车辆语音控制方法、装置、设备、车辆及存储介质与流程

本申请实施例涉及数据处理技术领域，具体涉及语音技术，尤其涉及一种车辆语音控制方法、装置、设备、车辆及存储介质。

背景技术：

随着语音识别的准确度和语义理解能力的不断提升，以及汽车联网的普及，通过语音指令控制车辆变得越来越常见。

目前，在对车辆进行语音控制的时候，是由车辆的语音采集系统采集车内发出的语音，并进行语音识别得到语音控制指令，再将该语音控制指令发送至控制单元，以控制车辆进行相应的动作。

在上述的车辆语音控制过程中，语音采集系统只要采集到车内发出的语音指令，就会进行语音识别，并执行识别到的控制指令。例如，如果车辆上的乘客有儿童，当儿童说出“打开车窗”的语音指令，则车辆就会直接根据该语音指令控制车窗打开，但其实此时车辆已经开启了儿童锁模式。诸如此类的情况，就会对车辆行驶造成安全隐患。

技术实现要素：

提供了一种用于车辆语音控制的方法、装置、设备、车辆及存储介质。

根据第一方面，提供了一种车辆语音控制方法，包括：获取用户对所述车辆进行控制的语音指令；确定所述用户是否具有控制所述车辆执行所述语音指令的权限；若是，则控制所述车辆执行与所述语音指令相应的操作。

根据第二方面，提供了一种车辆语音控制装置，包括：获取模块，用于获取用户对所述车辆进行控制的语音指令；控制模块，用于确定所述用户是否具有控制所述车辆执行所述语音指令的权限；若是，则控制所述车辆执行与所述语音指令相应的操作。

根据第三方面，提供了一种车辆语音控制设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，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第一方面所述的方法。

根据第四方面，提供了一种车辆，包括如第三方面所述的车辆语音控制设备。

根据第五方面，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，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据第六方面，提供了一种语音控制方法，包括：获取用户对目标对象进行控制的语音指令；确定所述用户是否具有控制所述目标对象执行所述语音指令的权限；若是，则控制所述目标对象执行与所述语音指令相应的操作。

根据本申请的技术解决了现有的车辆语音控制过程中，对于接收到的语音指令直接执行，造成行驶安全隐患的问题。

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

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例提供的车辆语音控制的应用场景图；

图2是本申请实施例提供的车辆语音控制的控制逻辑图；

图3是本申请实施例提供的车辆语音控制方法的流程图；

图4是本申请实施例提供的用户权限的示意图；

图5是本申请实施例提供的语音指令的控制权限的示意图；

图6a是本申请实施例提供的基于图像和声源位置识别用户权限的示意图；

图6b是本申请实施例提供的基于图像、声源位置和声纹特征识别用户权限的示意图；

图6c是本申请另一实施例提供的基于图像、声源位置和声纹特征识别用户权限的示意图；

图7是本申请实施例提供的面部图像特征点的示意图；

图8是本申请另一实施例提供的基于模型确定用户权限的示意图；

图9是本申请实施例提供的成人和儿童的语音控制逻辑示意图；

图10是本申请实施例提供的车主和非车主的语音控制逻辑示意图；

图11是本申请实施例的车辆语音控制装置的框图；

图12是用来实现本申请实施例的车辆语音控制方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。

图1是本申请实施例提供的应用场景图。如图1所示，该应用场景包括：车辆11，车辆11上有司机12和乘客13，若车辆开启了语音控制功能，那么车内人员就能够通过语音指令对车辆进行控制。例如，驾驶员在开车过程中，可以通过语音指令设定导航或更换调频，就不需要去看中控台手动操作。一方面，这样能够解放驾驶员双手，另一方面，驾驶员不需要看着中控台进行手动操作，在开车过程中不会分散注意力，有利于提高行车安全。

在目前的车辆语音控制过程中，如图2所示，是由车辆的语音采集系统21采集车内发出的语音，并进行语音识别得到语音控制指令，再将该语音控制指令发送至控制单元22，控制单元22就会基于该语音指令形成相应的控制指令，并控制控制对象23，以控制车辆进行相应的动作。然而，本申请的发明人发现，在一些情形下，车辆内一些人员发出的语音指令实际上并不能被直接执行，若该语音指令被直接执行，可能会造成语音指令误操作，从而造成行驶安全隐患。例如，后排乘客说出“打开前排车窗”的语音指令，那么车辆的控制单元就会执行该语音指令，打开前排车窗，然而，此时，前排的驾驶员或者副驾驶人员并不想打开前排车窗。再例如，对于车主而言，车主可以操作和车主有关的功能，其他人员不能操作，但是目前的车辆语音控制功能并没有这样的区分，就会导致无论是谁发出的语音指令，都会被直接执行。

