[发明专利]视频会议的人脸辨识方法、服务器及计算机可读存储介质

权利要求书

1.一种视频会议的人脸辨识方法，应用于一视频会议装置或一视频会议服务器中，其特征在于，包括：

判断是否曾经取得本地端的第一使用者的三维人体模型；

若曾经取得所述第一使用者的三维人体模型，则从历史数据库中取得所述第一使用者的第一三维人体模型；

根据所述第一使用者的发声取得多个音频讯框，并自所述多个音频讯框过滤出声音频率在特定范围内的多个第一音频讯框；

计算产生所述多个第一音频讯框的包络曲线，并计算所述包络曲线中的多段起音时间与多段释音时间；

根据所述包络曲线的振幅决定所述第一使用者的嘴唇的张开大小，根据每一段起音时间决定所述嘴唇的张开速度，以及根据每一段释音时间决定所述嘴唇的闭合速度；

根据所述第一使用者的嘴唇的所述张开大小、所述张开速度与所述闭合速度，动态校准所述第一使用者的唇形张开幅度；以及

将校准封包信息、所述第一使用者的头部转动的影像讯息及肢体摆动的影像讯息传送给远程的第二使用者，使得所述三维人体模型根据所述校准封包信息、所述头部转动的影像讯息及所述肢体摆动的影像讯息于所述远程仿真出相应所述第一使用者的唇形与动作。

2.如权利要求1所述的视频会议的人脸辨识方法，其特征在于，所述动态校准操作还包括：

以所述三维人体模型的唇形的宽度的最大值为基本单位，实时侦测所述第一使用者的发声的包络曲线；以及

计算所述包络曲线中，超过门坎峰值的唇部的影像像素在嘴唇闭合状态下的宽度与所述最大值的百分比值。

3.如权利要求2所述的视频会议的人脸辨识方法，其特征在于，所述动态校准操作还包括：

将所述唇形的宽度与高度以及对应所述第一使用者的发声的包络的时戳打包并传送给所述远程的所述第二使用者。

4.如权利要求1所述的视频会议的人脸辨识方法，其特征在于，还包括：

实时侦测所述第一用户是否发生无语音但唇型发生变化的例外事件；以及

若发生所述例外事件，将所述例外事件中的例外唇型讯息传送至所述远程，使得所述三维人体模型仿真出相应所述第一使用者的唇型。

5.一种视频会议服务器，其包括存储媒体、处理器及存储在所述存储媒体上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时执行以下步骤：

判断是否曾经取得本地端的一第一使用者的三维人体模型；

若曾经取得所述第一使用者的三维人体模型，则从一历史数据库中取得所述第一使用者的一第一三维人体模型；

根据所述第一使用者的发声取得多个音频讯框，并自所述多个音频讯框过滤出声音频率在一特定范围内的多个第一音频讯框；

计算产生所述多个第一音频讯框的一包络曲线，并计算所述包络曲线中的多段起音时间与多段释音时间；

根据所述包络曲线的振幅决定所述第一使用者的嘴唇的张开大小，根据每一段起音时间决定所述嘴唇的张开速度，以及根据每一段释音时间决定所述嘴唇的闭合速度；

根据所述第一使用者的嘴唇的所述张开大小、所述张开速度与所述闭合速度，动态校准所述第一使用者的唇形张开幅度；以及

将校准封包信息、所述第一使用者的头部转动的影像讯息及肢体摆动的影像讯息传送给远程的一第二使用者，使得所述三维人体模型根据所述校准封包信息、所述头部转动的影像讯息及所述肢体摆动的影像讯息于所述远程仿真出相应所述第一使用者的动作。

6.如权利要求5所述的视频会议服务器，其特征在于，所述计算机程序被所述处理器执行时还执行以下步骤：

以所述三维人体模型的唇形的宽度的最大值为基本单位，实时侦测所述第一使用者的发声的包络曲线；以及

计算所述包络曲线中，超过门坎峰值的唇部的影像像素在嘴唇闭合状态下的宽度与所述最大值的百分比值。

7.如权利要求6所述的视频会议服务器，其特征在于，所述计算机程序被所述处理器执行时还执行以下步骤：

将所述唇形的宽度与高度以及对应所述第一使用者的发声的包络的时戳打包并传送给所述远程的所述第二使用者。