CN105976821B - 动物语言识别方法和装置 - Google Patents

Abstract

本公开是关于一种动物语言识别方法和装置，属于移动终端技术领域。其中，动物语言识别方法包括：获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息；将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配；获取匹配成功的样本信息对应的含义。通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

Description

动物语言识别方法和装置

技术领域

本公开涉及移动终端技术领域，尤其涉及一种动物语言识别方法和装置。

背景技术

动物一直以来都是人类的朋友，但碍于语言的障碍，人与动物一直无法流畅地交流。如果能破解语言障碍，对保护动物、喂养动物都具有划时代的意义。目前，只能通过获取动物的声音特征来辨别动物的种类，远远不能满足人与动物相互交流的需求。

发明内容

为克服相关技术中存在的问题，本公开提供一种动物语言识别方法和装置。

根据本公开实施例的第一方面，提供一种动物语言识别方法，包括：获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；获取匹配成功的样本信息对应的含义。

如上所述的动物语言识别方法，在将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配之前，还包括：

建立所述样本数据库。

如上所述的动物语言识别方法，建立所述样本数据库，包括：

多次采集动物的声音样本、产生所述声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息；

对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义；

将所述聚类后的样本信息及其对应的含义的映射关系保存至所述样本数据库中。

如上所述的动物语言识别方法，对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义，包括：

获取所述多个样本信息的场景相似度、行为相似度和声音相似度；

根据所述场景相似度、所述行为相似度和所述声音相似度计算所述多个样本信息的相似度得分；

将所述相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

根据本公开实施例的第二方面，提供一种动物语言识别装置，包括：第一获取模块，用于获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；匹配模块，用于将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；第二获取模块，用于获取匹配成功的样本信息对应的含义。

如上所述的动物语言识别装置，还包括：

建立模块，用于在将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配之前，建立所述样本数据库。

如上所述的动物语言识别装置，所述建立模块，包括：

采集子模块，用于多次采集动物的声音样本、产生所述声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息；

聚类子模块，用于对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义；

保存子模块，用于将所述聚类后的样本信息及其对应的含义的映射关系保存至所述样本数据库中。

如上所述的动物语言识别装置，所述聚类子模块，包括：

获取单元，用于获取所述多个样本信息的场景相似度、行为相似度和声音相似度；

计算单元，用于根据所述场景相似度、所述行为相似度和所述声音相似度计算所述多个样本信息的相似度得分；

聚类单元，用于将所述相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

根据本公开实施例的第三方面，提供一种动物语言识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；

将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；

获取匹配成功的样本信息对应的含义。

本公开的实施例提供的技术方案可以包括以下有益效果：通过获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种动物语言识别方法的流程图。

图2是根据另一示例性实施例示出的一种动物语言识别方法的流程图。

图3是根据一示例性实施例示出的一种动物语言识别装置框图。

图4是根据另一示例性实施例示出的一种动物语言识别装置框图。

图5是根据一示例性实施例示出的一种动物语言识别装置500的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

动物一直以来都是人类的朋友，但碍于语言的障碍，人与动物一直无法流畅地交流。如果能破解语言障碍，对保护动物、喂养动物都具有划时代的意义。目前，只能通过获取动物的声音特征来辨别动物的种类，远远不能满足人与动物相互交流的需求。因此，本公开提出一种动物语言识别方法，通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

图1是根据一示例性实施例示出的一种动物语言识别方法的流程图，如图1所示，动物语言识别方法，包括以下步骤；

在步骤S101中，获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息。

通常情况下，一种动物可以发出多种叫声，例如一只狗可以发出汪汪的叫声，也可以发出呜呜的叫声，而汪汪的叫声也有高低长短之分。因此，只基于声音信息来确定动物所要表达的含义，效果不佳。而本实施例中，可基于动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息三个维度，来确定动物发出的声音信息对应的含义，能够有效提高获取含义的准确度。

举例来说，一只家猫，不停地用前爪挠卧室关着的门，并发出喵喵的叫声。可记录下上述信息。

在步骤S102中，将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配。

其中，样本数据库是通过采集大量的声音样本、行为样本、场景样本生成的。

继续上例描述，可将家猫不停地用前爪挠卧室关着的门，发出喵喵的叫声与预先建立的样本数据库中的样本信息进行匹配。样本信息都设置有对应的含义。由于含义由声音信息、行为信息、场景信息三个维度决定，其中一个维度不相似，就无法与样本信息匹配成功。因此，可先匹配出场景信息相似、行为信息相似的样本信息。然后提取上述样本信息中的声音样本的声纹特征，依次与喵喵的叫声进行匹配。当两者相似度大于一定数值时，例如两者的声音特征的声波曲线重合较多，则可确定两者匹配成功。