基于上述问题，本申请实施例提出了一种车辆语音控制方法，对车辆的语音指令进行权限划分，并在接收到语音指令之后，判断语音指令的发出者是否具有该语音指令的权限，从而决定是否执行与该语音指令相应的控制功能。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图3为本申请实施例提供的车辆语音控制方法流程图。本申请实施例针对现有技术的如上技术问题，提供了车辆语音控制方法，如图3所示，该方法具体步骤如下：

步骤301、获取用户对车辆进行控制的语音指令。

本申请实施例的用户可以是车辆内乘坐的任一人，也可以是不在车辆内乘坐的人。在一些场景中，车辆内的人可以对车辆进行语音控制，在另一些场景中，不在车辆内，位于车辆外部的人也可以对车辆进行语音控制。本实施例对此不做具体限定。

本实施例中，车辆上安装有一个或多个语音采集器，语音采集器能够采集用户发出的语音，这些语音中可能包括对车辆进行控制的语音指令，也可能包括其他无用信息，例如聊天内容。因此，在获取到语音信息之后，还需要进行识别，以确定是否是用户对车辆进行控制的语音指令。车辆上语音采集器的安装位置可以是方便获取语音信息的位置，也可以是在各个座位周围，本实施例对此不做具体限定。

本实施例的执行主体可以是车辆的中控单元，车辆的中控单元与语音采集器连接，从语音采集器获取用户对车辆进行控制的语音指令。

步骤302、确定用户是否具有控制车辆执行语音指令的权限。

本实施例中预先对语音指令进行了权限划分，即该条语音指令对应有权限，该权限是指哪些用户具有控制车辆执行语音指令的权限。若获取到用户发出的语音指令，则首先确定该用户是否拥有该条语音指令的权限。

步骤303、若是，则控制车辆执行与语音指令相应的操作。

若确定用户具有控制车辆执行语音指令的权限，则可以执行与语音指令相应的操作。例如，当驾驶员说出“打开车窗”的语音指令，且中控单元确定驾驶员具有“打开车窗”的权限，则中控单元就会控制车窗自动打开。

本申请实施例通过获取用户对车辆进行控制的语音指令；并确定所述用户是否具有控制所述车辆执行所述语音指令的权限；以及若确定用户具有控制车辆执行语音指令的权限，则控制所述车辆执行与所述语音指令相应的操作。由于在获取到语音指令之后，以及执行该语音指令之前，确定了用户是否具有控制车辆执行语音指令的权限，并且若确定用户具有控制车辆执行语音指令的权限，才控制所述车辆执行与所述语音指令相应的操作。因此，能够对用户的语音指令进行权限划分，防止语音指令误操作，提高了行车安全。

在上述实施例的基础上，还存在一种可选的实施方式，即：若确定用户没有控制车辆执行语音指令的权限，则可以发送是否执行所述语音指令的询问信息，以再次向用户确认是否执行该语音指令。例如，当乘客说出“打开车窗”的语音指令，且中控单元确定出乘客没有“打开车窗”的权限，则中控单元就会控制语音采集器再次发送“请问是否要打开车窗”的语音进行确认，此时，若驾驶员说出“是的，打开车窗”，那么就可以执行“打开车窗”的操作，而若驾驶员说出“不要打开车窗”，那么就不执行“打开车窗”的操作。

在上述实施例的基础上，可选的，确定用户是否具有控制车辆执行语音指令的权限，可以通过如下方式来实现：确定用户的用户权限以及语音指令的控制权限；并根据用户权限以及控制权限，确定用户是否具有控制车辆执行语音指令的权限来实现。其中，用户的用户权限是指用户的身份信息，语音指令的控制权限是指该条语音指令能够由哪个身份的用户执行。用户权限可以包括第一用户权限和第二用户权限，其中第一用户权限、第二用户权限可以分别表征对车辆进行控制的不同权限，也可以是第一用户权限表征用户对车辆进行控制的权限，第二用户权限可以表征没有对车辆进行控制的任何权限。

