CN107632814A - 音频信息的播放方法、装置和系统、存储介质、处理器 - Google Patents

Abstract

本发明公开了一种音频信息的播放方法、装置和系统、存储介质、处理器。其中，该方法包括：在预设区域内检测到目标对象之后，获取目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域；利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；播放类型信息对应的第一音频信息。本发明解决了现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题。

Description

音频信息的播放方法、装置和系统、存储介质、处理器

技术领域

本发明涉及音频信息处理领域，具体而言，涉及一种音频信息的播放方法、装置和系统、存储介质、处理器。

背景技术

对于民以食为天的中国人来说，厨房是家的重心。现代厨房不仅仅是单一的烹饪区域，已经慢慢成为重要的家居空间。更多的用户不仅仅希望能在厨房中进行烹饪，更多的希望可以有其他交互，例如，很多年轻用户喜欢听歌。但是，在现有的厨房的趣味性和人性化较差，不具备播放音乐的功能，无法满足用户的需求，导致用户体验感差。

针对现有技术中用户在厨房内进行烹饪操作的体验感差的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种音频信息的播放方法、装置和系统、存储介质、处理器，以至少解决现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题。

根据本发明实施例的一个方面，提供了一种音频信息的播放方法，包括：在预设区域内检测到目标对象之后，获取目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域；利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；播放类型信息对应的第一音频信息。

根据本发明实施例的另一方面，还提供了一种音频信息的播放装置，包括：获取模块，用于在预设区域内检测到目标对象之后，获取目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域；确定模块，用于利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；播放模块，用于播放类型信息对应的第一音频信息。

根据本发明实施例的另一方面，还提供了一种音频信息的播放系统，包括：拍摄装置，用于在预设区域内检测到目标对象之后，拍摄目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域；第一处理装置，与拍摄装置连接，用于利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；播放装置，与第一处理装置连接，用于播放类型信息对应的第一音频信息。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例中的音频信息的播放方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例中的音频信息的播放方法。

在本发明实施例中，在预设区域内检测到目标对象之后，获取目标对象的图像，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，播放类型信息对应的第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐，从而解决了现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题，达到提升厨房的趣味性和人性化，提高用户的体验感的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种音频信息的播放方法的流程图；

图2是根据本发明实施例的一种可选的音频信息的播放方法的流程图；

图3是根据本发明实施例的一种音频信息的播放装置的示意图；以及

图4是根据本发明实施例的一种音频信息的播放系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种音频信息的播放方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种音频信息的播放方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，在预设区域内检测到目标对象之后，获取目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域。

具体地，上述的预设区域可以是厨房所在的区域，可以在厨房中安装摄像头，对进入厨房的目标对象，也即，进行烹饪操作的用户进行检测，由于厨房可能较大，摄像头的检测范围较小，为了能够时刻检测到用户是否在厨房内，可以在厨房内安装多个摄像头，确保多个摄像头的检测范围相互交叉，覆盖整个厨房。为了能够拍摄到厨房内的用户的图像，在任意一个摄像头检测到进入厨房的用户之后，可以拍摄该用户的图像，得到目标对象的图像。

步骤S104，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息。

具体地，可以通过第一识别模型对用户的图像进行识别，为不同的用户播放不同类型的音频信息，例如，为年轻人播放流行或者摇滚类型的音乐，也可以是外文音乐；为老年人播放戏曲或者广场舞类型的音乐。而为了能够对用户的图像进行识别，可以预先通过机器学习训练一个识别模型，也即第一识别模型，通过第一识别模型对拍摄到的用户的图像进行识别，确定为该用户播放的音频信息的类型信息，具体可以通过如下方式实现：建立神经网络模型，预先拍摄多张不同类型的用户的图像，并为每张图像设置对应的音频信息的类型信息，利用设置类型信息后的图像训练神经网络模型，得到第一识别模型。

步骤S106，播放类型信息对应的第一音频信息。

在一种可选的方案中，在用户进入厨房之后，厨房中安装的多个摄像头可以检测到用户，并拍摄用户的图像，摄像头将用户的图像传输至音频播放器进行处理，音频播放器利用通过机器学习训练好的第一识别模型对接收到的用户的图像进行识别，输出需要为该用户播放的音频信息的类型信息，并根据该类型信息，选择相同类型的第一音频信息进行播放，实现用户在进行烹饪操作的过程中，向用户播放音乐。

通过本发明上述实施例，在预设区域内检测到目标对象之后，获取目标对象的图像，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，播放类型信息对应的第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐，从而解决了现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题，达到提升厨房的趣味性和人性化，提高用户的体验感的效果。

