CN1620079A - 视频因特网电话 - Google Patents

Abstract

公开了一种视频因特网电话，它兼容了能够在因特网上提供声频通讯服务的VoIP(语音因特网协议)电话。该视频因特网电话包含了一个视频处理模块，它被用来通过一个视频通讯协议将一个数字视频信号转换成一个模拟视频信号，或者将其中应用的一个模拟视频信号转换成一个数字视频信号，以便于在因特网上进行传输；以及一个与视频处理模块协作的视频输入/输出模块，它被用来接收一个来自于摄像头的模拟视频信号，或者接收一个来自于视频处理模块的经过转换的模拟视频信号，并将对应于所收到的模拟视频信号的相应模拟视频数据显示在液晶显示屏(LCD)上。

Description

视频因特网电话

                        发明背景

发明领域

[01]本发明总体上涉及视频因特网电话，特别是涉及了一种视频因特网电话，它能够被独立当作一个VoIP(语音因特网协议)电话使用，并且也可以被当作一个MoIP(多媒体因特网协议)电话来使用，其所使用的外围设备的费用也较低。

相关的技术背景

[02]用于在因特网上提供语音通讯服务的VoIP解决方案已经在企业的核心部门得到广泛的应用。这种VoIp解决方案能够使一个用户以较低的电话费用进行国内或国际通话。最近，随着网络基础架构的发展，基于VoIP的电话在语音质量方面有着不输于普通电话的性能。

[03]除了节省开支的作用之外，基于因特网的通讯有着能进行多媒体交流的优点。在进行基于因特网的通话时，用户能够交流字符信息或图像信息。对可视电话的需求已经在增长，因为用户希望在电话交谈时能够看见对方。支持数字通讯的移动电话已经装有摄像头以便于来提供视频电话服务。

[04]对可视电话的需求引出了一种未来的VoIP解决方案。然而，在现在的移动电话服务中对视频电话提供支持还存在着重大的阻碍。

[05]第一，服务费用很高。视频数据相比于声频数据而言需要更大的带宽。为了实现一个正常的视频电话，必须在双向上稳定的维持大约600Kbps的带宽。因此，由于视频数据占据了很大的带宽，相对于声频数据，在视频数据的传输和接收中，将不可避免的花费更多的服务费用。如果费用是按照信息包，例如，数据传输/接收单元来收取的话，通讯的整体费用将增加到当前电话费的十倍或者更多。

[06]第二，当前所建立的底层结构对于支持视频电话而言是不稳定的。随着因特网的延伸，一个网络系统的性能或能力已经被改善，并且用户访问因特网的环境也已经被改善。然而，随着因特网用户的增加和实时媒体通讯软件的增加，对网络带宽性能的需求也增加了。因此，对于被用户访问的因特网而言，很难保证有足够的性能用于支持例如因特网游戏，聊天工具，VoIP，MoIP，等等这样的实时通讯软件。在这种情况下，由于因特网协议的特性，在通讯过程中可能会出现数据丢失，延迟或严重抖动，从而导致实时视频通讯失真。这是用户对于服务质量不满意的一个重要因素。

[07]第三，一台可视电话的费用很高。要支持视频通讯，除了电话设备之外，还要提供一个摄像头和彩色液晶显示屏(LCD)。主要就是这些组件增加了可视电话的价格。高价格是广泛开拓可视电话市场的一个重要阻碍因素。

[08]本发明用于提供一种拥有视频电话功能的低价位电话。更详细的说，所发明的电话是一个硬件系统，其中有一个用于用户拨打视频电话的处理器，但没有配备摄像头和LCD。本发明的电话主要是作为一个VoIP电话来使用的，并且如果通过外部的输入和输出端口将其连接到一个外部摄像头和LCD上时，它能够支持视频通话功能。因此，硬件结构变得更简单，并且小型化的外观具有很强的灵活性。首先，产品的生产成本能够降低。用户能够依照用户的网络或周围环境来选择一种声频电话或是声频/视频电话，从而满足用户的不同需求。

[09]在下文中将会对当前所使用的电话的结构和操作进行详述。

[10]<因特网电话协议>

[11]因特网电话使用了一种国际标准组织制订的标准协议，例如H.323(国际电信联盟，ITU)以及SIP(Internet工程任务组，IETF)。依照每种硬件或协议，因特网电话的体系结构上会有少许的不同，但其通常拥有如下的软件结构。图1显示典型的因特网电话的结构。