对于用户权限而言，可以是预先存储一个用户和用户可以执行的语音指令的对应关系。例如，如图4所示，以驾驶员和乘客来说，对应关系包括：驾驶员和驾驶员能够执行的语音指令1至语音指令m，以及乘客和乘客能够执行的语音指令m+1至语音指令n。在此，可能乘客能够执行的语音指令为0，也就是说用户没有对车辆进行控制的任何权限。

对于控制权限而言，可以是预先存储一个语音指令和能够执行该语音指令的用户的对应关系。如图5所示，继续以驾驶员和乘客举例来说，对应关系包括：语音指令a以及能够执行该语音指令a的用户，这个用户可能是乘客，也可能是驾驶员；语音指令b以及能够执行该语音指令b的用户，这个用户可能是乘客，也可能是儿童，还可能是非车主。若能够执行语音指令a的用户为驾驶员，那么也就是说乘客没有对车辆进行控制的任何权限。

那么在确定了用户权限以及控制权限之后，就可以根据用户权限以及控制权限，确定用户是否具有控制车辆执行语音指令的权限。可选的，可以通过预设的用户权限和控制权限的对应关系来确定，即若用户权限和控制权限满足预设的用户权限和控制权限的对应关系，或者说用户权限和控制权限匹配成功，那么就表明该用户具有控制车辆执行语音指令的权限；若用户权限和控制权限不满足预设的用户权限和控制权限的对应关系，那么就表明该用户没有控制车辆执行语音指令的权限。当然，还可以将语音指令输入预先训练得到的识别模型中，来确定用户是否具有控制车辆执行语音指令的权限。那么识别模型需要根据语音指令确定用户权限和控制权限，然后根据用户权限和控制权限确定用户是否具有控制车辆执行语音指令的权限。对于识别模型的训练过程，具体可以参见现有技术对模型的训练，此处不再详细介绍。

举例来说，若用户权限是驾驶员权限，语音指令的控制权限是驾驶员权限，那么该用户，即驾驶员就具有控制车辆执行语音指令的权限；若用户权限是乘客，语音指令的控制权限是驾驶员，那么该用户，即乘客就没有控制车辆执行语音指令的权限。

对于用户权限，不限于上述举例的驾驶员和乘客，还可以从以下几个维度进行不同的划分，例如车主和非车主，成人和儿童等等。以下将从驾驶员和乘客、车主和非车主，成人和儿童这三个维度来对本申请实施例的具体实施过程进行详细说明，应当理解，本申请实施例并不限于这三种维度的用户权限划分，对于其他的用户权限划分，也在本申请实施例范围内。

在不同的维度下，对应有不同的方式来确定用户权限。在驾驶员和乘客的实施例中，确定用户权限，包括：识别所述用户是驾驶员还是乘客；若所述用户是驾驶员，则确定所述用户具有第一用户权限；若所述用户是乘客，则确定所述用户具有第二用户权限。其中，第一用户权限可以是驾驶员权限，第二用户权限是乘客权限。

其中，识别用户是驾驶员还是乘客可以采用以下几种不同的实施方式来识别：

在一种可选的实施方式中，可以获取至少两帧驾驶员面部图像，并基于所述至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客，其中，至少两帧驾驶员面部图像的采集时刻与所述语音指令的采集时刻的时间差为预设时间差。例如，若语音指令的采集时刻为t1，那么就可以取t1时刻的驾驶员面部图像，以及与t1时刻相邻的一帧或多帧驾驶员面部图像。而驾驶员面部图像的采集时刻与所述语音指令的采集时刻并不一定会完全相同，因此，可以取与t1时刻最接近的至少两帧驾驶员面部图像。其中，本领域技术人员可以根据需要设置预设时间差。其中，驾驶员面部图像可以是车辆内设置的摄像头拍摄的包括驾驶员的图像。为了更加清楚地拍摄到驾驶员面部图像，摄像头可以设置在驾驶员周围。

在另一种可选的实施方式中，为了避免基于驾驶员面部图像的识别结果不准确的情形出现，例如，当乘客发出语音指令的过程中，驾驶员恰好在讲话，那么这种情况，就会出现误识别的情形。为了解决这一问题，还可以加入声源位置信息，结合驾驶员面部图像和声源位置信息共同识别用户是驾驶员还是乘客，以提高识别准确度。具体实施过程包括：基于语音指令，确定语音指令的声源位置；基于语音指令的声源位置，识别用户是驾驶员还是乘客；基于获取的至少两帧驾驶员面部图像，识别用户是驾驶员还是乘客；若基于声源位置和基于驾驶员面部图像的识别结果相同，则将基于声源位置或基于驾驶员面部图像的识别结果作为最终识别结果。