可选地，在本发明上述实施例中，步骤S104，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息包括：

步骤S1042，利用第一子识别模型对图像进行特征提取，得到目标对象的年龄信息，其中，第一子识别模型为使用多组第一子样本数据通过机器学习训练出来的，多组第一子样本数据包括：目标对象的图像和目标对象的年龄信息。

具体地，为了能够通过对进入厨房的用户的图像进行识别，确定需要向该用户播放的第一音频信息的类型信息，首先需要对用户的图像进行特征提取，确定拍摄到的用户的年龄信息，并根据年龄信息确定为该用户播放的第一音频信息的类型信息。为了能够确定拍摄到的用户的年龄信息，可以预先通过机器学习训练一个识别模型，也即第一子识别模型，通过第一子识别模型对拍摄到的用户的图像进行识别，确定该用户的年龄信息，具体可以通过如下方式实现：建立神经网络模型，预先拍摄多张不同类型的用户的图像，并为每张图像设置用户的年龄信息，利用设置年龄信息后的图像训练神经网络模型，得到第一子识别模型。

步骤S1044，利用第二子识别模型对年龄信息进行处理，得到类型信息，其中，第二子识别模型为使用多组第二子样本数据通过机器学习训练出来的，多组第二子样本数据包括：目标对象的年龄信息和相匹配的音频信息的类型信息。

具体地，为了能够根据提取到的用户的年龄信息，得到为该用户播放的第一音频信息的类型信息，可以预先通过机器学习训练一个识别模型，也即第二子识别模型，通过第二子识别模型对提取到的用户的年龄信息进行处理，确定为该用户播放的第一音频信息的类型信息，具体可以通过如下方式实现：建立神经网络模型，预先获取多个年龄信息，并为每个年龄信息设置对应的音频信息的类型信息，，利用设置类型信息后的图像训练神经网络模型，得到第二子识别模型。

通过上述步骤，分别通过第一子识别模型和第二子识别模型对拍摄到的目标对象的图像进行识别，得到与该目标对象那个相匹配的音频信息的类型信息，进一步根据该类型信息播放第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐。

可选地，在本发明上述实施例中，步骤S104，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息包括：

步骤S1042，利用第一子识别模型对所述图像进行特征提取，得到所述目标对象的年龄信息。

步骤S1046，获取所述目标对象的年龄信息所属的年龄区间。

具体地，可以预先设置多个年龄区间，例如，由于在厨房进行烹饪操作的用户的年龄一般在15岁以上，并且年龄段不同，喜欢的音乐类型也不同，可以将年龄划分为3个区间，分别为15-30岁，30-50岁和>50岁，并为每个年龄区间设置相应的音乐的类型，13-30岁设置流行或摇滚等类型，30-50岁设置抒情或经典等类型，>50岁设置老年广场舞等类型。

步骤S1048，获取所述年龄区间对应的类型信息，得到与所述目标对象相匹配的音频信息的类型信息。

在一种可选的方案中，在利用通过机器学习训练好的第一子识别模型得到用户的年龄之后，可以判断年龄所属的年龄区间，并读取所属的年龄区间对应的类型信息，得到为该用户播放的音乐的类型信息。

可选地，在本发明上述实施例中，在步骤S102，获取目标对象的图像之前，该方法还包括：

步骤S108，获取目标对象的检测信息。

步骤S110，判断检测信息是否满足预设条件，其中，预设条件用于表征目标对象进行烹饪操作的条件。

步骤S112，如果检测信息满足预设条件，则获取目标对象的图像。

在一种可选的方案中，由于用户进入厨房并不一定是需要进行烹饪操作，也可能是取东西，为了防止用户进入厨房又出去之后，而音乐播放器才开始播放第一音频信息，浪费资源，可以首先判断用户进入厨房是否需要进行烹饪操作，例如，识别用户的肢体操作，或者检测用户在厨房中的时间，来确定用户是否需要进行烹饪操作。因此，可以预先设置用户进入厨房进行烹饪操作的条件，也即，预先设置预设条件，并将检测到的检测信息与预设条件进行比较，如果检测信息满足预设条件，则可以通过摄像头拍摄用户的图像，进一步通过第一识别模型对图像进行识别，得到为该用户播放的音频信息的类型信息，并播放相应的第一音频信息；如果检测信息不满足预设条件，则无需对播放第一音频信息，也无需拍摄用户的图像。

可选地，在本发明上述实施例中，检测信息包括：检测到目标对象的检测时间，其中，步骤S110，判断检测信息是否满足预设条件包括：

步骤S1102，判断检测时间是否超过预设时间。

步骤S1104，如果检测时间超过预设时间，则确定检测信息满足预设条件。

步骤S1106，如果检测时间未超过预设时间，则确定检测信息不满足预设条件。

具体地，由于用户在厨房进行烹饪的时间较长，而用户取东西等时间较短，可以通过用户进入厨房的时间长短，也即检测到用户的时间长短来判断用户是否需要进行烹饪操作，如果检测到的检测时间超过预设时间，则可以认为用户需要进行烹饪操作，因此，确定检测信息满足预设条件，可以拍摄用户的图像并进行识别；如果检测到的检测信息未超过预设时间，则可以认为用户不需要进行烹饪操作，因此，确定检测信息不满足预设条件，无需拍摄用户的图像。

