CN112565913A - 视频通话方法、装置和电子设备 - Google Patents

Abstract

本申请公开了一种视频通话方法、装置及电子设备，属于通信技术领域。其中，所述方法包括：视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源频。本申请实施例，因为目标情绪资源表达了用户通过特征行为所呈现的内心情感，因而可以在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

Description

视频通话方法、装置和电子设备

技术领域

本申请属于通信技术领域，具体涉及一种视频通话方法、装置和电子设备。

背景技术

当前，基于涉及软件的视频通话已成为常用的通讯方式。

但是，现有视频通话方式只是在语音通话的基础上增加显示对方摄像头内的场景，只能够通过用户的语音及表情呈现用户的内心情感，情感表达方式单一，无法进行一些不能用文字言语和表情能表达的感情，影响了用户使用体验。

发明内容

本申请实施例的目的是提供一种视频通话方法，能够解决现有视频通话情感表达方式单一，无法有效呈现用户的内心情感的问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种视频通话方法，应用于视频通话装置，其中，所述方法包括：

视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；

将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

第二方面，本申请实施例提供了一种视频通话装置，其中，该装置包括：

确定模块，用于视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；

发送模块，用于将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

在本申请实施例中，通过视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与上述特征行为匹配的目标情绪资源，然后将上述目标情绪资源发送至目标终端，以供目标终端播放该目标情绪资源。上述视频通过方法中，因为目标情绪资源表达了用户通过特征行为所呈现的内心情感，因而可以在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

附图说明

图1是本申请实施例提供的视频通话方法的步骤流程图；

图2是本申请实施例提供的资源预览示意图；

图3是本申请实施例提供的特性行为与目标情绪资源的匹配规则示意图；

图4是本申请实施例提供的用户端的通话界面显示效果图；

图5是本申请实施例提供的通话对方的通话界面显示效果图；

图6是本申请实施例中用户B侧的第一通话界面显示效果图；

图7是本申请实施例中用户B侧的第二通话界面显示效果图；

图8是本申请实施例中用户B侧的第三通话界面显示效果图；

图9是本申请实施例中用户B侧的第四通话界面显示效果图；

图10是本申请实施例提供的视频通话装置的结构示意图；

图11是本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。

下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的视频通话方法进行详细地说明。

请参阅图1，示出了本申请实施例提供的一种视频通话方法的步骤流程图，上述视频通话方法应用于视频通话装置，其中，该方法可以包括步骤100～200。

本申请实施例中，上述视频通话方法应用于视频通话装置，该视频通话装置可以是具有视频通话的电子设备，该电子设备可以为笔记本电脑、手机、平板电脑、可穿戴设备、掌上电脑等移动终端设备，也可以是配备有麦克风、摄像头及音响的台式电脑、车载电子设备等。

步骤100、视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源。

上述步骤100，因为可以从视频数据的接收端进行监测，也可以从视频数据的发送端进行监测，因而上述目标视频通话对象可以为视频通话过程中的任意视频通话对象；例如，在用户A和用户B通话的场景下，目标视频通话对象可以是用户A也可以是用户B；

目标视频通话对象的特征行为是预先选定的表达特殊情感的用户行为，可以包括特征动作、特征表情、特征语音、特征语调等；

情绪资源则为呈现上述特殊情感的具体文件资源，可以是音频、视频、音效、头像或动态图片等，而目标情绪资源则是与监测到的具体特征行为对应的情绪资源，可以呈现出该具体特征行为对应的特殊情感。

步骤200、将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

上述步骤200中，因为目标情绪资源可以呈现监测到的特征行为所表达的用户情感，因而将上述目标情绪资源发送至目标终端，以便于在目标终端播放该目标情绪资源，从而通过该目标情绪资源向目标终端侧的通话对象呈现发出该特征行为的用户的内心情感。

本实施例所提供的视频通过方法，可以应用于双方或多方进行视频通话的场景，在监测到视频通话的任意一方发出特征行为的情况下，找寻表达了用户通过特征行为所呈现的内心情感的目标情绪资源，并将该目标情绪资源发送至目标终端，从而在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

例如，预先在本地存储一些当前流行的搞笑短视频，然后在视频对话时，若监测到用户对该搞笑短视频的语言文字或者手势动作时，可以直接将该搞笑短视频发送给对方进行观看，在观看时能进行视频互动讨论。

