一种车机功能唤醒的方法及装置与流程

1.本公开涉及计算机技术领域，尤其涉及车联网和智能交通技术领域。


背景技术：

2.随着人工智能的快速发展，车载设备也越来越智能，比如越来越多的车辆支持车载语音交互功能。用户可以通过语音来控制车内的设施。


技术实现要素：

3.本公开提供了一种车机功能唤醒的方法及装置。
4.根据本公开的一方面，提供了一种车机功能唤醒的方法，包括：
5.获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像；
6.根据所述目标图像检测所述车内成员的视线是否聚焦在预设的唤醒区域，且达到预设时长；
7.若检测到至少一个车内成员的视线聚焦在所述唤醒区域，且达到所述预设时长，唤醒所述唤醒区域对应的车机功能。
8.根据本公开的另一方面，提供了一种车机功能唤醒的装置，包括：
9.获取模块，用于获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像；
10.检测模块，用于根据所述目标图像检测所述车内成员的视线是否聚焦在预设的唤醒区域，且达到预设时长；
11.唤醒模块，用于若检测到至少一个车内成员的视线聚焦在所述唤醒区域，且达到所述预设时长，唤醒所述唤醒区域对应的车机功能。
12.根据本公开的另一方面，提供了一种电子设备，包括：
13.至少一个处理器；以及
14.与所述至少一个处理器通信连接的存储器；其中，
15.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行车机功能唤醒的方法。
16.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行车机功能唤醒的方法。
17.根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现车机功能唤醒的方法。
18.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
19.附图用于更好地理解本方案，不构成对本公开的限定。
20.图1为本公开实施例提供的车机功能唤醒的方法的一种流程示意图；
21.图2为本公开实施例提供的车内环境的一种示意图；
22.图3为本公开实施例提供的车机功能唤醒的另一种流程示意图；
23.图4为本公开实施例提供的分割目标图像的一种示意图；
24.图5是用来实现本公开实施例的车机功能唤醒的方法的装置的框图；
25.图6是用来实现本公开实施例的车机功能唤醒的方法的电子设备的框图。
具体实施方式
26.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。
27.随着人工智能的快速发展，车载设备也越来越智能，比如越来越多的车辆支持车载语音功能，用户可以通过语音来控制车内的设施。
28.然而，若用户需要对车辆进行语音控制，必须先唤醒车载语音功能，唤醒也可以理解为激活，或者说使车载语音系统进入监听状态以监听用户的语音控制指令。
29.目前业内唤醒车载语音功能的方式大致有以下几种：通过实体硬件按钮唤醒车载语音功能、说特定唤醒词唤醒车载语音功能、通过界面触控唤醒车载语音功能。
30.这几种唤醒车载语音功能的方式都不够方便，无法做到自然、无感的交互体验。
31.并且，通过调研可知，部分用户不愿意使用唤醒词的方式唤醒车载语音功能，导致车载语音交互的频率较低。而且，使用唤醒词唤醒车载语音功能的方式，对环境和语音输入质量要求较高，例如用户发音带有方言或在嘈杂环境下，唤醒车载语音功能的效率较低。
32.为了解决上述技术问题，本公开提供了一种车机功能唤醒的方法及装置。
33.本公开的一个实施例中，提供了一种车机功能唤醒的方法，方法包括：
34.获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像；
35.根据所述目标图像检测所述车内成员的视线是否聚焦在预设的唤醒区域，且达到预设时长；
36.若检测到至少一个车内成员的视线聚焦在所述唤醒区域，且达到所述预设时长，唤醒所述唤醒区域对应的车机功能。
37.可见，车载摄像头持续拍摄包含车内成员的目标图像，车机系统根据目标图像检测车内成员的视线是否聚焦在唤醒区域且达到预设时长，进而判断是否唤醒车机功能。从而，车内成员希望唤醒车机功能时，只需要将视线聚焦在唤醒区域并持续一段时间即可，无需触碰实体按钮或者说出特定的唤醒词，实现了自然、无感的唤醒方式，增加了车机系统的智能性。
