障碍物识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种障碍物识别方法、装置、设备及存储介质，涉及移动终端领域。该方法包括：通过声波发生器向预定方向发射带通超声信号；通过声波接收器接收混合信号，混合信号包括带通超声信号；对混合信号进行特征提取得到时间特征量；将时间特征量输入神经网络模型得到障碍物识别结果。该方法通过提取声波接收器接收到的混合信号中的时间特征量，将时间特征量输入神经网络模型，实现了利用声波对障碍物移动状态的判别；当终端的前面板不设置距离传感器时，可以通过该方案对终端前方的障碍物进行识别。

【技术实现步骤摘要】
障碍物识别方法、装置、设备及存储介质
本申请实施例涉及移动终端领域，特别涉及一种障碍物识别方法、装置、设备及存储介质。
技术介绍
诸如智能手机、平板电脑之类的移动终端上设置有触摸屏。以智能手机为例，当用户脸部接近触摸屏时，触摸屏会自动熄灭；当用户脸部远离触摸屏时，触摸屏会自动点亮。相关技术中，智能手机的前面板顶部设置有红外距离传感器，该红外距离传感器用于向智能手机的前面板前方发射第一红外线信号，然后接收遇到用户脸部反射回的第二红外线信号，根据第一红外线信号和第二红外线信号之间的幅度变化，计算得到用户脸部与前面板之间的距离，识别有无障碍物接近。
技术实现思路
本申请实施例提供了一种障碍物识别方法、装置、设备及存储介质，可以解决诸如智能手机、平板电脑之类设置有触摸屏的移动终端的前面板不设置红外距离传感器时，如何识别前方障碍物的问题。所述技术方案如下：根据本公开的第一方面，提供一种障碍物识别方法，应用于设置有声波发生器和声波接收器的终端中，所述方法包括：通过声波发生器向预定方向发射带通超声信号；通过声波接收器接收混合信号，混合信号包括带通超声信号；对混合信号进行特征提取得到时间特征量；将时间特征量输入神经网络模型得到障碍物识别结果。在一个可选的实施例中，时间特征量包括当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值，N为N≥2的正整数；上述将时间特征量输入神经网络模型得到障碍物识别结果，包括：将当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值输入神经网络模型，得到障碍物识别结果；障碍物识别结果包括：接近事件、远离事件、无事件中的任意一种。在一个可选的实施例中，神经网络模型包括：依次相连的三层全连接神经网络和输出层；或，依次相连的双层循环神经网络、一层所述全连接神经网络和所述输出层。在一个可选的实施例中，上述对混合信号进行特征提取得到时间特征量，包括：提取混合信号中的待处理信号；将待处理信号中的历史帧和当前帧进行频域转换得到频域信号，上述历史帧和当前帧中每个声音帧的频域信号包括n个频域分量，n为正整数；对当前帧中的n个频域分量和历史帧中的n个频域分量进行差分，计算得到频域时间差分值的一阶时间差分值和/或N阶时间差分值；根据频域时间差分值的一阶时间差分值和/或N阶时间差分值得到时间特征量；其中，历史帧包括位于当前帧之前的M个声音帧，M为正整数。在一个可选的实施例中，上述对当前帧中的n个频域分量和历史帧中的n个频域分量进行差分，计算得到频域时间差分值的一阶时间差分值，包括：对第i帧中的n个频域分量和第i-1帧中的n个频域分量进行差分，计算得到一阶时间差分值，i为i≤0的整数，其中，若i＝0，则为当前帧的一阶时间差分值；上述对当前帧中的n个频域分量和历史帧中的n个频域分量进行差分，计算得到频域时间差分值的N阶时间差分值，包括：对第i帧中的n个频域分量和第i-N帧中的n个频域分量进行差分，计算得到N阶时间差分值，N为N≤M+i的正整数，其中，若i＝0，则为当前帧的N阶时间差分值。在一个可选的实施例中，上述提取所述混合信号中的待处理信号，包括：将混合信号进行滤波处理，得到滤波后的声音信号；根据滤波后的声音信号得到待处理信号。