DE202018006448U1 - Skalieren eines Bilds eines Gesichts eines Sprechers basierend auf dem Abstand eines Gesichts und einer Grösse einer Anzeige - Google Patents

Skalieren eines Bilds eines Gesichts eines Sprechers basierend auf dem Abstand eines Gesichts und einer Grösse einer Anzeige Download PDF

Info

Publication number
DE202018006448U1
DE202018006448U1 DE202018006448.3U DE202018006448U DE202018006448U1 DE 202018006448 U1 DE202018006448 U1 DE 202018006448U1 DE 202018006448 U DE202018006448 U DE 202018006448U DE 202018006448 U1 DE202018006448 U1 DE 202018006448U1
Authority
DE
Germany
Prior art keywords
face
person
image
distance
display
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE202018006448.3U
Other languages
English (en)
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Google LLC
Original Assignee
Google LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Publication of DE202018006448U1 publication Critical patent/DE202018006448U1/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
    • H04N7/147—Communication arrangements, e.g. identifying the communication as a video-communication, intermediate storage of the signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof

Abstract

Computerprogramm, das Anweisungen umfasst, die dann, wenn sie auf wenigstens einem Prozessor ausgeführt werden, veranlassen, dass ein Computersystem Schritte ausführt, die folgendes umfassen:
Bestimmen eines Abstands eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm;
Bestimmen einer Größe einer Anzeige in Kommunikation mit der Kamera; und
Skalieren des Bilds basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige.

Description

  • TECHNISCHES GEBIET
  • Diese Beschreibung betrifft Videokonferenz.
  • Als Gebrauchsmuster geschützt werden und Gegenstand von diesem sind gemäß den Erfordernissen des Gebrauchsmustergesetzes nur Vorrichtungen, wie sie in den beigefügten Ansprüchen definiert sind, aber keine Verfahren. Im Falle, in welchem die Beschreibung auf Verfahren Bezug nimmt, dienen diese Bezugnahmen lediglich dazu, die Vorrichtung oder die Vorrichtungen darzustellen, für welche mit den beigefügten Ansprüchen Schutz gesucht wird.
  • HINTERGRUND
  • Kameras können Bilder eines Raums mit Konferenzteilnehmern aufnehmen, um ein Video zu erzeugen, was eine Videokonferenz ermöglicht. Ein Senden und/oder Präsentieren der unbearbeiteten aufgenommenen Bilder zu und/oder von einer entfernten Anzeige kann in einer Schwierigkeit für Betrachter resultieren, sich auf einen aktuellen Sprecher zu fokussieren, was die „Live“-Gefühl der Videokonferenz reduziert.
  • ZUSAMMENFASSUNG
  • Um die Live-Erfahrung einer Videokonferenz zu verbessern, kann ein Computersystem einen Abstand eines Gesichts eines Sprechenden bzw. Sprechers von einer Kamera während der Videokonferenz bestimmen, eine Größe einer Anzeige bestimmen, auf welcher das Gesicht des Sprechers präsentiert werden wird, und ein aufgenommenes Bild des Gesichts des Sprechers basierend auf dem Abstand und der Größe der Anzeige so skalieren, dass das Bild des Gesichts des Sprechers lebensgroß erscheinen wird. Das angezeigte Bild des Gesichts des Sprechers kann eine selbe Größe haben wie dann, wenn die Anzeige ein Fenster wäre und das Gesicht des Sprechers auf der der Anzeige gegenüberliegenden Seite einen selben Abstand hätte wie das Gesicht des Sprechers von der Kamera. Die Erscheinung des Gesichts des Sprechers in Lebensgröße kann dazu führen, dass sich die Videokonferenz „live“ anfühlt, wobei das Gesicht des Sprechers derart erscheint, dass es der Person (den Personen) nahe ist, die das Gesicht des Sprechers auf der Anzeige anschaut (anschauen).
  • Die Details einer oder mehrerer Implementierungen sind in den beigefügten Zeichnungen und der nachstehenden Beschreibung dargelegt. Andere Merkmale werden aus der Beschreibung und den Zeichnungen und aus den Ansprüchen offensichtlich werden.
  • Figurenliste
    • 1 ist eine graphische Darstellung eines Systems zum Ermöglichen einer Videokonferenz zwischen Personen in unterschiedlichen Räumen bzw. Zimmern, einschließlich Kameras, Anzeigen und eines Netzwerks, durch das die Kameras und Anzeigen kommunizieren, gemäß einer beispielhaften Implementierung.
    • 2 ist ein Blockdiagramm eines Systems zum Skalieren eines Bilds eines Gesichts eines Sprechers gemäß einer beispielhaften Implementierung.
    • 3A ist eine graphische Darstellung eines aufgenommenen Bilds, die Bilder von zwei Personen zeigt, gemäß einer beispielhaften Implementierung.
    • 3B ist eine graphische Darstellung eines nach einem Skalieren eines Gesichts eines Sprechers präsentierten Bilds gemäß einer beispielhaften Implementierung.
    • 4 ist eine graphische Darstellung, die Dimensionen zwischen der Person und der Kamera gemäß einer beispielhaften Implementierung zeigt.
    • 5 ist ein Ablaufdiagramm, das ein Verfahren gemäß einer beispielhaften Implementierung zeigt.
    • 6 zeigt ein Beispiel einer Computervorrichtung und einer mobilen Computervorrichtung, die verwendet werden können, um die hier beschriebenen Techniken zu implementieren.
  • DETAILLIERTE BESCHREIBUNG
  • Anhand eines Beispiels enthält ein Verfahren ein Bestimmen eines Abstands eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm, ein Bestimmen einer Größe einer Anzeige in Kommunikation mit der Kamera und ein Skalieren des Bilds basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige.
  • 1 ist eine graphische Darstellung eines Systems zum Ermöglichen einer Videokonferenz zwischen Personen 108, 112, 162A, 162B in unterschiedlichen Räumen 102, 152A, 152B, einschließlich Kameras 104, 154A, 154B, Anzeigen 106, 156A, 156B und eines Netzwerks 125, durch das die Kameras 104, 154A, 154B und Anzeigen 106, 156A, 156B kommunizieren, gemäß einer beispielhaften Implementierung. Die Kameras 104, 154A, 154B können Bilder von Teilbereichen der jeweiligen Räume 102, 152A, 152B aufnehmen. Die Teilbereiche der Räume 102, 152A, 152B, für die die Kameras 104, 154A, 154B Bilder aufnahmen, enthalten eine oder mehrere Personen 108, 112, 162A, 162B, einschließlich Gesichtern 110 von einer oder mehreren der Personen 108, 112, 162A, 162B. Die Kameras 104, 154A, 154B können die aufgenommenen Bilder zu den Anzeigen 106, 156A, 156B in den anderen Konferenzräumen 102, 152A, 152B zum Anschauen in den anderen Konferenzräumen 102, 152A, 152B senden. Die Kameras 104, 154A, 154B und Anzeigen 106, 156A, 156B in jedem Raum 102, 152A, 152B können separate Vorrichtungen sein oder können in einzelne Vorrichtungen kombiniert sein.
  • Um die aufgenommenen Bilder von Gesichtern, wie beispielsweise dem Gesicht 110 der Person 108 im Raum 102, auf den die Bilder präsentierenden Anzeigen 156A, 156B lebensgroß erscheinen zu lassen, können die Bilder basierend auf einem Abstand 114 des Gesichts 110 von der Kamera 104 und Größen 166A, 166B der Anzeigen 156A, 156B skaliert werden. Das Skalieren der Bilder kann durch die Kamera 104 und/oder ein die Kamera 104 steuerndes Computersystem, die Anzeigen 156a, 156B und/oder die Anzeigen 156a, 156B steuernde Computersysteme und/oder durch ein anderes Computersystem (wie beispielsweise einen oder mehrere Server in Kommunikation mit den Kameras 104, 154A, 154B und Anzeigen 106, 156A, 156B), das die Videokonferenz ermöglicht, durchgeführt werden.
  • Der einfachen Bezugnahme halber werden Funktionen, Verfahren bzw. Methoden und/oder Techniken hierin unter Bezugnahme auf die Kamera 104 in dem Raum 102 beschrieben werden, die ein Bild der Person 108 und ein Gesicht 110 der Person 108 zur Präsentation auf den Anzeigen 156A, 156B in den Räumen 152A, 152B aufnimmt. Jedoch können unter Bezugnahme auf die Kamera 104 im Raum 102 in Bezug auf die Personen 108, 112 beschriebene Funktionen, Verfahren bzw. Methoden und/oder Techniken auch durch die Kameras 154A, 154B in Bezug auf die Personen 162A, 162B (und/oder irgendwelche anderen Personen in den Räumen 152A, 152B) durchgeführt werden und können in Bezug auf die Anzeigen 156A, 156B in den Räumen 152A, 152B beschriebene Funktionen, Verfahren bzw. Methoden und/oder Techniken auch durch die Anzeige 106 durchgeführt werden. Während zwei Personen 108, 112 im Raum 102 gezeigt sind und eine Person 162A, 162B in jedem der Räume 152A, 152B gezeigt ist, kann irgendeine Anzahl von Personen in jedem der Räume 102, 152A, 152B enthalten sein.
  • Das das Skalieren durchführende Computersystem kann einen Abstand 114 des Gesichts 110 von der Kamera 104 bestimmen. Das Computersystem kann auch eine Größe 166A, 166B der Anzeige 156A, 156B bestimmen, die das aufgenommene Bild des Gesichts 110 präsentieren wird. Das Computersystem kann das Bild basierend auf dem bestimmten Abstand und der bestimmten Größe skalieren, um ein lebensgroßes Bild (lebensgroße Bilder) des Gesichts 110 auf der (den) Anzeige(n) 156A, 156B zu erzeugen. Das skalierte Bild kann zum Beispiel eine Größe haben, die umgekehrt proportional zu dem bestimmten Abstand des Gesichts 110 von der Kamera 104 ist, so dass das skalierte Bild kleiner sein wird, wenn bestimmt wird, dass das Gesicht 110 weiter von der Kamera 104 weg ist, und größer, wenn bestimmt wird, dass das Gesicht 110 näher zu der Kamera 104 ist. Das skalierte Bild kann zum Beispiel eine Größe haben (wenn sie als ein Anteil der gesamten Größe der Anzeige 156A, 156B gemessen wird), die umgekehrt proportional zu der bestimmten Größe der Anzeige(n) 156A, 156B ist, so dass das skalierte Bild einen kleineren Anteil einer größeren Anzeige und einen größeren Anteil einer kleineren Anzeige besetzt, so dass die absolute Größe des angezeigten Bilds ungeachtet der Größe der Anzeige(n) 156A, 156B dieselbe ist.