本实施例中，确定语音指令的声源位置可以通过辨别语音指令的声音方向来识别，也可以是在车辆的各个座位的位置处分别设置一个语音采集器，然后根据语音采集器的位置确定声源位置。

示例性地，如图6a所示，若确定出语音指令的声源位置来自驾驶员方向，那么就可以确定用户是驾驶员，若确定出语音指令的声源位置来自乘客方向，那么就可以确定用户是乘客。在根据至少两帧驾驶员面部图像识别用户是驾驶员还是乘客的过程中，可以通过至少两帧驾驶员面部图像确定驾驶员的唇部是否在动，以此确定驾驶员是否在讲话，若驾驶员在讲话，则识别用户为驾驶员，若驾驶员没有讲话，则识别用户为乘客。若基于声源位置和基于驾驶员面部图像的识别结果都是驾驶员，那么最终的识别结果就是用户是驾驶员，若基于声源位置和基于驾驶员面部图像的识别结果都是乘客，那么最终的识别结果就是用户是乘客。

在结合驾驶员面部图像和声源位置信息共同识别用户是驾驶员还是乘客的过程中，还可能存在一种情形，即若基于声源位置和基于驾驶员面部图像的识别结果不相同，那么还可以加入声纹特征，即结合驾驶员面部图像、声源位置信息和声纹特征共同识别用户是驾驶员还是乘客，以进一步提高识别准确度。具体实施过程包括：若基于声源位置和基于驾驶员面部图像的识别结果不相同，则提取语音指令的声纹特征；将声纹特征与预设的驾驶员声纹特征进行匹配，识别用户是驾驶员还是乘客；在基于驾驶员面部图像、声源位置和声纹特征的识别结果中取相同的两个识别结果为最终识别结果。

示例性地，根据声纹特征可以得到一个识别结果。以下为了方便说明，分别将基于驾驶员面部图像、声源位置和声纹特征的识别结果称之为第一识别结果、第二识别结果和第三识别结果。若第一识别结果、第二识别结果和第三识别结果中有两个识别结果是驾驶员，那么就确定用户为驾驶员；若第一识别结果、第二识别结果和第三识别结果中有两个识别结果是乘客，那么就确定用户为乘客。例如，如图6b所示，若第一识别结果为驾驶员、第二识别结果为乘客，第三识别结果为驾驶员，那么就确定用户为驾驶员；第一识别结果为驾驶员、第二识别结果为乘客，第三识别结果为乘客，那么就确定用户为乘客。如图6c所示，第一识别结果为乘客、第二识别结果为驾驶员，第三识别结果为乘客，那么就确定用户为乘客；第一识别结果为乘客、第二识别结果为驾驶员，第三识别结果为驾驶员，那么就确定用户为驾驶员。

在又一种可选的实施方式中，还可以首先加入声纹特征，结合驾驶员面部图像和声纹特征共同识别用户是驾驶员还是乘客。具体地，识别用户是驾驶员还是乘客，可以包括：基于所述语音指令，提取所述语音指令的声纹特征；将所述声纹特征与预设的驾驶员声纹特征进行匹配，识别所述用户是驾驶员还是乘客；基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客；若基于声纹特征和基于驾驶员面部图像的识别结果相同，则将基于声纹特征或基于驾驶员面部图像的识别结果作为最终识别结果。

在该实施方式中，基于声纹特征识别用户是驾驶员还是乘客，具体可以参见前述实施例的介绍，此处不再赘述。若基于声纹特征和基于驾驶员面部图像的识别结果都是驾驶员，那么最终的识别结果就是用户是驾驶员，若基于声纹特征和基于驾驶员面部图像的识别结果都是乘客，那么最终的识别结果就是用户是乘客。

在结合驾驶员面部图像和声纹特征共同识别用户是驾驶员还是乘客的过程中，还可能存在一种情形，即若基于声纹特征和基于驾驶员面部图像的识别结果不相同，那么还可以加入声源位置，即结合驾驶员面部图像、声源位置信息和声纹特征共同识别用户是驾驶员还是乘客，以进一步提高识别准确度。具体实施过程包括：若基于声纹特征和基于驾驶员面部图像的识别结果不相同，则确定所述语音指令的声源位置；基于所述语音指令的声源位置，识别所述用户是驾驶员还是乘客；在基于驾驶员面部图像、声源位置和声纹特征的识别结果中取相同的两个识别结果为最终识别结果。

