用于唤醒设备的方法、装置、电子设备和计算机存储介质与流程

1.本公开的实施例总体涉及人机交互领域，具体涉及用于唤醒设备的方法、装置、电子设备和计算机存储介质。


背景技术：

2.随着技术发展，越来越多的设备实现了语音唤醒功能。但是语音唤醒需要用户语音输入唤醒词才能唤醒，在用户需求频繁的情况下就需要用户频繁语音输入唤醒词。对于此类设备的用户来说，这种使用过程便利性较差，从而造成用户体验不佳。


技术实现要素：

3.提供了一种用于唤醒设备的方法、装置、电子设备以及计算机存储介质。
4.根据本公开的第一方面，提供了一种用于唤醒设备的方法。该方法包括：获取与电子设备周围的环境有关的图像，确定所获取的图像中的眼部特征是否满足注视条件，以及如果确定眼部特征满足注视条件，则基于当前时刻和电子设备的唤醒历史，唤醒电子设备。
5.根据本公开的第二方面，提供了一种用于唤醒设备的装置。该装置包括：图像获取模块，被配置为获取与电子设备周围的环境有关的图像，注视确定模块，被配置为确定所获取的图像中的眼部特征是否满足注视条件，以及唤醒模块，被配置为如果确定眼部特征满足注视条件，则基于当前时刻和电子设备的唤醒历史，唤醒电子设备。
6.根据本公开的第三方面，提供了一种电子设备。该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据第一方面所述的方法。
7.在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
8.根据本公开的技术解决了注视检测造成的设备误唤醒，基于唤醒历史提高了设备唤醒准确率。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
11.图1是根据本公开的实施例的信息处理环境100的示意图；
12.图2是根据本公开的实施例的用于唤醒设备的方法200的示意图；
13.图3是根据本公开的实施例的基于当前时刻和电子设备的唤醒历史唤醒电子设备的方法300的示意图；
14.图4是根据本公开的实施例的基于当前时刻和电子设备的唤醒历史唤醒电子设备的方法400的示意图；
15.图5是根据本公开的实施例的用于唤醒设备的装置500的示意图；以及
16.图6是用来实现本公开实施例的用于唤醒设备的方法的电子设备的框图。
具体实施方式
17.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
18.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
19.如上所述，语音唤醒在用户需求频繁的情况下需要用户不断语音输入唤醒词，用户体验不佳。因此，可以考虑通过注视检测来唤醒设备，但是注视检测又容易因为检测准确率的问题造成设备的误唤醒，影响用户体验。
20.为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于唤醒设备的方案。在该方案中，获取与电子设备周围的环境有关的图像，确定所获取的图像中的眼部特征是否满足注视条件，以及如果确定眼部特征满足注视条件，则基于当前时刻和电子设备的唤醒历史，唤醒电子设备。
21.由此，通过在注视检测的基础上结合唤醒历史来唤醒电子设备，避免了注视检测造成的设备误唤醒，提高了设备唤醒准确率，从而提升用户体验。
22.在下文中，将结合附图更详细地描述本方案的具体示例。
23.图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。
24.信息处理环境100可以包括电子设备110。电子设备110例如但不限于是智能音箱、移动电话、智能电话、智能手表、个人数字助理(pda)、可穿戴设备、个人计算机等。电子设备110可以根据用户120的语音输入，唤醒电子设备110并提供相应的服务。例如用户120输入唤醒词后，电子设备110识别出该唤醒词，唤醒电子设备110，随后电子设备110接收用户输入的语音信息，并根据语音信息中指示的意图提供相应服务。服务包括但不限于音乐、视频、百科、天气、新闻等服务。在一些实施例中，服务可以是由电子设备110本地提供的。在另一些实施例中，电子设备110可以向服务器(未示出)发送相关服务请求，以及从服务器接收相关服务信息，以提供给用户120。
25.电子设备110可以存储有唤醒历史130，其记录电子设备110每次被唤醒的开始时刻和结束时刻。电子设备110还可以基于唤醒历史，确定唤醒偏好时间段。