[12]如图1，一个用户接口，一个信息服务模块，一个电话信令网关，一个媒体模块控制部分，一个系统服务部分，一个网络接口(I/F)协议部分，以及一个媒体处理部分被共同的有机的连接到一个应用程序主体部分上。

[13]一个VoIP电话是通过交换信息并确定适当的声频CODEC(编码器/解码器)来实现通讯的，而信息的交换是在两者之间建立通话时，通过预先调整拨打者的声频处理性能以及被拨打者的声频处理性能来实现的。相似的，一个MoIP电话是通过交换信息并确定声频/视频处理方案来实现通讯的，信息的交换是在两者之间建立通话时，通过事先调整拨打者的声频/视频处理性能以及被拨打者的声频/视频处理性能来实现的。

[14]<VoIP电话>

[15]VoIP电话指的是一种硬件构架的因特网电话中仅用于声频通话的电话。VoIP电话在其外观和运行方式上都与一般的公共交换电话网(PSTN)电话拥有相同的架构。因此，以较低的费用，就能够用一个VoIP电话替换一个普通电话。

[16]VoIP电话包括，如图2所示，一个主处理模块11，一个用于处理声频的声频处理模块12，一个声频输入/输出(I/O)模块13，例如一个听筒，一个扬声器，等等，以及一个连接到因特网上的网络模块14。VoIP电话还包括一个LCD16或一个发光二极管(LED)，用于设定和显示电话的状态，一个键盘用于按键输入，一个外部I/O接口17，以及一个电源模块18。

[17]<MoIP电话>

[18]MoIP电话指的是一种支持视频通讯的因特网电话，它是VoIp电话的一种改进类型。如图3所示，在MoIP电话中，在VoIP电话的结构上增加了一个视频处理模块20用于处理视频数据，以及一个视频I/O模块30用于处理视频设备例如一个视频摄像头，一个LCD等的输入/输出。

[19]在某些情况中，视频处理模块20是由主处理模块11进行软件处理的。然而，一个专门的视频处理器被单独构造用于处理高性能图像。由于这样的硬件结构，MoIP电话的价格比VoIP高。特别是摄像头和LCD，它们增加了产品的费用。

[20]MoIP电话的视频处理模块20的详细构造如图4所示。视频处理模块20包括一个视频CODEC21，一个视频预处理器22，以及一个视频后处理器23。视频处理模块20将数字视频信号转换成一个模拟视频数据，转换过的模拟信号通过视频输出模块输出，或者将来自视频输入模块的一个模拟视频信号转化成一个数字信号。更进一步地，视频处理模块20依照所使用的压缩CODEC来压缩视频数据。

[21]图5显示了MoIP电话的视频I/O模块30的详细结构。视频I/O模块30包括一个视频输入处理器31，一个摄像头32，一个视频输出处理器33和一个LCD34。视频I/O模块30接收一个来自于摄像头32的模拟视频信号，或者接收一个来自于视频处理模块20的经过转换的模拟视频信号，并在LCD34上显示相应的模拟视频数据以对应所接收到的模拟视频信号。

[22]常规的VoIP电话已经以较低的价位得到广泛的应用，但是MoIP电话因为因特网环境的不同，服务费用，产品费用，等等原因，尚没有得到广泛应用。

[23]在本发明中，由于只在现存的VoIP电话上增加了一个视频处理模块，最终费用能够被降低到VoIP电话的水平。而且，能够依照用户环境通过使用一个终端来手动或自动的拨打声频电话或者声频/视频电话。

                       发明概要

[24]因此，本发明致力于解决先前技术中的上述问题，本发明的目的之一在于提供一种视频因特网电话，它能够被独立当作一个VoIP电话使用，它也可以依用户的要求，通过提供一个视频处理功能，并在其中建立外部的输入/输出端口，从而被当作一个可视电话使用。