其中，基于所述语音指令的声源位置，识别所述用户是驾驶员还是乘客，以及在基于驾驶员面部图像、声源位置和声纹特征的识别结果中取相同的两个识别结果为最终识别结果的具体实施过程，具体可以参见前述实施例的介绍，此处不再赘述。

在上述实施例的基础上，可选的，基于获取的至少两帧驾驶员面部图像，识别用户是驾驶员还是乘客，可以采用如下具体实施方式实现：根据图像处理的方式在至少两帧驾驶员面部图像中分别确定出特征区域，所述特征区域包括驾驶员唇部区域；然后比较至少两个特征区域中像素点的位置信息；若至少两个特征区域中像素点的位置信息不同，则识别该用户是驾驶员。若至少两个特征区域中像素点的位置信息相同，则识别所述用户是乘客。

示例性地，如图7所示，以一帧面部图像为例，1个特征区域的像素点，是指该特征区域所包括的所有的像素点，也就是图中虚线框c内的所有像素点。

可选的，为了减小计算量，还可以在唇部区域中选取一些特征点，然后比较至少两个特征区域中特征点的位置信息；若至少两个特征区域中特征点的位置信息不同，则识别该用户是驾驶员。若至少两个特征区域中特征点的位置信息相同，则识别用户是乘客。

其中，特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。请继续参阅图7，图中编号为58至71的像素点即为特征点。

在另一种可选的实施方式中，如图8所示，基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客，还可以将所述至少两帧驾驶员面部图像输入预先训练的检测模型中，识别所述用户是驾驶员还是乘客。其中，检测模型可以基于大量的面部图像训练样本数据得到，对于检测模型的训练过程可以参见现有技术的介绍，此处不再赘述。

在上述实施例的基础上，在一些场景中，语音指令还可以包括语音控制对象的位置信息；那么在确定所述用户是否具有控制所述车辆执行所述语音指令的权限的过程中，还可以确定用户的位置信息；并基于用户的位置信息，确定所述用户是否具有控制所述车辆执行所述语音指令的权限。例如，用户说出“打开右后排车窗”的语音指令，若确定用户属于右后排用户，那么用户具有“打开车窗”的权限，则控制车辆打开右后排车窗，否则，用户不属于右后排用户，那么用户没有“打开车窗”的权限，则不会控制车辆打开右后排车窗。

可选的，在成人和儿童的维度下，确定用户的用户权限，包括：识别用户是成年人还是儿童；若用户是成年人，则确定用户具有第一用户权限；若用户是儿童，则确定用户具有第二用户权限。其中，第一用户权限可以是成人权限，第二用户权限是儿童权限。

其中，识别所述用户是成年人还是儿童，可以采用如下方式来实现：识别所述语音指令对应的用户年龄信息；若所述年龄信息大于或等于预设年龄，则识别所述用户是成人。

其中，识别语音指令对应的用户年龄信息的过程中，可以采用多种方式来识别。例如，可以提取语音指令的声纹特征，并将声纹特征与不同年龄段的人的声纹特征进行匹配，来得到用户年龄信息。还可以预先训练一个年龄识别模型，并将提取的声纹特征输入年龄识别模型中，以得到用户的年龄信息。当然，还可以通过其他的一些方法来识别用户的年龄，本实施例在此不再一一介绍。

示例性地，如图9所示，若语音指令a是成年人具有控制所述车辆执行所述语音指令的权限，那么在识别出用户是成年人，则用户具有控制所述车辆执行所述语音指令的权限，并执行该语音指令；若识别出用户是儿童，而儿童没有控制所述车辆执行所述语音指令的权限，则不执行该语音指令，此时，可以发送是否执行语音指令的询问信息。

在识别所述用户是成年人还是儿童的实施例中，还可以包括：若所述年龄信息小于预设年龄，则识别所述用户是儿童。

例如，将预设年龄可以设置为18岁，或者16岁，或者12岁等等。示例性地，以12岁为例，若识别出来的用户年龄信息大于12岁，那么则认为用户是成人，否则认为用户是儿童。

