[发明专利]视频图像音画映射的方法、系统、装置及视频会议设备

说明书

本申请公开了一种视频图像音画映射的方法、系统、装置及视频会议设备，用于在满足应用需求的前提简化标定过程，减小视频图像音画映射过程中的计算量，适合大规模推广应用。本申请方法包括：根据声源角度最大范围和预设精度将声源角度等分为N份，得到N+1条角度线，所述N为大于1的整数；在各个角度线上分别选取至少两个目标数据点并将所述目标数据点标记在水平面上；获取目标图像，所述目标图像为包含所述目标数据点的图像；确定所述目标数据点在所述目标图像中的坐标；根据所述坐标确定所述角度线的目标方程系数；根据所述角度线的角度和所述目标方程系数建立标定表格；根据所述标定表格进行音画映射。

技术领域

本申请涉及视频图像技术领域，尤其涉及一种视频图像音画映射的方法、系统、装置及视频会议设备。

背景技术

当下，视频会议已较为普及。目前市面上已有一些智能会议系统能够在视频会议过程中自动对画面中的发言者给予特写画面，使其他与会者能清晰看到发言者的面部表情和肢体动作，极大地提升了会议效果。

为了确定画面中发言者的位置，现有技术常常将声源定位技术与图像识别技术相结合予以实现。声源定位是通过麦克风阵列和相应算法实现的，但考虑到经济性和结构紧凑性，市面上相关会议设备采用的麦克风阵列以线性阵列居多，其声源定位结果则对应为水平的声源角度。

在视频会议设备中，摄像头采集的视频图像存在透视以及畸变，且视频图像所处的像素坐标系与阵列麦克风的坐标系属于不同的坐标系，也就说根据声源角度还不能直接在视频图像中确定目标方位。现有技术中，为了实现音画映射，一般采用结合相机内参、外参并通过数学建模将图像中的坐标与声源角度关联起来，但是采用这种方法需要对相机标定获取内参、外参，相应的操作要求较高，并且建模和计算过程也比较繁琐，不适合推广应用。

发明内容

本申请提供了一种视频图像音画映射的方法、系统、装置及视频会议设备，用于在满足应用需求的前提简化标定过程，减小视频图像音画映射过程中的计算量，适合大规模推广应用。

本申请第一方面提供了一种视频图像音画映射的方法，包括：

根据声源角度最大范围和预设精度将声源角度等分为N份，得到N+1条角度线，所述N为大于1的整数；

在各个角度线上分别选取至少两个目标数据点并将所述目标数据点标记在水平面上；

获取目标图像，所述目标图像为包含所述目标数据点的图像；

确定所述目标数据点在所述目标图像中的坐标；

根据所述坐标确定所述角度线的目标方程系数；

根据所述角度线的角度和所述目标方程系数建立标定表格；

根据所述标定表格进行音画映射。

可选的，所述在各个角度线上分别选取至少两个目标数据点并将所述目标数据点标记在水平面上包括：

在各个角度线上直接选取至少两个目标数据点并将所述目标数据点标记在水平面上；

或，

选取至少两条水平线，将所述水平线与各个角度线的交点作为目标数据点并将所述目标数据点标记在水平面上。

可选的，所述在各个角度线上分别选取至少两个目标数据点并将所述目标数据点标记在水平面上包括：

仅在90°角度线及其一侧的角度线选取至少两个目标数据点并将所述目标数据点标记在水平面上。

可选的，所述根据所述标定表格进行音画映射包括：

获取所述标定表格，所述标定表格中预存有若干角度线的角度与目标方程系数之间的映射关系；

采集目标声源角度；