[25]本发明的另一个目的在于提供一种算法用于建立因特网声频和视频通话，以及用于一种菜单的操作方法，该菜单与一个视频因特网电话相匹配。

要实现以上目的，依照本发明，给出了一种视频因特网电话，它与一个VoIP(语音因特网协议)电话相兼容，可以在因特网上提供声频通讯服务，该电话包括：一个视频处理模块，它通过一个视频通讯协议将一个数字视频信号转换成为一个模拟视频信号，或者将这里所使用的模拟视频信号转化成一个数字视频信号用于通过因特网来传输；以及一个视频输入/输出模块，它与视频处理模块协作运行，用于接收来自于摄像头的模拟视频信号，或者接收来自于视频处理模块的经转换的模拟视频信号，并将相应的模拟视频数据显示在一个液晶显示屏(LCD)上。

                       附图的简要说明

[26]联系此处附图，参照下面的说明将会有助于更完整的理解本发明的实施例及其优点。

[27]图1显示常规的因特网电话的一种结构；

[28]图2是一个VoIP电话的框图；

[29]图3是一个MoIP电话的框图；

[30]图4是图3中MoIP电话的一个视频处理模块的详细框图；

[31]图5是一个普通的视频输入/输出模块的详细框图；

[32]图6是一个结构框图，它图解了一个依照本发明的视频因特网电话的整体结构；

[33]图7是图6中所示的视频因特网电话的一个视频处理模块和一个视频输入/输出模块的详细框图；

[34]图8是一个流程图，它图解了依照本发明的一个首选实施例，在视频因特网电话被单独使用，并将一台电视连接到一个外部输出设备上的情况下，用户的设定转换；

[35]图9是一个流程图，它图解了依照本发明的一个首选实施例，在一个视频因特网电话被使用之前，是接通一个声频通话还是接通一个声频/视频通话的决定过程。

[36]图10是一个流程图，它图解了依照本发明的一个首选实施例的一种期望方案，当一个用户在视频因特网电话上接到一个电话时，它被用于决定是否播放视频通话。

                      发明的详细说明

[37]现在将会详细说明本发明的首选实施例，在附图中对其示例进行图解。

[38]图6是一张结构框图，它图解了一个依照本发明的视频因特网电话的整体结构。

[39]参照图6，视频因特网电话包括一个主处理模块100，一个电源模块110，一个网络模块120，一个声频处理模块130，一个声频输入/输出模块(I/O)140，一个视频处理模块150，一个视频输入/输出(I/O)模块160，一个键盘170，一个LCD180和一个外部设备接口190。

[40]主处理模块100拥有一个中央处理器电源(CPU)，一个内存，一个时钟，等等，在这里用于控制系统的整体运行。电源模块110被用于给这里提供电源，以稳定的驱动系统。网络模块120建立了一个通讯网络，用于同因特网连接。声频处理模块130使用G.723.1，G.711，和G.729这样的声频CODEC来处理一个声频信号。声频输入/输出(I/O)模块140同声频处理模块130协作运行并接收一个来自于电话话筒(或麦克风)的声频数据信号，或者通过电话听筒(或扬声器)输出一个对应于转化过的模拟声频信号的模拟声频数据。视频处理模块150使用例如H.261，H.263，MPEG(动态图象专家组)等这样的视频CODEC来将一个数字视频信号转化成为一个模拟视频信号，或者将这里所使用的一个模拟视频信号转换成为数字视频信号。视频输入/输出(I/O)模块160同视频处理模块150协作运行并接收一个来自于摄像头的视频模拟信号，或者接收来自于视频处理模块140的经转化的模拟视频信号，并将对应于所接收到的模拟视频信号的相应模拟视频数据显示到一个LCD上。键盘170除了登陆密码按键之外，还拥有一个视频输入选择按键和一个视频输出选择按键，用于控制视频信号的输入/输出。LCD180显示电话的当前状态和电话的当前设置特征。外部设备接口190被连接到其他的附加设备上。

[41]基于现存的VoIP电话，仅仅通过增加视频处理模块150和视频I/O模块160就可以简单的获得上述的视频因特网电话。

[42]此外，通过单独使用视频处理模块150，就可以仅用现有VOIP电话的CPU实现一个视频通话。其外观同现有的VOIP电话相同，因为在视频I/O模块中不包括LCD和摄像头。

[43]在现有的因特网视频电话中，需要不同的电压和一个大功率电源来驱动摄像头和LCD。然而，在本发明中，仅仅驱动视频处理模块不需要提供一个附加的电源。因此，其结构可以像VOIP电话一样简单，并且耗电较少。