38.下面对本公开实施例提供的车机功能唤醒的方法及装置进行详细介绍。
39.参见图1，图1为本公开实施例提供的车机功能唤醒的方法的一种流程示意图，如图1所示，方法可以包括以下步骤：
40.s101：获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像。
41.本公开实施例提供的车机功能唤醒的方法可以应用于车机系统的处理器。
42.本公开实施例中，车机系统中可以设置有车机功能唤醒的开关，用户打开此开关，
获得摄像头持续摄像的授权，即摄像头持续拍摄包含车内成员的目标图像。
43.本步骤中，车机系统的处理器获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像。
44.s102：根据目标图像检测车内成员的视线是否聚焦在预设的唤醒区域，且达到预设时长。
45.本公开实施例中，车机系统的处理器对目标图像进行分析，判断车内成员的视线是否聚焦在预设唤醒区域。
46.参见图2，图2为本公开实施例提供的车内环境的一种示意图。
47.如图2所示，摄像头位于车机屏幕的上方，唤醒区域为车机屏幕，则主驾成员看向车机屏幕时，必然向右侧扭头且头部朝向车机屏幕；相应的，副驾成员看向车机屏幕时，必然向左侧扭头且头部朝向车机屏幕。
48.因此，通过对目标图像进行图像分析，可以确定目标图像中主机成员和/或副驾成员的头部朝向，进而确定主机成员和/或副驾成员的视线是否聚焦在唤醒区域。
49.s103：若检测到至少一个车内成员的视线聚焦在唤醒区域，且达到预设时长，唤醒唤醒区域对应的车机功能。
50.本公开实施例中，若针对连续的多帧目标图像，都检测到同一车内成员的视线聚焦在唤醒区域，表示该车内成员的眼神停留在唤醒区域达到一定时长，即车内成员意图通过车机功能唤醒，这种情况下，唤醒对应的车机功能。
51.可见，车载摄像头持续拍摄包含车内成员的目标图像，车机系统根据目标图像检测车内成员的视线是否聚焦在唤醒区域且达到预设时长，进而判断是否唤醒车机功能。从而，车内成员希望唤醒车机功能时，只需要将视线聚焦在唤醒区域并持续一段时间即可，无需触碰实体按钮或者说出特定的唤醒词，实现了自然、无感的唤醒方式，增加了车机系统的智能性。
52.本公开的一个实施例中，为了更准确的确定车内成员的视线是否聚焦在唤醒区域，参见图3，上述步骤s102，具体可以包括以下细化步骤：
53.图3为本公开实施例提供的车机功能唤醒的另一种流程示意图，如图3所示，包括：
54.s301：将每一目标图像分割为分别与主驾成员、副驾成员和后排成员对应的主驾图像、副驾图像和后排图像。
55.具体的，由于车载摄像头的位置是固定的，针对车载摄像头拍摄的目标图像，主驾成员、副驾成员和后排成员在目标图像中的位置也是固定的。
56.以图2所示的车内环境为例，目标图像中，主驾成员必然位于目标图像中下半区域的右侧区域，副驾成员必然位于目标图像中下半区域的左侧区域。
57.特别的，以4座车辆为例，如果后排成员不起身或歪头看向摄像头，由于座位的遮挡，摄像头通常不会采集到后排成员。但本公开实施例中，允许后排成员在起身或歪头注视车机屏幕时唤醒车机功能。这种情况下，摄像头通常只会采集到一个后排成员，且后排成员必然位于目标图像中的上半区域。
58.基于上述因素，本公开实施例中，将车内成员划分为主驾成员、副驾成员和后排成员。相应的，划分主驾图像、副驾图像和后排图像，具体可以参见图4。图4为本公开实施例提供的分割目标图像的一种示意图。可以基于图4所示的图像分割规则，将每一目标图像分割
为分别与主驾成员、副驾成员和后排成员对应的主驾图像、副驾图像和后排图像。
59.s302：分别将主驾图像、副驾图像和后排图像输入预先训练的深度学习网络模型，分别得到主驾成员、副驾成员和/或后排成员的视线是否聚焦在唤醒区域的检测结果；其中，深度学习网络模型是预先根据样本图像以及样本图像的标签训练的；样本图像包括：主驾成员、副驾成员和后排成员的视线聚焦在唤醒区域时摄像头拍摄的多帧图像。
60.本公开实施例中，为了更准确的确定车内成员的视线是否聚焦在唤醒区域，可以预先获取大量的样本图像，并基于样本图像训练深度学习网络模型。
61.其中，样本图像可以包括正样本和负样本，正样本包括：主驾成员、副驾成员和后排成员的视线聚焦在唤醒区域时摄像头拍摄的多帧图像，正样本的标签为：视线聚焦在唤醒区域，可以用1来表示；负样本包括：主驾成员、副驾成员和后排成员的视线未聚焦在唤醒区域时摄像头拍摄的多帧图像，负样本的标签为：视线未聚焦在唤醒区域，可以用0来表示。