在一个可选的实施例中，上述根据滤波后的声音信号得到待处理信号，包括：将滤波后的声音信号进行移频处理，得到移频后的声音信号；将移频后的声音信号进行降采样处理，将降采样后的声音信号确定为待处理信号。在一个可选的实施例中，该方法还包括：对混合信号进行特征提取得到空间特征量；根据空间特征量进行声波干涉分析，得到预定方向上的障碍物距离；当障碍物距离小于距离阈值且障碍物识别结果为接近事件时，确定障碍物正在接近；当障碍物距离小于距离阈值且障碍物识别结果为远离事件时，确定障碍物正在远离；当障碍物距离大于距离阈值时，确定不存在障碍物。在一个可选的实施例中，带通超声信号包括如下信号形式中的任意一种：带通噪声信号；单频/多频正弦信号；带通噪声信号和单频/多频正弦信号的组合信号。根据本公开的第二方面，提供一种障碍物识别装置，该装置包括：发生模块，被配置为通过声波发生器向预定方向发射带通超声信号；接收模块，被配置为通过声波接收器接收混合信号，混合信号包括带通超声信号；提取模块，被配置为对混合信号进行特征提取得到时间特征量；识别模块，被配置为将时间特征量输入神经网络模型得到障碍物识别结果。在一个可选的实施例中，时间特征量包括当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值，N为N≥2的正整数；识别模块，被配置为将当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值输入神经网络模型，得到障碍物识别结果；障碍物识别结果包括：接近事件、远离事件、无事件中的任意一种。在一个可选的实施例中，神经网络模型包括：依次相连的三层全连接神经网络和输出层；或，依次相连的双层循环神经网络、一层所述全连接神经网络和所述输出层。在一个可选的实施例中，提取模块，包括：提取子模块，被配置为提取混合信号中的待处理信号；转换子模块，被配置为将待处理信号中的历史帧和当前帧进行频域转换得到频域信号，上述历史帧和当前帧中每个声音帧的频域信号包括n个频域分量，n为正整数；差分子模块，被配置为对当前帧中的n个频域分量和历史帧中的n个频域分量进行差分，计算得到频域时间差分值的一阶时间差分值和/或N阶时间差分值；组合子模块，被配置为根据频域时间差分值的一阶时间差分值和/或N阶时间差分值得到时间特征量；其中，历史帧包括位于当前帧之前的M个声音帧，M为正整数。在一个可选的实施例中，差分子模块，被配置为对第i帧中的n个频域分量和第i-1帧中的n个频域分量进行差分，计算得到一阶时间差分值，i为i≤0的整数，其中，若i＝0，则为当前帧的一阶时间差分值；对第i帧中的n个频域分量和第i-N帧中的n个频域分量进行差分，计算得到N阶时间差分值，N为N≤M+i的正整数，其中，若i＝0，则为当前帧的N阶时间差分值。在一个可选的实施例中，提取子模块，被配置为将混合信号进行滤波处理，得到滤波后的声音信号；根据滤波后的声音信号得到待处理信号。在一个可选的实施例中，提取子模块，被配置为将滤波后的声音信号进行移频处理，得到移频后的声音信号；将移频后的声音信号进行降采样处理，将降采样后的声音信号确定为待处理信号。在一个可选的实施例中，该装置还包括：提取模块，被配置为对混合信号进行特征提取得到空间特征量；计算模块，被配置为根据空间特征量进行声波干涉分析，得到所述预定方向上的障碍物距离；识别模块，被配置为当障碍物距离小于距离阈值且障碍物识别结果为接近事件时，确定障碍物正在接近；当障碍物距离小于距离阈值且障碍物识别结果为远离事件时，确定障碍物正在远离；当障碍物距离大于距离阈值时，确定不存在障碍物。在一个可选的实施例中，带通超声信号包括如下信号形式中的任意一种：带通噪声信号；单频/多频正弦信号；带通噪声信号和单频/多频正弦信号的组合信号。根据本公开的第三方面，提供一种障碍物识别装置，该装置包括：处理器；用于存储处理器可执行指令的存储器；其中，可执行指令被处理器加载并执行以实现如上第一方面所述的障碍物识别方法。根据本公开的第四方面，提供一种计算机可读存储介质，所述可读存储本文档来自技高网...