可选地，在本发明上述实施例中，在步骤S106，播放类型信息对应的第一音频信息之后，该方法还包括：

步骤S114，判断在预设区域内是否检测到目标对象。

步骤S116，当在预设区域内未检测到目标对象时，控制计时装置开始计时。

步骤S118，判断计时装置的计时时间是否到达预设时间。

步骤S120，如果计时时间到达预设时间，则停止播放第一音频信息。

具体地，为了防止用户离开厨房之后，音乐播放器仍然播放第一音频信息，造成资源浪费，在音乐播放器播放第一音频信息的过程中，可以实时通过摄像头对用户进行检测，确定用户是否在厨房中，如果厨房中安装的所有的摄像头均未检测到用户，则可以确定用户离开，则可以等待预设时间，例如2min之后，停止播放第一音频信息。

在一种可选的方案中，在音乐播放器播放第一音频信息的过程中，可以实时检测用户是否在厨房中，也即，厨房中安装的每个摄像头判断是否检测到用户，如果均未检测到，则确定用户离开厨房，可以通过计时装置计时，并在计时时间到达预设时间之后，音乐播放器停止播放第一音频信息。

可选地，在本发明上述实施例中，在计时时间到达预设时间的情况下，该方法还包括：

步骤S122，判断在预设区域内是否检测到目标对象。

步骤S124，如果在预设区域内检测到目标对象，则停止计时，并继续播放第一音频信息。

在一种可选的方案中，在计时装置的计时时间到达预设时间的时候，再次通过安装在厨房中的多个摄像头检测用户是否进入厨房，如果检测到用户进入厨房，则控制计时装置停止计时，并通过音乐播放器根据需要播放第一音频信息。

可选地，在本发明上述实施例中，在步骤S106，播放类型信息对应的第一音频信息之后，该方法还包括：

步骤S126，接收目标对象发出的控制指令，其中，控制指令用于对第一音频信息进行切换。

步骤S128，根据控制指令，停止播放第一音频信息，并播放第二音频信息。

在一种可选的方案中，在音乐播放器播放第一音频信息的过程中，用户可以通过移动终端或者语音控制音乐播放器对音频信息进行切换，音乐播放器在接收到控制指令之后，可以停止播放第一音频信息，并播放相同类型的另一个音频信息，也即第二音频信息。

可选地，在本发明上述实施例中，在控制指令为语音控制指令的情况下，步骤S128，根据控制指令，停止播放第一音频信息，并播放第二音频信息包括：

步骤S1282，利用第二识别模型对语音控制指令进行识别，得到语音控制指令对应的文本信息，其中，第二识别模型为使用多组第二样本数据通过机器学习训练出来的，多组第二样本数据包括：语音控制指令和对应的文本信息。

具体地，为了能够对语音控制指令进行语音识别，可以预先通过机器学习训练一个识别模型，也即第二识别模型，通过第二识别模型对接收到的语音控制指令进行识别，确定对应的文本信息，具体可以通过如下方式实现：建立神经网络模型，预先接收多个不同的语音控制指令，并为每个语音控制指令设置对应的文本信息，利用设置文本信息后的语音控制指令训练神经网络模型，得到第二识别模型。

步骤S1284，根据文本信息，确定第二音频信息。

步骤S1286，停止播放第一音频信息，并播放第二音频信息。

在一种可选的方案中，当音乐播放器在播放第一音频信息的过程中，用户可以通过语音进行切换，在音乐播放器在接收到语音控制指令之后，可以通过第二识别模型进行语音识别，得到文本信息，例如，用户发出的语音控制指令为切换下一首音乐，则在得到文本信息之后，可以确定需要播放下一首音乐，并得到第二音频信息，音乐播放器可以停止播放当前正在播放的第一音频信息，并开始播放第二音频信息。

可选地，在本发明上述实施例中，步骤S106，播放类型信息对应的第一音频信息包括：

步骤S1062，获取类型信息对应的音频信息集合，其中，音频信息集合包括：第一音频信息。

步骤S1064，按照预设播放模式，从音频信息集合中获取第一音频信息。

具体地，上述的预设播放模式可以获取音频信息集合中所有音频信息的模式，例如，可以是循环播放模式、列表播放模式、随机播放模式等，本发明对此不作具体限定。

步骤S1066，播放第一音频信息。

在一种可选的方案中，在通过第一识别模型，对拍摄到的用户的图像进行识别，得到为该用户播放音频信息的类型信息之后，可以获取预先设置的该类型信息对应的音频信息集合，例如，用户可以预先设置用户想要听的流行类型的所有音乐，在识别出为该用户播放音乐信息的类型信息为流行类型之后，可以获取预先设置的流行类型的所有音乐，并按照预设播放模式，获取当前需要播放的第一个音乐，即获取第一音频信息，并播放。

