情境感知設備，如嵌入式智能手機鍵盤，其實并非新生事物，盡管形式非常有限。通過學習經常使用的名稱、地點和短語，它們將能夠預測你的下一步行動，也就是預測性文本。同樣，但在更高的層次上，下一代智能音頻設備將結合用戶特定的數據，如位置、偏好和包括音頻在內的其他設備傳感器數據，更好地為用戶服務。

今天的許多聲控設備都能聽懂、解釋并執行指令。然而，它們并不具備情境感知能力。例如，智能音箱可能知道一系列著名藝術家的名字，但如果你經常要求它搜索一個冷門樂隊，它就無法理解和學習你的喜好。如果沒有情境感知，智能音箱很難提供理想的用戶體驗。

下一代“始終監聽”設備使用機器學習來了解用戶。情境感知讓自然的聲音、大城市的喧囂、用戶的聲音等等都變得有意義。設備利用信號處理技術和機器學習技術，建立了一個“聲學場景”和“聲學事件”庫。聲學場景可能是繁忙的餐廳、上下班的路上，也可能是在家看你最喜歡的節目。另一方面，聲學事件是在任何場景中都能聽到的特定聲音，比如收銀機的鳴響、喇叭聲或孩子的哭聲。

例如，將情境感知的聲學事件識別添加到家庭服務機器人中，已被證明對監控老年人并使他們能夠繼續獨立生活非常有用。通過將某些聲學事件歸類為“警報”，機器人可以自動呼叫相關的緊急服務機構或家庭成員。典型事件可以是煙霧報警聲，也可以更細微，比如悄無聲息的廚房場景。

更多有用的語音助手

另一個可以從情境感知中獲益的應用是語音助手。例如，亞馬遜的Alexa就在其Guard功能中加入了情境感知，以更有效地保護家庭安全。離開家時，用戶告訴Alexa“我要走了”。Guard功能會利用這個情境來激活警報監聽功能。內置的音頻分析技術會自動識別關鍵的聲音事件，例如煙霧或一氧化碳警報和玻璃破碎。當它在用戶外出期間接收到玻璃破碎的聲音，它就會發出智能警報。

很多其他應用也可以利用音頻分析來提高整體的安全性。例如，它可以與視頻監控系統結合，加強對智慧城市中的人員或大中小學生的保護。

處理數據

要解讀來自多個傳感器的所有數據，需要精確的聲學場景分類和事件識別。這個過程需要實時發生，同時保證每個傳感器的誤差或偏差都被考慮在內，避免不斷重新校準。傳感器融合，或傳感器處理，將用戶的數據與音頻數據結合起來，為語音指令帶來上下文，使設備能夠更準確地響應。個人數據的使用可能存在隱私問題，但由于處理是在設備內部進行的，因此安全漏洞的風險大大降低。

像CEVA的SenslinQ這樣的平臺集成了所有必要的硬件和固件，可以自動匯總傳感器數據，為智能設備創建上下文感知。它使用過濾技術和信號處理，并應用先進的算法來創建“上下文使能器”。包括活動分類、語音和聲音檢測以及存在和接近檢測。通過將傳感器處理的工作負載集中起來，并將上下文使能器融合到芯片上，設備將開始理解并適應周圍的環境。

原文標題：什么是情境感知？它如何被使用？

文章出處：【微信公眾號：CEVA】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq