信息处理方法、终端、信息处理系统和存储介质

技术领域

本申请涉及通信技术领域，特别是涉及一种信息处理方法、终端、信息处理系统和存储介质。

背景技术

随着通信技术的快速发展，留言通信的方式和载体也在不断更新换代。传统的留言方式依靠纸张或非智能设备作为载体，存在留言信息的时效性差和承载的信息量比较有限的缺点。为了解决这一问题，市面上推出了具备留言功能的家用摄像头。家用摄像头在用户完成留言后，会将留言保存至云端，通过云端将留言发送至指定接收人的智能终端进行播放。但是，这种留言方式与智能终端强绑定，无法满足未持有智能终端人群的留言需求，例如老人和小孩等。

针对相关技术中的摄像头留言需要依赖智能终端的问题，目前还没有有效的解决方案。

发明内容

基于此，有必要针对上述技术问题，提供一种能够不依赖智能终端进行留言的信息处理方法、终端、信息处理系统和存储介质。

第一方面，本申请提供了一种信息处理方法，所述方法包括：

采集预设场景的视频图像，对所述视频图像进行图像识别，得到图像识别结果；

在所述图像识别结果满足预设条件的情况下，获取第一留言数据，并播放所述第一留言数据，其中，所述第一留言数据根据预先录制的音频或者视频生成，所述预设条件包括所述预设场景中存在所述第一留言数据的指定接收对象。

在其中一个实施例中，采集预设场景的视频图像，对所述视频图像进行图像识别，得到图像识别结果，包括：

将识别得到的当前人脸图像和预设人脸图像进行匹配；

在所述当前人脸图像匹配上所述预设人脸图像的情况下，获取与所述预设人脸图像关联的身份标识。

在其中一个实施例中，采集预设场景的视频图像，对所述视频图像进行图像识别，得到图像识别结果，还包括：

获取保存所述第一留言数据的生效时间范围；

在所述生效时间范围内，执行所述采集预设场景的视频图像，对所述视频图像进行图像识别，得到图像识别结果的步骤。

在其中一个实施例中，所述预设条件还包括：所述第一留言数据的指定接收对象在所述视频图像中出现的时长达到第一阈值；或者，所述第一留言数据的指定接收对象在所述视频图像中出现的次数达到第二阈值。

在其中一个实施例中，所述第一留言数据的播放模式包括公开播放模式或者私密播放模式，其中，在所述第一留言数据被配置为私密播放模式的情况下，播放所述第一留言数据包括：

响应于用户输入的指令，在本地或者与所述用户关联的终端播放所述第一留言数据。

在其中一个实施例中，在播放所述第一留言数据之后，所述方法还包括：

发送回执消息至第一终端，其中，所述第一终端与发起所述第一留言数据的用户关联；和/或，

响应于当前用户录制的音频或者视频，生成第二留言数据，其中，所述第二留言数据的指定接收对象为发起所述第一留言数据的用户。

在其中一个实施例中，在采集预设场景的视频图像，对所述视频图像进行图像识别，得到图像识别结果之前，所述方法还包括：

响应于用户录制的所述音频或者视频，生成所述第一留言数据，并设置所述第一留言数据的指定接收对象和播放模式；

将所述第一留言数据上传至服务器进行保存。

第二方面，本申请还提供了一种终端，包括：

图像采集模块，用于采集预设场景的视频图像；

图像处理模块，耦合至所述图像采集模块，用于对所述视频图像进行图像识别，得到图像识别结果；

控制模块，耦合至所述图像处理模块，用于在所述图像识别结果满足预设条件的情况下，获取第一留言数据，其中，所述第一留言数据根据预先录制的音频或者视频生成，所述预设条件包括所述预设场景中存在所述第一留言数据的指定接收对象；

