CN100505837C - 一种控制图像采集装置进行目标定位的系统及方法 - Google Patents

Abstract

一种控制图像采集装置进行目标定位的系统及方法，其中，所述系统包括：声源定位单元，用于根据接收到的声音信号进行目标定位，并将定位出的声源位置发送给应用层策略单元；声音识别单元，用于根据接收到的声音信号与已保存的声音信号进行识别匹配，并将得到的声音识别结果发送给应用层策略单元；应用层策略单元，根据所述声源位置及声音识别结果决策出图像采集装置的预期对焦位置；图像采集控制单元，将从应用层策略单元得到的图像采集装置的预期位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置；本发明实施例通过声源定位和声音识别的结果来控制图像采集装置自动进行目标定位，从而提高图像采集装置的操作维护性。

Description

一种控制图像采集装置进行目标定位的系统及方法

技术领域

本发明涉及多媒体技术领域，尤其涉及一种控制图像采集装置进行目标定位的系统及方法。

背景技术

目前，可视电话、电话会议和视频会议等系统中广泛采用声源定位技术来控制摄像机对准正在说话的人。

比如，在多个人参加的会议中，基于声源定位技术的摄像机会可以根据声源的位置自动对准正在发言的人(如会场代表、汇报人等)，但期间如果有其他人发出声音，将会导致摄像机转向发出声音的人，达不到期望的结果。

再比如，在多个人可发言讨论的会议中，我们期望讨论时优先对准参与讨论的专家，而基于声源定位技术的摄像机一般会对准声音强度大的说话人，如果讨论时专家的声音没有其他人大，摄像机就无法对准到专家身上。

总之，现有基于声源定位的摄像机无法满足多种场景的需要，如果要满足多种场景的需要，需要管理员手动遥控摄像机，操作维护很不方便。

发明内容

鉴于上述现有技术所存在的问题，本发明实施例提供了一种控制图像采集装置进行目标定位的系统及方法，通过声源定位和声音识别的结果来控制图像采集装置自动进行目标定位，从而提高图像采集装置的操作维护性。

本发明实施例的目的是通过以下技术方案实现：

本发明提供了一种控制图像采集装置进行目标定位的系统，所述系统包括：

声源定位单元，用于根据接收到的多个声音信号进行定位，并将定位出的多个声源位置发送给应用层策略单元；

声音识别单元，用于根据接收到的多个声音信号与已保存的多个声音信号进行识别匹配，并将得到的多个声音识别结果发送给应用层策略单元；

应用层策略单元，用于根据多个声源位置、多个声音识别结果以及已保存的多个声音信号的优先级进行综合决策，得到图像采集装置的预期对焦位置，并将该预期对焦位置发送给图像采集控制单元；

图像采集控制单元，用于将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置。

本发明实施例还提供了一种控制图像采集装置进行目标定位的方法，所述方法包括以下步骤：

根据接收到的多个声音信号定位出多个声源位置；

将接收到的多个声音信号与已保存的多个声音信号进行识别匹配，得到多个声音识别结果；

根据所述多个声源位置及所述多个声音识别结果以及已保存的多个声音信号的优先级进行综合决策，得到图像采集装置的预期对焦位置；

将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置。

由上述本发明实施例提供的技术方案可以看出，本发明实施例提供了一种控制图像采集装置进行目标定位的系统及方法，通过声源定位和声音识别的结果来控制图像采集装置自动进行目标定位，从而达到提高图像采集装置的操作维护性。

附图说明

图1为本发明实施例的系统结构示意图；

图2为本发明实施例所述系统中的图像采集控制单元的结构示意图；

图3为本发明实施例所述方法的流程图。

具体实施方式

下面结合附图1和附图2对本发明实施例所述的声源定位系统进行详细说明。

附图1为本发明实施例的系统结构示意图，如图1所示，本发明实施例所述系统在具体实现过程中可以包括：声源定位单元、声音识别单元、应用层策略单元、图像采集控制单元，下面对各单元分别进行介绍。

声源定位单元：将其得到的外界的声音信号进行处理，定位出声源位置，并将声源位置发送给应用层策略单元，当所述声音信号为多个时，所述声源定位单元可以定位出多个声源位置，并将多个所述声源位置发送给应用层策略单元；所述声源定位的具体处理过程现在已有成熟解决方案，这里就不再赘述。