62.从而，在训练过程中，将大量的正样本图像和负样本图像输入深度学习网络模型，根据深度学习网络模型输出的标签以及真实标签，计算交叉熵损失，再基于损失值调整网络模型中可学习参数，直到训练完成。
63.本步骤中，可以分别将主驾图像、副驾图像和后排图像输入训练完成的深度学习网络模型，分别得到主驾成员、副驾成员和/或后排成员的视线是否聚焦在唤醒区域的检测结果。
64.s303：根据连续多帧目标图像的检测结果，确定主驾成员、副驾成员和/或后排成员的视线是否聚焦在唤醒区域，且持续预设时长。
65.本公开实施例中，针对某一帧目标图像，如果其检测结果为主驾成员的视线聚焦在唤醒区域，并不能确定主驾成员试图通过车机功能唤醒，原因在于，主驾成员的视线可能仅是经过唤醒区域，并非停留在唤醒区域。
66.因此，只有连续多帧图像的检测结果均为车内成员的视线聚焦在唤醒区域，才能确定车内成员主动注视唤醒区域，以试图唤醒车机功能。
67.在本公开的一个实施例中，若连续多帧主驾图像的检测结果为主驾成员的视线聚焦在唤醒区域，则确定主驾成员的视线聚焦在唤醒区域，且持续预设时长。
68.若连续多帧副驾图像的检测结果为副驾成员的视线聚焦在唤醒区域，则确定副驾成员的视线聚焦在所述唤醒区域，且持续预设时长。
69.若连续多帧后排图像的检测结果为后排成员的视线聚焦在唤醒区域，则确定后排成员的视线聚焦在唤醒区域，且持续预设时长。
70.只要检测到任一车内成员的视线聚焦在唤醒区域，且持续预设时长，均唤醒对应的车机功能。
71.本公开的一个实施例中，在将每一目标图像分割为分别与主驾成员、副驾成员和后排成员对应的主驾图像、副驾图像和后排图像之后，还可以包括：
72.对每一主驾图像、副驾图像和后排图像进行目标检测，分别确定主驾图像中是否包含主驾成员、副驾图像中是否包含副驾成员、后排图像中是否包含后排成员。
73.具体的，在分割目标图像之后，可以分别对主驾图像、副驾图像和后排图像进行目标检测，若检测不到用户，则无需将对应的图像输入深度学习网络模型，从而提升了系统的高效性。
74.相应的，若主驾图像中包含主驾成员，将主驾图像输入预先训练的深度学习网络模型；若副驾图像中包含副驾成员，将副驾图像输入预先训练的深度学习网络模型；若后排图像中包含后排成员，将后排图像输入预先训练的深度学习网络模型。
75.本公开的一个实施例中，唤醒区域对应的车机功能可以为车载语音功能，从而，车内成员希望唤醒车载语音功能时，只需要将视线聚焦在唤醒区域并持续一段时间即可。
76.相应的，车内的硬件需要包括：车内摄像头、车内扬声器、车内麦克风，如图2所示。
77.在唤醒车载语音功能后，开启麦克风收音，并通过图形用户界面(graphical user interface，gui)的变化提示车内成员语音功能已进入聆听状态。聆听状态保持预设时长，例如3秒，若此时间内车内成员没有发出语音内容则退出聆听状态；若此时间内用户有发出语音内容则进入正常语音交互流程。
78.可见，无需触碰实体按钮或者说出特定的唤醒词，实现了自然、无感的唤醒方式。扩展唤醒车载语音功能的交互方式，增加眼神激活的方式，打造自然无感的多通道车载交互体验。
79.参见图5，图5是用来实现本公开实施例的车机功能唤醒的方法的装置的框图，如图5所示，装置可以包括：
80.获取模块501，用于获取摄像头持续拍摄的包含至少一个车内成员的多帧目标图像；
81.检测模块502，用于根据目标图像检测车内成员的视线是否聚焦在预设的唤醒区域，且达到预设时长；
82.唤醒模块503，用于若检测到至少一个车内成员的视线聚焦在唤醒区域，且达到预设时长，唤醒唤醒区域对应的车机功能。
83.本公开的一个实施例中，检测模块502，可以包括：
84.分割子模块，用于将每一目标图像分割为分别与主驾成员、副驾成员和后排成员对应的主驾图像、副驾图像和后排图像；
85.检测子模块，用于分别将主驾图像、副驾图像和后排图像输入预先训练的深度学习网络模型，分别得到主驾成员、副驾成员和/或后排成员的视线是否聚焦在唤醒区域的检测结果；其中，深度学习网络模型是预先根据样本图像以及样本图像的标签训练的；样本图像包括：主驾成员、副驾成员和后排成员的视线聚焦在唤醒区域时摄像头拍摄的多帧图像；
86.确定子模块，用于根据连续多帧目标图像的检测结果，确定主驾成员、副驾成员和/或后排成员的视线是否聚焦在唤醒区域，且持续预设时长。
87.本公开的一个实施例中，还包括：
88.目标检测模块，用于对每一主驾图像、副驾图像和后排图像进行目标检测，分别确定主驾图像中是否包含主驾成员、副驾图像中是否包含副驾成员、后排图像中是否包含后排成员；