播放模块，耦合至所述控制模块，用于播放所述第一留言数据。

第三方面，本申请还提供了一种信息处理系统，包括：服务器和上述第二方面所述的终端，所述服务器与所述终端通信连接，所述服务器存储有所述终端采集的音频或者视频。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的信息处理方法的步骤。

上述信息处理方法、终端、信息处理系统和存储介质，通过采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果；在图像识别结果满足预设条件的情况下，获取第一留言数据，并播放第一留言数据，其中，第一留言数据根据预先录制的音频或者视频生成，预设条件包括预设场景中存在第一留言数据的指定接收对象，解决了相关技术中的摄像头留言需要依赖智能终端的问题，实现了摄像头不依赖智能终端也能进行留言的有益效果。

附图说明

图1为一个实施例中信息处理系统的结构框图一；

图2为一个实施例中第一终端的内部结构示意图；

图3为一个实施例中信息处理系统的结构框图二；

图4为一个实施例中信息处理方法的流程示意图一；

图5为一个实施例中信息处理方法的流程示意图二。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的信息处理方法，可以应用于如图1所示的应用环境中。图1提供了一种信息处理系统，包括第一终端100和服务器200，第一终端100通过网络与服务器200进行通信，第一终端100可以是摄像头、智能音箱或者集成有摄像头与智能音箱的装置，服务器200可以用独立的服务器或者是多个服务器组成的服务器集群来实现，第一终端100能够采集音频或者视频，并将音频或者视频上传至服务器200进行存储。

进一步的，图2提供了第一终端100的内部结构示意图，第一终端100包括：图像采集模块101，用于采集预设场景的视频图像；图像处理模块102，耦合至图像采集模块101，用于对视频图像进行图像识别，得到图像识别结果；控制模块103，耦合至图像处理模块102，用于在图像识别结果满足预设条件的情况下，获取第一留言数据，其中，第一留言数据根据预先录制的音频或者视频生成，预设条件包括预设场景中存在第一留言数据的指定接收对象；播放模块104，耦合至控制模块103，用于播放第一留言数据。

可选地，图像采集模块101包括：匹配单元，用于将识别得到的当前人脸图像和预设人脸图像进行匹配；第一获取单元，用于在当前人脸图像匹配上预设人脸图像的情况下，获取与预设人脸图像关联的身份标识。

可选地，图像采集模块101还包括：第二获取单元，用于获取保存第一留言数据的生效时间范围；执行单元，用于在生效时间范围内，执行采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果的步骤。

可选地，播放模块104包括：响应单元，用于响应用户输入的指令，在本地或者与用户关联的终端播放第一留言数据。

可选地，第一终端100还包括：第一发送模块，用于发送回执消息至第一终端，其中，第一终端与发起第一留言数据的用户关联；和/或，第一留言模块，用于响应当前用户录制的音频或者视频，生成第二留言数据，其中，第二留言数据的指定接收对象为发起第一留言数据的用户。

可选地，第一终端100还包括：第二留言模块，用于响应用户录制的音频或者视频，生成第一留言数据，并设置第一留言数据的指定接收对象和播放模式；第二发送模块，用于将第一留言数据上传至服务器进行保存。

上述第一终端100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，图3提供了另一种信息处理系统，在图1的基础上，信息处理系统还包括第二终端300，第二终端300可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等，便携式可穿戴设备可为智能手表、智能手环、头戴设备等。在本实施例中，第二终端300分别与第一终端100和服务器200通信连接，第二终端300能够与第一终端100进行交互，第二终端300也能够配置第一终端100的属性，第二终端300还能够采集第一留言数据，并将第一留言数据上传至服务器200进行存储。

