[发明专利]基于行为识别的语音定位方法以及装置

权利要求书

1.一种基于行为识别的语音定位方法，其特征在于，所述方法包括：

信号采集步骤，在接收到特定语音信号时，获取接收特定语音信号的时间信息，以及视频采集设备在所述时间信息对应时间段采集的视频信号；

行为特征匹配步骤，分析所述视频信号中的N个用户行为特征，并将N个用户行为特征与预设的标准行为特征进行匹配，得到匹配结果；

发言人确定步骤，若根据匹配结果确定所述N个用户行为特征中包含发言行为特征，将视频信号中与发言行为特征对应的用户作为发言人；

发言位置定位步骤，分析视频信号中发言人所在场地中的位置，确定发言人所在场地中的发言位置，控制音/视频采集设备对准所述发言人所在场地中的发言位置。

2.如权利要求1所述的方法，其特征在于，所述信号采集步骤，包括：

采集第一音频信号；

提取所述第一音频信号中的第一语音特征；

将所述第一语音特征与预设的关键语音特征模型中的关键语音特征进行匹配；

将匹配到所述关键语音特征的第一语音特征作为特定语音信号。

3.如权利要求1所述的方法，其特征在于，所述行为特征匹配步骤，包括：

分析所述视频信号中的N个用户行为特征，并将N个用户行为特征与预设的标准行为特征进行匹配；

若判断所述N个用户行为特征中包含与预设的标准行为特征的特征匹配度大于或等于预设匹配度的用户行为特征，将大于或等于预设匹配度的用户行为特征作为发言行为特征，所述匹配结果为N个用户行为特征中包含发言行为特征；

若所述N个用户行为特征与预设的标准行为特征的特征匹配度均小于预设匹配度，所述匹配结果为N个用户行为特征中不包含发言行为特征。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述视频信号中的场地位置与实际场地位置的比例；

根据所述比例将视频信号中的场地位置与实际场地位置进行位置映射；

对进行位置映射后的视频信号中的场地位置进行区域划分，确定视频信号中每个区域与实际场地中对应区域的位置标识。

5.如权利要求4所述的方法，其特征在于，所述发言位置定位步骤中，分析视频信号中所述发言人所在场地中的位置包括：

分析所述发言人在视频信号中的区域；

确定所述发言人在视频信号中的区域对应的位置标识。

6.如权利要求5所述的方法，其特征在于，所述发言位置定位步骤中确定所述发言人所在场地中的发言位置，包括：

将所述发言人在视频信号中的区域对应的位置标识作为发言位置标识；

将发言位置标识对应的区域作为发言位置，控制音/视频采集设备对准所述发言位置标识在实际场地中的对应区域。

7.如权利要求1所述的方法，其特征在于，所述音/视频采集设备包括至少一个麦克风。

8.如权利要求7所述的方法，其特征在于，所述发言位置定位步骤包括：

根据发言位置，确定发言人与麦克风之间的距离；

根据所述距离，调节麦克风的音频采集音强。

9.如权利要求1所述的方法，其特征在于，所述发言位置定位步骤包括：

在确定所述发言人所在场地中的发言位置后，控制音/视频采集设备跟踪对准所述发言位置。

10.如权利要求1所述的方法，其特征在于，所述方法包括：

在确定发言结束后，将所述音/视频采集设备复位。

11.如权利要求10所述的方法，其特征在于，所述确定发言结束包括：

获取音/视频采集设备采集的第二音频信号；

提取所述第二音频信号中的第二语音特征；

若所述第二语音特征确定满足预设的结束语特征条件，确定发言结束。