26.电子设备110可以具有相机(未示出)，用于获取与电子设备110周围的环境有关的图像。电子设备110可以安装有例如唤醒检测程序，其可在电子设备休眠状态下运行。唤醒检测程序可以用于经由相机获取与电子设备110周围的环境有关的图像，还可以用于识别
所获取的图像中的面部、眼睛等特征。
27.电子设备110用于获取与电子设备110周围的环境有关的图像，确定所获取的图像中的眼部特征是否满足注视条件，以及如果确定眼部特征满足注视条件，则基于当前时刻和电子设备110的唤醒历史，唤醒电子设备110。
28.图2示出了根据本公开的实施例的用于唤醒电子设备110的方法200的流程图。例如，方法200可以由如图1所示的电子设备110来执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
29.在框202处，电子设备110获取与电子设备110周围的环境有关的图像。电子设备110可以经由电子设备110处的相机获取周围环境的图像。例如，如果用户出现在电子设备110的相机前，则电子设备110可以获取到关于用户的面部的图像，如果用户未出现在电子设备110的相机前，则电子设备110可以获取相机关于其拍摄范围内的环境的图像，例如关于客厅环境、办公室环境等的图像。
30.在框204处，电子设备110确定所获取的图像中的眼部特征是否满足注视条件。
31.在一些实施例中，电子设备110可以识别图像中的面部特征。电子设备110可以利用例如经过面部图像集合训练的神经网络模型和/或其他合适的方式识别图像中的面部特征。随后，电子设备110可以在面部特征中识别眼部特征。电子设备110可以利用例如经过眼部图像集合训练的神经网络模型和/或其他合适的方式在面部特征中识别眼部特征。接着，电子设备110可以确定识别的眼部特征是否满足注视条件。由此，相比于直接识别眼部特征，通过先识别面部特征再识别眼部特征，可以提高眼部特征的识别准确率，从而提高判断注视条件的准确性。
32.在一些实施例中，电子设备110可以基于所获取的图像中的瞳孔特征和眼角特征，确定视线方向。例如，电子设备110可以利用例如瞳孔特征点和眼角特征点对图像进行特征检测，来识别图像中的瞳孔和眼角，例如确定瞳孔的位置和眼角的位置。电子设备110例如可以基于确定的瞳孔位置和眼角位置利用支持向量机svm、支持向量回归svr、多项拟合等方式来确定视线方向。接着，电子设备110可以确定视线方向与预定基准方向之间的夹角是否小于或等于阈值夹角，以及如果确定视线方向与预定基准方向之间的夹角小于或等于阈值夹角，则确定眼部特征满足注视条件。预定基准方向例如包括所获取图像的法线方向，或电子设备110的相机的朝向等。阈值夹角可以基于电子设备110的屏幕大小、尺寸等设备参数来确定。由此，通过图像中的瞳孔特征和眼角特征来确定视线方向，并与预定基准方向对比来判断眼部特征是否满足注视条件，注视判断的准确性得到了提升。
33.如果在框204处电子设备110确定所获取的图像中的眼部特征满足注视条件，则在框206处基于当前时刻和电子设备110的唤醒历史130，唤醒电子设备110。唤醒电子设备110后，电子设备110可以基于用户语音输入，提供相应的服务，包括但不限于音频、视频、新闻、百科等服务。
34.由此，通过在注视检测的基础上结合唤醒历史来唤醒电子设备，避免了注视检测造成的设备误唤醒，提高了设备唤醒准确率，从而提升用户体验。
35.备选地或者附加地，在一些实施例中，电子设备110可以确定电子设备110是否已唤醒超过唤醒保持时长。如果电子设备110确定电子设备110已唤醒超过唤醒保持时长，则使得电子设备110休眠。唤醒保持时长可以基于电子设备110所接收的历史用户语音输入的
时长而确定。电子设备110可以基于电子设备110所接收的历史用户语音输入的时长的中位值、平均值、最大值或其他合适的统计值来确定唤醒保持时长。由此，可以根据历史用户语音输入的时长确定电子设备110的唤醒保持时长，及时休眠电子设备110，提升用户体验。
36.备选地或者附加地，在一些实施例中，电子设备110可以基于电子设备110所接收的预定时间段内的历史用户语音输入的时长确定唤醒保持时长。预定时间段可以包括例如从当前时刻开始往前预定时间间隔的时间段，例如当前时刻往前3天、1周的时间段。由此，利用近期的历史用户语音输入的时长能够更接近用户的近期实际情况，使得唤醒保持时长更贴近用户的实际需求，提升用户体验。