在一个实施例中，如图4所示，提供了一种信息处理方法，以该方法应用于图1至图3任一示意图中的第一终端100为例进行说明，包括以下步骤：

步骤101，采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果。

预设场景可以是客厅、办公室、会议室、或者教室，第一终端100可以是安置在预设场景中的摄像头、智能音箱或者集成有摄像头与智能音箱的装置。第一终端100除了执行视频监控的任务，还具备语音回放功能，可选地，第一终端100也可以具备视频回放功能。第一终端100内置图像处理芯片，能够对采集的视频图像进行图像识别，得到的图像识别结果包括人脸图像。进一步地，第一终端100可以通过如下步骤执行图像识别任务：第一终端100将识别得到的当前人脸图像和预设人脸图像进行匹配；在当前人脸图像匹配上预设人脸图像的情况下，获取与预设人脸图像关联的身份标识。可选地，预设人脸图像可以由第一终端100直接在本地采集人脸图像并进行图像识别后生成，也可以先由第二终端300采集人脸图像并进行图像识别后，再将识别得到的人脸图像导入第一终端100，得到预设人脸图像。每一张预设人脸图像都可以绑定一个或者多个身份标识，例如预设人脸图像A的身份标识分别为“张三”、“爸爸”、“丈夫”，预设人脸图像B的身份标识分别为“小明”、“儿子”、“孙子”。

步骤102，在图像识别结果满足预设条件的情况下，获取第一留言数据，并播放第一留言数据。

第一留言数据根据预先录制的音频或者视频生成，预设条件包括预设场景中存在第一留言数据的指定接收对象。其中，第一留言数据具体可以通过以下可选方式生成。

留言方式一：由第一终端100直接在本地录制音频或者视频，生成第一留言数据，并将第一留言数据上传至服务器200进行存储。

留言方式二：先在第二终端300登录客户端，第二终端300基于该客户端与第一终端100进行交互，当第二终端300录制好音频或者视频生成第一留言数据后，第二终端300将第一留言数据上传至服务器200进行存储。

可选地，第一终端100具备语音识别功能，用户可以通过语音唤醒方式使用留言功能。示例性地，在一个家庭中，摄像头安装在客厅里，爸爸张三走到摄像头旁边，通过预设的唤醒词唤醒摄像头，摄像头启动音频录制，并提示张三留言的指定接收对象，张三通过语音输入的方式选择小明为该留言的指定接收对象，摄像头接收张三输入的语音指令，将录制的音频和身份标识“儿子”、“小明”关联。摄像头会在客厅里启动图像识别，将识别得到的当前人脸图像和预设人脸图像进行匹配，在当前人脸图像匹配上小明的人脸图像的情况下，摄像头在服务器200中检索与小明的人脸图像绑定的身份标识，并根据该身份标识获取张三录制的音频，摄像头便会播放该音频。

通过上述步骤S101至S102，降低留言播放对智能终端的依赖，确保未持有智能终端的用户群体的留言需求也能得到满足。留言人给指定接收人完成留言后，当该接收人出现在第一终端100预览画面内时，第一终端100播放该留言，让留言信息不再与智能终端强绑定，解决了第一终端100需要依赖智能终端的问题。

相关技术中，留言信息依赖智能终端进行播放，当智能终端不在接收人身边时，留言信息无法及时传递给接收人；接收人通过手机或是其他智能终端确认留言信息，若留言接收时间和接收人回家的时间间隔较长时，接收人可能会遗忘留言人通过留言信息安排的待完成事项。因此无法确保所有留言信息的时效性。为解决该问题，在一个实施例中，第一终端100从服务器200获取保存第一留言数据的生效时间范围；在生效时间范围内，第一终端100执行采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果的步骤。示例性地，张三录制的音频在服务器200存储的时间范围为1天，则在这一天内，第一终端100将启动针对该留言的图像识别功能，过了这一天，第一终端100将关闭针对该留言的图像识别功能。如此设置，在留言生效时间段内，当指定接收对象出现在第一终端100的预览画面内时，第一终端100就播放留言，确保留言的时效性。

