[發(fā)明專利]拾音靈敏度的調(diào)整方法、裝置

在審

• 申請?zhí)枺?/td>: 202010873943.0
• 申請日: 2020-08-26
• 公開（公告）號: CN112015364A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 宋波
• 申請（專利權(quán)）人: 廣州視源電子科技股份有限公司;廣州視睿電子科技有限公司
• 主分類號: G06F3/16
• 分類號: G06F3/16;G06K9/00;G01S5/18
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 周春枚

本申請公開了一種拾音靈敏度的調(diào)整方法、裝置。其中，該方法包括：確定麥克風(fēng)陣列檢測到的聲源位置；依據(jù)聲源位置，調(diào)整圖像采集裝置的拍攝角度；在圖像采集裝置在拍攝角度采集到多張人臉圖像的情況下，識別多張人臉圖像中的多個嘴唇；依據(jù)多個嘴唇的權(quán)重從多個嘴唇中確定目標(biāo)嘴唇；確定目標(biāo)嘴唇與麥克風(fēng)陣列的相對方位；依據(jù)相對方位調(diào)整麥克風(fēng)陣列的拾音靈敏度。本申請解決了相關(guān)技術(shù)中依靠麥克風(fēng)陣列定位技術(shù)和人臉識別檢測造成的無法準(zhǔn)確定位真正講話人，并調(diào)整該講話人對應(yīng)的方位拾音靈敏度的技術(shù)問題。

技術(shù)領(lǐng)域

本申請涉及拾音領(lǐng)域，具體而言，涉及一種拾音靈敏度的調(diào)整方法、裝置。

背景技術(shù)

相關(guān)技術(shù)中一般采用聲音識別加上人臉檢測定位講話人的位置，例如，采用麥克風(fēng)陣列確定聲源位置，再結(jié)合圖像采集裝置采集人臉信息，并通過人臉識別技術(shù)捕捉講話的人，但是由于在多人場合存在多張人臉，因此，在依靠麥克風(fēng)陣列初步確定聲源的位置后，再依靠人臉檢測技術(shù)存在無法準(zhǔn)確捕捉講話的人，即無法準(zhǔn)確定位真正講話人，并調(diào)整該講話人對應(yīng)的方位拾音靈敏度的技術(shù)問題。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本申請實施例提供了一種拾音靈敏度的調(diào)整方法、裝置，以至少解決相關(guān)技術(shù)中依靠麥克風(fēng)陣列定位技術(shù)和人臉識別檢測造成的無法準(zhǔn)確定位真正講話人，并調(diào)整該講話人對應(yīng)的方位拾音靈敏度的技術(shù)問題。

根據(jù)本申請實施例的一個方面，提供了一種拾音靈敏度的調(diào)整方法，包括：確定麥克風(fēng)陣列檢測到的聲源位置；依據(jù)聲源位置，調(diào)整圖像采集裝置的拍攝角度；在圖像采集裝置在拍攝角度采集到多張人臉圖像的情況下，識別多張人臉圖像中的多個嘴唇；依據(jù)多個嘴唇的權(quán)重從多個嘴唇中確定目標(biāo)嘴唇；確定目標(biāo)嘴唇與麥克風(fēng)陣列的相對方位；依據(jù)相對方位調(diào)整麥克風(fēng)陣列的拾音靈敏度。

可選地，依據(jù)多個嘴唇的權(quán)重從多個嘴唇中確定目標(biāo)嘴唇之前，方法還包括：獲取預(yù)定時長內(nèi)多個嘴唇的動作頻率，其中，預(yù)定時長為采集多張人臉圖像的當(dāng)前時刻之前的預(yù)定時長；依據(jù)動作頻率確定多個嘴唇對應(yīng)的權(quán)重。

可選地，依據(jù)動作頻率確定多個嘴唇對應(yīng)的權(quán)重，包括：動作頻率越大，嘴唇對應(yīng)的權(quán)重越大。

可選地，獲取預(yù)定時間段內(nèi)多個嘴唇的動作頻率之前，方法還包括：確定當(dāng)前的會議場景類型；確定與會議場景類型對應(yīng)的時長，并將與會議場景類型對應(yīng)的時長作為預(yù)定時長。

可選地，麥克風(fēng)陣列與圖像采集裝置位于同一方位；確定目標(biāo)嘴唇與麥克風(fēng)陣列的相對方位，包括：獲取目標(biāo)嘴唇與圖像采集裝置的相對位置；根據(jù)相對位置確定目標(biāo)嘴唇與圖像采集裝置的相對方位；將目標(biāo)嘴唇與圖像采集裝置的相對方位作為目標(biāo)嘴唇與麥克風(fēng)陣列的相對方位。

可選地，調(diào)整麥克風(fēng)陣列在相對方位上的拾音靈敏度，包括：調(diào)整麥克風(fēng)陣列的拾音角度，以采集來自相對方位的聲音；根據(jù)麥克風(fēng)陣列的拾音效果調(diào)整拾音角度，拾音效果包括以下之一：音量增大或音量減??；根據(jù)拾音效果確定拾音靈敏度。

可選地，根據(jù)拾音效果調(diào)整拾音靈敏度，包括：根據(jù)拾音效果調(diào)整麥克風(fēng)陣列的增益值，以調(diào)整拾音靈敏度。

可選地，根據(jù)拾音效果調(diào)整麥克風(fēng)陣列的增益值，包括：若聲音減小，則將拾音角度按照前一次調(diào)整方向的相反方向進(jìn)行調(diào)整，直到聲音增大；當(dāng)聲音增大，則調(diào)整增益值，若增益值未達(dá)到目標(biāo)增益值，則按照前一次調(diào)整方向的相同方向進(jìn)行調(diào)整，直至增益值達(dá)到目標(biāo)增益。

可選地，依據(jù)多個嘴唇的權(quán)重從多個嘴唇中確定目標(biāo)嘴唇，包括：確定多個嘴唇的權(quán)重的最大權(quán)重；將最大權(quán)重對應(yīng)的嘴唇作為目標(biāo)嘴唇。

根據(jù)本申請實施例的一個方面，提供了一種拾音靈敏度的調(diào)整方法，包括：在圖像采集裝置采集到多張人臉圖像的情況下，識別多張人臉圖像中的多個嘴唇；確定多個嘴唇的優(yōu)先級；依據(jù)多個嘴唇的優(yōu)先級調(diào)整麥克風(fēng)陣列的拾音靈敏度。