[44]图7是图6所示的视频因特网电话的视频处理模块150和视频I/O模块160的更详细的框图。

[45]在本发明中，由于一个外部电视信号是通过用作电视输入和输出端口162和164的标准RCA插座来进行接收和传输的，因此视频因特网电话同现有的视频设备相兼容。视频I/O模块160的输入视频被接收作为一个电视信号，并通过模数转换转化为数字视频数据。当这种视频数据在视频CODEC151中被压缩之前，先在一个视频预处理器152中被处理调整至一个屏幕区域，并通过滤波器调整大小和处理以得到较好的画面质量。被压缩的数据通过主处理器模块100，按照一种视频通讯协议被传输至被呼叫者的电话中。

[46]从被呼叫者的电话中所接收到的被压缩视频数据在视频CODEC151中被解压缩。解压的视频数据经过了滤波，屏幕大小调整，而数模转换是在一个视频后处理器153和一个视频输出处理器163中进行的。电视信号通过电视输出端口164被发送到外部。

[47]依照本发明的视频因特网电话可单独作为一个VOIP电话运作。通过将一个视频摄像头连接到一个外部视频输入端口并将一个电视连接到一个外部视频输出端口，就可能进行一次视频电话通话。

[48]视频因特网电话可以被用于视频授课，如果教师将一个视频摄像头连接到视频输入端口，而学生将一个电视连接到视频输出端口的话。通过在视频设备正在被连接的状态下，使用一个视频输入停止按钮或一个视频输出停止按钮，用户能够决定是否做出一次视频通话。

[49]由于视频输入处理器161检查一个外部视频输入信号，通过确认是否已经连接了外部视频设备，能够自动的控制一个视频通话操作。这个示例可以被应用于由一个电路结构自动确认外部输出的情况，在该电路结构中视频输出处理器163确定电视输出端口是否短接，还是装载了一个通往其它视频设备的连接。

[50]图8是一张流程图，它图解了依照本发明的一个首选实施例，在视频因特网电话被单独使用，并将一台电视连接到一个外部输出设备上的情况下，用户的设定转换。

[51]在视频因特网电话的输入设备上的“MENU”键被按下的状态下(步骤S101)，在步骤S102中检查是否使用了一个外部视频设备。如果使用了一个外部视频设备，在步骤S103中字符型LCD上将会显示“GUI SETUP”的消息，并且将会在步骤S104中显示GUI(图形用户接口)初始菜单。之后程序继续进行到步骤S105等待一个来自于用户输入。在步骤106中将会检查外部视频设备是否处于ON的状态。如果它处于ON的状态，将会显示出一个当前GUI菜单的字符型LCD菜单。如果外部设备处于OFF状态，在步骤S107中将会检查是否选择菜单上的一条“END”消息。

[52]如果“END”消息没有被选择，就在步骤S108中执行GUI菜单，并在步骤S109中执行当前字符型LCD菜单的GUI菜单。

[53]其间，如果在S102中没有使用外部视频设备，在步骤S110中显示出消息“EXTERNAL VIDEO DISABLED”，并在步骤S111中执行一个字符型LCD初始菜单。

[54]然后，程序进行到步骤S112，等待一个来自于用户的输入。在步骤S113中确定外部视频设备是否处于ON的状态。如果它处于ON的状态，当前字符型LCD菜单的GUI菜单被执行。如果在步骤113中外部视频设备处于OFF状态，则在步骤S114中检查菜单中的“END”消息是否被选择。如果“END”消息没有被选择，则在步骤S115中执行字符型LCD菜单，并在步骤S116中执行当前GUI菜单的字符型LCD菜单。

[55]

[56]如上所述，如果视频因特网电话没有使用一个附加的外部设备，有可能通过字符型LCD来设定一个菜单，以便于执行用户的设定以及使用电话号码簿。然而，当视频因特网电话被连接到一个电视上时，如果通过GUI来设置菜单的话，将能更加方便地完成以上两点功能。为此，提出了下面的用户菜单系统。首先，用户使用同样的输入设备，而无需考虑使用的是字符型LCD还是GUI菜单。字符型LCD菜单和GUI菜单拥有同样的菜单项，并且以同样的规则进行处理。换句话说，字符型LCD菜单和GUI菜单共享了一种常用的树型结构的菜单层。通常，它们共享的是电话号码簿，呼入/呼出电话号码记录，以及系统设定的数据。因此，在当前菜单被显示的状态下，有可能在GUI形式和字符型LCD形式之间实现直接的通信和转换。