在一个实施例中，给出了另一种第一终端100播放留言所需满足的预设条件，该预设条件还包括：第一留言数据的指定接收对象在视频图像中出现的时长达到第一阈值。或者，第一留言数据的指定接收对象在视频图像中出现的次数达到第二阈值。如此设置，保证第一终端100对于图像识别结果的稳定性和可靠性。

在一个实施例中，第一留言数据的播放模式包括公开播放模式或者私密播放模式，其中，在第一留言数据被配置为私密播放模式的情况下，播放第一留言数据包括：响应于用户输入的指令，在本地或者与用户关联的终端播放第一留言数据。示例性地，当第一终端100识别得到的人脸图像还存在除指定接收对象以外的其他人员时，若其他人的人脸图像已经预先录入数据库，则代表其他人属于家庭成员，若其他人的人脸图像未预先录入数据库，则代表其他人属于非家庭成员。在第一留言数据被配置为公开播放的情况下，无论预设场景是否存在非家庭成员，第一终端100都会主动播放音频或者视频，省去由指定接收对象进行手动播放的步骤，提高留言信息传递的便捷性。在第一留言数据被配置为私密播放的情况下，当预设场景存在非家庭成员时，第一终端100不会立即播放留言，而是给出提示，由指定接收对象确认留言播放模式，确保留言信息的私密性。

在一个实施例中，在播放第一留言数据之后，第一终端100还将发送回执消息至第一终端，其中，第一终端与发起第一留言数据的用户关联，回执消息用于通知留言发起用户，第一终端100已播放第一留言数据，即该第一留言数据已被指定接收对象接收。进一步地，第一终端100还将响应于当前用户录制的音频或者视频，生成第二留言数据，其中，第二留言数据的指定接收对象为发起第一留言数据的用户，即第一留言数据的指定接收对象确认留言信息后，也可以通过第一终端100选择给留言人进行留言，实现双向留言。

在一个实施例中，在第一终端100采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果之前，第一终端100响应于用户录制的音频或者视频，生成第一留言数据，并设置第一留言数据的指定接收对象和播放模式；将第一留言数据上传至服务器进行保存。以下将给出其他具体的留言方式。

留言方式三：由第一终端100直接在本地录制音频或者视频，生成第一留言数据，并将第一留言数据上传至服务器200进行存储，第一终端100直接在本地接收用户输入的配置信息，配置信息用于配置第一留言数据的播放模式，包括公开播放或者私密播放。

留言方式四：先在第二终端300登录客户端，第二终端300基于该客户端与第一终端100进行交互，当第二终端300录制好音频或者视频生成第一留言数据后，第二终端300将第一留言数据上传至服务器200进行存储，并配置第一留言数据的播放模式，包括公开播放或者私密播放，并将第一留言数据的配置信息通过客户端发送至第一终端100。

在一个实施例中，如图5所述，提供了另一种信息处理方法，以该方法应用于图1至图3任一示意图中的第一终端100为例进行说明，包括以下步骤：

步骤S201，设置家庭成员人脸库，配置摄像头属性。

可设置家庭成员人脸库，通过智能终端上的客户端对人脸库进行维护，每个人脸可以绑定多个名称；设置摄像头属性，包括识别时间和识别次数，即摄像头预览画面内的接收人出现时间达到指定时间或出现次数达到指定次数后，摄像头进行留言播放。

步骤S202，留言人进行留言，选择指定接收人，并设置留言属性，完成留言后摄像头自动将留言上传至云端保存。

留言人可通过语音唤醒摄像头进行留言，也可在智能终端上的客户端进行留言，完成留言后系统提示留言人设定留言属性(公开/私密)以及留言生效时间，完成留言后摄像头将留言上传至云端保存。公开属性的留言在摄像头完成识别后由摄像头主动播放。私密属性的留言仅当画面中只存在指定接收人一人时进行播放，播放前由接收人确认播放方式，可选择由摄像头播放，由摄像头发送至接收人的智能终端播放，也可选择延迟播放并设定提醒时间。