  • Bei einigen beispielhaften Implementierungen kann das das Skalieren durchführende Computersystem den Abstand 114 des Gesichts 110 der Person 108 von der Kamera 104 basierend auf einem Augenabstand bestimmen. Der Augenabstand kann ein Abstand zwischen Pupillen und/oder Mittelpunkten der Augen des Gesichts 110 der Person 108 sein. Augenabstände neigen dazu, für unterschiedliche Personen nahezu dieselben zu sein, wie beispielsweise etwa fünfundsechzig Millimeter (65 mm). Der Abstand 114 kann bestimmt werden durch Bestimmen des Augenabstands und/oder einer Breite zwischen den Augen auf dem Gesicht 110 der Person 108 und Teilen eines vorbestimmten Abstands oder einer vorbestimmten Breite durch den Augenabstand und/oder der Breite, um ein Abstandsverhältnis und/oder Breitenverhältnis zu bestimmen. Der Abstand 114 des Gesichts 110 von der Kamera 104 kann bestimmt werden durch Multiplizieren des Abstandsverhältnisses und/oder Breitenverhältnisses mit einem vorbestimmten Abstand. Bei einigen Beispielen kann das Computersystem das Abstandsverhältnis und/oder Breitenverhältnis bestimmen durch Teilen des Augenabstands und/oder einer Breite durch den vorbestimmten Abstand oder eine vorbestimmte Breite, und den Abstand 114 bestimmen durch Teilen des vorbestimmten Abstands durch das Abstandsverhältnis und/oder Breitenverhältnis.
  • Bei einigen beispielhaften Implementierungen kann das das Skalieren durchführende Computersystem den Abstand basierend auf einer Höhe von einem Mundmittelpunkt zu einem Mittelpunkt zwischen Augen bestimmen. Die Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen neigt dazu, nahezu dieselbe wie der Augenabstand und/oder für unterschiedliche Personen dieselbe zu sein, wie beispielsweise etwa fünfundsechzig Millimeter (65 mm). Das Computersystem kann die Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen innerhalb des aufgenommenen Bilds messen und eine vorbestimmte Höhe durch die gemessene Höhe teilen, um ein Höhenverhältnis zu bestimmen. Das Computersystem kann den Abstand 114 bestimmen durch Multiplizieren eines vorbestimmten Abstands mit dem Höhenverhältnis. Bei einigen Beispielen kann das Computersystem das Höhenverhältnis bestimmen durch Teilen der gemessenen Höhe durch die vorbestimmte Höhe und den Abstand 114 bestimmen durch Teilen des vorbestimmten Abstands durch das Höhenverhältnis.
  • Bei einigen Beispielen kann das Gesicht 110 eher von der Kamera 104 weg, wie beispielsweise zur Seite, nach oben oder nach unten in Bezug auf die Kamera 104, gerichtet zeigend sein als direkt in Richtung zur Kamera 104. Das Weggerichtet zeigend sein kann den Augenabstand und/oder die Höhe im aufgenommenen Bild reduzieren. Der Augenabstand und/oder die Höhe im aufgenommenen Bild können oder kann zum Beispiel eine Kosinusfunktion eines Winkels sein, um welchen das Gesicht 110 weg von der Kamera 104 gerichtet zeigend ist. Bei einigen Beispielen kann das Computersystem ein Größeres des Augenabstands und/oder der Breite oder der Höhe vom Mittelpunkt des Mundes zum Mittelpunkt der Augen auswählen. Bei einigen Beispielen kann das Computersystem einen vorbestimmten Wert, wie beispielsweise eine vorbestimmte Breite, einen vorbestimmten Abstand oder eine vorbestimmte Höhe, durch den ausgewählten Wert teilen, um ein Verhältnis zu bestimmen, und das Verhältnis mit einem vorbestimmten Abstand multiplizieren, um den Abstand 114 zu bestimmen. Bei einigen Beispielen kann das Computersystem den ausgewählten Wert durch den vorbestimmten Wert, wie beispielsweise die vorbestimmte Breite, den vorbestimmten Abstand oder die vorbestimmte Höhe, teilen, um das Verhältnis zu bestimmen, und den vorbestimmten Abstand durch das Verhältnis teilen, um den Abstand 114 zu bestimmen. Bei einigen Beispielen kann sich, wenn kein Augenabstand verfügbar ist, wie beispielsweise deshalb, weil die Person zu weit weg von der Kamera 104 ist, das Computersystem auf eine letzte Bestimmung eines Abstands stützen.
  • Bei Beispielen, bei welchen das Skalieren durch die Kamera 104 und/ oder ein die Kamera 104 steuerndes Computersystem durchgeführt wird, kann die Kamera 104 und/oder das die Kamera 104 steuernde Computersystem die Größe(n) 166A, 166B der Anzeige(n) 156A, 156b basierend auf einer Nachricht oder einem Anzeichen bestimmen, die oder das von der (den) Anzeige(n) 156A, 156B empfangen ist, wie beispielsweise einen Anzeigengrößenindikator, der in einer Hypertext-Übertragungsprotokoll-(HTTP-)Nachricht enthalten ist, die von der (den) Anzeige(n) 156A, 156B und/oder einer Computervorrichtung oder einem Computersystem, die oder das mit der (den) Anzeige(n) 156A, 156B assoziiert ist oder diese steuert, empfangen ist. Bei Beispielen, bei welchen das Skalieren durch ein Computersystem durchgeführt wird, wie beispielsweise einen oder mehrere Server, die die Videokonferenz ermöglichen, kann das Computersystem die Größe(n) 166A, 166B der Anzeige(n) 156A, 156B basierend auf einer Nachricht oder einem Anzeichen bestimmen, die oder das von der (den) Anzeige(n) 156A, 156B empfangen ist, wie beispielsweise einen Anzeigengrößenindikator, der in einer Hypertext-Übertragungs-protokoll-(HTTP-)Nachricht enthalten ist, die von der (den) Anzeige(n) 156A, 156B und/oder einer Computervorrichtung oder einem Computersystem, die oder das mit der (den) Anzeige(n) 156A, 156B assoziiert ist oder diese steuert, empfangen ist. Bei Beispielen, bei welchen das Skalieren durch die Anzeige(n) 156A, 156B und/oder ein Computersystem, das mit der (den) Anzeige(n) 156A, 156B assoziiert ist und/oder diese steuert, durchgeführt wird, kann (können) die Anzeige(n) 156A, 156B die Größe(n) 166A, 166B basierend auf einem in einem Speicher der Anzeige(n) 156A, 156B bestimmen.
  • Bei einigen Beispielen kann das Computersystem das Gesicht 110 der Person 108 als einen aktiven Sprecher bzw. Sprechenden während der Videokonferenz erkennen. Basierend auf und/oder in Reaktion auf einem Erkennen des Gesichts 110 der Person 108 als den aktiven Sprecher kann das Computersystem das aufgenommene Bild des Gesichts 110 der Person 108 skalieren, das aufgenommene Bild beschneiden, um Teilbereiche zu entfernen, die das Gesicht 110 der Person 108 nicht enthalten, und/oder den Teilbereich des aufgenommenen Bilds, der das Gesicht 110 der Person 108 in einem Zentrum eines erzeugten Bilds und/oder der Anzeige 156A, 156B enthält, bewegen und/oder präsentieren.
  • Um ein Skalieren des Gesichts 110 der Person 108 zu ermöglichen und/oder als eine Vorbedingung oder als Auslöser zum Skalieren des Gesichts 110 der Person 108 kann das Computersystem bestimmen, welche Person 108, 112 der aktive Sprecher ist und/oder die Person 108 und/oder das Gesicht 110 der Person 108 als den aktiven Sprecher in der Videokonferenz erkennen. Bei einigen Beispielen kann das Computersystem bestimmen, dass die Person 108 der aktive Sprecher ist und/oder das Gesicht 110 der Person 108 als den aktiven Sprecher basierend auf einem zeitlichen Unterschied zwischen mehreren Audio-Eingaben, die anzeigen, dass ein Abstand und/oder ein Standort der Person 108 (die als der aktive Sprecher angesehen werden kann) zu einem bestimmten Standort der Person 108 und/oder einem Gesicht 110 der Person 108 passt, erkennen. Bei einigen Beispielen kann der Standort der Person 108 und/oder des Gesichts 110 der Person 108 basierend auf einem bestimmten Abstand der Person 108 und/oder des Gesichts 110 der Person 108 und einer Ausrichtung der Person 108 und/oder des Gesichts 110 der Person 108 bestimmt werden.
  • Bei einigen Bespielen kann das Computersystem die Person 108 und/oder das Gesicht 110 der Person 108 als den aktiven Sprecher basierend auf einem Erkennen einer Lippenbewegung an der Person 108 und/oder dem Gesicht 110 der Person 108 erkennen. Bei einigen Beispielen kann das Computersystem die Person 108 und/oder das Gesicht 110 der Person 108 als den aktiven Sprecher basierend auf einem Erkennen von Gesichtsverformungen im Laufe der Zeit erkennen. Bei einigen Beispielen können Gesichtsverformungen Änderungen an der Erscheinung von Teilen des Gesichts enthalten, einschließlich Augen, Wangen, Kinn und/ oder Stirn. Bei einigen Beispielen kann das Computersystem die Person 108 und/ oder das Gesicht 110 der Person 108 als den aktiven Sprecher basierend auf einem Erkennen von Blicken und/oder Gesichtsverformungen einer anderen Person (von anderen Personen) in Richtung zu der Person 108 und oder dem Gesicht 110 der Person 108 erkennen. Bei einigen Beispielen kann (können) die Person(en), dessen (deren) Blicke derart erkannt werden, dass sie zu der Person 108 und/oder dem Gesicht 110 der Person 108 gerichtet sind, eine oder mehrere Personen 112 im selben Raum 102 wie die Person 108 und/oder das Gesicht 110 der Person 108 sein, die der aktive Sprecher ist und das Bild von deren Gesicht und/oder Augen durch dieselbe Kamera 104 wie die Person 108 und/oder das Gesicht 110 der Person 108 aufgenommen wird. Bei einigen Beispielen kann (können) die Person(en), dessen (deren) Blicke derart erkannt werden, dass sie zu der Person 108 und/oder dem Gesicht 110 der Person 108 gerichtet sind, eine oder mehrere Personen 162A, 162B in einem oder mehreren anderen Räumen 152A, 152B sein, dessen oder deren Blicke in Richtung zu Bildern der Person 108 und/oder des Gesichts 110 der Person 108 auf der (den) Anzeige(n) 156A, 156B durch eine andere Kamera (andere Kameras) 154A, 154B als die Kamera 104 aufgenommen werden, die das Bild der Person 108 und oder des Gesichts 110 der Person 108 aufnahm, die der aktive Sprecher ist.