[57]图9是一张流程图，它显示了依照本发明的一个首选实施例，在一个视频因特网电话被使用之前，是接通一个声频通话还是接通一个声频/视频通话的决定过程。

[58]在步骤S201中，做出了接通一个电话通话的尝试。在步骤S202中，检查是否使用了一个视频输出设备。如果要使用一个视频输出设备，则在步骤S203中执行一个GUI试通话菜单，并在步骤S204中执行一个字符型LCD试通话菜单。在步骤S205中检查是否已经完成了试通话菜单的一个输入。在步骤S206中检查通话尝试是否已经完成。如果没有完成，程序前进到步骤S207等待一个来自于用户的输入。

[59]如果在步骤206中，通话尝试已经完成，在步骤S208中确定是否使用视频输出设备。如果要使用，在步骤S209结束GUI试通话菜单，并在步骤S210中结束字符型LCD试通话菜单。

[60]另一方面，如果在步骤S205中完成了试通话菜单的输入，则在步骤S211中确定是否使用视频输出设备。如果要使用，则在步骤S212中设置电话协议以便于接收视频数据。然后，在步骤S213中检查是否使用一个视频输入设备。如果要使用视频输入设备，则在步骤S214中检查是否连接上了视频输入设备。如果设备已经被连接上了，则在步骤S215中对电话协议进行设定以便于传输视频数据，并在步骤S216中使用该电话协议做出通话尝试。

[61]如上所述，依照本发明，用户能够使用按键确定是否传输和接收视频数据，并且能够在连接上一个外部视频输入设备的时候传输视频数据。

[62]在H.323和SIP通讯协议中，当一个通话被建立的时候，与视频传输和接收相关的性能被进行了转换，并且只有实际可能的数据被RTP(实时协议)传输和接收。因此，在做出一次通话尝试之前，一个代表是否可能进行一次视频通话的结果将会被配置给协议模块。

[63]图10是一个流程图，它图解了依照本发明的一个首选实施例的一种期望模式，当一个用户在视频因特网电话上接到一个电话时，它被用于决定是否播放视频通话。

[64]在步骤S301中，做出了一次接收一个视频因特网电话的呼叫尝试。在步骤S302中检查是否使用一个视频输出设备。如果要使用，则在步骤S303中执行一个GUI呼叫答复菜单，并在步骤S304中执行一个字符型LCD呼叫答复菜单。之后，程序进行到步骤S305唤起电话铃声，并前进到步骤S306等待一个来自于用户的输入。在步骤S307中检查是否已经完成一次呼叫。如果完成，则在步骤S308确定是否视用视频输出设备。如果要使用，则在步骤S309结束GUI呼叫答复菜单，并在步骤S310结束字符型LCD呼叫答复菜单。

[65]另一方面，如果在步骤S307呼叫没有完成，则在步骤S311检查是否答复该电话。如果用户不想答复该电话，则在步骤S312确定是否使用视频输出设备。如果要使用，则在步骤S313对电话协议进行设置以便于接收视频数据。之后在步骤S314中检查是否使用视频输入设备。如果要使用，则在步骤S315中检查该视频输入设备是否已经被连接上了。如果它已经被连接上了，则在步骤S316中对电话协议进行设定以便于传输视频数据，并在步骤S317中建立一次通话。

[66]如图9所描述的通话尝试相似，当用户接收到一个通话，只有设定了一个视频通话功能，才能够进行一次视频通话。

[67]本发明的视频因特网电话有如下优点：

[68]第一，该视频因特网电话能够单独作为一个VoIP电话使用。如果使用了一个外围设备，它能够被当作一个低价位的MoIP电话使用。特别是，其生产成本同VoIP电话相近，视频因特网电话能够满足用户对于VoIP电话和MoIP电话兼容一体的需要。