步骤S203，摄像头在工作时间段内开启人脸和场景识别功能，当画面内出现指定接收人时，摄像头根据留言属性选择留言播放方式。

根据云端保存的留言的生效时间，摄像头在对应时间段内开启人脸和场景识别功能，摄像头识别到画面内存在指定接收人，且该接收人在画面内出现时间到达预先设置的识别时间或出现次数到达预先设置的识别次数时，摄像头会在云端中检索出留言内容中存在与该人脸绑定的名称的留言，再根据留言属性判断主动播放留言还是由接收人确认留言播放方式。当摄像头预览画面内存在指定接收人且存在未录入人脸库的陌生人时，不播放任何留言，但给出提示，由接收人确认留言播放方式。

步骤S204，留言播放完成后，留言人的智能终端会收到留言已完成播放的消息，接收人可以选择给留言人进行留言，实现双向留言。

留言播放完成之后，摄像头会给留言人的智能终端发送留言已完成播放的消息。接收人确认留言消息后，也可选择给留言人进行留言，留言步骤与步骤S202一致，实现双向留言。

通过上述步骤S201至S204，降低留言播放对智能终端的依赖，确保未持有智能终端的用户群体的留言需求也能得到满足。留言人给指定接收人完成留言后，在留言生效时间段内，当该接收人出现在摄像头预览画面内时，摄像头播放该留言，让留言信息不再与智能终端强绑定，同时也能够确保留言信息的时效性。留言人在录制留言之前可以设定留言属性(私密/公开)，摄像头的预览画面内识别到接收人时，公开属性的留言将主动播放，省去由接收人进行手动播放的步骤，提高留言信息传递的便捷性。而私密属性的留言仅当画面中只存在指定接收人一人时进行播放，播放前由接收人确认播放方式，确保留言内容的私密性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果；

在图像识别结果满足预设条件的情况下，获取第一留言数据，并播放第一留言数据，其中，第一留言数据根据预先录制的音频或者视频生成，预设条件包括预设场景中存在第一留言数据的指定接收对象。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将识别得到的当前人脸图像和预设人脸图像进行匹配；

在当前人脸图像匹配上预设人脸图像的情况下，获取与预设人脸图像关联的身份标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取保存第一留言数据的生效时间范围；

在生效时间范围内，执行采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果的步骤。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

响应于用户输入的指令，在本地或者与用户关联的终端播放第一留言数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

发送回执消息至第一终端，其中，第一终端与发起第一留言数据的用户关联；和/或，

响应于当前用户录制的音频或者视频，生成第二留言数据，其中，第二留言数据的指定接收对象为发起第一留言数据的用户。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

响应于用户录制的音频或者视频，生成第一留言数据，并设置第一留言数据的指定接收对象和播放模式；

将第一留言数据上传至服务器进行保存。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果；

在图像识别结果满足预设条件的情况下，获取第一留言数据，并播放第一留言数据，其中，第一留言数据根据预先录制的音频或者视频生成，预设条件包括预设场景中存在第一留言数据的指定接收对象。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将识别得到的当前人脸图像和预设人脸图像进行匹配；

在当前人脸图像匹配上预设人脸图像的情况下，获取与预设人脸图像关联的身份标识。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取保存第一留言数据的生效时间范围；

在生效时间范围内，执行采集预设场景的视频图像，对视频图像进行图像识别，得到图像识别结果的步骤。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

响应于用户输入的指令，在本地或者与用户关联的终端播放第一留言数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

发送回执消息至第一终端，其中，第一终端与发起第一留言数据的用户关联；和/或，

响应于当前用户录制的音频或者视频，生成第二留言数据，其中，第二留言数据的指定接收对象为发起第一留言数据的用户。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

响应于用户录制的音频或者视频，生成第一留言数据，并设置第一留言数据的指定接收对象和播放模式；

将第一留言数据上传至服务器进行保存。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。