龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：广东德远科技股份有限公司
申请日：2024-02-22
公开（公告）日：2024-06-28
公开（公告）号：CN118264906A
主分类号：H04N23/67
分类号：H04N23/67;H04N7/15
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明涉及音频处理与通信技术领域，具体为一种用于远程视频会议的声源定位方法及系统，包括以下步骤：基于会议室环境，采用全向麦克风阵列，进行声音信号捕获，并进行多维数据格式化，生成多维声音数据。本发明中，全向麦克风阵列和多维数据格式化能够准确捕获会议室声音。梅尔频率倒谱系数算法提高声音特征提取效率，确保数据质量和可用性。最小方差无失真响应算法增强目标声源，提升清晰度和定位准确性。结合高斯混合模型和深度信念网络，实现声源识别和定位。到达时间差和到达角度差算法提高定位精确度。图像处理技术和焦点跟踪自动调整视频画面，使焦点始终在当前发言者上，提升视频会议用户体验和互动性。
主权项：1.一种用于远程视频会议的声源定位方法，其特征在于，包括以下步骤：基于会议室环境，采用全向麦克风阵列，进行声音信号捕获，并进行多维数据格式化，生成多维声音数据；基于所述多维声音数据，采用梅尔频率倒谱系数算法，进行特征提取，并进行声音特性编码，生成声音特征数据；基于所述声音特征数据，采用最小方差无失真响应算法，进行声源方向集中处理，生成定向声音信号；基于所述定向声音信号，采用高斯混合模型和深度信念网络，进行声源识别和定位，并进行模型匹配，生成声源识别与定位信息；基于所述声源识别与定位信息，采用到达时间差和到达角度差算法，进行精确定位，并进行三维坐标转换，生成3D声源坐标；基于所述3D声源坐标，采用图像处理技术，进行视频画面智能调整，并进行焦点跟踪，生成优化的会议视频画面；所述多维声音数据具体包括多方向的声音强度和频率信息，所述声音特征数据具体为对声音信号的频率、幅度进行编码的特征集，所述定向声音信号具体指目标声源方向增强输出声音信号，所述声源识别与定位信息包括声源身份与空间位置坐标，所述优化的会议视频画面具体为根据声源位置自动调整的、以发言者为中心的视频画面。
全文数据：
权利要求：
百度查询： 广东德远科技股份有限公司 一种用于远程视频会议的声源定位方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号