可选的，在车主和非车主的维度下，确定所述用户的用户权限，包括：识别所述用户是车主还是非车主；若所述用户是车主，则确定所述用户具有第一用户权限；若所述用户是非车主，则确定所述用户具有第二用户权限。其中，第一用户权限可以是车主权限，第二用户权限是非车主权限。

在上述实施例的基础上，在一种可选的实施方式中，识别用户是车主还是非车主，可以采用如下方式来实现：提取语音指令的声纹特征；将提取的声纹特征与预设的车主声纹特征进行匹配，若所述声纹特征与预设的车主声纹特征匹配成功，识别所述用户是车主；若所述声纹特征与预设的车主声纹特征匹配失败，识别所述用户是非车主。当然，还可以通过其他的一些方法来识别用户的年龄，本实施例在此不再一一介绍。

示例性地，如图10所示，若语音指令b是车主具有控制所述车辆执行所述语音指令的权限，那么在识别出用户是车主，则用户具有控制所述车辆执行所述语音指令的权限，并执行该语音指令；若识别出用户是非车主，而非车主没有控制所述车辆执行所述语音指令的权限，则不执行该语音指令，此时，可以发送是否执行语音指令的询问信息。

图11是本申请实施例提供的一种车辆语音控制装置110，包括：获取模块111和控制模块112；其中，获取模块111，用于获取用户对所述车辆进行控制的语音指令；控制模块112，用于确定所述用户是否具有控制所述车辆执行所述语音指令的权限；若是，则控制所述车辆执行与所述语音指令相应的操作。

可选的，控制模块112确定所述用户是否具有控制所述车辆执行所述语音指令的权限，具体包括：确定所述用户的用户权限以及所述语音指令的控制权限；根据所述用户权限以及所述控制权限，确定所述用户是否具有控制所述车辆执行所述语音指令的权限。

可选的，控制模块112确定所述用户的用户权限，具体包括：识别所述用户是驾驶员还是乘客；若所述用户是驾驶员，则确定所述用户具有第一用户权限；若所述用户是乘客，则确定所述用户具有第二用户权限。

可选的，控制模块112确定所述用户的用户权限，具体包括：识别所述用户是成年人还是儿童；若所述用户是成年人，则确定所述用户具有第一用户权限；若所述用户是儿童，则确定所述用户具有第二用户权限。

可选的，控制模块112确定所述用户的用户权限，具体包括：识别所述用户是车主还是非车主；若所述用户是车主，则确定所述用户具有第一用户权限；若所述用户是非车主，则确定所述用户具有第二用户权限。

可选的，控制模块112识别所述用户是驾驶员还是乘客，具体包括：获取至少两帧驾驶员面部图像，所述至少两帧驾驶员面部图像的采集时刻与所述语音指令的采集时刻的时间差为预设时间差；基于所述至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客。

可选的，控制模块112识别所述用户是驾驶员还是乘客，具体包括：基于所述语音指令，确定所述语音指令的声源位置；基于所述语音指令的声源位置，识别所述用户是驾驶员还是乘客；基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客；若基于声源位置和基于驾驶员面部图像的识别结果相同，则将基于声源位置或基于驾驶员面部图像的识别结果作为最终识别结果。

可选的，控制模块112还用于：若基于声源位置和基于驾驶员面部图像的识别结果不相同，则提取所述语音指令的声纹特征；将所述声纹特征与预设的驾驶员声纹特征进行匹配，识别所述用户是驾驶员还是乘客；在基于驾驶员面部图像、声源位置和声纹特征的识别结果中取相同的两个识别结果为最终识别结果。

可选的，控制模块112识别所述用户是驾驶员还是乘客，具体包括：基于所述语音指令，提取所述语音指令的声纹特征；将所述声纹特征与预设的驾驶员声纹特征进行匹配，识别所述用户是驾驶员还是乘客；基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客；若基于声纹特征和基于驾驶员面部图像的识别结果相同，则将基于声纹特征或基于驾驶员面部图像的识别结果作为最终识别结果。

可选的，控制模块112还用于：若基于声纹特征和基于驾驶员面部图像的识别结果不相同，则确定所述语音指令的声源位置；基于所述语音指令的声源位置，识别所述用户是驾驶员还是乘客；在基于驾驶员面部图像、声源位置和声纹特征的识别结果中取相同的两个识别结果为最终识别结果。

