[發明專利]一種多媒體采集裝置和方法

有效

• 申請號: 201210283273.2
• 申請日: 2012-08-09
• 公開（公告）號: CN103581606B
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 孫敏剛;趙照
• 申請（專利權）人: 北京維鯨視界科技有限公司
• 主分類號: H04N7/14
• 分類號: H04N7/14;H04N7/15;H04N5/232;G10L15/06
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

本發明公開了一種多媒體采集裝置和方法，屬于多媒體領域。裝置包括：音頻采集單元，包括至少四個采集通道，用于采集發言者的發出的音頻信號；音頻分析單元，用于將采集到的發言者的音頻信號中的特征量在預置的語音模型中進行匹配分析，實時定位發言者的位置信息；視頻同步單元，用于根據發言者的位置信息實時調整攝像頭，從而使攝像頭采集含有發言者的視頻信號。本發明通過至少四通道對外部音場進行檢測采集，并基于語音模型對所得的音場環境中的當前發言者進行跟蹤，則得出發言者的相對位置并實時調整攝像頭進行音頻和視頻同步采集；且四個采集通道均衡設置，攝像頭轉動靈活，也通過多個通道擴大了音頻采集的范圍，從而采集立體效果的音頻質量。

技術領域

本發明涉及多媒體領域，尤其涉及一種多媒體采集裝置和方法。

背景技術

隨著傳感器技術、電子技術和信號處理技術的飛速發展，視頻會議已經成為公司之間交流通訊的最佳方式。采用視頻會議，可以實現與多人同時進行通訊，人們還可以面對面講話。在全球各地的辦公室和教育機構，視頻會議還能夠用于學習、培訓和與聯系人會面，不需要進行旅行。視頻會議不僅能夠節省電話費，而且通過取消旅行還有助于改善環境和減少業務開支中安排員工外出開會的旅差費。

目前的視頻會議系統往往將往往使用PTZ攝像機和音頻采集系統綜合使用，由PTZ攝像機的操控人控制攝像機擺動和變焦，從而捕捉發言者的特寫鏡頭，這樣遠程的與會者就能清楚地看到發言者。但畢竟需要人為操控PTZ攝像機，難免造成不便。

VCON公司的VoiceFinder是一種基于音頻定位技術的個人會議系統，將音頻采集裝置和攝像頭整合在一起，插在筆記本電腦或者PC機上即可使用，該設備采集發言者的音頻信息后，通過定位發言者位置調整攝像頭的朝向從而進行視頻采集。但由于該裝置為便攜式裝置，攝像頭的轉動角度只能在既定范圍內轉動，且音頻采集范圍也有限，造成音頻采集效果很差，往往帶有噪聲和回音。

發明內容

本發明的實施例提供了一種多媒體采集裝置和方法，通過至少四通道對外部音場進行檢測采集，根據所得的音場環境對當前發言者進行跟蹤，則得出發言者的相對位置并實時調整攝像頭進行視頻采集，從而使音頻和視頻同步進行采集。

本發明公開了一種多媒體采集裝置，包括：

音頻采集單元，包括至少四個采集通道，用于采集發言者的發出的音頻信號；所述各采集通道在幾何平面內均衡設置；

音頻分析單元，用于將采集到的發言者的音頻信號中的特征量在預置的語音模型中進行匹配分析，實時定位發言者的位置信息；

視頻同步單元，用于根據發言者的位置信息實時調整攝像頭，從而使攝像頭采集含有發言者的視頻信號。

優選的，所述預置的語音模型由以下單元構建：

音頻預處理單元，用于對各采集通道采集到的全體音頻信號進行降噪，并對降噪后音頻信號中的特征量進行量化；

音頻建模單元，用于對量化后的特征量進行建模，得到語音模型。

優選的，所述音頻預處理單元接收音頻采集單元采集的音頻信號，并將量化后的特征量發送至音頻建模單元。

優選的，所述語音模型存儲發言者的位移和各通道對應的音量值。

優選的，所述音頻分析單元結合各采集通道對應的音量值進行分析，基于音場均衡策略在語音模型中實時確定發言者的位置信息。

優選的，所述音頻采集單元中的各采集通道以攝像頭為中心對稱地進行設置。

本發明還公開了一種多媒體采集方法，包括至少四個采集通道，在幾何平面內均衡設置，還包括如下步驟：

各采集通道分別采集發言者的發出的音頻信號；