例如，在视频对话过程中，实时监测语音内容，当通话双方讨论到偶像、影视娱乐八卦等时，若监测到用户说到偶像的名字等语音行为时，可以弹出对应的偶像头像，然后将该偶像头像发送给对方终端并在对方终端上显示，增加视频对话的趣味性；

例如，在视频通话过程中监测到用户进行言辞激烈的语言行为，或者发出情绪低落的表情行为时，可以确定对应该音效，并为自动给传输的实时通话视频加入该音效，进行音视频混响。

本申请实施例提供的视频通话方法，通过视频通话过程中，在监测到预设的特征行为的情况下，确定与上述特征行为匹配的目标情绪资源，然后将上述目标情绪资源发送至目标终端，以供目标终端播放该目标情绪资源。上述视频通过方法中，因为目标情绪资源表达了用户通过特征行为所呈现的内心情感，因而可以在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

可选地，在一种实施方式中，可以直接分析特征行为与情绪资源里的动作行为的相似度，在相似度达到相似度阈值的情况下，则将对应的情绪资源确定为目标情绪资源。

可选地，在一种实施方式中，本发明实施例所提供的视频通话方法，应用于视频通话装置，所述视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，所述视频通话装置与服务器通信连接，所述服务器中存储有至少一个资源标签与情绪资源的第二对应关系；上述步骤100包括步骤101～S102。

本实施方式适用于情绪资源占用存储空间较大的场景，通过预先将情绪资源存储于服务器中，可以避免情绪资源大量占用视频通话装置的存储空间；同时，需要为情绪资源设定资源标签，上述资源标签即情绪资源的特异性标识，根据该资源标签可以通过服务器找寻到对应的情绪资源，从而建立资源标签与情绪资源之间的第二对应关系；然后再在视频通话装置中建立特征行为与资源标签之间的第一对应关系，这样通过检测到的视频通话过程中的特性行为即可以确定对应的资源标签，进而由该资源标签确定对应的情绪资源。其中，资源标签可以是文字、表情符号或图形手势。在实际应用中，可以为一个第一情绪资源设定多个第一资源标签，这样通过任何一个第一资源标签都可以确定对应的第一情绪资源。

在实际应用中，在视频通话之前，用户可以利用视频通话装置的摄像头录制用于生产情绪资源的原始视频，视频录制结束后，视频通话装置利用音视频算法技术从原始视频内可以提取音频并制作成GIF动图，并提供上述原始视频、所提取的音频和GIF动图的预览，具体效果如图2所示；然后视频通话装置根据用户的选择操作保存对应的文件作为此次视频的最终显示的情绪资源，该情绪资源会上传到服务器进行存储，从而形成情绪资源池。其中，在上传情绪资源时，可以为该情绪资源创建资源标签，进行资源标签和情绪资源的一一配对，形成上述第二对应关系；另外，在上传情绪资源时，还需要为该情绪资源确定对应的特征行为，进行特征行为与情绪资源的绑定，进入可以建立特征行为与资源标签一一配对，形成上述第一对应关系。

步骤101、根据所述特征行为及所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签。

上述步骤101，因为第一对应关系中明确了特征行为与资源标签之间的对应关系，因而通过特性行为与上述第一对应关系，可以确定是否存在该特征行为匹配的资源标签，即上述目标资源标签。

在实际应用中，该步骤101是先由发送方的用户对着视频通话的摄像头做出某些动作，然后由摄像头获取并监测该动作，再由视频通话装置通过算法在资源标签池里查找是否存在上述动作对应的资源标签，即目标资源标签。

步骤102、在存在匹配的目标资源标签的情况下，向所述服务器发送第一请求，所述第一请求用于请求所述服务器根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

上述步骤102中，在存在匹配的目标资源标签的情况下，说明监测到的特征行为具有对应的情绪资源，且因为情绪资源存储在服务器中，因而向服务器发送第一请求，以请求服务器通过算法及第一对应关系，在情绪资源池里查找目标资源标签对应的情绪资源，即上述目标情绪资源，进而获取该目标情绪资源，并将该情绪资源发送给目标终端进行播放、显示。

另外，在存在匹配的目标资源标签的情况下，若未获取到匹配的目标情绪资源，则说明特征行为对应的情绪资源已被删除，因而不再向目标终端发送该目标情绪资源，在作为目标终端的接收方侧正常显示实时通话画面。在不存在匹配的目标资源标签的情况下，同样在接收方侧正常显示实时通话画面。

在上述实施方式中，通过预先将情绪资源存储于服务器中，并在服务器中存储有至少一个资源标签与情绪资源的第二对应关系，且在视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，既实现了在监测到特性行为时快速确定目标情绪资源，又避免了情绪资源大量占用视频通话装置的存储空间。

