[发明专利]视频会议设备以及视频会议方法

权利要求书

1.一种视频会议设备，其特征在于，所述视频会议设备包括图像检测装置、音源检测装置和处理器，其中：

所述图像检测装置用以取得会议空间的会议图像；

所述音源检测装置用以检测所述会议空间的声音来源，并且输出对应于所述声音来源的定位信号；以及

所述处理器耦接所述图像检测装置以及所述音源检测装置，并且用以接收所述会议图像以及所述定位信号，以依据所述定位信号来选取在所述会议图像中对应于所述声音来源的第一子会议图像，

其中所述处理器对所述第一子会议图像进行人脸检测，以检测距离所述第一子会议图像的中心轴最近的人脸图像，其中所述处理器以所述人脸图像为图像中心来选取在所述会议图像中的第二子会议图像，并且输出所述第二子会议图像。

2.根据权利要求1所述的视频会议设备，其特征在于，所述处理器将所述第一子会议图像输入至神经网络模型，以辨识在所述第一子会议图像中的至少一人脸，并且所述处理器依据所述至少一人脸在所述第一子会议图像中的分布来决定距离所述第一子会议图像的所述中心轴最近的所述人脸图像。

3.根据权利要求2所述的视频会议设备，其特征在于，所述神经网络模型预先通过不同会议情境的多个参考会议图像进行训练，以至少用于辨识所述第一子会议图像中的任意对象是否为人脸。

4.根据权利要求1所述的视频会议设备，其特征在于，所述处理器判断所述人脸图像在所述第二子会议图像中是否大于第一图像范围阈值或小于第二图像范围阈值，以基于所述人脸图像为中心来执行图像缩放操作，并且输出经缩放的所述第二子会议图像。

5.根据权利要求4所述的视频会议设备，其特征在于，所述处理器耦接外部显示设备，并且所述第一图像范围阈值以及所述第二图像范围阈值依据所述外部显示设备的显示分辨率来决定。

6.根据权利要求1所述的视频会议设备，其特征在于，所述处理器还输出所述会议图像，以将所述第二子会议图像以及所述会议图像作为两个垂直分割画面来合并输出为当前会议画面。

7.根据权利要求1所述的视频会议设备，其特征在于，当所述音源检测装置检测到多个声音来源时，所述音源检测装置输出对应所述多个声音来源的多个定位信号至所述处理器，以使所述处理器依据所述多个定位信号来分别选取在所述会议图像中对应于所述多个声音来源的多个第一子会议图像，

其中所述处理器对所述多个第一子会议图像分别进行人脸检测，以检测分别距离所述多个第一子会议图像的中心轴最近的多个人脸图像，其中所述处理器分别以所述多个人脸图像为图像中心来选取在所述会议图像中的多个第二子会议图像，并且所述处理器将所述多个第二子会议图像合并输出。

8.根据权利要求7所述的视频会议设备，其特征在于，所述处理器将所述多个第二子会议图像作为多个水平分割画面来合并输出为当前会议画面，并且所述多个人脸图像分别位于所述多个分割画面中央。

9.根据权利要求1所述的视频会议设备，其特征在于，所述图像检测装置为360度摄影机，并且所述会议图像包括360度全景图像。

10.根据权利要求1所述的视频会议设备，其特征在于，所述音源检测装置为麦克风阵列，并且所述定位信号包括音源坐标。

11.一种视频会议方法，其特征在于，包括：

通过图像检测装置取得会议空间的会议图像；

通过音源检测装置检测所述会议空间的声音来源，并且输出对应于所述声音来源的定位信号；

通过处理器依据所述定位信号来选取在所述会议图像中对应于所述声音来源的第一子会议图像；

通过所述处理器对所述第一子会议图像进行人脸检测，以检测距离所述第一子会议图像的中心轴最近的人脸图像；以及

通过所述处理器以所述人脸图像为图像中心来选取在所述会议图像中的第二子会议图像，并且输出所述第二子会议图像。