图2是根据本发明实施例的一种可选的音频信息的播放方法的流程图，下面结合图2对本发明一种优选的实施例进行详细说明，如图2所示，该方法包括如下不走：

步骤S21，摄像头捕获人在厨房内的活动时间是否超过设定时间值。

可选地，可以在厨房中安装多个摄像头，并通过多个摄像头检测用户是否进入厨房，如果用户进入厨房之后，可以检测用户在厨房内的活动时间，并判断是否超过设定时间值，如果超过，则说明用户需要进行烹饪操作，并进入步骤S23；如果未超过，则说明用户不需要进行烹饪操作，并进入步骤S22。

步骤S22，无动作。

可选地，当摄像头捕获人在厨房内的活动时间未超过设定时间值，也即确定用户不需要进行烹饪操作时，摄像头不进行任何动作。

步骤S23，人脸识别，判断年龄。

可选地，当摄像头捕获人在厨房内的活动时间超过设定时间值，也即确定用户需要进行烹饪操作时，可以拍摄用户的图像，并通过预先设置的第一子识别模型，判断用户的年龄，如果确定用户的年龄为15-30岁，则可以进入步骤S24，如果确定用户的年龄为30-50岁，则可以进入步骤S25，如果确定用户的年龄为50岁以上，也即>50岁，则进入步骤S26。

步骤S24，音乐播放器播放流行摇滚等类型的音乐。

可选地，当确定用户的年龄为15-30岁时，可以进一步通过预先设置的第二子识别模型，判断需要播放的音乐类型为流行摇滚等类型，并开始播放相应类型的音乐，进入步骤S27。

步骤S25，音乐播放器播放抒情经典等类型的音乐。

可选地，当确定用户的年龄为30-50岁时，可以进一步通过预先设置的第二子识别模型，判断需要播放的音乐类型为抒情经典等类型，并开始播放相应类型的音乐，进入步骤S27。

步骤S26，音乐播放器播放老年广场舞等类型的音乐。

可选地，当确定用户的年龄为大于50岁时，可以进一步通过预先设置的第二子识别模型，判断需要播放的音乐类型为老年广场舞等类型，并开始播放相应类型的音乐。

步骤S27，手动或者语音切歌换歌。

可选地，音乐播放器播放音乐的过程中，可以通过手动或者语音的方案进行切歌或者换歌。

通过上述步骤，可以将图像识别技术应用到厨房中，通过判断用户是否在厨房做饭，控制厨房内的音乐播放器自动启动，并通过图像识别用户的年龄，根据年龄段播放不同类型的音乐，以使用各种类型的人群，从而实现音乐自动播放，使厨房工作更加有趣味和人性化。

实施例2

根据本发明实施例，提供了一种音频信息的播放装置的实施例。

图3是根据本发明实施例的一种音频信息的播放装置的示意图，如图3所示，该装置包括：

获取模块31，用于在预设区域内检测到目标对象之后，获取目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域。

具体地，上述的预设区域可以是厨房所在的区域，可以在厨房中安装摄像头，对进入厨房的目标对象，也即，进行烹饪操作的用户进行检测，由于厨房可能较大，摄像头的检测范围较小，为了能够时刻检测到用户是否在厨房内，可以在厨房内安装多个摄像头，确保多个摄像头的检测范围相互交叉，覆盖整个厨房。为了能够拍摄到厨房内的用户的图像，在任意一个摄像头检测到进入厨房的用户之后，可以拍摄该用户的图像，得到目标对象的图像。

确定模块33，用于利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息。

具体地，可以通过第一识别模型对用户的图像进行识别，为不同的用户播放不同类型的音频信息，例如，为年轻人播放流行或者摇滚类型的音乐，也可以是外文音乐；为老年人播放戏曲或者广场舞类型的音乐。而为了能够对用户的图像进行识别，可以预先通过机器学习训练一个识别模型，也即第一识别模型，通过第一识别模型对拍摄到的用户的图像进行识别，确定为该用户播放的音频信息的类型信息，具体可以通过如下方式实现：建立神经网络模型，预先拍摄多张不同类型的用户的图像，并为每张图像设置对应的音频信息的类型信息，利用设置类型信息后的图像训练神经网络模型，得到第一识别模型。