请参阅图3，示出了本申请实施例中特性行为与目标情绪资源的匹配规则示意图。如图3所示，在监测到行为动作池里的任意一种特征行为时，在资源标签池里找寻该特征行为对应的资源标签，其中，上述行为动作池由多个特征行为组成，上述资源标签池由多个资源标签组成；然后根据找寻到的目标资源标签，在情绪资源里找寻目标资源标签对应的情绪资源，其中，上述情绪资源池由多个情绪资源组成。

例如，在视频通话的过程中，在用户对摄像头做出比心动作时，这个动作行为和用户创建的比心资源标签进行一一配对，而匹配的情绪资源则是比心动态图片和拥抱的动态图片，上述情绪资源不会在触发比心动作的用户端显示，但会呈现在通话对方的终端上进行播放；具体地，用户端的通话界面显示效果如图4所示，而通话对方的通话界面显示效果如图5所示。

可选地，在一种实施方式中，本发明实施例所提供的视频通话方法，应用于电子设备，所述视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，以及存储有至少一个资源标签与情绪资源的第二对应关系；上述步骤100包括步骤103～S104。

步骤103、根据所述特征行为及所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签。

上述步骤103，因为第一对应关系中明确了特征行为与资源标签之间的对应关系，因而视频通话装置通过特性行为与上述第一对应关系，可以确定是否存在该特征行为匹配的资源标签，即上述目标资源标签。

步骤104、在存在匹配的目标资源标签的情况下，根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

上述步骤104中，在存在匹配的目标资源标签的情况下，说明监测到的特征行为具有对应的情绪资源，且因为情绪资源存储在电子设备中，因而可以直接通过第一对应关系，确定该目标资源标签对应的情绪资源，即上述目标情绪资源，进而获取该目标情绪资源，并将该情绪资源发送给目标终端进行播放、显示。

本实施方式适用于将情绪资源占用存储空间较小的场景，通过将情绪资源存储于视频通话装置中，可以在监测到特性行为时快速确定目标情绪资源。

在上述实施方式中，通过预先将情绪资源存储于视频通话装置中，并在视频通话装置中存储有至少一个资源标签与情绪资源的第二对应关系，且在视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，可以在监测到特性行为时快速确定目标情绪资源。

可选地，在另一种实施方式中，本发明实施例所提供的视频通话方法，应用于服务器，所述服务器中存储有至少一个特征行为与资源标签的第一对应关系，以及存储有至少一个资源标签与情绪资源的第二对应关系；上述步骤100包括步骤105～S106。

步骤105、根据所述特征行为及所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签。

上述步骤105，因为第一对应关系中明确了特征行为与资源标签之间的对应关系，因而电子设备通过特性行为与上述第一对应关系，可以确定是否存在该特征行为匹配的资源标签，即上述目标资源标签。

步骤106、在存在匹配的目标资源标签的情况下，根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

上述步骤106中，在存在匹配的目标资源标签的情况下，说明监测到的特征行为具有对应的情绪资源，且因为情绪资源存储在服务器中，因而可以直接通过第一对应关系，确定该目标资源标签对应的情绪资源，即上述目标情绪资源，进而获取该目标情绪资源，并将该情绪资源发送给目标终端进行播放、显示。

本实施方式适用于视频通话装置运算不足、存储空间较小的场景，在该场景下，由服务器存储情绪资源，并由服务器对通话双方的特征行为进行检测，可以在监测到特性行为时快速确定目标情绪资源，既避免了监测过程对视频通话装置运行资源的占用，也避免了情绪资源大量占用视频通话装置的存储空间。

在上述实施方式中，通过预先将情绪资源存储于服务器中，并在服务器中存储有至少一个资源标签与情绪资源的第二对应关系，以及存储有至少一个特征行为与资源标签的第一对应关系，实现完全由服务器对特征行为进行检测，可以在监测到特性行为时快速确定目标情绪资源，既避免了监测过程对视频通话装置运行资源的占用，也避免了情绪资源大量占用视频通话装置的存储空间。

可选地，在一种实施方式中，本发明实施例所提供的视频通话方法，在所述目标情绪资源为视频或音频的情况下，上述步骤200具体包括步骤201～S205。

步骤201、确定所述情绪资源的第一时长。

上述步骤201中，在监测到特征行为所对应的目标情绪资源为视频的情况下，因为在播放该视频情绪资源时需要占用视频画面，需要确定播放该情绪资源所需耗费的时长，以便于后续视频画面的切换；而在播放该音频情绪资源时需要占用视频通话时的设备声道，需要确定播放该情绪资源所需耗费的时长，以便于后续通话音频的切换。

