[發(fā)明專利]低碼流的視頻會(huì)議系統(tǒng)及方法、發(fā)送端設(shè)備、接收端設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201210480773.5
• 申請(qǐng)日: 2012-11-23
• 公開（公告）號(hào): CN103841358B
• 公開（公告）日: 2017-12-26
• 發(fā)明（設(shè)計(jì)）人: 李霞;付賢會(huì);張凱;修巖
• 申請(qǐng)（專利權(quán)）人: 中興通訊股份有限公司
• 主分類號(hào): H04N7/15
• 分類號(hào): H04N7/15;H04N7/14
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司11270
• 代理人: 蔣雅潔,張穎玲

技術(shù)領(lǐng)域

本發(fā)明涉及多媒體通信領(lǐng)域，尤其涉及一種低碼流的視頻會(huì)議系統(tǒng)及低碼流的視頻會(huì)議數(shù)據(jù)傳輸方法、發(fā)送端設(shè)備、接收端設(shè)備。

背景技術(shù)

視頻會(huì)議系統(tǒng)用于召開遠(yuǎn)程、多點(diǎn)及實(shí)時(shí)的會(huì)議，實(shí)現(xiàn)多點(diǎn)之間視頻和聲音的傳輸和交互。視頻會(huì)議系統(tǒng)主要由終端和微控制單元(MCU，MicroControllerUnit)組成。在一個(gè)小型的視頻會(huì)議系統(tǒng)中，通常由多個(gè)終端集中連接至一個(gè)MCU上，組成星型拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)。終端是用戶端設(shè)備，配有顯示器、攝像機(jī)、揚(yáng)聲器、麥克風(fēng)等多媒體部件；MCU是系統(tǒng)端設(shè)備，集中對(duì)各終端的多媒體信息進(jìn)行交換和處理。

視頻會(huì)議系統(tǒng)，可以說是集網(wǎng)絡(luò)、視頻和音頻為一體的系統(tǒng)，對(duì)網(wǎng)絡(luò)要求非常高。網(wǎng)絡(luò)帶寬實(shí)際上是整個(gè)視頻會(huì)議的基礎(chǔ)，其在視頻會(huì)議中的使用也比較復(fù)雜，因?yàn)椴煌男枨螽a(chǎn)生不同的帶寬要求。比如，參會(huì)人的多少，發(fā)言人的多少，圖像的大小，很多用戶希望盡可能采用大分辨率的圖像，640×480的分辨率和320×240的分辨率比，數(shù)據(jù)量要增大4倍，20個(gè)會(huì)場(chǎng)和10個(gè)會(huì)場(chǎng)比數(shù)據(jù)量也大一倍。很多會(huì)議需要使用屏幕共享來給分公司，盡管這個(gè)功能非常的有價(jià)值，不過一個(gè)1024×768的屏幕是一個(gè)很大的圖像，產(chǎn)生的流量也很大。因此如果沒有足夠的帶寬，我們看到的視頻會(huì)出現(xiàn)抖動(dòng)，聽到的聲音會(huì)有雜音，使整個(gè)視頻會(huì)議不能正常進(jìn)行。目前很多企業(yè)都采用了專線網(wǎng)絡(luò)，基本上能夠保證視頻會(huì)議系統(tǒng)需要的網(wǎng)絡(luò)帶寬，但專線成本很高。

綜上所述，視頻數(shù)據(jù)的傳輸會(huì)占用大量帶寬，而且想要得到最佳的顯示效果，傳輸?shù)囊曨l數(shù)據(jù)的分辨率就越高，從而導(dǎo)致更多的帶寬被占用。針對(duì)傳輸視頻數(shù)據(jù)時(shí)帶寬被大量占用的問題，現(xiàn)有技術(shù)中沒有有效的解決方案。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的主要目的在于低碼流的視頻會(huì)議系統(tǒng)及方法、發(fā)送端設(shè)備、接收端設(shè)備，節(jié)約帶寬，從而使IP網(wǎng)絡(luò)的帶寬能滿足日益增長(zhǎng)的視頻會(huì)議業(yè)務(wù)需求。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種低碼流的視頻會(huì)議系統(tǒng)，該系統(tǒng)，用于在發(fā)送端獲取音頻數(shù)據(jù)和視頻數(shù)據(jù)并分別形成音頻特征映射和視頻特征映射，獲取局部動(dòng)態(tài)圖像；發(fā)送端傳輸音頻數(shù)據(jù)和局部動(dòng)態(tài)圖像到接收端，接收端根據(jù)從本端的音頻特征映射和視頻特征映射中提取的音頻特征、視頻特征及接收的所述局部動(dòng)態(tài)圖像整理合成出原始視頻數(shù)據(jù)并播放音頻數(shù)據(jù)。

