[發(fā)明專利]一種發(fā)言方的切換方法、裝置、終端設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011211123.1
• 申請(qǐng)日: 2020-11-03
• 公開（公告）號(hào): CN112468762A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 楊春暉;韓杰;王艷輝;張召
• 申請(qǐng)（專利權(quán)）人: 視聯(lián)動(dòng)力信息技術(shù)股份有限公司
• 主分類號(hào): H04N7/15
• 分類號(hào): H04N7/15;G06K9/00;G10L17/04;G10L21/0208;G10L25/24;H04L29/08
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 蘇培華

1.一種發(fā)言方的切換方法，其特征在于，應(yīng)用于視聯(lián)網(wǎng)會(huì)議管理系統(tǒng)中的會(huì)議管理服務(wù)器所述方法包括：

接收視聯(lián)網(wǎng)參會(huì)終端發(fā)送的緊急發(fā)言人的切換請(qǐng)求，其中，所述切換請(qǐng)求包括所述視聯(lián)網(wǎng)參會(huì)終端對(duì)應(yīng)的待發(fā)言人的優(yōu)先級(jí)標(biāo)識(shí)；

根據(jù)所述待發(fā)言人的優(yōu)先級(jí)標(biāo)識(shí)和預(yù)先設(shè)置的緊急發(fā)言人的優(yōu)先級(jí)標(biāo)識(shí)，確定與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端為緊急發(fā)言人角色；

在發(fā)言人角色的視聯(lián)網(wǎng)參會(huì)終端的個(gè)數(shù)等于預(yù)設(shè)發(fā)言人數(shù)量時(shí)，將與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端切換為所述緊急發(fā)言人角色，停止所述發(fā)言人角色的視聯(lián)網(wǎng)參會(huì)終端發(fā)言，并向與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端返回切換響應(yīng)，使得與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端進(jìn)行發(fā)言。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

在預(yù)設(shè)時(shí)間段內(nèi)，未接收到所述與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端發(fā)送的音視頻數(shù)據(jù)的情況下，則將所述與所述待發(fā)言人對(duì)應(yīng)的視聯(lián)網(wǎng)參會(huì)終端從緊急發(fā)言人區(qū)刪除。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述接收視聯(lián)網(wǎng)參會(huì)終端發(fā)送的緊急發(fā)言人的切換請(qǐng)求之前，所述方法還包括：

所述視聯(lián)網(wǎng)參會(huì)終端通過采集設(shè)備采集視頻流，其中，所述視頻流中包括所述待發(fā)言人的人臉圖像；

所述視聯(lián)網(wǎng)參會(huì)終端對(duì)所述視頻流進(jìn)行處理，提取出多幀視頻圖像；

所述視聯(lián)網(wǎng)參會(huì)終端根據(jù)所述多幀視頻圖像和預(yù)設(shè)的人臉識(shí)別模型，確定與所述待發(fā)言人對(duì)應(yīng)的人臉識(shí)別結(jié)果。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述視聯(lián)網(wǎng)參會(huì)終端根據(jù)所述多幀視頻圖像和預(yù)設(shè)的人臉識(shí)別模型，確定與所述待發(fā)言人對(duì)應(yīng)的人臉識(shí)別結(jié)果，包括：

所述視聯(lián)網(wǎng)參會(huì)終端通過所述預(yù)設(shè)的人臉識(shí)別模型對(duì)所述待發(fā)言人的人臉圖像進(jìn)行識(shí)別，得到第一圖像特征；

所述視聯(lián)網(wǎng)參會(huì)終端根據(jù)所述第一圖像特征和預(yù)設(shè)數(shù)據(jù)庫中發(fā)言人照片的第二圖像特征進(jìn)行對(duì)比；其中，所述預(yù)設(shè)數(shù)據(jù)庫包括所述發(fā)言人照片和基礎(chǔ)信息的對(duì)應(yīng)關(guān)系；

若所述第一圖像特征和所述第二圖像特征的比對(duì)率大于預(yù)設(shè)值，則根據(jù)所述預(yù)設(shè)數(shù)據(jù)庫確定與所述第一圖像特征對(duì)應(yīng)的基礎(chǔ)信息，所述基礎(chǔ)信息包括所述待發(fā)言人的姓名、年齡，性別、職務(wù)級(jí)別和職務(wù)級(jí)別的優(yōu)先級(jí)標(biāo)識(shí)中的至少一種。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述視聯(lián)網(wǎng)會(huì)議管理系統(tǒng)還包括人臉識(shí)別管理服務(wù)器，所述方法還包括：

預(yù)先將發(fā)言人照片和基礎(chǔ)信息保存在所述人臉識(shí)別管理服務(wù)器預(yù)設(shè)數(shù)據(jù)庫中；

所述人臉識(shí)別管理服務(wù)器將所述預(yù)設(shè)數(shù)據(jù)庫中的發(fā)言人照片和基礎(chǔ)信息發(fā)送至各個(gè)所述視聯(lián)網(wǎng)參會(huì)終端。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述接收視聯(lián)網(wǎng)參會(huì)終端發(fā)送的緊急發(fā)言人的切換請(qǐng)求之前，所述方法還包括：

所述視聯(lián)網(wǎng)參會(huì)終端將采集設(shè)備采集的初始聲源數(shù)據(jù)確定為人聲數(shù)據(jù)；

所述視聯(lián)網(wǎng)參會(huì)終端將采集設(shè)備采集的初始聲源數(shù)據(jù)確定為人聲數(shù)據(jù)，包括：

在所述視聯(lián)網(wǎng)參會(huì)終端進(jìn)入會(huì)議模式的情況下，所述視聯(lián)網(wǎng)參會(huì)終端通過所述采集設(shè)備獲取初始聲源數(shù)據(jù)；

所述視聯(lián)網(wǎng)參會(huì)終端對(duì)所述初始聲源數(shù)據(jù)中的噪聲進(jìn)行過濾，得到第一聲源數(shù)據(jù)；

所述視聯(lián)網(wǎng)參會(huì)終端對(duì)所述第一聲源數(shù)據(jù)進(jìn)行梅爾頻率倒譜計(jì)算，提取所述第一聲源數(shù)據(jù)中的語音信號(hào)特征參數(shù)；

所述視聯(lián)網(wǎng)參會(huì)終端將所述第一聲源數(shù)據(jù)中的語音信號(hào)特征參數(shù)輸入到預(yù)先訓(xùn)練好的高斯混合模型中，通過所述預(yù)先訓(xùn)練好的高斯混合模型對(duì)所述第一聲源數(shù)據(jù)是否為人聲數(shù)據(jù)進(jìn)行決策；其中，預(yù)先訓(xùn)練好的高斯混合模型是根據(jù)不同的會(huì)議室場(chǎng)景和參會(huì)人員的人聲數(shù)據(jù)訓(xùn)練得到的。