步骤202、确定所述特征行为的行为开始时间。

上述步骤202中，上述特征行为的行为开始时间，即开始监测到该特征行为的时间，通过获取该行为开始时间，以便于后续在目标终端的视频通话画面中实时、同步显示该特征行为对应的情绪资源。

步骤203、在采集的实时通话视频中确定第一视频片段，所述第一视频片段以所述行为开始时间为起始时间，且所述第一视频片段的时长为所述第一时长。

上述步骤203中，确定实时通话视频中以上述特征行为的行为开始时间为起始时间，且持续时长为上述目标情绪资源的第一时长的视频片段。

步骤204、将所述第一视频片段替换为所述目标情绪资源，或者，将所述目标情绪资源添加至所述第一视频片段。

上述步骤204中，因为目标情绪资源的时长与第一视频片段的时长相同，因而可以利用目标情绪资源替换实时视频中的上述第一视频片段，用以在视频通话的画面中播放该情绪资源，进而显示特征行为对应的用户内心情感。具体地，可以是将目标情绪资源直接替换为上述第一视频片段；或者在第一视频片段的各视频帧中加入目标情绪资源的对应视频帧，也即在第一视频片段的视频帧中，以窗口的形式显示目标情绪资源的对应视频帧，从而可以在显示实时视频通话画面的同时，显示目标情绪资源画面。

步骤205、将处理后的所述实时通话视频发送至所述目标终端。

上述步骤205中，因为替换处理后的实时通话视频中携带了目标情绪资源，因而将该替换处理后的实时通话视频发送至目标终端，即可以在该目标终端上呈现该目标情绪资源。

本实施方式适用于在视频通话的过程中，用户发出的言语、动作、语调或表情等特征行为与作为目标情绪资源的目标音频或目标视频相匹配的场景，在该场景下，将匹配的目标音频或目标视频添加至实时通话视频的音频中，或者利用匹配的目标音频或目标视频替换处理实时通话视频，然后将处理后的实时通话视频数据发送给实时通话视频数据的接收端，从而在接收端同步呈现该目标情绪资源，进而更形象地表达用户的内心情感。

例如，在用户A与用户B进行视频通话时，用户B侧的视频通话装置所呈现的视频通话画面如图6所示；

在用户A侧的视频通话装置监测到用户A的特征行为，且该特征行为匹配的目标情绪资源为视频时，若采用替换处理实时通话视频的方式将该目标情绪资源发送给用户B侧的视频通话终端，则用户B侧的视频通话画面如图7所示；图7中，原本的用户A的画面被完全替换为目标请求资源的视频画面；在该目标情绪资源播放完毕，则用户B侧的视频通话终端恢复至图6所示的视频通话画面；

而在用户A侧的视频通话装置监测到用户A的特征行为，且该特征行为匹配的目标情绪资源为视频时，若采用添加处理实时通话视频的方式将该目标情绪资源发送给用户B侧的视频通话终端，则用户B侧的视频通话画面如图8所示；图8中，原本的用户A的画面内添加了目标请求资源的视频画面；在该目标情绪资源播放完毕，则用户B侧的视频通话终端恢复至图6所示的视频通话画面。

而在用户A侧的视频通话装置监测到用户A的特征行为，且该特征行为匹配的目标情绪资源为音频时，利用该音频替换处理实时通话视频中以该特征行为的行为开始时间为起始时间，且时长为上述音频对应的时长的音频片段，使得在用户B侧的视频通话装置所收听到仅是上述目标情绪资源的音频；而在上述目标情绪资源的音频数据播放完毕，则用户B侧的视频通话终端恢复收听到用户A侧所发出的实时音频。

另外，可以预先录制更能体现用户本人内心情感的视频或音频作为情绪资源，后续在进行视频通话的过程中，如果匹配到的情绪资源是录制的视频，则对方视频界面看到的是录制的内容而不是实时传递的视频，因而可以更好地通过视频画面呈现用户内心情感；如果匹配的情绪资源是一段音频，则对方通话界面不变，但收听到的是情绪资源对应的音频，而不是视频中对方实时传递进来的音频，因而可以更好地通过通话音频呈现用户内心情感。

