[发明专利]网络视频会议中防干扰方法、系统、设备及存储介质

权利要求书

1.一种网络视频会议中防干扰方法，其特征在于，包括：

在各个用户参加网络视频会议的过程中，实时检测每个用户的视频会议终端是否输入了声音数据；

若检测到某个用户的视频会议终端输入了声音数据，则调用该用户的视频会议终端的图像采集设备实时采集当前图像；

判断实时采集的当前图像中是否有人像；

若有，则基于采集的预设时长的图像判断该用户是否在讲话；

若该用户在讲话，则将该用户的视频会议终端输入的声音数据转化为数字信号后传输给其他用户的视频会议终端；

若实时采集的当前图像中没有人像或者该用户未讲话，则将该用户的视频会议终端输入的声音数据屏蔽；

其中，在基于采集的预设时长的图像判断为该用户在讲话之后，还包括：

获取该用户的手机号码；

基于该用户的手机号码在其运营商处查询该用户的手机号码当前是否处于通话状态；

若是，则将该用户的视频会议终端输入的声音数据屏蔽；

若否，则将该用户的视频会议终端输入的声音数据转化为数字信号后传输给其他用户的视频会议终端。

2.根据权利要求1所述的方法，其特征在于，所述基于采集的预设时长的图像判断该用户是否在讲话，包括：

对预设时长的图像进行面部定位，以提取出多幅面部图像；

对所述多幅面部图像分别进行面部器官定位，以提取出多幅嘴部及喉部部分的局部特征图像；以及，

基于所述多幅嘴部及喉部部分的局部特征图像判断该用户是否在讲话。

3.根据权利要求2所述的方法，其特征在于，所述基于所述多幅嘴部及喉部部分的局部特征图像判断该用户是否在讲话，包括：

分别计算所述多幅嘴部及喉部部分的局部特征图像的特征值；

判断所述多幅嘴部及喉部部分的局部特征图像的特征值是否有运动变化；

若是，则判定该用户在讲话；

若否，则判定该用户未讲话。

4.根据权利要求3所述的方法，其特征在于，在判断为所述多幅嘴部及喉部部分的局部特征图像的特征值有运动变化之后，还包括：

获取该用户的说话口型模型；

判断所述多幅嘴部及喉部部分的局部特征图像的特征值的运动变化情况是否与该用户的说话口型模型相匹配；

若是，则判定该用户在讲话；

若否，则判定该用户未讲话。

5.根据权利要求1所述的方法，其特征在于，在各个用户参加网络视频会议之前，还包括：

预先获取各个用户的第一面部特征；

在判断为实时采集的当前图像中有人像之后，还包括：

对当前图像进行识别以得出该用户的第二面部特征；

将该用户的第二面部特征与其第一面部特征进行对比，并根据对比结果判断当前图像中的人像是否为该用户本人；

若是，则执行基于采集的预设时长的图像判断该用户是否在讲话的步骤；

若否，则将该用户的视频会议终端输入的声音数据屏蔽。

6.根据权利要求1-5中任一项所述的方法，其特征在于，在将该用户的视频会议终端输入的声音数据屏蔽之后，还包括：

向该用户的视频会议终端发送提示信息，以使该用户的视频会议终端弹出关于该用户当前有干扰音输入的提醒。

7.根据权利要求1-5中任一项所述的方法，其特征在于，还包括：

判断该用户是否允许在网络视频会议期间开启其视频会议终端的图像采集设备；

若是，则在基于采集的预设时长的图像判断为该用户在讲话之后，将该用户的视频会议终端的图像采集设备采集到的图像与该用户的视频会议终端输入的声音数据各自转化为数字信号后一起传输给其他用户的视频会议终端；

若否，则在基于采集的预设时长的图像判断为该用户在讲话之后，仅将该用户的视频会议终端输入的声音数据转化为数字信号后传输给其他用户的视频会议终端。