在步骤S103中，获取匹配成功的样本信息对应的含义。

在匹配成功之后，可获取匹配成功的样本信息对应的含义。继续上例描述，假设匹配成功的样本信息对应的含义为“想出去玩”，则可得知家猫不停地用前爪挠卧室关着的门时，发出的叫声对应的含义是“想出去玩”。

综上，本实施例提供的动物语言识别方法，通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

图2是根据另一示例性实施例示出的一种动物语言识别方法的流程图，如图2所示，动物语言识别方法，包括以下步骤；

在步骤S201中，建立样本数据库。

首先，可多次采集动物的声音样本、产生声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息。

然后，可对多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义。具体地，可获取多个样本信息的场景相似度、行为相似度和声音相似度，然后根据场景相似度、行为相似度和声音相似度计算多个样本信息的相似度得分。最后可将相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

最后，可将聚类后的样本信息及其对应的含义的映射关系保存至样本数据库中。

举例来说，由于家猫每次挠门的动作不一定不同，且每次发出的叫声也不一定完全一致，因此可多次采集大量的样本信息，提取对应的场景特征、行为特征和声音特征，基于上述特征计算出每个样本的相似度得分，将相似度得分大于预设阈值的样本信息聚合为同一类别，即对相似的样本信息进行聚类，并为对应的类别设置一个含义。例如：家猫不停地用前爪挠卧室关着的门时，发出喵喵的叫声。在当门打开后，家猫跑出屋门。因此，可为其设置的含义为“想出去玩”。

在步骤S202中，获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息。

继续上例描述，家猫不停地用前爪挠卧室关着的门，并发出喵喵的叫声。可记录下上述信息。

在步骤S203中，将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配。

继续上例描述，可将家猫不停地用前爪挠卧室关着的门，发出喵喵的叫声与预先建立的样本数据库中的样本信息进行匹配。由于含义由声音信息、行为信息、场景信息三个维度决定，其中一个维度不相似，就无法与样本信息匹配成功。因此，可先匹配出场景信息相似、行为信息相似的样本信息。然后提取上述样本信息中的声音样本的声纹特征，依次与喵喵的叫声进行匹配。当两者相似度大于一定数值时，例如两者的声音特征的声波曲线重合较多，则可确定两者匹配成功。

在步骤S204中，获取匹配成功的样本信息对应的含义。

继续上例描述，假设匹配成功的样本信息对应的含义为“想出去玩”，则可得知家猫不停地用前爪挠卧室关着的门时，发出的叫声对应的含义是“想出去玩”。

综上，本实施例提供的动物语言识别方法，通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

图3是根据一示例性实施例示出的一种动物语言识别装置框图，该动物语言识别装置可以通过软件、硬件或者两者的结合实现。如图3所示，该动物语言识别装置10包括第一获取模块11、匹配模块12和第二获取模块13。

第一获取模块11被配置为获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息。

匹配模块12被配置为将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配。

第二获取模块13被配置为获取匹配成功的样本信息对应的含义。

关于上述实施例中的动物语言识别装置，其中各个模块执行操作的具体方式已经在有关该动物语言识别方法的实施例中进行了详细描述，此处将不做详细阐述说明。

综上，本实施例提供的动物语言识别装置，通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

图4是根据另一示例性实施例示出的一种动物语言识别装置框图，该动物语言识别装置可以通过软件、硬件或者两者的结合实现。如图4所示，该动物语言识别装置10包括第一获取模块11、匹配模块12、第二获取模块13和建立模块14。

第一获取模块11被配置为获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息。

匹配模块12被配置为将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配。

第二获取模块13被配置为获取匹配成功的样本信息对应的含义。

建立模块14被配置为在将声音信息、行为信息、场景信息与样本数据库中的样本信息进行匹配之前，建立样本数据库。

其中，建立模块14可包括采集子模块141、聚类子模块142和保存子模块143。

采集子模块141被配置为多次采集动物的声音样本、产生声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息；

