我正在圍繞Kinect做一個項目。基本上，我有很多用戶的音頻文件數據庫。在語音識別中使用Kinect骨架ID
在這些用戶中，只有一個會站在Kinect前（在其範圍內）。 Kinect將跟蹤骨骼，給他一個身份證，並且我也設法只顯示被跟蹤的骨骼頭部。同時，我已經應用了語音識別代碼，因此用戶會根據這些關鍵詞說出關鍵詞和動作。 PS：僅當用戶的語音與數據庫中的某個音頻文件「匹配」時纔會發生這些操作。
好吧，迄今爲止這麼好。以上所有的工作都比較好。問題如下： 讓我們想象一個站在Kinect前面的用戶，一個「已驗證的用戶」，同時另一個用戶走進來，也進行了驗證，並說出了一個關鍵詞。 現在，當第二位用戶進入時，他將獲得一個骨架軌道ID。
有沒有一種方法可以將第一個骨架的軌道標識傳遞給語音識別代碼，以便在關鍵字僅由第一個用戶說出時根據其軌道ID進行操作 - ？
謝謝。
您可以使用音源角度來確定聲音來自何處。如果你有這些信息和用戶的骨架位置，你可以知道哪個用戶正在說話。請注意，這會爲您提供最響亮音頻的方向......假設您的用戶不在同一時間發言，這將很好。
https://msdn.microsoft.com/en-us/library/microsoft.kinect.kinectaudiosource.soundsourceangle.aspx
那是當然假設你使用的Kinect 1（SDK 1.8）......如果你使用的Kinect 2，你可以直接問是誰講的用戶的身體traking ID。只是要求AudioBeam一個框架，讓框架的，用於子幀和索要相關的子幀，那麼你有這樣的信息：
https://msdn.microsoft.com/en-us/library/microsoft.kinect.kinect.iaudiobodycorrelation.get_bodytrackingid.aspx https://msdn.microsoft.com/en-us/library/windowspreview.kinect.audiobodycorrelation.bodytrackingid.aspx