上述实施方式中，在视频通话过程中，在目标情绪资源为视频或音频的情况下，根据目标情绪资源的时长及用户特征行为的行为开始时间，利用匹配的情绪资源替换实时通话视频或将匹配的目标情绪资源添加至实时通话视频，从而实现在实时通话时，在目标终端侧同步、精准地播放该目标情绪资源。

可选地，在一种实施方式中，本发明实施例所提供的视频通话方法，在所述目标情绪资源为音效的情况下，上述步骤200具体包括步骤211～S215。

步骤211、确定所述目标情绪资源的第二时长。

上述步骤211中，在监测到特征行为所对应的目标情绪资源为音效的情况下，因为在播放该音频情绪资源时需要对视频通话中的音频对应进行音效处理，因而需要确定播放该情绪资源所需耗费的时长，即上述第二时长，以便于后续对通话音频精准、实时进行音效处理。

步骤212、确定所述特征行为的行为开始时间。

上述步骤212中，上述特征行为的行为开始时间，即该开始监测到该特征行为的时间，通过获取该行为开始时间，以便于后续在目标终端的视频通话时实时、同步播放该特征行为对应的情绪资源。

步骤213、在采集的实时通话视频中确定第二视频片段，所述第二视频片段以所述行为开始时间为起始时间，且所述第二视频片段的时长为所述第二时长。

上述步骤213中，确定实时通话视频中以上述特征行为的行为开始时间为起始时间，且持续时长为上述目标情绪资源的第二时长的视频片段。

步骤214、将所述目标情绪资源添加至所述第二视频片段中包含的音频。

上述步骤214中，因为目标情绪资源的时长与第二视频片段的时长相同，因而可以将所述目标情绪资源添加至所述第二视频片段中包含的音频，用以在视频通话时实时播放该情绪资源，即为音频增加对应的音效，突出用户的语气、情绪等。

步骤215、将添加处理后的所述实时通话视频发送至所述目标终端。

上述步骤215中，因为添加处理后的实时通话视频中携带了目标请求资源，因而将该添加处理后的实时通话视频发送至目标终端，即可以在该目标终端上呈现该目标情绪资源。

本实施方式适用于在视频通话的过程，用户的言语、动作或表情等特征行为与目标音效相匹配的场景，在该场景下，将匹配的目标音效添加至实时通话视频的音频中，并发送给实时通话视频数据的接收端。

例如，在用户A与用户B进行视频通话过程中，在监测到用户A言辞激烈或者情绪低落等特征行为时，会根据上述特征行为获取表现言辞激烈或情绪低落的音效，然后将上述音效对应自动添加至传输的用户A的实时通话视频中，从而在用户B侧所接收到的视频数据中呈现该音效，实现音视频混响。

上述实施方式中，在目标情绪资源为音效的情况下，根据目标情绪资源的时长及用户特征行为的行为开始时间，以添加处理的方式将匹配的音效资源添加至实时通话视频的音频，从而在实时通话时，在播放实时通话音频的同时，在目标终端侧播放该音效，突出用户的语气、情绪等。

可选地，在一种实施方式中，本发明实施例所提供的视频通话方法，在所述情绪资源为目标头像的情况下，上述步骤200具体包括步骤221～S222。

步骤221、确定所述目标情绪资源的第三时长。

上述步骤221中，在监测到特征行为所对应的目标情绪资源为目标头像的情况下，因为在播放该头像情绪资源时需要对视频通话中的人物头像对应进行替换处理，因而需要确定持续播放显示该情绪资源的时长，即上述第三时长，以便于后续对视频通话中任务头像进行精准、实时进行替换处理。

步骤222、确定所述特征行为的行为开始时间。

上述步骤222中，上述特征行为的行为开始时间，即该开始监测到该特征行为的时间，通过获取该行为开始时间，以便于后续在目标终端的视频通话时实时、同步显示该特征行为对应的情绪资源。

步骤223、在采集的实时通话视频中确定第三视频片段，所述第三视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第三时长。

上述步骤223中，确定实时通话视频中以上述特征行为的行为开始时间为起始时间，且持续时长为上述目标情绪资源的第三时长的视频片段。

步骤224、将所述第三视频片段中的用户头像替换为所述目标头像。

上述步骤224中，在监测到特征行为所对应的目标情绪资源为目标头像的情况下，说明该目标头像表达了用户所执行的特征行为对应的内心情感，因而将该目标头像替换用以实时通话视频中的用户头像且持续上述第三时长，用以在视频通话时实时播放该目标头像，增加视频对话的趣味性。

