，语音字符串V因各方面的客观因素（如方言、噪声等）与用户想要表达的本意存在差异，因此，在利用云计算对语音信号进行识别后进行高精度语音命令筛选。如图4所示，步骤S3所述的语音命令筛选的步骤包括以下子步骤：SS201：在智能手机上预设指令集；SS202：将经云计算识别后的语音字符串V与该指令集逐一进行匹配，得出某指定语音字符串与各指令的相似度；SS203：找出与该语音字符串相似度最高的指令。因语言差异，直接将语音字符串V与指令集进行匹配，仍会出现差异。如：频道与“体育频道”、“音乐频道”、“电影频道”的相似度均相等，实践中此类型的语音指令非常多，控制起来很容易产生误差；如果语音为“五星体育频道”，则其与指令集中的“体育频道”就是相似度最高的，可见：字符长度越长则越容易得出正确的指令。另外，因汉语的同音字极多，如：“背景喂食”和“北京卫视”，读音上能够完全匹配但是汉字无法匹配。上述原因得出提高筛选准确率的两个要素是：（1）增加匹配的字符串长度；（2）汉字匹配转为拼音匹配。因此，在进行匹配之前先将语音字符串V转成拼音字符串V2，将“指令集”也转为“拼音指令集”，将拼音字符串V2与“拼音指令集”进行匹配。指令集包括频道号和遥控器按键：A.遥控器按键指令如表1所示：表1“原始指令”对应一个“遥控器键值”，有多个语音指令对应原始指令，用户也可以自定义语音指令，例如“音量+”可以由用户定义为“声音大一点”或者“声音太小了”，语音输入为“声音太小了”或者“声音大一点”都会模拟按键“音量+”。B.频道号指令如表2所示：频道名称频道号原始指令遥控器键值北京卫视11100001五星体育121、2100001、100002......表2频道号就是语音指令，如果是北京卫视，则发送对应的遥控器键值100001，此时IP机顶盒将模拟按键1，电视节目切换至北京卫视；如果是卫星体育，则连续发送遥控器件事100001和100002，此时IP机顶盒将模拟连续按键1和2，电视节目切换至卫星体育。在语音命令筛选过程中，其匹配算法的步骤如下：例：字符串A，字符串B，求AB相似度s。字符串A的长度为m，字符串B的长度为n，由LCS算法求得最长公共子序列长度L，则：AB相似度s=(L*2)/(m+n)。最长公共子序列的英文缩写为LCS（LongestCommonSubsequence），其定义是：一个序列S，如果分别是两个或多个已知序列的子序列，且是所有符合此条件序列中最长的，则S称为已知序列的最长公共子序列。动态规划的一个计算两个序列的最长公共子序列的方法如下：以两个序列X、Y为例子：设有二维数组f[i,j]表示X的i位和Y的j位之前的最长公共子序列的长度，则有：f[1][1]=same(1,1)；f[i,j]=max{f[i-1][j-1]+same(i,j),f[i-1,j],f[i,j-1]}；其中，same(a,b)在当X的第a位与Y的第b位完全相同时为“1”，否则为“0”。此时，f[j]中最大的数便是X和Y的最长公共子序列的长度，依据该数组回溯，便可找出最长公共子序列。该算法的空间、时间复杂度均为O(n^2)，经过优化后，空间复杂度可为O(n)。逐一匹配结合冒泡算法即可得到相似度最大的指令，匹配到有相似度为100%的指令则停止匹配，并将该相似度为100%的指令作为相似度最高指令。