  • Bei einigen Beispielen kann das Computersystem die Personen 108, 112, 162A, 162B basierend auf einer Kombination aus einem, zwei, drei oder vier von einem Erkennen von Gesichtern in aufgenommenen Bildern, einem Erkennen von Körperformen ohne Gesichter in den aufgenommenen Bildern (wie beispielsweise eine Person, die weg von der Kamera 104, 154A, 154B schaut), einem Erkennen von Lippenbewegung und/oder Gesichtsverformungen in den aufgenommenen Bildern und/oder einem Erkennen von Blicken in Richtung zu dem aufgenommenen Bild der Person 108, 112, 162A, 162B als Personen und/oder Teilnehmer bei der Videokonferenz erkennen, um als eine Person und/oder Teilnehmer bei der Videokonferenz erkannt zu werden.
  • 2 ist ein Blockdiagramm eines Systems 200 zum Skalieren eines Bilds eines Gesichts 110 eines Sprechers gemäß einer beispielhaften Implementierung. Bei einigen Beispielen kann das System 200 in der Kamera 104 sein, und/oder einem Computersystem, das mit der Kamera 200 assoziiert ist und/oder diese steuert. Bei einigen Beispielen kann das System 200 in einem Computersystem, wie beispielsweise einem oder mehreren Servern in Kommunikation mit den Kameras 104, 154A, 154B und/oder Anzeigen 106, 156A, 156B, das die Videokonferenz ermöglicht, enthalten sein. Bei einigen Beispielen kann das System 200 in einer oder mehreren Anzeigen 156A, 156B enthalten sein, und/oder einem Computersystem, das mit einer oder mehreren Anzeigen 156A, 156B assoziiert ist und diese steuert.
  • Das System 200 kann einen Personenerkenner 202 enthalten. Der Personenerkenner 202 kann durch die Kamera(s) 104, 154A, 154B aufgenommene Bilder von Menschen und/oder Personen als Personen und/oder Teilnehmer bei der Videokonferenz erkennen. Der Personenerkenner 202 kann die Bilder als Personen und/oder Teilnehmer bei der Videokonferenz basierend auf Anzeichen bzw. Hinweisen davon, Klassifizierungen als dies und/oder Signalen, die anzeigen, dass die Bilder und/oder Teilbereiche davon Gesichter, Körper, eine Lippenbewegung und/oder Gesichtsverformungen enthalten, und/oder Anzeichen von Blicken in Richtung zu der Person und/oder dem Teilnehmer erkennen.
  • Der Personenerkenner 202 kann einen Gesichtserkenner 204 enthalten. Der Gesichtserkenner 204 kann aufgenommene Bilder und/oder Teilbereiche von aufgenommenen Bildern, als Gesichter und/oder menschliche Gesichter erkennen. Der Gesichtserkenner 204 kann Gesichter und/oder menschliche Gesichter basierend auf Erkennungsformen oder Umrissen von Gesichtern und/oder Merkmalen von Gesichtern, wie beispielsweise einem oder mehreren von Augenbraue(n), Auge(n), Nase, Lippe(n) und/oder Kinn, erkennen.
  • Der Personenerkenner 202 kann einen Körpererkenner 206 enthalten. Der Körpererkenner 206 kann aufgenommene Bilder und/oder Teilbereiche von aufgenommenen Bildern als menschliche Körper erkennen. Der Körpererkenner 206 kann Körper basierend auf Formen, wie beispielsweise der Form eines Kopfes, eines Halses bzw. Nackens, von Schultern und/oder Brust, die in aufgenommenen Bildern enthalten sind, erkennen.
  • Der Personenerkenner 202 kann einen Lippenbewegungserkenner 208 enthalten. Der Lippenbewegungserkenner 208 kann bei aufgenommenen Bildern und/oder Teilbereichen von aufgenommenen Bildern erkennen, dass sie Lippenbewegungen enthalten. Der Lippenbewegungserkenner 208 kann die Lippenbewegung basierend auf in den aufgenommenen Bildern enthaltenen Formen erkennen, die zu Formen von Lippen passen und/oder diesen ähnlich sind, und basierend auf einer vertikalen Bewegung und/oder einem Biegen von Teilbereichen der Lippen. Bei einigen Beispielen kann der Lippenbewegungserkenner 208 zusätzlich oder alternativ als Gesichtsverformungserkenner fungieren. Der Gesichtsverformungserkenner kann eine Gesichtsverformung im Laufe der Zeit erkennen, wie beispielsweise Änderungen bezüglich eines Erscheinens von Teilbereichen eines Gesichts einer Person, einschließlich der Lippen, der Wangen, des Kinns und/oder der Stirn der Person, und Aktivitäten durch die Person basierend auf der Gesichtsverformung erkennen, wie beispielsweise ein aktives Sprechen oder ein Blicken auf einen aktiven Sprecher. Der Gesichtsverformungserkenner kann die Aktivitäten basierend auf den Gesichtsverformungen im Laufe der Zeit unter Verwendung von Heuristiken und/oder Regeln unter Verwendung eines trainierten Modells, wie beispielsweise ein lineares Regressionsmodell oder ein nichtlineares Regressionsmodell oder unter Verwendung von einem oder mehreren neuronalen Netzen erkennen.
  • Der Personenerkenner 202 kann einen Blickbestimmer 210 enthalten. Der Blickbestimmer 210 kann die Richtung von Blicken und/oder von Augen bestimmen, um zu bestimmen, ob die Blicke und/oder Augen in Richtung zu einer potentiellen Person zeigen. Der Blickbestimmer 210 kann Augen, Iris und/oder Pupillen in aufgenommenen Bildern erkennen und eine Richtung bestimmen, in die die Augen, Iris und/oder Pupillen zeigen. Bei einigen Beispielen kann der Blickbestimmer 210 bestimmen, dass die Augen, Iris und/oder Pupillen in Richtung zu einem Objekt, das eine potentielle Person sein kann, in einem selben Raum 102, 152A, 152B wie die Augen, Iris und/oder Pupillen zeigen, bei welchen Beispielen die Person 108 in demselben Raum wie die Augen, Iris und/oder Pupillen sein kann. Bei einigen Beispielen kann der Blickbestimmer 210 bestimmen, dass die Augen, Iris und/oder Pupillen in Richtung zu einem Objekt zeigen, das eine potentielle Person sein kann, die durch die Anzeige 156A, 156B angezeigt und/oder präsentiert wird, bei welchen Beispielen die Person 108 das auf der Anzeige 156A, 156B präsentierte Objekt sein kann und diejenige, welche in dem durch die Kamera 104 aufgenommenen Bild enthalten war.
  • Der Personenerkenner 202 kann basierend auf einer Kombination der Bestimmungen und/oder Erkennungen durch den Gesichtserkenner 204, den Körpererkenner 206, den Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder den Blickbestimmer 210 bestimmen, dass ein in einem durch die Kamera 104 aufgenommenen Bild enthaltenes Objekt eine Person ist. Bei einigen Beispielen kann der Personenerkenner 202 bestimmen, dass das Objekt eine Person ist, basierend auf wenigstens zwei von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 mit einem Schwellen-Vertrauensbereich, dass das Objekt eine Person ist (der Schwellen-Vertrauensbereich kann derselbe oder ein anderer für jeden von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 sein), basierend auf wenigstens drei von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 mit einem Schwellen-Vertrauensbereich, dass das Objekt eine Person ist (der Schwellen-Vertrauensbereich kann derselbe oder ein anderer für jeden von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 sein) und/oder basierend auf allen vier von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 mit einem Schwellen-Vertrauensbereich, dass das Objekt eine Person ist (der Schwellen-Vertrauensbereich kann derselbe oder ein anderer für jeden von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 sein). Ein Vertrauensbereich kann eine Wahrscheinlichkeit, ausgedrückt als ein Prozentsatz oder ein Bruchteil einer Zahl wie beispielsweise Eins, von einer Prämisse bzw. einem Vorschlag sein, wie beispielsweise, dass es für gegebene Eingaben und/oder Signale wahr ist, dass ein Objekt eine Person und/oder ein aktiver Sprecher ist. Die Eingaben und/oder Signale können gemäß einigen Beispielen Video- und/oder Fotografiedaten enthalten, und/oder Audiodaten.
  • Bei einigen Beispielen kann der Personenerkenner 202 bestimmen, dass ein Objekt eine Person ist, basierend auf einer variablen Anzahl von Signalen, die einen Schwellen-Vertrauensbereich anzeigen, dass das Objekt eine Person ist. Die Anzahl kann basierend auf einer Anzahl von Kandidatenpersonen im Raum 102 variieren. Bei einigen Beispielen kann dann, wenn eine vorbestimmte Anzahl, wie beispielsweise eins oder zwei, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, bestimmt, dass eine niedrigere Anzahl von Objekten Kandidatenpersonen sind, durch Bestimmen, dass die Objekte Personen mit einem niedrigeren Vertrauensbereich sein können, der Personenerkenner 202 bestimmen, ob eine Person ein Objekt ist, basierend auf einer niedrigeren Anzahl, wie beispielsweise eins oder zwei, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, was mit einem höheren Vertrauensbereich bestimmt, dass das Objekt eine Person ist, wohingegen dann, wenn die vorbestimmte Anzahl, wie beispielsweise eins oder zwei, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, bestimmt, dass eine höhere Anzahl von Objekten Kandidatenpersonen sind, durch Bestimmen, dass die Objekte Personen mit niedrigerem Vertrauensbereich sein können, der Personenerkenner 202 bestimmen kann, ob ein Objekt eine Person ist, basierend auf einer höheren Anzahl, wie beispielsweise drei oder vier, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, was mit einem höheren Vertrauensbereich bestimmt, dass das Objekt eine Person ist.