例如，在视频对话过程中，实时监测语音内容，当发现通话双方讨论到偶像、影视娱乐八卦等，根据偶像的关键字可以确定对应的偶像头像，然后将用户在实时视频中的头部更换成上述偶像头像，既能更形象地呈现聊天主题，又增加视频对话的趣味性。

步骤225、将替换处理后的所述实时通话视频发送至所述目标终端。

上述步骤225中，因为替换处理后的实时通话视频中，用户头像以及替换为了目标头像，因而将该替换处理后的实时通话视频发送至目标终端，即可以在该目标终端上呈现用户头像已替换为目标头像的视频通话画面。

本实施方式适用于在进行视频通话过程中，用户通过语音提及目标头像所对应的人物名字的场景，在上述场景下，根据预设设定的目标头像的显示时长及用户语音提及上述人物名字的行为开始时间，将匹配的目标头像资源替换实时通话视频的用户头像，从而在实时通话时，在目标终端侧显示该目标头像。

例如，在用户A与用户B进行视频通话时，用户B侧的视频通话装置所呈现的视频通话画面如图6所示；

在用户A侧的视频通话装置监测到用户A讨论到偶像C时，则匹配的目标情绪资源为偶像C头像时，利用该偶像C头像替换处理实时通话视频中以该特征行为的行为开始时间为起始时间，且时长为上述目标头像对应的第一时长的视频片段中的用户A头像，使得在用户B侧的视频通话装置所看到用户A的头像为上述偶像C头像，既能更形象地呈现聊天主题，又增加视频对话的趣味性，具体视频通话画面如图9所示；而在上述偶像C头像持续显示第一时长后，则用户B侧的视频通话终端看到的用户A的头像恢复至图6所示的视频通话画面。

上述实施方式中，在目标情绪资源为目标头像的情况下，以替换实时通话视频中用户头像的方式将该目标情绪资源添加至目标终端，从而在实时视频通话时，在目标终端侧呈现该目标头像，从而更形象、具体地呈现该目标头像对应的聊天内容。

可选地，在一种实施方式中，本申请实施例所提供的视频通话方法，在视频通话的过程中，利用AI学习算法，在监测到通话对象的愉悦表情等预设表情行为时，记录当前的用户行为，并在通话结束后确定出使通话对象出现预设表情行为的概率最高的用户行为，可以帮助用户扩展新的情绪资源。

需要说明的是，本申请实施例提供的视频通话方法，执行主体可以为终端设备，或者该终端设备中的用于执行加载视频通话方法的控制模块。本申请实施例中以终端设备执行加载视频通话方法为例，说明本申请实施例提供的视频通话方法。

请参阅图10，示出了本申请实施例提供的一种视频通话装置的结构示意图，如图10所示，所述装置包括：

确定模块1001，用于视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；

发送模块1002，用于将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

可选地，所述视频通话装置存储有至少一个特征行为与资源标签的第一对应关系，所述视频通话装置与服务器通信连接，所述服务器中存储有至少一个资源标签与情绪资源的第二对应关系；

所述确定模块1001包括：

匹配单元，用于根据所述特征行为和所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签；

请求单元，用于在存在匹配的目标资源标签的情况下，向所述服务器发送第一请求，所述第一请求用于请求所述服务器根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

可选地，所述装置中，所述发送模块1002包括：

第一确定单元，用于在所述目标情绪资源为视频或音频的情况下，确定所述情绪资源的第一时长；

第二确定单元，用于确定所述特征行为的行为开始时间；

第三确定单元，用于在采集的实时通话视频中确定第一视频片段，所述第一视频片段以所述行为开始时间为起始时间，且所述第一视频片段的时长为所述第一时长；

第一处理单元，用于将所述第一视频片段替换为所述目标情绪资源，或者，将所述目标情绪资源添加至所述第一视频片段；

第一发送单元，用于将处理后的所述实时通话视频发送至所述目标终端。

可选地，所述装置中，所述发送模块1002还包括：

第四确定单元，用于在所述情绪资源为音效的情况下，确定所述目标情绪资源的第二时长；

第五确定单元，用于确定所述特征行为的行为开始时间；

第六确定单元，用于在采集的实时通话视频中确定第二视频片段，所述第二视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第二时长；