[69]第二，视频因特网电话的外观能够缩小到通常VoIP电话的程度。因此，视频因特网电话具有很强的灵活性，并能够依照其安装环境被当作一个MoIP电话使用。在新产品的开发中，由于能够使用现有的VoIP电话几乎所有组件，仅仅通过增加视频处理模块，就能够很容易的把视频因特网电话转换成一个MoIP产品。

[70]第三，用户可以选择一个外部视频设备的连接。能够通过自动选择方案很简单的实现在视频通话和声频通话之间的转换。因此，对于内部设备和网络带宽的使用被降到了最小。

[71]第四，可能通过GUI或字符型LCD对话机进行设置，并且可以很容易的随时在两者之间进行转换。因此可以获得更便利的用户环境。

[72]虽然对本发明的说明是参照特定的说明性实施例来进行的，但本发明并不受这些实施例的限制，而是受附带的权利要求的限定。本领域技术人员可在不脱离本发明的的范围和精神的情况下对实施例进行改动和修正。

Claims (9)

1.一种视频因特网电话，可与能够在因特网上提供声频通讯服务的VoIP电话相兼容，该视频因特网电话包括：

一个视频处理模块，用于通过一个视频通讯协议将一个数字视频信号转换成一个模拟视频信号，或者将其中应用的一个模拟视频信号转换成一个数字视频信号，用于在因特网上进行传输；以及

一个同视频处理模块协作的视频输入/输出模块，用于接收来自于一个摄像头的一个模拟视频信号，或者接收一个来自于视频处理模块的经过转换的模拟视频信号，并将对应于所收到的模拟视频信号的相应模拟视频数据显示在液晶显示屏(LCD)上。

2.如权利要求1所述的视频因特网电话，其中视频因特网电话能够单独执行一个VoIP电话功能，或者依照其对外部视频输入和输出设备的使用，实现一个MoIP(多媒体因特网协议)的电话功能。

3.如权利要求2所述的视频因特网电话，其中外部视频输入和输出设备包括一个作为用户接口的字符/图像LCD。

4.如权利要求2所述的视频因特网电话，其中外部视频输入和输出设备包括一个电视和一个CRT(阴极射线管)/TFT-LCD(薄膜晶体管-LCD)，用于显示其中的模拟视频数据。

5.如权利要求2所述的视频因特网电话，其中如果视频因特网电话没有附加任何外部视频输入和输出设备而被使用的话，则要通过一个字符型LCD来设置一个菜单，以便于执行用户的设定并使用一个电话号码簿。

6.如权利要求2所述的视频因特网电话，其中如果视频因特网电话被连接到一个外部电视端口的话，则要通过一个图形用户接口来设置一个菜单，以便于执行用户的设定并使用一个电话号码簿。

7.如权利要求1所述的视频因特网电话，其中，是基于一个VoIP电话的功能，依照用户的选择和外部视频输入和输出设备的连接状态来对一次视频通话进行设定。

8.如权利要求1所述的视频因特网电话，进一步包括：

一个电源模块，用于提供电源，以稳定地驱动一个系统；

一个网络模块，用于建立一个通讯网络以连接因特网；

一个主处理模块，具有一个中央处理单元(CPU)，一个内存，一个时钟，等等，其内置并同网络模块，视频处理模块和视频输入/输出模块一起协作控制整个系统的运转；

一个同主处理模块协作的声频处理模块，用来使用一个声频CODEC(编码器/解码器)来处理一个声频信号；

一个同声频处理模块协作的声频输入/输出模块，用来接收来自于麦克风的一个模拟声频信号，或者通过一个扬声器输出对应于一个转换过的模拟声频信号的模拟声频数据；

一个按键输入部分，它同主处理模块共同作用，并且除了密码登录按键之外，它还拥有一个视频输入选择按键和一个视频输出选择按键，用于控制视频信号的输入/输出；

一个同视频输入/输出模块协作的显示器单元，用于显示电话的当前状态和电话设置的特性；以及

一个同主处理模块协作的外部设备接口，它被用于连接其它附加设备。

9.如权利要求8所述的视频因特网电话，其中一个声频CODEC，例如G.723.1，G.7111，和G.729被应用于声频处理模块，而一个视频CODEC，例如H.261，H.263，和MPEG(动态图象专家组)，被应用于视频处理模块。

Images