  • Zum Beispiel kann dann, wenn einer oder zwei von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 bestimmt oder bestimmen, dass eine niedrigere Anzahl, wie beispielsweise nur ein oder zwei Objekte im Raum 102, Personen mit dem niedrigeren Vertrauensbereich, wie beispielsweise fünfzig Prozent (50%), sind, der Personenerkenner 202 bestimmen, ob das eine oder die zwei Objekte Personen sind, basierend auf der niedrigeren Anzahl, wie beispielsweise eins oder zwei, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, was bestimmt, dass die Objekte Personen mit größerem Vertrauensbereich sind, wie beispielsweise achtzig Prozent (80%). Wenn einer oder zwei von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210 bestimmt oder bestimmen, dass eine größere Anzahl, wie beispielsweise drei oder mehr, von Objekten im Raum 102 Personen mit niedrigerem Vertrauensbereich, wie beispielsweise fünfzig Prozent (50%) sind, dann kann der Personenerkenner 202 bestimmen, ob das eine oder die zwei Objekte Personen sind, basierend auf der höheren Anzahl, wie beispielsweise drei oder vier, von dem Gesichtserkenner 204, dem Körpererkenner 206, dem Lippenbewegungserkenner 208 und/oder Gesichtsverformungserkenner und/oder dem Blickbestimmer 210, was bestimmt, dass die Objekte Personen mit größerem Vertrauensbereich sind, wie beispielsweise achtzig Prozent (80%).
  • Die in den durch die Kamera 104 aufgenommenen Bildern enthaltenen Objekte können Kandidaten sein, um als ein aktiver Sprecher angesehen zu werden. Das System 200 kann das Skalieren an dem Gesicht 110 der Person 108 durchführen, die das System 200 als den aktiven Sprecher bestimmt, und/oder andere Personen 112 in demselben Raum 102 wie der aktive Sprecher.
  • Das System kann einer Sprechererkenner 212 enthalten. Der Sprechererkenner 212 kann eine durch den Personenerkenner 202 als einen aktiven Sprecher erkannte Person erkennen. Der Sprechererkenner 212 kann einen aktiven Sprecher durch Bestimmen erkennen, ob jeder der durch den Personenerkenner 202 erkannten Personen ein aktiver Sprecher ist, basierend auf Audiolokalisierung bzw. -standortbestimmung, Lippenbewegung und/oder Gesichtsverformung der erkannten Person, und/oder Blickerfassung von anderen erkannten Personen.
  • Der Sprechererkenner 202 kann eine Audiolokalisierungsmaschine 214 enthalten. Die Audiolokalisierungsmaschine 214 kann eine Audiolokalisierung basierend auf erkannter Sprache durchführen, die durch mehrere, wie beispielsweise wenigstens zwei, Mikrofone oder andere Audio-Eingabevorrichtungen in einer Eingabeanordnung, wie beispielsweise einer linearen Mikrofonanordnung, empfangen wird. Die Audiolokalisierungsmaschine 214 kann mögliche Standorte, die Kombinationen von Abstand und/oder Richtung enthalten können, von einem aktiven Sprecher bestimmen, und/oder mehr als einen aktiven Sprecher, wobei die möglichen Standorte einen Bogen bilden, der sich weg von dem Mikrofonen erstreckt, basierend auf Zeitdifferenzen von da an, wenn die Mikrofone dieselbe Sprache empfingen, und einer bekannten Klanggeschwindigkeit. Der Sprechererkenner 212 kann die durch die Audiolokalisierungsmaschine 214 bestimmten möglichen Standorte mit einem durch einen Sprecherstandortbestimmer 220 bestimmten Standort vergleichen, um zu bestimmen, ob eine Person der aktive Sprecher ist.
  • Der Sprechererkenner 212 kann einen Lippenbewegungserkenner 216 enthalten. Der Lippenbewegungserkenner 216 kann eine Lippenbewegung von Personen 108, 112, wie beispielsweise dem Sprecher, im Raum 102 erkennen. Der Lippenbewegungserkenner 216 kann das Gesicht 110 der Person 108 erkennen und/ oder Lippen innerhalb des Gesichts 110 erkennen. Der Lippenbewegungserkenner 216 kann eine Bewegung der erkannten Lippen erkennen. Basierend auf einer Erkennung einer Lippenbewegung innerhalb eines Gesichts 110 der Person 108 kann der Sprechererkenner 212 bestimmen, dass die Person 108 ein aktiver Sprecher ist. Bei einigen Beispielen kann der Lippenbewegungserkenner 216, ähnlich dem oben beschriebenen Lippenbewegungserkenner 208, auch als Gesichtsverformungserkenner fungieren.
  • Der Sprechererkenner 212 kann einen Blickbestimmer 218 enthalten. Der Blickbestimmer 218 kann Richtungen von Blicken von Personen 108, 112, 162A, 162B bei der Videokonferenz bestimmen und/oder Personen 108, 112, 162A, 162B bestimmen, auf welche Blicke von Personen 108, 112, 162A, 162B bei der Videokonferenz gerichtet sind. Der Blickbestimmer 218 kann Augen und/oder Pupillen innerhalb von Gesichtern von Personen 108, 112, 162A, 162B erkennen und Richtungen von Blicken bestimmen, wie beispielsweise durch Bestimmen von Richtungen von Pupillen innerhalb der Augen. Der Sprechererkenner 212 kann bestimmen, dass ein Sprecher eine Person 108, 112, 162A, 162B ist, in Richtung zu welcher die Blicke von anderen Personen 108, 112, 162A, 162B gerichtet sind.
  • Der Sprechererkenner 212 kann einen aktiven Sprecher basierend auf einer Kombination von Eingaben von der Audiolokalisierungsmaschine 214, dem Lippenbewegungserkenner 216 und/oder dem Gesichtsverformungserkenner und/oder dem Blickbestimmer 218 bestimmen und/oder erkennen. Bei einigen Beispielen kann der Sprechererkenner 212 den aktiven Sprecher basierend auf einer minimalen Anzahl, wie beispielsweise wenigstens einem, wenigstens zwei oder von allen drei, von der Audiolokalisierungsmaschine 214, dem Lippenbewegungserkenner 216 und/ oder dem Gesichtsverformungserkenner, und/oder dem Blickbestimmer 218, der einen Schwellen-Vertrauensbereich zum Erkennen und/oder Bestimmen, dass eine Person 108, 112, 162A, 162B der aktive Sprecher ist, bestimmen und/oder erkennen. Vertrauensbereiche können Werte sein, wie beispielsweise Prozentsätze oder Bruchteile von Eins, die eine Wahrscheinlichkeit darstellen, dass eine Prämisse wahr ist, basierend auf gegebenen oder verfügbaren Eingaben und/oder Signalen, wie beispielsweise die Wahrscheinlichkeit, dass eine Person 108, 112, 162A, 162B der aktive Sprecher ist. Bei einigen Beispielen kann der Sprechererkenner 212 den aktiven Sprecher basierend auf einer Summe von Vertrauensbereichen der Audiolokalisierungsmaschine 214, des Lippenbewegungserkenners 216 und/oder des Gesichtsverformungserkenners und/oder des Blickbestimmers 218, der einen Schwellen-Vertrauensbereich erfüllt, dass eine Person 108, 112, 162A, 162B der aktive Sprecher ist, bestimmen und/oder erkennen.
  • Das System 200 kann einen Sprecherstandortbestimmer 220 enthalten. Der Sprecherstandortbestimmer 220 kann einen Standort eines aktiven Sprechers, wie beispielsweise einen Abstand und/oder eine Richtung von der Kamera 104, bestimmen, wenn und/oder nachdem der aktive Sprecher durch den Sprechererkenner 212 erkannt worden ist. Das System 200 kann die Kamera 104 basierend auf dem bestimmten Standort des aktiven Sprechers auf den aktiven Sprecher drehen und/oder ausrichten und/oder das System 200 kann die Größe eines Bilds basierend auf dem bestimmten Abstand erhöhen oder erniedrigen. Der Sprecherstandortbestimmer 220 kann einen Abstandsbestimmer 222 und/oder einen Richtungsbestimmer 228 enthalten.
  • Der Abstandsbestimmer 222 kann einen Abstand der Person 108 und/oder des aktiven Sprechers von der Kamera 104 bestimmen. Der Abstandsbestimmer 222 kann den Abstand der Person 108 durch Analysieren von Gesichtsmerkmalen, wie beispielsweise den Dimensionen zwischen Teilen des Gesichts 110 der Person 108, und/oder durch eine Audiolokalisierung basierend auf Audioeingaben von mehreren Eingaben, wie beispielsweise Mikrofonen, bestimmen.
  • Der Gesichtsmerkmalsanalysierer 224 kann Merkmale eines Gesichts 110 einer Person 108 und/oder Teile des Gesichts 110 der Person 108 erkennen und analysieren. Bei einigen Beispielen kann der Gesichtsmerkmalsanalysierer 224 Standorte von Mittelpunkten und/oder Zentren von Augen der Person 108 bestimmen und/oder Standorte der Pupillen der Person 108 bestimmen und einen Abstand zwischen den Mittelpunkten und/oder Pupillen bestimmen. Bei einigen Beispielen kann der Gesichtsmerkmalsanalysierer 224 einen Zentrumspunkt zwischen den Augen der Person 108 und einen Mittelpunkt des Munds der Person 108 bestimmen und einen Abstand zwischen dem Zentrumspunkt zwischen den Augen und dem Mittelpunkt des Munds bestimmen. Diese Bestimmung und/oder Analysen sind detaillierter in Bezug auf 3A gezeigt und beschrieben.