播放模块35，用于播放类型信息对应的第一音频信息。

在一种可选的方案中，在用户进入厨房之后，厨房中安装的多个摄像头可以检测到用户，并拍摄用户的图像，摄像头将用户的图像传输至音频播放器进行处理，音频播放器利用通过机器学习训练好的第一识别模型对接收到的用户的图像进行识别，输出需要为该用户播放的音频信息的类型信息，并根据该类型信息，选择相同类型的第一音频信息进行播放，实现用户在进行烹饪操作的过程中，向用户播放音乐。

通过本发明上述实施例，在预设区域内检测到目标对象之后，获取目标对象的图像，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，播放类型信息对应的第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐，从而解决了现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题，达到提升厨房的趣味性和人性化，提高用户的体验感的效果。

可选地，在本发明上述实施例中，确定模块包括：第一确定子模块，用于利用第一子识别模型对图像进行特征提取，得到目标对象的年龄信息，其中，年龄信息包括：目标对象的年龄，第一子识别模型为使用多组第一子样本数据通过机器学习训练出来的，多组第一子样本数据包括：目标对象的图像和目标对象的年龄信息；第二确定子模块，用于利用第二子识别模型对年龄信息进行处理，得到类型信息，其中，第二子识别模型为使用多组第二子样本数据通过机器学习训练出来的，多组第二子样本数据包括：目标对象的年龄信息和相匹配的音频信息的类型信息。

可选地，在本发明上述实施例中，获取模块还用于获取目标对象的检测信息，该装置还包括：第一判断模块，用于判断检测信息是否满足预设条件，其中，预设条件用于表征目标对象进行烹饪操作的条件；获取模块还用于如果检测信息满足预设条件，则获取目标对象的图像。

可选地，在本发明上述实施例中，第一判断模块包括：判断子模块，用于判断检测时间是否超过预设时间；第一确定子模块，用于如果检测时间超过预设时间，则确定检测信息满足预设条件；第二确定子模块，用于如果检测时间未超过预设时间，则确定检测信息不满足预设条件。

可选地，在本发明上述实施例中，该装置还包括：第二判断模块，用于判断在预设区域内是否检测到目标对象；第一控制模块，用于当在预设区域内未检测到目标对象时，控制计时装置开始计时；第三判断模块，用于判断计时装置的计时时间是否到达预设时间；停止模块，用于如果计时时间到达预设时间，则停止播放第一音频信息。

可选地，在本发明上述实施例中，该装置还包括：第四判断模块，用于判断在预设区域内是否检测到目标对象；第二控制模块，用于如果在预设区域内检测到目标对象，则停止计时，并继续播放第一音频信息。

可选地，在本发明上述实施例中，该装置还包括：接收模块，用于接收目标对象发出的控制指令，其中，控制指令用于对第一音频信息进行切换；第三控制模块，用于根据控制指令，停止播放第一音频信息，并播放第二音频信息。

可选地，在本发明上述实施例中，第三控制模块包括：识别子模块，用于利用第二识别模型对语音控制指令进行识别，得到语音控制指令对应的文本信息，其中，第二识别模型为使用多组第二样本数据通过机器学习训练出来的，多组第二样本数据包括：语音控制指令和对应的文本信息；第三确定子模块，用于根据文本信息，确定第二音频信息；控制子模块，用于停止播放第一音频信息，并播放第二音频信息。

可选地，在本发明上述实施例中，播放模块包括：第一获取子模块，用于获取类型信息对应的音频信息集合，其中，音频信息集合包括：第一音频信息；第二获取子模块，用于按照预设播放模式，从音频信息集合中获取第一音频信息；播放子模块，用于播放第一音频信息。

实施例3

根据本发明实施例，提供了一种音频信息的播放系统的实施例。

图4是根据本发明实施例的一种音频信息的播放系统的示意图，如图4所示，该系统包括：拍摄装置41、第一处理装置43和播放装置45。

其中，拍摄装置41用于在预设区域内检测到目标对象之后，拍摄目标对象的图像，其中，预设区域用于表征目标对象进行烹饪操作的区域；第一处理装置43与拍摄装置41连接，用于利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，其中，识别模型为使用多组第一样本数据通过机器学习训练出来的，多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；播放装置45与处理装置43连接，用于播放类型信息对应的第一音频信息。