89.检测子模块，具体用于：
90.若主驾图像中包含主驾成员，将主驾图像输入预先训练的深度学习网络模型；
91.若副驾图像中包含副驾成员，将副驾图像输入预先训练的深度学习网络模型；
92.若后排图像中包含后排成员，将后排图像输入预先训练的深度学习网络模型。
93.本公开的一个实施例中，确定子模块，具体用于：
94.若连续多帧主驾图像的检测结果为主驾成员的视线聚焦在唤醒区域，则确定主驾成员的视线聚焦在唤醒区域，且持续预设时长；
95.若连续多帧副驾图像的检测结果为副驾成员的视线聚焦在唤醒区域，则确定副驾成员的视线聚焦在唤醒区域，且持续预设时长；
96.若连续多帧后排图像的检测结果为后排成员的视线聚焦在唤醒区域，则确定后排成员的视线聚焦在唤醒区域，且持续预设时长。
97.本公开的一个实施例中，唤醒区域对应的车机功能为车载语音功能。
98.可见，车载摄像头持续拍摄包含车内成员的目标图像，车机系统根据目标图像检测车内成员的视线是否聚焦在唤醒区域且达到预设时长，进而判断是否唤醒车机功能。从而，车内成员希望唤醒车机功能时，只需要将视线聚焦在唤醒区域并持续一段时间即可，无需触碰实体按钮或者说出特定的唤醒词，实现了自然、无感的唤醒方式，增加了车机系统的智能性。
99.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
100.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
101.本公开提供了一种电子设备，包括：
102.至少一个处理器；以及
103.与所述至少一个处理器通信连接的存储器；其中，
104.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行车机功能唤醒的方法。
105.本公开提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行车机功能唤醒的方法。
106.本公开提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现车机功能唤醒的方法。
107.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
108.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 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。
109.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。
110.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如车机功能唤醒的方法。例如，在一些实施例中，车机功能唤醒的方法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。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的车机功能唤醒的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车机功能唤醒的方法。
111.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
112.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
113.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
114.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
115.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据
服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
116.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
117.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
118.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。