  • Die Audiolokalisierungsmaschine 226 kann einen Abstand der Person 108 von der Kamera 104 basierend auf Audioeingaben von mehreren Quellen bei unterschiedlichen Standorten bestimmen. Die Audiolokalisierungsmaschine 226 kann mögliche Abstände und/oder Standorte der Person 108 basierend auf Zeitdifferenzen beim Empfangen von gleicher und/oder ähnlicher Audiospracheingabe und Standorten von den mehreren Quellen (Beispiele der Quellen sind Mikrofone) bestimmen. Ein Beispiel von einigen der Daten basierend darauf, welche Audiolokalisierungsmaschine eine Audiolokalisierung durchführt, ist in Bezug auf 4 detaillierter gezeigt und beschrieben.
  • Das System 200 kann eine Kamerasteuerung 230 enthalten. Die Kamerasteuerung 230 kann die Richtung, in die die Kamera 104 zeigt und/oder aus welcher die Kamera 104 Bilder aufnimmt, und/oder eine Fokussierung und/oder eine Zoomstufe der Kamera 104 steuern. Die Kamera 230 kann die Richtung, die Fokussierung und/oder die Zoomstufe basierend auf dem Standort des Sprechers steuern, wie er durch den Sprecherstandortbestimmer 220 bestimmt ist, so dass das Gesicht und/oder die Brust des Sprechers durch die Kamera 104 aufgenommen werden. Bei einigen Beispielen kann die Kamerasteuerung 230 veranlassen, dass die Kamera 104 in eine Richtung zeigt, so dass die Kamera 104 den Sprecher und eine oder mehrere Personen 112 im selben Raum 102 wie der Sprecher aufnimmt, um ein Erzeugen eines Bilds mit mehreren Personen 108, 112 zu ermöglichen.
  • Bei einigen Beispielen kann die Kamerasteuerung 230 aus der Ferne gesteuert bzw. fernbedient werden, wie beispielsweise durch eine Person 108, 112 in demselben Raum 102 wie die Kamera 104, die die Kamerasteuerung 230 steuert, und/oder eine Person 162A, 162B in demselben Raum 152A, 152B wie die Anzeige 156A, 156B, die das Bild (die Bilder) präsentiert, das (die) durch die Kamera 104 aufgenommen ist (sind). Die Kamerasteuerung 230 kann gemäß einigen Beispielen durch eine in der Hand gehaltene Steuerung durch einen Berührungsbildschirm auf der Anzeige 106, 156A, 156B oder durch eine separate Berührungsbildschirmanzeige fernbedient werden. Die Person 108, 112 kann die Richtung, wie beispielsweise Schwenk und/oder Neigung, und/oder eine Zoomstufe der Kamera 104 steuern. Bei einigen Beispielen kann die Kamerasteuerung 230 einer Person Zoomvorschläge präsentieren, die die Kamera 104 fernbedient, wie beispielsweise einen Vorschlag, eine Zoomstufe auszuwählen, die veranlassen wird, dass ein präsentiertes Bild der Person 108 lebensgroß und/oder naturgetreu erscheint, eine Zoomstufe, die ein breites Bild erzeugt, das alle Personen 108, 112 im Raum 102 zeigen wird, und/ oder eine Zoomstufe, die veranlasst, dass das Bild des Gesichts 110 der Person 108 und/oder andere ausgewählte Körperteile, wie beispielsweise die Brust der Person 108 oder eine Porträtbild, die gesamte Anzeige 156A, 156B füllt. Die Kamerasteuerung 230 könnte Regeln und/oder Heuristiken enthalten, um zu verhindern, dass eine Person 108, 112, die die Kamera 104 fernbedient, die Kamera 104 auf unerwünschte Standorte, wie beispielsweise ungeeignete Körperteile, fokussiert bzw. ausrichtet. Die ungeeigneten Körperteile könnten durch den Personenerkenner 202 und/oder den Körpererkenner 206 erkannt und/oder ausgeschlossen werden.
  • Das System 200 kann einen Anzeigengrößenbestimmer 232 enthalten. Der Anzeigengrößenbestimmer 232 kann die Größe der Anzeige 156A, 156B bestimmen, auf welcher ein Bild, das das Gesicht 110 des Sprechers und/oder Gesichter von irgendwelchen anderen Personen 112 anzeigt, angezeigt werden wird. Bei einigen Beispielen kann das Bild basierend auf der bestimmten Größe der Anzeige 156A, 156B skaliert werden. Wenn die Anzeige 156A, 156B kleiner ist, dann kann das Bild einen größeren Anteil der Anzeige 156A, 156B besetzen, während dann, wenn die Anzeige 156A, 156B größer ist, das Bild einen kleineren Anteil der Anzeige 156A, 156B besetzen kann, so dass die Anzeige 156A, 156B ein lebensgroßes Bild des Gesichts präsentiert. Bei einem Beispiel, bei welchem ein Computersystem, das mit der Kamera 104 assoziiert ist, die das Bild des Gesichts (der Gesichter) 110 aufnimmt, das Skalieren des Bilds durchführt, kann der Anzeigengrößenbestimmer 232 die Größe der Anzeige 156A, 156B basierend auf einer Nachricht bestimmen, die von der Anzeige 156A, 156B und/oder einem mit der Anzeige 156A, 156B assoziierten Computersystem empfangen wird, wie beispielsweise einer Hypertext-Übertra-gungsprotokoll-(HTTP-)Nachricht und/oder einer Web-Echtzeitkommunikations-(WebRTC-)Nachricht. Bei einem Beispiel, bei welchem ein mit der Anzeige 156A, 156B assoziiertes Computersystem das Skalieren des Bilds durchführt, kann der Anzeigengrößenbestimmer 232 die Größe der Anzeige 156A, 156B durch Wiedergewinnen bzw. Auslesen eines Indikators der Größe aus einem Speicher bestimmen, der in der Anzeige 156A, 156B und/oder dem mit der Anzeige 156A, 156B assoziierten Computersystem gespeichert ist.
  • Das Computersystem 200 kann einen Bildgenerator 234 enthalten. Der Bildgenerator 234 kann ein Bild zur Präsentation auf der Anzeige 156A, 156B erzeugen. Das erzeugte Bild kann ein Gesicht (Gesichter) 110 von einer oder mehreren Personen 108, 112, 162A, 162B in den Räumen 102, 152A, 152B enthalten, die an einer Videokonferenz teilnehmen. Der Bildgenerator 234 kann die Bilder skalieren, um die Bilder lebensgroß erscheinen zu lassen, die Bilder so beschneiden, dass die Gesichter 110 auf die Anzeige 106, 156A, 156B passen, und/oder so, dass mehr als ein Gesicht in Lebensgröße auf der Anzeige 106, 156A, 156B angezeigt werden kann, und/oder ein kleineres Bild des Bilds enthalten kann, das durch die Kamera 104, 154A, 154B aufgenommen ist, die in demselben Raum 102, 152A, 152B wie die Anzeige 106, 156A, 156B ist.
  • Der Bildgenerator 234 kann einen Skalierer 236 enthalten. Der Skalierer 236 kann Bilder skalieren, und/oder abgeschnittene Teilbereiche von Bildern zur Aufnahme bzw. Einbindung in das Bild, das zur Präsentation auf der Anzeige 156A, 156B erzeugt ist. Der Skalierer 236 kann die Bilder basierend auf dem bestimmten Abstand der Person 108, 112 und/oder des Gesichts 110 und/oder basierend auf der bestimmten Größe der Anzeige 156A, 156B skalieren, so dass die Bilder der Gesichter 110 und/oder von Brust lebensgroß erscheinen, als ob die Personen 162A, 162B, die auf die durch die Anzeigen 156A, 156B präsentierten Bilder schauen, auf die Person(en) 108, 112 durch ein Fenster schauen und die Person(en) 108, 112 denselben Abstand auf einer gegenüberliegenden Seite der Anzeige 156A, 156B von der (den) Person(en) 162A, 162B haben wie die Person(en) 108, 112 von der Anzeige 106. Bei einigen Beispielen kann der Skalierer 236 Änderungen an der Skalierung verzögern, so dass das Bild nicht ruckartig erscheint, was auftreten könnte, wenn der Skalierer 236 veranlasste, dass das Bild heran- und herauszoomt. Bei einigen Beispielen kann der Skalierer 236 das Bild skalieren, um sicherzustellen, dass „Auffüllungen“ oder Bilder ohne Personen und/oder Teilbereiche des aufgenommenen Bilds, die der Personenerkenner 202 nicht derart erkannt, dass sie irgendeinen Teilbereich einer Person enthalten, auf der linken, rechten und/oder obersten Seite der Anzeige 156A, 156B existieren. Die Auffüllungen oder Bilder ohne Personen können in einer Anzahl von Pixeln, Inches oder Bruchteilen davon, Zentimetern, Millimetern oder anderen quantifizierbaren Abständen spezifiziert werden.
  • Der Bildgenerator 234 kann einen Cropper bzw. Formatwandler 238 enthalten. Der Formatwandler 238 kann das aufgenommene Bild zuschneiden, was Teilbereiche das aufgenommenen Bilds eliminiert und/oder reduziert, wie beispielsweise irgendeine Kombination aus einem linken Teilbereich des aufgenommenen Bilds, einem rechten Teilbereich des aufgenommenen Bilds, einem obersten Teilbereich des aufgenommenen Bilds und/oder einem untersten Teilbereich des aufgenommenen Bilds. Ein Zuschneiden des aufgenommenen Bilds kann ermöglichen, dass der Bildgenerator das aufgenommene Bild durch Erhöhen der Größe des Bilds skaliert, und/oder aufgenommene Bilder von mehr als einem Gesicht 110 und/oder einer Person 108, 112 im erzeugten Bild enthält.
  • Das System 200 kann wenigstens einen Prozessor 240 enthalten. Der wenigstens eine Prozessor 240 kann einen oder mehrere Mikroprozessoren und/ oder Steuerungen enthalten, die Anweisungen ausführen. Der wenigstens eine Prozessor 240 kann Anweisungen ausführen, um zu veranlassen, dass das System 200 irgendeine Kombination von Funktionen, Verfahren und/oder Techniken durchführt, die hierin in Bezug auf das System 200, die Kamera(s) 104, 154A, 154B und/oder das (die) Computersystem(e), das (die)mit der (den) Kamera(s) 104, 154A, 154B assoziiert ist (sind) und/oder diese steuert (steuern), und/oder die Anzeige(n) 106, 156A, 156B und/oder das (die) Computersystem(e), das (die)mit der (den) Anzeige(n) 106, 156A, 156B assoziiert ist (sind) und/oder diese steuert (steuern), beschrieben sind.