具体地，上述的拍摄装置可以是摄像头，上述的第一处理装置可以是音乐播放器的处理器，上述的播放装置可以是音乐播放器的喇叭，上述的预设区域可以是厨房所在的区域，可以在厨房中安装摄像头，对进入厨房的目标对象，也即，进行烹饪操作的用户进行检测，由于厨房可能较大，摄像头的检测范围较小，为了能够时刻检测到用户是否在厨房内，可以在厨房内安装多个摄像头，确保多个摄像头的检测范围相互交叉，覆盖整个厨房。为了能够拍摄到厨房内的用户的图像，在任意一个摄像头检测到进入厨房的用户之后，可以拍摄该用户的图像，得到目标对象的图像。可以通过第一识别模型对用户的图像进行识别，为不同的用户播放不同类型的音频信息，例如，为年轻人播放流行或者摇滚类型的音乐，也可以是外文音乐；为老年人播放戏曲或者广场舞类型的音乐。而为了能够对用户的图像进行识别，可以预先通过机器学习训练一个识别模型，也即第一识别模型，通过第一识别模型对拍摄到的用户的图像进行识别，确定为该用户播放的音频信息的类型信息，具体可以通过如下方式实现：建立神经网络模型，预先拍摄多张不同类型的用户的图像，并为每张图像设置对应的音频信息的类型信息，利用设置类型信息后的图像训练神经网络模型，得到第一识别模型。

在一种可选的方案中，在用户进入厨房之后，厨房中安装的多个摄像头可以检测到用户，并拍摄用户的图像，摄像头将用户的图像传输至音频播放器进行处理，音频播放器利用通过机器学习训练好的第一识别模型对接收到的用户的图像进行识别，输出需要为该用户播放的音频信息的类型信息，并根据该类型信息，选择相同类型的第一音频信息进行播放，实现用户在进行烹饪操作的过程中，向用户播放音乐。

通过本发明上述实施例，在预设区域内检测到目标对象之后，获取目标对象的图像，利用第一识别模型对图像进行识别，确定与目标对象相匹配的音频信息的类型信息，播放类型信息对应的第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐，从而解决了现有技术中用户在厨房内进行烹饪操作的体验感差的技术问题，达到提升厨房的趣味性和人性化，提高用户的体验感的效果。

可选地，在本发明上述实施例中，第一处理装置43包括：第一处理器和第二处理器。

其中，第一处理器与拍摄装置连接，用于利用第一子识别模型对图像进行特征提取，得到目标对象的年龄信息，其中，年龄信息包括：目标对象的年龄，第一子识别模型为使用多组第一子样本数据通过机器学习训练出来的，多组第一子样本数据包括：目标对象的图像和目标对象的年龄信息；第二处理器与第一处理器和播放装置连接，用于利用第二子识别模型对年龄信息进行处理，得到类型信息，其中，第二子识别模型为使用多组第二子样本数据通过机器学习训练出来的，多组第二子样本数据包括：目标对象的年龄信息和相匹配的音频信息的类型信息。

具体地，为了能够通过对进入厨房的用户的图像进行识别，确定需要向该用户播放的第一音频信息的类型信息，首先需要对用户的图像进行特征提取，确定拍摄到的用户的年龄，并根据年龄确定为该用户播放的第一音频信息的类型信息。为了能够确定拍摄到的用户的年龄，可以预先通过机器学习训练一个识别模型，也即第一子识别模型，通过第一子识别模型对拍摄到的用户的图像进行识别，确定该用户的年龄，具体可以通过如下方式实现：建立神经网络模型，预先拍摄多张不同类型的用户的图像，并为每张图像设置用户的年龄，利用设置年龄信息后的图像训练神经网络模型，得到第一子识别模型。为了能够根据提取到的用户的年龄，得到为该用户播放的第一音频信息的类型信息，可以预先通过机器学习训练一个识别模型，也即第二子识别模型，通过第二子识别模型对提取到的用户的年龄进行处理，确定为该用户播放的第一音频信息的类型信息，具体可以通过如下方式实现：建立神经网络模型，预先获取多个包含年龄的年龄信息，并为每个年龄信息设置对应的音频信息的类型信息，，利用设置类型信息后的图像训练神经网络模型，得到第二子识别模型。

通过上述步骤，分别通过第一子识别模型和第二子识别模型对拍摄到的目标对象的图像进行识别，得到与该目标对象那个相匹配的音频信息的类型信息，进一步根据该类型信息播放第一音频信息，实现用户在进行烹饪操作的过程中，向用户播放音乐。

可选地，在本发明上述实施例中，第一处理装置43包括：第一处理器和第三处理器。

其中，第一处理器用于利用第一子识别模型对所述图像进行特征提取，得到所述目标对象的年龄信息；第三处理器与第一处理器连接，用于获取所述目标对象的年龄信息所属的年龄区间，并获取所述年龄区间对应的类型信息，得到与所述目标对象相匹配的音频信息的类型信息。

具体地，可以预先设置多个年龄区间，例如，由于在厨房进行烹饪操作的用户的年龄一般在15岁以上，并且年龄段不同，喜欢的音乐类型也不同，可以将年龄划分为3个区间，分别为15-30岁，30-50岁和>50岁，并为每个年龄区间设置相应的音乐的类型，13-30岁设置流行或摇滚等类型，30-50岁设置抒情或经典等类型，>50岁设置老年广场舞等类型。