聚类子模块142被配置为对多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义。

其中，聚类子模块142可包括获取单元1421、计算单元1422和聚类单元1423。

获取单元1421被配置为获取多个样本信息的场景相似度、行为相似度和声音相似度；

计算单元1422被配置为根据场景相似度、行为相似度和声音相似度计算多个样本信息的相似度得分；

聚类单元1423被配置为将相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

保存子模块143被配置为将聚类后的样本信息及其对应的含义的映射关系保存至样本数据库中。

关于上述实施例中的动物语言识别装置，其中各个模块执行操作的具体方式已经在有关该动物语言识别方法的实施例中进行了详细描述，此处将不做详细阐述说明。

综上，本实施例提供的动物语言识别装置，通过获取动物的声音信息、产生声音信息时所伴随的行为信息和所处的场景信息，并与样本数据库中的样本信息进行匹配，从而获取对应的含义，能够有效地识别出动物语言的含义，从而使人与动物能够更流畅的交流。

图5是根据一示例性实施例示出的一种动物语言识别装置500的框图。例如，动物语言识别装置500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，动物语言识别装置500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件508，音频组件510，输入/输出(I/O)接口512，传感器组件514，以及通信组件516。

处理组件502通常控制装置500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件506为装置500的各种组件提供电力。电力组件506可以包括电源管理系统，一个或多个电源，及其他与为装置500生成、管理和分配电力相关联的组件。

多媒体组件508包括在装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当装置500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为装置500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如组件为装置500的显示器和小键盘，传感器组件514还可以检测装置500或装置500一个组件的位置改变，用户与装置500接触的存在或不存在，装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件516还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由装置500的处理器520执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (9)

1.一种动物语言识别方法，其特征在于，包括以下步骤：

获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；

将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；

获取匹配成功的样本信息对应的含义，其中匹配成功的所述样本信息所对应的含义反映了动物发出的所述声音信息所对应的含义，

动物发出的所述声音信息所对应的含义由动物的所述声音信息、所述行为信息以及所述场景信息决定。

2.如权利要求1所述的方法，其特征在于，在将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配之前，还包括：

建立所述样本数据库。

3.如权利要求2所述的方法，其特征在于，建立所述样本数据库，包括：

多次采集动物的声音样本、产生所述声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息；

对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义；

将所述聚类后的样本信息及其对应的含义的映射关系保存至所述样本数据库中。

4.如权利要求3所述的方法，其特征在于，对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义，包括：

获取所述多个样本信息的场景相似度、行为相似度和声音相似度；

根据所述场景相似度、所述行为相似度和所述声音相似度计算所述多个样本信息的相似度得分；

将所述相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

5.一种动物语言识别装置，其特征在于，包括：

第一获取模块，用于获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；

匹配模块，用于将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；

第二获取模块，用于获取匹配成功的样本信息对应的含义，其中匹配成功的所述样本信息所对应的含义反映了动物发出的所述声音信息所对应的含义，

动物发出的所述声音信息所对应的含义由动物的所述声音信息、所述行为信息以及所述场景信息决定。

6.如权利要求5所述的装置，其特征在于，还包括：

建立模块，用于在将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配之前，建立所述样本数据库。

7.如权利要求6所述的装置，其特征在于，所述建立模块，包括：

采集子模块，用于多次采集动物的声音样本、产生所述声音样本时所伴随的行为样本以及所处的场景样本，并生成多个样本信息；

聚类子模块，用于对所述多个样本信息进行聚类，并为聚类后的样本信息设置对应的含义；

保存子模块，用于将所述聚类后的样本信息及其对应的含义的映射关系保存至所述样本数据库中。

8.如权利要求7所述的装置，其特征在于，所述聚类子模块，包括：

获取单元，用于获取所述多个样本信息的场景相似度、行为相似度和声音相似度；

计算单元，用于根据所述场景相似度、所述行为相似度和所述声音相似度计算所述多个样本信息的相似度得分；

聚类单元，用于将所述相似度得分大于预设阈值的样本信息聚合为同一类别，并为属于同一类别的样本信息设置对应的含义。

9.一种动物语言识别装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取动物的声音信息、产生所述声音信息时所伴随的行为信息和所处的场景信息；

将所述声音信息、所述行为信息、所述场景信息与样本数据库中的样本信息进行匹配；

获取匹配成功的样本信息对应的含义，其中匹配成功的所述样本信息所对应的含义反映了动物发出的所述声音信息所对应的含义，

动物发出的所述声音信息所对应的含义由动物的所述声音信息、所述行为信息以及所述场景信息决定。

Images