  • Das System 200 kann wenigstens eine Speichervorrichtung 242 enthalten. Die wenigstens eine Speichervorrichtung 242 kann ein nichtflüchtiges, computerlesbares Speichermedium enthalten, das Daten und/oder Anweisungen speichert. Die Daten können Daten enthalten, die erzeugt sind und/oder auf die man sich verlässt oder auf die zugegriffen wird während irgendeiner Kombination von Funktionen, Verfahren und/oder Techniken, die hierin beschrieben sind, als ein Prädikat dafür und/oder als Ergebnis davon. Die Anweisungen können Anweisungen enthalten, die dann, wenn sie durch den wenigstens einen Prozessor 240 ausgeführt werden, veranlassen, dass das System 200 irgendeine Kombination von Funktionen, Verfahren und/oder Techniken durchführt, die hierin in Bezug auf das System 200, die Kamera(s) 104, 154A, 154B und/oder das (die) Computersystem(e), das (die)mit der (den) Kamera(s) 104, 154A, 154B assoziiert ist (sind) und/oder diese steuert (steuern), und/oder die Anzeige(n) 106, 156A, 156B und/oder das (die) Computersystem(e), das (die)mit der (den) Anzeige(n) 106, 156A, 156B assoziiert ist (sind) und/oder diese steuert (steuern), beschrieben sind.
  • Das System 200 kann wenigstens ein Eingabe-/Ausgabemodul 244 enthalten. Das wenigstens eine Eingabe-/Ausgabemodul 244 kann irgendeine Kombination von Eingabe- und/oder Ausgabevorrichtungen enthalten, wie beispielsweise eine oder mehrere Kameras 104, 154A, 154B (die Videokameras sein können), ein oder mehrere Mikrofone 408A, 408B (die in 4 gezeigt sind), eine oder mehrere Anzeigen 106, 156A, 156B, eine oder mehrere Human Interface Devices (HIDs), wie beispielsweise eine Tastatur, eine Computermaus oder einen Berührungsbildschirm und/oder Netzwerk- und/oder Kommunikationsschnittstellen einschließlich verdrahteter Schnittstellen (wie beispielsweise Ethernet (Institute for Electrical and Electronics Engineers (IEEE) 802.3), universeller serieller Bus (USB), Koaxialkabel und/ oder High Definition Multiple Input (HDMI)), und/oder drahtloser Schnittstellen (wie beispielsweise Wireless Fidelity (IEEE 802.11)), Bluetooth (IEEE 802.15) und/oder eines zellularen Netzwerkprotokolls, wie beispielsweise Long Term Evolution (LTE) und/oder LTE-Advanced), als nicht beschränkende Beispiele.
  • 3A ist eine graphische Darstellung eines aufgenommenen Bilds 300, das Bilder von zwei Personen 308, 312 enthält, gemäß einer beispielhaften Implementierung. Bei einigen Beispielen kann das aufgenommene Bild 300 ein durch die Kamera 104 aufgenommenes Bild sein, und die Personen 308, 312 entsprechen den Personen 108, 112 im Raum 102, der in 1 gezeigt ist. Ein Zentrum 302 des aufgenommenen Bilds 300 kann ein Referenzpunkt zum Bestimmen von Winkeln und/oder Richtungen von Objekten im aufgenommenen Bild 300 sein.
  • Das System 200 kann bei wenigstens einer der Personen 308 im aufgenommenen Bild 300 ein Gesicht 310 erkennen. Innerhalb des Gesichts 310 kann das System Körperteile, wie beispielsweise Augen 322, 324 und einen Mund 330, erkennen.
  • Bei einigen Beispielen kann das System 200 einen Abstand 326 zwischen den Augen 322, 324 erkennen. Das System 200 kann den Abstand zwischen Mittelpunkten der Augen, zwischen Pupillen der Augen (der als Augenabstand angesehen werden kann) und/oder zwischen nächsten Punkten der Augen erkennen und/oder bestimmen.
  • Bei einigen Beispielen kann das System 200 einen Mittelpunkt 328 der Augen 322, 324 und einen Mittelpunkt 332 des Mundes 330 erkennen. Das System 200 kann einen Abstand 334 zwischen dem Mittelpunkt 328 der Augen 322, 324 und dem Mittelpunkt 332 des Mundes 330 erkennen und/oder bestimmen.
  • Der Abstandsbestimmer 222 kann den Abstand des Gesichts 310 von der Kamera 104 basierend auf dem Augenabstand 326 und/oder dem Abstand 334 zwischen dem Mittelpunkt 328 der Augen 322, 324 und dem Mittelpunkt 332 des Mundes 330 bestimmen. Der Abstandsbestimmer 222 kann die Reduzierung in Bezug auf jeden Abstand 326, 334, der durch Wegdrehen des Gesichts 310 von der und/oder nicht direktes Schauen in die Kamera 104 kompensieren durch Bestimmen des Abstands des Gesichts 310 von der Kamera 104 basierend auf dem größeren von dem Augenabstand 326 und dem Abstand 334 zwischen dem Mittelpunkt 328 der Augen 322, 324 und dem Mittelpunkt 332 des Mundes 330.
  • 3B ist eine graphische Darstellung eines Bilds 350, das nach einem Skalieren eines Gesichts 310 einer Person präsentiert wird, gemäß einer beispielhaften Implementierung. Bei diesem Beispiel kann der Skalierer 236 den Teilbereich des aufgenommenen Bilds 300, der das Gesicht 310 enthielt, basierend auf dem (den) bestimmten Abstand (Abständen) 326, 334 skaliert haben, so dass das Gesicht 310 im Bild 350 auf der Anzeige 156A, 156B lebensgroß erscheint (in 3B nicht gezeigt). Der Formatwandler bzw. Cropper 238 kann das aufgenommene Bild 300 beschnitten haben, um das Gesicht 310 in einem lebensgroßen Maßstab zu präsentieren. Bei dem in 3B gezeigten Beispiel enthält eine durch den Bildgenerator 234 erzeugtes Bild 350 ein beschnittenes Bild des Gesichts 310 in einem ersten Teilbereich 352 oder linken Teilbereich des Bilds 350 und ein beschnittenes Bild eines Gesichts einer zweiten Person 312 (die der zweiten Person 112 im Raum 102 entsprechen kann) in einem zweiten Teilbereich 354 oder rechten Teilbereich des Bilds 350.
  • Das durch den Bildgenerator 234 erzeugte Bild 350 kann auch ein Miniaturbild 356 des aufgenommenen Bilds 300 und/oder ein Bild des vollständigen Raums 102 enthalten. Das Miniaturbild 356 kann ein Bild des gesamten aufgenommenen Bilds 300 sein, das einen Bruchteil, wie beispielsweise ein Zehntel, des erzeugten Bilds 350 besetzt. Bei einigen Beispielen kann das System 200 das Miniaturbild 356 als ein separates Bild mit niedrigerer Auflösung gegenüber dem übrigen Bild 350 senden. Ein Senden des Miniaturbilds 356 als ein separates Bild mit niedrigerer Auflösung gegenüber dem übrigen Bild 350 kann die Daten reduzieren, die erforderlich sind, um das Bild 350 und das Miniaturbild 356 zu senden, im Vergleich mit einem Senden des Bilds 350 einschließlich des Miniaturbilds 356 als ein einziges Bild oder als zwei Bilder mit derselben Auflösung wie das aufgenommene Bild 350.
  • 4 ist eine graphische Darstellung, die Dimensionen zwischen der Person 108 und der Kamera 104 gemäß einer beispielhaften Implementierung zeigt. Die Kamera 104 kann einen weiten Winkel haben, was Bilder von Objekten innerhalb von Grenzen 404A, 404B aufnimmt, die kleiner als neunzig Grad (90°) von dem Zentrum 302 des Bilds 300 aus, das durch die Kamera 104 aufgenommen ist. Eine Richtung 406 eines Gesichts 110 einer Person 108 kann vom Zentrum 302 des aufgenommenen Bilds 300 aus als Winkel θ gemessen werden. Die Richtung 406 kann basierend auf einem Standort des Gesichts 110 innerhalb des aufgenommenen Bilds 300 bestimmt werden. Das System 200 kann den Winkel θ basierend auf einem Standort des Gesichts 110 innerhalb des aufgenommenen Bilds 300 bestimmen, und/oder basierend auf einem Versatz bzw. Offset des Gesichts 110 vom Zentrum 302 des aufgenommenen Bilds 300.
  • Die Kamera 104 und/oder eine mit der Kamera 104 assoziierte und/ oder diese steuernde Computervorrichtung kann mehrere Mikrofone 408A, 408B enthalten. Während in 4 zwei Mikrofone 408A, 408B gezeigt sind, kann die Kamera 104 und/oder die Computervorrichtung irgendeine Anzahl von Mikrofonen 408A, 408B enthalten. Die Mikrofone 408A, 408B können bei diversen und/oder unterschiedlichen Standorten sein. Die diversen und/oder unterschiedlichen Standorte der Mikrofone 408A, 408B können veranlassen, dass Abstände 410A, 410B von den jeweiligen Mikrofonen 408A, 408B zum Gesicht 110 (wo gesprochene Wörter entstehen werden) unterschiedlich voneinander sind. Die unterschiedlichen Abstände 410A, 410B vom Gesicht 110 zu den Mikrofonen 408A, 408B können veranlassen, dass die durch die Person 108 gesprochenen Wörter und/oder die Audiosignale zu unterschiedlichen Zeiten bei den Mikrofonen 408A, 408B ankommen. Die Audiolokalisierungsmaschine 226 des Sprecherstandortbestimmers 220 kann mögliche Abstände und/oder Standorte des Gesichts 110 basierend auf den Unterschieden bzw. Differenzen bezüglich Zeiten zwischen den Mikrofonen 408A, 408B bestimmen, die die durch die Person 108 gesprochenen Wörter und/oder Audiosignale, die von der Person 108 entstehen, empfangen und/oder verarbeiten.
