[發明專利]視頻流的生成方法、裝置、設備及存儲介質

有效

• 申請號: 202011643811.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112788278B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 曹璨;李崢;戴寧;姜俊;王昕;魏建強;付明鑫
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: H04N7/15
• 分類號: H04N7/15;H04N23/67;G10L21/0208;H04L65/403;H04L65/60;H04L65/80
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王萌

本公開公開了一種視頻流的生成方法、裝置、設備及存儲介質，涉及語音技術領域、視頻處理技術領域、計算機視覺技術領域和深度學習技術領域。具體實現方案為：當監測到語音數據時，確定與語音數據對應的第一發言用戶；控制預設攝像頭對焦第一發言用戶拍攝第一視頻幀圖像，并采集第一發言用戶的第一發言數據；對第一發言數據中的噪音數據進行去噪處理，得到第一目標數據；根據第一目標數據和第一視頻幀圖像生成視頻流。由此，在視頻流傳輸場景下，聚焦發言人進行視頻幀圖像的拍攝，并且抑制非發言人的噪音，提高了視頻流的質量，滿足了多種場景下的視頻需求。

技術領域

本公開涉及語音技術領域、視頻處理技術領域、計算機視覺技術領域和深度學習技術領域，尤其涉及一種視頻流的生成方法、裝置、設備及存儲介質。

背景技術

隨著計算機技術的發展，基于計算機技術的視頻場景也越發普遍，比如，在室內視頻會議，或者是在室外視頻會議等。

相關技術中，對于室內的多人視頻會議，兩地溝通需要極強紐帶和感知度，傳統設備有背景噪音和人聲干擾，且攝像頭不好聚焦難定位主要發言人。對于室外的大廳、車站、開放空間的音視頻通訊，會有背景嘈雜、人聲干擾，不便會議。

發明內容

本公開提供了一種視頻流的生成方法、裝置、設備及存儲介質，實現了在視頻流傳輸場景下，聚焦發言人進行視頻幀圖像的拍攝，并且抑制非發言人的噪音，提高了視頻流的質量，滿足了多種場景下的視頻需求。

根據本公開的一方面，提供了一種視頻流的生成方法，包括：當監測到語音數據時，確定與所述語音數據對應的第一發言用戶；控制預設攝像頭對焦所述第一發言用戶拍攝第一視頻幀圖像，并采集所述第一發言用戶的第一發言數據；對所述第一發言數據中的噪音數據進行去噪處理，得到第一目標數據；根據所述第一目標數據和所述第一視頻幀圖像生成視頻流。

根據本公開的另一方面，提供了一種視頻流的生成裝置，包括：確定模塊，用于當監測到語音數據時，確定與所述語音數據對應的第一發言用戶；拍攝模塊，用于控制預設攝像頭對焦所述第一發言用戶拍攝第一視頻幀圖像，并采集所述第一發言用戶的第一發言數據；采集模塊，用于對所述第一發言數據中的噪音數據進行去噪處理，得到第一目標數據；去噪模塊，用于對所述第一發言數據中的噪音數據進行去噪處理，得到第一目標數據；生成模塊，用于根據所述第一目標數據和所述第一視頻幀圖像生成視頻流。

本公開的根據本公開的又一方面，提供了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述實施例所描述的視頻流的生成方法。

根據本公開的再一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行上述實施例所描述的視頻流的生成方法。

根據本公開的還一方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現上述實施例所描述的視頻流的生成方法。

本公開的實施例，至少具備如下附加的技術效果：

當監測到語音數據時，確定與語音數據對應的第一發言用戶，控制預設攝像頭對焦第一發言用戶拍攝第一視頻幀圖像，并采集第一發言用戶的第一發言數據，進而，對第一發言數據中的噪音數據進行去噪處理，得到第一目標數據，最后，根據第一目標數據和第一視頻幀圖像生成視頻流。由此，在視頻流傳輸場景下，聚焦發言人進行視頻幀圖像的拍攝，并且抑制非發言人的噪音，提高了視頻流的質量，滿足了多種場景下的視頻需求。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：