在一种可选的方案中，在利用通过机器学习训练好的第一子识别模型得到用户的年龄之后，可以判断年龄所属的年龄区间，并读取所属的年龄区间对应的类型信息，得到为该用户播放的音乐的类型信息。

可选地，在本发明上述实施例中，该系统还包括：第二处理装置。

其中，第二处理装置与拍摄装置连接，用于当拍摄装置检测到目标对象时，获取目标对象的检测信息，并判断检测信息是否满足预设条件，其中，预设条件用于表征目标对象进行烹饪操作；第一处理装置与第二处理装置连接，用于当检测信息满足预设条件时，获取目标对象的图像。

在一种可选的方案中，由于用户进入厨房并不一定是需要进行烹饪操作，也可能是取东西，为了防止用户进入厨房又出去之后，而音乐播放器才开始播放第一音频信息，浪费资源，可以首先判断用户进入厨房是否需要进行烹饪操作，例如，识别用户的肢体操作，或者检测用户在厨房中的时间，来确定用户是否需要进行烹饪操作。因此，可以预先设置用户进入厨房进行烹饪操作的条件，也即，预先设置预设条件，并将检测到的检测信息与预设条件进行比较，如果检测信息满足预设条件，则可以通过摄像头拍摄用户的图像，进一步通过第一识别模型对图像进行识别，得到为该用户播放的音频信息的类型信息，并播放相应的第一音频信息；如果检测信息不满足预设条件，则无需对播放第一音频信息，也无需拍摄用户的图像。

可选地，在本发明上述实施例中，检测信息包括：检测到目标对象的检测时间，其中，第二处理装置还用于判断检测时间是否超过预设时间，如果检测时间超过预设时间，则确定检测信息满足预设条件，如果检测时间未超过预设时间，则确定检测信息不满足预设条件。

具体地，由于用户在厨房进行烹饪的时间较长，而用户取东西等时间较短，可以通过用户进入厨房的时间长短，也即检测到用户的时间长短来判断用户是否需要进行烹饪操作，如果检测到的检测时间超过预设时间，则可以认为用户需要进行烹饪操作，因此，确定检测信息满足预设条件，可以拍摄用户的图像并进行识别；如果检测到的检测信息未超过预设时间，则可以认为用户不需要进行烹饪操作，因此，确定检测信息不满足预设条件，无需拍摄用户的图像。

可选地，该系统还包括：计时装置。

其中，拍摄装置41还用于判断在预设区域内是否检测到目标对象；计时装置与拍摄装置41连接，用于当在预设区域内未检测到目标对象时，开始计时；播放装置45与计时装置连接，还用于判断计时装置的计时时间是否到达预设时间，如果计时时间到达预设时间，则停止播放第一音频信息。

具体地，为了防止用户离开厨房之后，音乐播放器仍然播放第一音频信息，造成资源浪费，在音乐播放器播放第一音频信息的过程中，可以实时通过摄像头对用户进行检测，确定用户是否在厨房中，如果厨房中安装的所有的摄像头均未检测到用户，则可以确定用户离开，则可以等待预设时间，例如2min之后，停止播放第一音频信息。

在一种可选的方案中，在音乐播放器播放第一音频信息的过程中，可以实时检测用户是否在厨房中，也即，厨房中安装的每个摄像头判断是否检测到用户，如果均未检测到，则确定用户离开厨房，可以通过计时装置计时，并在计时时间到达预设时间之后，音乐播放器停止播放第一音频信息。

可选地，在本发明上述实施例中，拍摄装置41还用于判断在预设区域内是否检测到目标对象；播放装置45，与拍摄装置41连接，还用于如果在预设区域内检测到目标对象，则停止计时，并继续播放第一音频信息。

可选地，在本发明上述实施例中，播放装置45还用于接收目标对象发出的控制指令，并根据控制指令，停止播放第一音频信息，并播放第二音频信息，其中，控制指令用于对第一音频信息进行切换。

可选地，在本发明上述实施例中，在控制指令为语音控制指令的情况下，播放装置45还包括：第三处理器和控制器。

其中，第三处理器用于利用第二识别模型对语音控制指令进行识别，得到语音控制指令对应的文本信息，其中，第二识别模型为使用多组第二样本数据通过机器学习训练出来的，多组第二样本数据包括：语音控制指令和对应的文本信息；控制器用于根据文本信息，确定第二音频信息，停止播放第一音频信息，并播放第二音频信息。