  • 5 ist ein Ablaufdiagramm, das ein Verfahren 500 gemäß einer beispielhaften Implementierung zeigt. Gemäß einem ersten Beispiel kann das Verfahren 500 ein Bestimmen eines Abstands 114 eines Gesichts 110 einer Person von einer Kamera 104 enthalten, die ein Bild 300 des Gesichts 110 der Person 108 aufnahm (502), ein Bestimmen einer Größe 166A, 166B einer Anzeige 156A, 156B in Kommunikation mit der Kamera 104 (504) und ein Skalieren des Bilds 350 basierend auf dem bestimmten Abstand 114 des Gesichts 110 der Person 108 und der bestimmten Größe 166A, 166B der Anzeige (506).
  • Gemäß einem zweiten Beispiel kann das Bestimmen des Abstands des Gesichts der Person (502) ein Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person, ein Messen einer Breite zwischen dem linken Auge und dem rechten Auge, ein Teilen einer vorbestimmten Breite durch eine gemessene Breite, um ein Breitenverhältnis zu bestimmen, und ein Multiplizieren des Breitenverhältnisses mit einem vorbestimmten Abstand enthalten.
  • Gemäß einem dritten Beispiel kann das Bestimmen des Abstands des Gesichts der Person (502) ein Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person, ein Bestimmen eines Mittelpunkts zwischen den Augen von dem linken Auge und dem rechten Auge, ein Erkennen eines Mundes im Bild des Gesichts der Person, ein Bestimmen eines Mundmittelpunkts des Mundes, ein Messen einer Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen, ein Teilen einer vorbestimmten Höhe durch die gemessene Höhe, um ein Höhenverhältnis zu bestimmen, und ein Multiplizieren des Höhenverhältnisses mit einem vorbestimmten Abstand enthalten.
  • Gemäß einem vierten Beispiel kann das Bestimmen des Abstands des Gesichts der Person (502) ein Messen einer Breite zwischen einem linken Auge und einem rechten Auge im Bild des Gesichts der Person, ein Messen einer Höhe zwischen einem Mittelpunkt zwischen Augen und einem Mundmittelpunkt im Bild des Gesichts der Person, ein Teilen einer größeren der Breite und der Höhe durch eine vorbestimmte Breite, wenn die Breite größer ist, und durch eine vorbestimmte Höhe, wenn die Höhe größer ist, um ein Verhältnis zu erzeugen, und ein Multiplizieren des Verhältnisses mit einem vorbestimmten Abstand enthalten.
  • Gemäß einem fünften Beispiel kann bei einem vom ersten bis zum vierten Beispiel das Bestimmen der Größe der Anzeige (504) ein Bestimmen der Größe der Anzeige basierend auf einem Anzeigengrößenindikator enthalten, der in einer von einer mit der Anzeige assoziierten Computervorrichtung empfangenen Hyper-text-Übertragungsprotokoll-(HTTP-)Nachricht enthalten ist.
  • Gemäß einem sechsten Beispiel kann bei einem von dem ersten bis zum fünften Beispiel das Skalieren des Bilds (506) ein Skalieren des Bilds zu einer Größe auf der Anzeige enthalten, die zu einer Größe passt, dass das Gesicht der Person einem Betrachter bei einem Standort der Anzeige aus dem bestimmten Abstand des Gesichts der Person von der Kamera erscheinen würde.
  • Gemäß einem siebten Beispiel kann bei einem von dem ersten bis zum sechsten Beispiel das Verfahren 500 weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einer Zeitdifferenz zwischen Audioeingaben enthalten, die anzeigen, dass ein Standort des aktiven Sprechers mit einem bestimmten Standort des Gesichts der Person übereinstimmt.
  • Gemäß einem achten Beispiel kann bei einem von dem ersten bis zum siebten Beispiel der Standort des Gesichts der Person basierend auf dem bestimmten Abstand des Gesichts der Person und einer Richtung des Gesichts der Person von der Kamera bestimmt werden.
  • Gemäß einem neunten Beispiel kann bei einem von dem ersten bis zum achten Beispiel das Verfahren 500 weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einem Erkennen einer Lippenbewegung des Gesichts der Person enthalten.
  • Gemäß einem zehnten Beispiel kann bei einem von dem ersten bis zum neunten Beispiel das Verfahren 500 weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einem Erkennen von Blicken der Augen von anderen Personen in Richtung zu dem Gesicht der Person enthalten.
  • Gemäß einem elften Beispiel kann bei einem von dem ersten bis zum zehnten Beispiel das Verfahren 500 weiterhin ein Senden des skalierten Bilds zur Anzeige enthalten.
  • Gemäß einem zwölften Beispiel kann bei einem von dem ersten bis zum elften Beispiel das Verfahren 500 weiterhin ein Empfangen des aufgenommenen Bilds von der Kamera enthalten.
  • Gemäß einem dreizehnten Beispiel kann bei einem von dem ersten bis zum zwölften Beispiel das Verfahren 500 weiterhin durch ein Computersystem 200 durchgeführt werden, das die Anzeige steuert.
  • Gemäß einem vierzehnten Beispiel kann bei einem von dem ersten bis zum dreizehnten Beispiel das Verfahren 500 weiterhin durch ein Computersystem 200 durchgeführt werden, das die Kamera steuert.
  • 6 zeigt ein Beispiel einer gattungsgemäßen bzw. allgemeinen Computervorrichtung 600 und einer gattungsgemäßen bzw. allgemeinen mobilen Computervorrichtung 650, die mit den hier beschriebenen Techniken verwendet werden können. Die Computervorrichtung 600 soll verschiedene Formen von digitalen Computern darstellen, wie beispielsweise Laptops, Desktops, Tablets, Workstations, persönliche digitale Assistenten bzw. PDAs, Fernsehgeräte, Server, Bladeserver, Großrechner und andere geeignete Computervorrichtungen. Die Computervorrichtung 650 soll verschiedene Formen von mobilen Vorrichtungen darstellen, wie beispielsweise persönliche digitale Assistenten bzw. PDAs, zellulare Telefone, Smartphones und andere ähnliche Computervorrichtungen. Die hier gezeigten Komponenten, ihre Verbindungen und Beziehungen und ihre Funktionen sind nur beispielhaft gemeint und es ist nicht gemeint, dass sie Implementierungen der in diesem Dokument beschriebenen und/oder beanspruchten Erfindungen beschränken.
  • Die Computervorrichtung 600 enthält einen Prozessor 602, einen Speicher 604, eine Speichervorrichtung 606, eine Hochgeschwindigkeitsschnittstelle 608, die mit dem Speicher 604 verbindet, und Hochgeschwindigkeits-Erweiterungsports 610, und eine Niedergeschwindigkeits-Schnittstelle 612, die mit einem Niedergeschwindigkeits-Bus 614 und der Speichervorrichtung 606 verbindet. Der Prozessor 602 kann ein halbleiterbasierter Prozessor sein. Jede der Komponenten 602, 604, 606, 608, 610 und 612 ist unter Verwendung verschiedener Busse miteinander verbunden und kann auf einer gemeinsamen Hauptplatine oder auf andere Weisen, wie es geeignet ist, angebracht sein. Der Prozessor 602 kann Anweisungen zur Ausführung innerhalb der Computervorrichtung 600 verarbeiten, einschließlich Anweisungen, die im Speicher 604 oder auf der Speichervorrichtung 606 gespeichert sind, um graphische Information für eine GUI auf einer externen Eingabe/Ausgabe-Vorrichtung anzuzeigen, wie beispielsweise einer Anzeige 616, die mit der Hochgeschwindigkeits-Schnittstelle 608 gekoppelt ist. Bei anderen Implementierungen können mehrere Prozessoren und/oder mehrere Busse verwendet werden, wie es geeignet ist, zusammen mit mehreren Speichern und Typen eines Speichers. Zusätzlich können mehrere Computervorrichtungen 600 verbunden sein, wobei jede Vorrichtung Teilbereiche von den nötigen Operationen zur Verfügung stellt (z.B. als eine Serverbank, eine Gruppe von Bladeservern oder ein Mehrprozessorsystem).
  • Der Speicher 604 speichert Information innerhalb der Computervorrichtung 600. Bei einer Implementierung ist der Speicher 604 eine flüchtige Speichereinheit oder -einheiten. Bei einer weiteren Implementierung ist der Speicher 604 eine nichtflüchtige Speichereinheit oder -einheiten. Der Speicher 604 kann auch eine andere Form eines computerlesbaren Mediums sein, wie beispielsweise eine magnetische oder optische Platte.
  • Die Speichervorrichtung 606 kann einen Massenspeicher für die Computervorrichtung 600 zur Verfügung stellen. Bei einer Implementierung kann die Speichervorrichtung 606 ein computerlesbares Medium sein oder ein solches enthalten, wie beispielsweise eine Floppydisk-Vorrichtung, eine Festplattenvorrichtung, eine optische Plattenvorrichtung oder eine Bandvorrichtung, ein Flash-Speicher oder eine ähnliche Festkörperspeichervorrichtung oder eine Anordnung von Vorrichtungen, einschließlich Vorrichtungen in einem Speicherbereichsnetzwerk oder anderen Konfigurationen. Ein Computerprogrammprodukt kann greifbar in einem Informationsträger verkörpert sein. Das Computerprogrammprodukt kann auch Anweisungen enthalten, die dann, wenn sie ausgeführt werden, ein oder mehrere Verfahren durchführen, wie beispielsweise diejenigen, die oben beschrieben sind. Der Informationsträger ist ein computer- oder maschinenlesbares Medium, wie beispielsweise der Speicher 604, die Speichervorrichtung 606 oder ein Speicher auf dem Prozessor 602.