可选的，控制模块112基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客，具体包括：对所述至少两帧驾驶员面部图像中的每帧驾驶员面部图像，确定特征区域，所述特征区域包括驾驶员唇部区域；比较至少两个特征区域中像素点的位置信息；若至少两个特征区域中像素点的位置信息不同，识别所述用户是驾驶员。

可选的，控制模块111还用于：若至少两个特征区域中像素点的位置信息相同，识别所述用户是乘客。

可选的，至少两个特征区域中像素点是在唇部区域中选取的特征点。

可选的，控制模块112基于获取的至少两帧驾驶员面部图像，识别所述用户是驾驶员还是乘客，具体包括：将所述至少两帧驾驶员面部图像输入预先训练的检测模型中，识别所述用户是驾驶员还是乘客。

可选的，控制模块112识别所述用户是成年人还是儿童，具体包括：识别所述语音指令对应的用户年龄信息；若所述年龄信息大于或等于预设年龄，识别所述用户是成人。

可选的，控制模块112还用于：若所述年龄信息小于预设年龄，识别所述用户是儿童。

可选的，该装置还包括发送模块113，其中，控制模块112还用于：确定所述语音指令的控制对象是否对所述儿童开启了控制权限设置；若所述语音指令的控制对象对所述儿童开启了控制权限设置，发送模块113用于发送所述语音指令被限制的提示信息。

可选的，控制模块112识别所述用户是车主还是非车主，具体包括：提取所述语音指令的声纹特征；若所述声纹特征与预设的车主声纹特征匹配成功，识别所述用户是车主。

可选的，控制模块112还用于：若所述声纹特征与预设的车主声纹特征匹配失败，识别所述用户是非车主。

可选的，发送模块113，还用于若所述用户没有控制所述车辆执行所述语音指令的权限，则发送是否执行所述语音指令的询问信息。

图11所示实施例的车辆语音控制装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

本申请实施例通过获取用户对车辆进行控制的语音指令；并确定所述用户是否具有控制所述车辆执行所述语音指令的权限；以及若确定用户具有控制车辆执行语音指令的权限，则控制所述车辆执行与所述语音指令相应的操作。由于在获取到语音指令之后，以及执行该语音指令之前，确定了用户是否具有控制车辆执行语音指令的权限，并且若确定用户具有控制车辆执行语音指令的权限，才控制所述车辆执行与所述语音指令相应的操作。因此，能够对用户的语音指令进行权限划分，防止语音指令误操作，提高了行车安全。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图12所示，是根据本申请实施例的车辆语音控制方法的电子设备的框图。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/或者要求的本申请的实现。

如图12所示，该电子设备包括：存储器121、一个或多个处理器122，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图12中以一个处理器122为例。

存储器121即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆语音控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆语音控制方法。

存储器121作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆语音控制方法对应的程序指令/模块(例如，附图11所示的获取模块111和控制模块112)。处理器122通过运行存储在存储器121中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆语音控制方法。

存储器121可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据车辆语音控制方法的电子设备的使用所创建的数据等。此外，存储器121可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器121可选包括相对于处理器122远程设置的存储器，这些远程存储器可以通过网络连接至车辆语音控制方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

车辆语音控制方法的电子设备还可以包括：输入装置123和输出装置124。存储器121、处理器122、输入装置123和输出装置124可以通过总线或者其他方式连接，图12中以通过总线连接为例。

输入装置123可接收输入的数字或字符信息，以及产生与车辆语音控制方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置124可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处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、专用asic(专用集成电路)、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。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

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。

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。

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。

本申请实施例通过获取用户对车辆进行控制的语音指令；并确定所述用户是否具有控制所述车辆执行所述语音指令的权限；以及若确定用户具有控制车辆执行语音指令的权限，则控制所述车辆执行与所述语音指令相应的操作。由于在获取到语音指令之后，以及执行该语音指令之前，确定了用户是否具有控制车辆执行语音指令的权限，并且若确定用户具有控制车辆执行语音指令的权限，才控制所述车辆执行与所述语音指令相应的操作。因此，能够对用户的语音指令进行权限划分，防止语音指令误操作，提高了行车安全。

在上述实施例的基础上，本申请实施例还可以提供一种车辆，包括上述车辆语音控制设备，即用于实现车辆语音控制方法的电子设备。该车辆还包括：语音采集设备，用于采集对所述车辆进行语音控制的语音指令。可选的，该车辆还包括：摄像头，设置在所述车辆内，用于采集所述车辆内驾驶员的面部图像。

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，本发申请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，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除