37.备选地或者附加地，在一些实施例中，电子设备110可以确定在电子设备110被唤醒后从用户接收的语音输入是否与电子设备110有关。如果电子设备110确定语音输入与电子设备110无关，则使得电子设备110保持唤醒状态。电子设备110被唤醒后可以接收用户语音输入，随后识别用户语音输入，已得到用户意图，例如一个多个关键词。如果确定用户意图与电子设备110提供的服务有关，例如得到的一个或多个关键词与电子设备110提供的服务所对应的关键词匹配，则确定用户语音输入是有关输入，否则是无关输入。如果是无关输入，则电子设备110不响应该语音输入，但是保持唤醒状态。由此，能够在接收到无关语音输入时避免干扰用户，但是能够保持唤醒状态，以接收用户输入，在接收到有关语音输入时能够快速响应，避免重复唤醒。
38.图3示出了根据本公开的实施例的基于当前时刻和电子设备的唤醒历史唤醒电子设备的方法300的流程图。例如，方法300可以由如图1所示的电子设备110来执行。应当理解的是，方法300还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
39.在框302处，电子设备110从唤醒历史130获取电子设备110的最近唤醒时刻。最近唤醒时刻可以包括最近唤醒开始时刻和最近唤醒结束时刻中的至少一项。
40.在框304处，电子设备110确定当前时刻与最近唤醒时刻之间的间隔是否小于或等于阈值间隔。阈值间隔例如但不限于是1分钟、2分钟等。当前时刻与最近唤醒时间之间的间隔小于或等于阈值间隔表明用户短期内有唤醒电子设备的意图。
41.如果电子设备110在框304处确定当前时刻与最近唤醒时刻之间的间隔小于或等于阈值间隔，则在框306处唤醒电子设备110。
42.由此，在检测到眼睛注视的情况下确定短时间内电子设备曾被唤醒，表明用户存在再次交互意图，此时唤醒电子设备可以更准确地反映用户意图，避免单纯眼睛注视检测造成的设备误唤醒，提高唤醒准确率。
43.图4示出了根据本公开的实施例的基于当前时刻和电子设备的唤醒历史唤醒电子设备的方法400的流程图。例如，方法400可以由如图1所示的电子设备110来执行。应当理解的是，方法400还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
44.在框402处，电子设备110基于唤醒历史130确定电子设备110的唤醒偏好时间段。唤醒偏好时间段是允许电子设备110被唤醒的时间段。例如，唤醒历史130表明晚上6-8点这一时间段是电子设备110被唤醒最频繁的时间段，则电子设备110可以确定电子设备110的唤醒偏好时间段为晚上6-8点。应当理解，以上时间段仅是示例，电子设备110的唤醒偏好时
603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
55.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标、麦克风等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
56.上文所描述的各个过程和处理，例如方法200-400，可由处理单元601执行。例如，在一些实施例中，方法200-400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序被加载到ram 603并由cpu 601执行时，可以执行上文描述的方法200-400的一个或多个动作。
57.本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
58.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
59.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
60.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方
面。
61.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
62.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
63.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
64.附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
65.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。