第二处理单元，用于将所述目标情绪资源添加至所述第二视频片段中包含的音频；

第二发送单元，用于将添加处理后的所述实时通话视频发送至目标终端。

可选地，所述装置中，所述发送模块1002还包括：

第七确定单元，用于在所述目标情绪资源为目标头像的情况下，确定所述情绪资源的第三时长；

第八确定单元，用于确定所述特征行为的行为开始时间；

第九确定单元，用于在采集的实时通话视频中，确定第三视频片段，所述第三视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第三时长

第三处理单元，用于将所述第三视频片段中的用户头像替换为所述目标头像；

第三发送单元，用于将替换处理后的所述实时通话视频发送至所述目标终端。

本申请实施例中的视频通话装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的视频通话装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的视频通话装置能够实现图1～9的方法实施例中视频通话装置实现的各个过程，为避免重复，这里不再赘述。

本申请实施例中，通过在视频通话过程中，由确定模块1001在监测到目标视频通话对象的特征行为的情况下，确定与上述特征行为匹配的目标情绪资源，然后由发送模块1002将上述目标情绪资源发送至目标终端，以供目标终端播放该目标情绪资源。上述视频通过方法中，因为目标情绪资源表达了用户通过特征行为所呈现的内心情感，从而在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

可选地，本申请实施例还提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的程序或指令，该程序或指令被处理器执行时实现上述视频通话方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要注意的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。

图11为实现本申请实施例的一种电子设备的硬件结构示意图。

该电子设备110包括但不限于：射频单元1101、网络模块1102、音频输出单元1103、输入单元1104、传感器1105、显示单元1106、用户输入单元1107、接口单元1108、存储器1109、以及处理器1110等部件。

本领域技术人员可以理解，电子设备110还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

其中，用户输入单元1107，在本申请实施例中包括视频显示界面；

处理器1110，用于视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

本申请实施例提供的电子设备，通过视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与上述特征行为匹配的目标情绪资源，然后将上述目标情绪资源发送至目标终端，以供目标终端播放该目标情绪资源。上述视频通过方法中，因为目标情绪资源表达了用户通过特征行为所呈现的内心情感，从而在目标终端侧有效呈现用户的内心情感，提供了更多样化地内心情感表达方式，增添了视频通话的趣味性。

可选地，所述存储器1109中存储有至少一个特征行为与资源标签的第一对应关系，所述电子设备与服务器通信连接，所述服务器中存储有至少一个资源标签与情绪资源的第二对应关系；所述处理器1110，具体用于根据所述特征行为及所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签；在存在匹配的目标资源标签的情况下，向所述服务器发送第一请求，所述第一请求用于请求所述服务器根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

可选地，处理器1110，具体用于在所述目标情绪资源为视频或音频的情况下，确定所述目标情绪资源的第一时长；确定所述特征行为的行为开始时间；在采集的实时通话视频中确定第一视频片段，所述第一视频片段以所述行为开始时间为起始时间，且所述第一视频片段的时长为所述第一时长；将所述第一视频片段替换为所述目标情绪资源，或者，将所述目标情绪资源添加至所述第一视频片段；将处理后的所述实时通话视频发送至所述目标终端。

可选地，处理器1110，还用于在所述目标情绪资源为音效的情况下，确定所述目标情绪资源的第二时长；确定所述特征行为的行为开始时间；在采集的实时通话视频中确定第二视频片段，所述第二视频片段以所述行为开始时间为起始时间，且所述第二视频片段的时长为所述第二时长；将所述目标情绪资源添加至所述第二视频片段中包含的音频；将添加处理后的所述实时通话视频发送至目标终端。

可选地，处理器1110，还用于在所述情绪资源为目标头像的情况下，确定所述目标情绪资源的第三时长；确定所述特征行为的行为开始时间；在采集的实时通话视频中，确定第三视频片段，所述第三视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第三时长；将所述第三视频片段中的用户头像替换为所述目标头像；将替换处理后的所述实时通话视频发送至所述目标终端。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述视频通话方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述视频通话方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种视频通话方法，应用于视频通话装置，其特征在于，所述方法包括：

在视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；

将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

2.根据权利要求1所述的视频通话方法，其特征在于，所述视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，所述视频通话装置与服务器通信连接，所述服务器中存储有至少一个资源标签与情绪资源的第二对应关系；

所述确定与所述特征行为匹配的目标情绪资源，包括：

根据所述特征行为和所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签；

在存在匹配的目标资源标签的情况下，向所述服务器发送第一请求，所述第一请求用于请求所述服务器根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