其中，該系統(tǒng)包括：采集單元、識(shí)別單元、特征映射單元、發(fā)送單元、接收單元、特征提取比對(duì)單元、數(shù)據(jù)合成輸出單元；其中，

所述采集單元，用于采集音頻數(shù)據(jù)和視頻數(shù)據(jù)，將采集的音頻數(shù)據(jù)和視頻數(shù)據(jù)發(fā)送給識(shí)別單元；

所述識(shí)別單元，用于識(shí)別出發(fā)言者身份，對(duì)采集的音頻數(shù)據(jù)進(jìn)行語音識(shí)別并獲取音頻特征，對(duì)采集的視頻數(shù)據(jù)進(jìn)行圖像識(shí)別并獲取視頻特征和局部動(dòng)態(tài)圖像，將音頻特征、視頻特征和局部動(dòng)態(tài)圖像發(fā)送給特征映射單元；

所述特征映射單元，用于查詢是否已經(jīng)存在音頻特征映射和視頻特征映射，如果查詢不到，則根據(jù)所述音頻特征和所述視頻特征分別生成音頻特征映射和視頻特征映射；

所述發(fā)送單元，用于發(fā)送音頻數(shù)據(jù)和局部動(dòng)態(tài)圖像，音頻數(shù)據(jù)的編碼中攜帶所述發(fā)言者身份；

所述接收單元，用于接收音頻數(shù)據(jù)和局部動(dòng)態(tài)圖像；

所述特征提取比對(duì)單元，用于從音頻數(shù)據(jù)的編碼中提取出所述發(fā)言者身份，查詢已經(jīng)存在的音頻特征映射和視頻特征映射，根據(jù)所述發(fā)言者身份從音頻特征映射中提取出音頻特征，從視頻特征映射中提取出視頻特征；

所述數(shù)據(jù)合成輸出單元，用于采用提取出的視頻特征和接收的局部動(dòng)態(tài)圖像合成還原出原始視頻數(shù)據(jù)，并結(jié)合音頻特征輸出音頻數(shù)據(jù)和原始視頻數(shù)據(jù)。

其中，所述識(shí)別單元，進(jìn)一步用于識(shí)別出發(fā)言者身份和發(fā)言者當(dāng)前參與會(huì)議的會(huì)議號(hào)，由所述發(fā)言者身份和所述會(huì)議號(hào)形成身份識(shí)別碼，由所述身份識(shí)別碼標(biāo)識(shí)與采集的音頻數(shù)據(jù)和視頻數(shù)據(jù)對(duì)應(yīng)的身份特征；或者，僅由所述發(fā)言者身份標(biāo)識(shí)所述身份特征。

其中，所述特征映射單元，進(jìn)一步用于在發(fā)送端本地和網(wǎng)絡(luò)數(shù)據(jù)庫進(jìn)行所述查詢，在本地查詢到的情況，采用本地的音頻特征映射和視頻特征映射；在網(wǎng)絡(luò)數(shù)據(jù)庫查詢到的情況，從網(wǎng)絡(luò)數(shù)據(jù)庫下載音頻特征映射和視頻特征映射到本地；在本地和網(wǎng)絡(luò)數(shù)據(jù)庫都查詢不到的情況，在本地生成音頻特征映射和視頻特征映射。

其中，所述音頻特征映射由發(fā)言者身份和與所述發(fā)言者身份對(duì)應(yīng)的音頻特征組成；或者，所述音頻特征映射由身份識(shí)別碼和與所述身份識(shí)別碼對(duì)應(yīng)的音頻特征組成，所述身份識(shí)別碼由發(fā)言者身份和會(huì)議號(hào)形成。