【技术保护点】
1.一种障碍物识别方法，其特征在于，应用于设置有声波发生器和声波接收器的终端中，所述方法包括：通过所述声波发生器向预定方向发射带通超声信号；通过所述声波接收器接收混合信号，所述混合信号包括带通超声信号；对所述混合信号进行特征提取得到时间特征量；将所述时间特征量输入神经网络模型得到障碍物识别结果。

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，应用于设置有声波发生器和声波接收器的终端中，所述方法包括：通过所述声波发生器向预定方向发射带通超声信号；通过所述声波接收器接收混合信号，所述混合信号包括带通超声信号；对所述混合信号进行特征提取得到时间特征量；将所述时间特征量输入神经网络模型得到障碍物识别结果。2.根据权利要求1所述的方法，其特征在于，所述时间特征量包括当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值，N为N≥2的正整数；所述将所述时间特征量输入神经网络模型得到障碍物识别结果，包括：将所述当前帧和/或历史帧之间的一阶时间差分值和/或N阶时间差分值输入所述神经网络模型，得到所述障碍物识别结果；所述障碍物识别结果包括：接近事件、远离事件、无事件中的任意一种。3.根据权利要求2所述的方法，其特征在于，所述神经网络神经网络模型包括：依次相连的三层全连接神经网络和输出层；或，依次相连的双层循环神经网络、一层所述全连接神经网络和所述输出层。4.根据权利要求1至3任一所述的方法，其特征在于，所述对所述混合信号进行特征提取得到时间特征量，包括：提取所述混合信号中的待处理信号；将所述待处理信号中的历史帧和当前帧进行频域转换得到频域信号，所述历史帧和所述当前帧中每个声音帧的频域信号包括n个频域分量，n为正整数；对所述当前帧中的n个频域分量和所述历史帧中的n个频域分量进行差分，计算得到频域时间差分值的一阶时间差分值和/或N阶时间差分值；根据所述频域时间差分值的一阶时间差分值和/或N阶时间差分值得到所述时间特征量；其中，所述历史帧包括位于所述当前帧之前的M个声音帧，M为正整数。5.根据权利要求4所述的方法，其特征在于，所述对所述当前帧中的n个频域分量和所述历史帧中的n个频域分量进行差分，计算得到频域时间差分值的一阶时间差分值，包括：对第i帧中的n个频域分量和第i-1帧中的n个频域分量进行差分，计算得到所述一阶时间差分值，i为i≤0的整数，其中，若i＝0，则为所述当前帧的一阶时间差分值；所述对所述当前帧中的n个频域分量和所述历史帧中的n个频域分量进行差分，计算得到所述频域时间差分值的N阶时间差分值，包括：对所述第i帧中的n个频域分量和第i-N帧中的n个频域分量进行差分，计算得到所述N阶时间差分值，N为N≤M+i的正整数，其中，若i＝0，则为所述当前帧的N阶时间差分值。6.根据权利要求4所述的方法，其特征在于，所述提取所述混合信号中的待处理信号，包括：将所述混合信号进行滤波处理，得到滤波后的声音信号；根据所述滤波后的声音信号得到所述待处理信号。7.根据权利要求6所述的方法，其特征在于，所述根据滤波后的声音信号得到所述待处理信号，包括：将所述滤波后的声音信号进行移频处理，得到移频后的声音信号；将所述移频后的声音信号进行降采样处理，将降采样后的声音信号确定为所述待处理信号。8.根据权利要求1至5任一所述的方法，其特征在于，所述方法还包括：对所述混合信号进行特征提取得到空间特征量；根据所述空间特征量进行声波干涉分析，得到所述预定方向上的障碍物距离；当所述障碍物距离小于距离阈值且所述障碍物识别结果为所述接近事件时，确定所述障碍物正在接近；当所述障碍物距离小于距离阈值且所述障碍物识别结果为所述远离事件时，确定所述障碍物正在远离；当所述障碍物距离大于距离阈值时，确定不存在障碍物。9.根据权利要求1至8任一所述的方法，其特征在于，所述带通超声信号包括如下信号形式中的任意一种：带通噪声信号；单频/多频正弦信号；所述带通噪声信号和所述单频/多频正弦信号的组合信号。10.一种障碍物识别装置，其特征在于，所述装置包括：发生模块，被配置为通过所述声波发生器向预定方向发射带通超声信号...

【专利技术属性】
技术研发人员：史润宇，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11