3.根据权利要求1所述的视频通话方法，其特征在于，在所述目标情绪资源为视频或音频的情况下，所述将所述目标情绪资源发送至目标终端，包括：

确定所述目标情绪资源的第一时长；

确定所述特征行为的行为开始时间；

在采集的实时通话视频中，确定第一视频片段，所述第一视频片段以所述行为开始时间为起始时间，且所述第一视频片段的时长为所述第一时长；

将所述第一视频片段替换为所述目标情绪资源，或者，将所述目标情绪资源添加至所述第一视频片段；

将处理后的所述实时通话视频发送至所述目标终端。

4.根据权利要求1所述的视频通话方法，其特征在于，在所述目标情绪资源为音效文件的情况下，所述将所述目标情绪资源发送至目标终端，包括：

确定所述目标情绪资源的第二时长；

确定所述特征行为的行为开始时间；

在采集的实时通话视频中，确定第二视频片段，所述第二视频片段以所述行为开始时间为起始时间，且所述第二视频片段的时长为所述第二时长；

将所述目标情绪资源添加至所述第二视频片段中包含的音频；

将添加处理后的所述实时通话视频发送至目标终端。

5.根据权利要求1所述的视频通话方法，其特征在于，在所述情绪资源为目标头像的情况下，所述将所述目标情绪资源发送至目标终端，包括：

确定所述目标情绪资源的第三时长；

确定所述特征行为的行为开始时间；

在采集的实时通话视频中，确定第三视频片段，所述第三视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第三时长

将所述第三视频片段中的用户头像替换为所述目标头像；

将替换处理后的所述实时通话视频发送至所述目标终端。

6.根据权利要求1所述的视频通话方法，其特征在于，所述特征行为包括：特征动作、特征表情、特征语音、特征语调。

7.一种视频通话装置，其特征在于，所述装置包括：

确定模块，用于视频通话过程中，在监测到目标视频通话对象的特征行为的情况下，确定与所述特征行为匹配的目标情绪资源；

发送模块，用于将所述目标情绪资源发送至目标终端，以供所述目标终端播放所述目标情绪资源。

8.根据权利要求7所述的视频通话装置，其特征在于，所述视频通话装置中存储有至少一个特征行为与资源标签的第一对应关系，所述视频通话装置与服务器通信连接，所述服务器中存储有至少一个资源标签与情绪资源的第二对应关系；

所述确定模块包括：

匹配单元，用于根据所述特征行为和所述第一对应关系，确定是否存在与所述特征行为匹配的目标资源标签；

请求单元，用于在存在匹配的目标资源标签的情况下，向所述服务器发送第一请求，所述第一请求用于请求所述服务器根据所述第一对应关系，确定与所述目标资源标签匹配的目标情绪资源。

9.根据权利要求7所述的视频通话装置，其特征在于，所述发送模块包括：

第一确定单元，用于在所述目标情绪资源为视频或音频的情况下，确定所述目标情绪资源的第一时长；

第二确定单元，用于确定所述特征行为的行为开始时间；

第三确定单元，用于在采集的实时通话视频中确定第一视频片段，所述第一视频片段以所述行为开始时间为起始时间，且所述第一视频片段的时长为所述第一时长；

第一处理单元，用于将所述第一视频片段替换为所述目标情绪资源，或者，将所述目标情绪资源添加至所述第一视频片段；

第一发送单元，用于将处理后的所述实时通话视频发送至所述目标终端。

10.根据权利要求7所述的视频通话装置，其特征在于，所述发送模块还包括：

第四确定单元，用于在所述情绪资源为音效的情况下，确定所述目标情绪资源的第二时长；

第五确定单元，用于确定所述特征行为的行为开始时间；

第六确定单元，用于在采集的实时通话视频中确定第二视频片段，所述第二视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第二时长；

第二处理单元，用于将所述目标情绪资源添加至所述第二视频片段中包含的音频；

第二发送单元，用于将添加处理后的所述实时通话视频发送至目标终端。

11.根据权利要求7所述的视频通话装置，其特征在于，所述发送模块还包括：

第七确定单元，用于在所述目标情绪资源为目标头像的情况下，确定所述情绪资源的第三时长；

第八确定单元，用于确定所述特征行为的行为开始时间；

第九确定单元，用于在采集的实时通话视频中，确定第三视频片段，所述第三视频片段以所述行为开始时间为起始时间，且所述第三视频片段的时长为所述第三时长

第三处理单元，用于将所述第三视频片段中的用户头像替换为所述目标头像；

第三发送单元，用于将替换处理后的所述实时通话视频发送至所述目标终端。

12.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-6所述的视频通话方法的步骤。

Images