声音识别单元：根据其从得到的外界的声音信号和已保存的声音信号进行识别匹配，并将得出的声音识别结果发送给应用层策略单元，所述声音识别结果可以为，与预先设定的声音匹配，或者与预先设定的声音不匹配，或者没有匹配到预设定的声音，但是声音强度大的声源和上次不一样。当已保存的声音信号为多个时，所述声音识别单元可以得出多个声音识别结果。

应用层策略单元：根据从声源定位单元得到的声源位置和从声音识别单元得到的声音识别结果进行决策，得到所述决策结果为图像采集装置的预期对焦位置，然后将图像采集装置的预期对焦位置发送给图像采集控制单元；

当已保存的声音信号为多个时，所述应用层策略单元根据多个声源位置、多个声音识别结果以及要识别声音的优先级进行综合决策，得到图像采集装置的预期对焦位置，并将所述预期对焦位置发送给图像采集控制单元。

图像采集控制单元：将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，如果相同，则不对图像采集装置进行操作，如果不同，则对图像采集装置进行操作，使图像采集装置的位置变化到预期位置。

系统配置单元：根据不同的应用场景需求分析出系统参数，所述系统参数可以包括：手动还是自动遥控摄像机、是否需要进行声源定位、是否需要进行声音识别、已保存声音信号的优先级、声音强度大小的优先级等，然后将所述系统参数分别发送给应用层策略单元，比如，可以将自动遥控摄像机、进行声源定位、进行声音识别这些系统参数发送给应用层策略单元，以便应用层策略单元根据这些系统参数及声源位置和声音识别结果进行决策，决策出图像采集单元的预期对焦位置。

本发明实施例所述系统还包括：

声音录制单元：用于预先录制要识别的声音信号，并将所述要识别的声音信号发送到声音识别单元，所述预先录制的要识别的声音信号可以有一个或多个，这时，所述声音录制单元可以将录下所有要识别的声音信号，并发送到声音识别单元。

从以上描述可以看出，本发明实施例所述系统通过声源定位单元定位出的声源位置和声音识别单元的声音识别结果来触发应用层策略单元进行决策，从而根据图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较的结果来控制图像采集装置自动进行目标定位，进而达到提高图像采集装置的操作维护性的目的。

图2为本发明实施例所述系统中的图像采集控制单元的结构示意图，如图2所示，所述图像采集控制单元具体包括：策略存储模块、策略比较模块；

策略存储模块：用于存储图像采集装置的当前对焦位置；

策略比较模块：将得图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置。具体的说就是，策略比较模块将得到的图像采集装置的预期位置与图像采集装置的当前对焦位置进行比较，如果比较结果相同，则操作图像采集装置改变位置，否则，更新图像采集装置的当前对焦位置为图像采集装置的预期对焦位置，并根据图像采集装置的预期位置操作图像采集装置进行位置移动。

下面结合附图3对本发明实施例所述方法进行详细说明。

如附图3所示，本发明实施例所述方法具体包括以下步骤：

步骤31、根据接收到的声音信号定位出声源位置；

步骤32、将接收到的声音信号与预先已保存的声音信号进行对比识别，得到声音识别结果；

步骤33、根据所述声源位置及声音识别结果决策出图像采集装置的预期位置；当所述已保存的声音信号为多个时，还要根据已保存声音信号的优先级进行综合决策出图像采集装置的预期位置；

步骤34、将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，如果相同，则执行步骤37，否则，执行步骤35；

步骤35、变更图像采集装置的当前对焦位置为预期位置；

步骤36、根据图像采集装置的预期对焦位置操作图像采集装置，使其变化到预期位置；

步骤37、不操作图像采集装置。

从以上描述可以看出，本发明实施例所述方法通过声源定位和声音识别的结果来控制图像采集装置自动进行目标定位，从而提高图像采集装置的操作维护性的目的。

下面对本发明实施例所述系统及方法的应用进行具体举例说明。

本发明实施应用在一个场景中可以为：

开会前，操作管理员通过系统配置单元把采用声源定位技术/声音识别技术自动控制摄像机的策略输入到应用层策略单元，同时把需要识别的会场代表/汇报人声音通过声音预录模块发送到声音识别单元中；会议过程中系统自动定位声源的位置以及识别声源的声音是否和预先保存的声音匹配，如果匹配到新的声音那么转动摄像机对准新的声源位置，如果匹配到和上次一样的声音或者没有匹配到保存的声音，则不操作摄像机进行转动。