可选地，在本发明上述实施例中，播放装置45包括：第三处理器和控制器。

其中，第三处理器用于获取类型信息对应的音频信息集合，按照预设播放模式，从音频信息集合中获取第一音频信息，其中，音频信息集合包括：第一音频信息；控制器用于播放第一音频信息。

实施例4

根据本发明实施例，提供了一种存储介质的实施例，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的音频信息的播放方法。

实施例5

根据本发明实施例，提供了一种处理器的实施例，处理器用于运行程序，其中，程序运行时执行上述实施例1中的音频信息的播放方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种音频信息的播放方法，其特征在于，包括：

在预设区域内检测到目标对象之后，获取所述目标对象的图像，其中，所述预设区域用于表征所述目标对象进行烹饪操作的区域；

利用第一识别模型对所述图像进行识别，确定与所述目标对象相匹配的音频信息的类型信息，其中，所述识别模型为使用多组第一样本数据通过机器学习训练出来的，所述多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；

播放所述类型信息对应的第一音频信息。

2.根据权利要求1所述的方法，其特征在于，利用第一识别模型对所述图像进行识别，确定与所述目标对象相匹配的音频信息的类型信息包括：

利用第一子识别模型对所述图像进行特征提取，得到所述目标对象的年龄信息，所述第一子识别模型为使用多组第一子样本数据通过机器学习训练出来的，所述多组第一子样本数据包括：目标对象的图像和所述目标对象的年龄信息；

利用第二子识别模型对所述年龄信息进行处理，得到所述类型信息，其中，所述第二子识别模型为使用多组第二子样本数据通过机器学习训练出来的，所述多组第二子样本数据包括：目标对象的年龄信息和相匹配的音频信息的类型信息。

3.根据权利要求1所述的方法，其特征在于，利用第一识别模型对所述图像进行识别，确定与所述目标对象相匹配的音频信息的类型信息包括：

利用第一子识别模型对所述图像进行特征提取，得到所述目标对象的年龄信息；

获取所述目标对象的年龄信息所属的年龄区间；

获取所述年龄区间对应的类型信息，得到与所述目标对象相匹配的音频信息的类型信息。

4.根据权利要求1所述的方法，其特征在于，在获取所述目标对象的图像之前，所述方法还包括：

获取所述目标对象的检测信息；

判断所述检测信息是否满足预设条件，其中，所述预设条件用于表征所述目标对象进行烹饪操作的条件；

如果所述检测信息满足所述预设条件，则获取所述目标对象的图像。

5.根据权利要求4所述的方法，其特征在于，所述检测信息包括：检测到所述目标对象的检测时间，其中，判断所述检测信息是否满足预设条件包括：

判断所述检测时间是否超过预设时间；

如果所述检测时间超过所述预设时间，则确定所述检测信息满足所述预设条件；

如果检测时间未超过所述预设时间，则确定所述检测信息不满足所述预设条件。

6.根据权利要求1所述的方法，其特征在于，在播放所述类型信息对应的第一音频信息之后，所述方法还包括：

判断在所述预设区域内是否检测到所述目标对象；

当在所述预设区域内未检测到所述目标对象时，控制计时装置开始计时；

判断所述计时装置的计时时间是否到达预设时间；

如果所述计时时间到达所述预设时间，则停止播放所述第一音频信息。

7.根据权利要求1所述的方法，其特征在于，在播放所述类型信息对应的第一音频信息之后，所述方法还包括：

接收所述目标对象发出的控制指令，其中，所述控制指令用于对所述第一音频信息进行切换；

根据所述控制指令，停止播放所述第一音频信息，并播放第二音频信息。

8.一种音频信息的播放装置，其特征在于，包括：

获取模块，用于在预设区域内检测到目标对象之后，获取所述目标对象的图像，其中，所述预设区域用于表征所述目标对象进行烹饪操作的区域；

确定模块，用于利用第一识别模型对所述图像进行识别，确定与所述目标对象相匹配的音频信息的类型信息，其中，所述识别模型为使用多组第一样本数据通过机器学习训练出来的，所述多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；

播放模块，用于播放所述类型信息对应的第一音频信息。

9.一种音频信息的播放系统，其特征在于，包括：

拍摄装置，用于在预设区域内检测到目标对象之后，拍摄所述目标对象的图像，其中，所述预设区域用于表征所述目标对象进行烹饪操作的区域；

第一处理装置，与所述拍摄装置连接，用于利用第一识别模型对所述图像进行识别，确定与所述目标对象相匹配的音频信息的类型信息，其中，所述识别模型为使用多组第一样本数据通过机器学习训练出来的，所述多组第一样本数据包括：目标对象的图像和相匹配的音频信息的类型信息；

播放装置，与所述第一处理装置连接，用于播放所述类型信息对应的第一音频信息。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的音频信息的播放方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的音频信息的播放方法。