本发明实施例应用在另一个场景中可以为：

开会前，操作管理员通过系统配置单元把采用声源定位技术/声音识别技术自动控制摄像机策略和专家声音优先和声音大次优先策略输入到应用层策略单元，同时把需要识别的专家声音录制保存到系统声音识别单元中，并设定专家声音优先等级和声音强度大小的优先等级；会议过程中系统自动定位声源的位置以及识别声源的声音是否和预先保存的声音匹配，如果匹配到新的声音那么转动摄像机对准新的声源位置，如果没有匹配到新的声音，但是声音强度大的声源和上次不一样那么也转动摄像机对准新的声源位置，否则不操作摄像机进行转动。本发明实施例所述的系统及方法对于其他场景的应用也都类似，这里就不再赘述。

另外，本发明实施例所述的图像采集装置可以为摄像机，但本领域技术人员都应该知道，本发明实施例同样适用于其他的图像采集装置，比如摄像头。

至此，本发明实施例提供了一种控制图像采集装置进行目标定位的系统及方法，通过声源定位和声音识别的结果来控制图像采集装置自动进行定位，提高图像采集装置的可操作维护性，另外，本发明实施例还可以通过系统配置单元，对不同的场景配置相应的系统参数，以便满足多种场景的需要。

以上所述，仅为本发明实施例较佳的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应该以权利要求的保护范围为准。

Claims (9)

1、一种控制图像采集装置进行目标定位的系统，其特征在于，包括：

声源定位单元，用于根据接收到的多个声音信号进行定位，并将定位出的多个声源位置发送给应用层策略单元；

声音识别单元，用于根据接收到的多个声音信号与已保存的多个声音信号进行识别匹配，并将得到的多个声音识别结果发送给应用层策略单元；

应用层策略单元，用于根据多个声源位置、多个声音识别结果以及已保存的多个声音信号的优先级进行综合决策，得到图像采集装置的预期对焦位置，并将该预期对焦位置发送给图像采集控制单元；

图像采集控制单元，用于将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置。

2、根据权利要求1所述的系统，其特征在于，所述系统还包括：

系统配置单元，用于根据不同应用场景配置系统参数，并将所述系统参数发送给应用层策略单元，所述应用层策略单元根据所述系统参数、所述声源位置和所述声音识别结果决策出图像采集装置的预期对焦位置。

3、根据权利要求2所述的系统，其特征在于，所述系统参数包括下列参数中的一个或多个：手动还是自动控制图像采集装置、是否需要进行声源定位、是否需要进行声音识别、已保存声音信号的优先级、声音强度大小的优先级。

4、根据权利要求1到3中任意一项所述的系统，其特征在于，所述系统还包括：

声音录制单元，用于预先录制要识别的声音信号，并将所述要识别的声音信号发送到声音识别单元。

5、根据权利要求1到3中任意一项所述的系统，其特征在于，所述图像采集控制单元具体包括：

策略存储模块，用于存储图像采集装置的当前对焦位置；

策略比较模块，用于将所述图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制所述图像采集装置。

6、一种控制图像采集装置进行目标定位的方法，其特征在于，所述方法包括：

根据接收到的多个声音信号定位出多个声源位置；

将接收到的多个声音信号与已保存的多个声音信号进行识别匹配，得到多个声音识别结果；

根据所述多个声源位置及所述多个声音识别结果以及已保存的多个声音信号的优先级进行综合决策，得到图像采集装置的预期对焦位置；

将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置。

7、根据权利要求6所述的方法，其特征在于，在执行所述方法前还包括：

根据不同的场景配置系统参数、所述声源位置及所述声音识别结果决策出图像采集装置的预期对焦位置。

8、根据权利要求7所述的方法，其特征在于，所述系统参数至少包括下列参数中的一个或多个：手动还是自动控制图像采集装置、是否需要进行声源定位、是否需要进行声音识别、已保存声音信号的优先级。

9、根据权利要求6到8所述的方法，所述将得到的图像采集装置的预期对焦位置与图像采集装置的当前对焦位置进行比较，并根据比较结果控制图像采集装置的步骤具体包括：

如果所述得到的图像采集装置的预期对焦位置与所述图像采集装置的当前对焦位置一致，则操作图像采集装置位置不变，否则，更新所述图像采集装置的当前对焦位置为所述图像采集装置的预期对焦位置，并根据所述图像采集装置的预期对焦位置操作所述图像采集装置进行位置对焦。

Images