  • Die Hochgeschwindigkeits-Steuerung 608 managt bandbreitenintensive Operationen für die Computervorrichtung 600, während die Niedergeschwindigkeits-Steuerung 612 Operationen mit niedrigerer Bandbreitenintensität managt. Eine solche Zuteilung von Funktionen ist nur beispielhaft. Bei einer Implementierung ist die Hochgeschwindigkeits-Steuerung 608 mit dem Speicher 604, der Anzeige 616 (z.B. über einen Grafikprozessor oder einen Akzelerator) und mit Hochgeschwindigkeits-Erweiterungsports 610 gekoppelt, die verschiedene Erweiterungskarten (nicht gezeigt) aufnehmen können. Bei der Implementierung ist die Niedergeschwindigkeits-Steuerung 612 mit der Speichervorrichtung 616 und einem Niedergeschwindigkeits-Erweiterungsport 614 gekoppelt. Das Niedergeschwindigkeits-Erweiterungsport, das verschiedene Kommunikationsports (z.B. USB, Bluetooth, Ethernet, drahtloses Ethernet) enthalten kann, kann mit einer oder mehreren Eingabe/Ausgabe-Vorrichtungen gekoppelt sein, wie beispielsweise einer Tastatur, einer Zeigevorrichtung, einem Scanner oder einer Netzwerkvorrichtung, wie beispielsweise einem Schalter oder einem Router, z.B. über einen Netzwerkadapter.
  • Die Computervorrichtung 600 kann auf eine Anzahl von unterschiedlichen Formen implementiert sein, wie es in der Figur gezeigt ist. Beispielsweise kann sie als standardmäßiger Server 620 implementiert sein, oder mehrere Male in einer Gruppe von solchen Servern. Sie kann auch als Teil eines Rackserversystems 624 implementiert sein. Zusätzlich kann sie in einem Personalcomputer, wie beispielsweise einem Laptop-Computer 622 implementiert sein. Alternativ können Komponenten von der Computervorrichtung 600 mit anderen Komponenten in einer mobilen Vorrichtung (nicht gezeigt) kombiniert sein, wie beispielsweise der Vorrichtung 650. Jede von solchen Vorrichtungen kann eine oder mehrere von Computervorrichtungen 600, 650 enthalten, und ein gesamtes System kann aus mehreren Computervorrichtungen 600, 650 gebildet sein, die miteinander kommunizieren.
  • Die Computervorrichtung 650 enthält einen Prozessor 652, einen Speicher 664, eine Eingabe/Ausgabe-Vorrichtung, wie beispielsweise eine Anzeige 654, eine Kommunikationsschnittstelle 666 und einen Transceiver 668, unter anderen Komponenten. Die Vorrichtung 650 kann auch mit einer Speichervorrichtung versehen sein, wie beispielsweise einem Mikrolaufwerk oder einer anderen Vorrichtung, um zusätzlichen Speicher zur Verfügung zu stellen. Jede der Komponenten 650, 652, 664, 654, 666 und 668 ist unter Verwendung verschiedener Busse miteinander verbunden, und einige der Komponenten können auf einer gemeinsamen Hauptplatine oder auf anderen Weisen, wie es geeignet ist, angebracht sein.
  • Der Prozessor 652 kann Anweisungen innerhalb der Computervorrichtung 650 ausführen, einschließlich Anweisungen, die im Speicher 664 gespeichert sind, der Prozessor kann als eine Chipgruppe von Chips implementiert sein, die separate und mehrere analoge und digitale Prozessoren enthalten. Der Prozessor kann beispielsweise zur Koordination der anderen Komponenten der Vorrichtung 650 sorgen, wie beispielsweise eine Steuerung von Anwenderschnittstellen, Anwendungen, die durch die Vorrichtung 650 laufen, und eine drahtlose Kommunikation durch die Vorrichtung 650.
  • Der Prozessor 652 kann mit einem Anwender über die Steuerungsschnittstelle 658 und die Anzeigeschnittstelle 656, die mit einer Anzeige 654 gekoppelt ist, kommunizieren. Die Anzeige 654 kann beispielsweise eine TFT LCD (Dünnfilmtransistor-Flüssigkristallanzeige) oder eine OLED-(organische lichtemittierende Dioden-)Anzeige oder eine andere geeignete Anzeigetechnologie sein. Die Anzeigeschnittstelle 656 kann eine geeignete Schaltung zum Antreiben der Anzeige 654 umfassen, um einem Anwender graphische und andere Information zu präsentieren. Die Steuerungsschnittstelle 658 kann Befehle von einem Anwender empfangen und sie zur Weiterleitung zum Prozessor 652 umwandeln. Zusätzlich kann eine externe Schnittstelle 662 in Kommunikation mit dem Prozessor 652 zur Verfügung gestellt sein, um eine Nahfeldkommunikation der Vorrichtung 650 mit anderen Vorrichtungen zu ermöglichen. Die externe Schnittstelle 662 kann beispielsweise für eine verdrahtete Kommunikation bei einigen Implementierungen sorgen, oder für eine drahtlose Kommunikation bei anderen Implementierungen, und mehrere Schnittstellen können auch verwendet werden.
  • Der Speicher 664 speichert Information innerhalb der Computervorrichtung 650. Der Speicher 664 kann als ein oder mehrere eines computerlesbaren Mediums oder von Medien implementiert sein, einer flüchtigen Speichereinheit oder Einheiten, oder einer nichtflüchtigen Speichereinheit oder Einheiten. Ein Erweiterungsspeicher 674 kann auch vorgesehen und mit der Vorrichtung 650 über die Erweiterungsschnittstelle 672 verbunden sein, wie beispielsweise eine SIMM-(Einzelreihiges Speichermodul-)Kartenschnittstelle. Ein solcher Erweiterungsspeicher 674 kann zusätzlichen Speicherplatz für die Vorrichtung 650 zur Verfügung stellen oder kann auch Anwendungen oder andere Information für die Vorrichtung 650 speichern. Spezifisch kann der Erweiterungsspeicher 674 Anweisungen enthalten, um die oben beschriebenen Prozesse auszuführen oder zu ergänzen, und kann auch sichere Information enthalten. Somit kann der Erweiterungsspeicher 674 beispielsweise als ein Sicherheitsmodul für die Vorrichtung 650 vorgesehen sein und kann mit Anweisungen programmiert sein, die eine sichere Verwendung der Vorrichtung 650 erlauben. Zusätzlich können sichere Anwendungen über die SIMM-Karten zusammen mit zusätzlicher Information, wie beispielsweise einem Platzieren von identifizierender Information auf der SIMM-Karte auf eine nicht hackbare Weise, vorgesehen sein.
  • Der Speicher kann beispielsweise einen Flash-Speicher und/oder einen NVRAM-Speicher enthalten, wie es nachstehend diskutiert ist. Bei einigen Implementierungen ist ein Computerprogrammprodukt greifbar in einem Informationsträger verkörpert bzw. ausgeführt. Das Computerprogrammprodukt enthält Anweisungen, die dann, wenn sie ausgeführt werden, ein oder mehrere Verfahren durchführen, wie beispielsweise diejenigen, die oben beschrieben sind. Der Informationsträger ist ein computer- oder maschinenlesbares Medium, wie beispielsweise der Speicher 664, der Erweiterungsspeicher 674 oder der Speicher auf dem Prozessor 652, die beispielsweise über einen Transceiver 668 oder eine externe Schnittstelle 662 aufgenommen werden können.
  • Die Vorrichtung 650 kann drahtlos über die Kommunikationsschnittstelle 666 kommunizieren, die eine digitale Signalverarbeitungsschaltung enthalten kann, wo es nötig ist. Die Kommunikationsschnittstelle 666 kann für Kommunikationen unter verschiedenen Moden oder Protokollen sorgen, wie beispielsweise GSM-Sprachaufrufe, SMS, EMS oder MMS-Nachrichtenübermittlung, CDMA, TDMA, PDC, WCDMA, CDMA2000 oder GPRS, und zwar unter anderem. Eine solche Kommunikation kann beispielsweise über einen Funkfrequenztransceiver 668 erfolgen. Zusätzlich kann eine Kurzstreckenkommunikation auftreten, wie beispielsweise unter Verwendung von Bluetooth, Wi-Fi, oder einem anderen solchen Transceiver (nicht gezeigt). Zusätzlich kann ein GPS-(globales Positioniersystem-)Empfängermodul 670 zusätzliche navigations- und standortbezogene drahtlose Daten zu der Vorrichtung 650 liefern, die als geeignet durch Anwendungen verwendet werden können, die auf der Vorrichtung 650 laufen.
  • Die Vorrichtung 650 kann auch hörbar unter Verwendung von Audiocodec 660 kommunizieren, was gesprochene Information von einem Anwender empfangen und sie in nutzbare digitale Information umwandeln kann. Audiocodec 660 kann gleichermaßen hörbaren Klang für einen Anwender erzeugen, wie beispielsweise durch einen Lautsprecher, z.B. in einem Handgerät der Vorrichtung 650. Ein solcher Klang kann Klang von Sprachtelefonanrufen enthalten, kann aufgezeichneten Klang enthalten (z.B. Sprachnachrichten, Musikdateien, etc.) und kann auch Klang enthalten, der durch Anwendungen erzeugt ist, die auf der Vorrichtung 650 in Betrieb sind.
  • Die Computervorrichtung 650 kann auf einer Anzahl von unterschiedlichen Formen implementiert sein, wie es in der Figur gezeigt ist. Beispielsweise kann sie als zellulares Telefon 680 implementiert sein. Sie kann auch als Teil eines Smartphones 682, eines persönlichen digitalen Assistenten oder einer anderen ähnlichen mobilen Vorrichtung implementiert sein.
  • Verschiedene Implementierungen der hier beschriebenen Systeme und Techniken können in einer digitalen elektronischen Schaltung, einer integrierten Schaltung, speziell entwickelten ASICs (anwendungsspezifischen integrierten Schaltungen), Computer-Hardware, -Firmware, -Software und/oder Kombinationen davon realisiert werden. Diese verschiedenen Implementierungen können eine Implementierung in einem oder mehreren Computerprogrammen enthalten, die auf einem programmierbaren System ausführbar und/oder interpretierbar sind, das wenigstens einen programmierbaren Prozessor enthält, der speziell oder allgemein sein kann, gekoppelt, um Daten und Anweisungen von einem Speichersystem zu empfangen und Daten und Anweisungen zu diesem zu senden, wenigstens eine Eingabevorrichtung und wenigstens eine Ausgabevorrichtung.
  • Diese Computerprogramme (die auch als Programme, Software, Softwareanwendungen oder Code bekannt sind) enthalten Maschinenanweisungen für einen programmierbaren Prozessor und können in einer höheren verfahrens- und/oder objektorientierten Programmiersprache und/oder in Assembler/Maschinen-Sprache implementiert sein. Wie sie hierin verwendet sind, beziehen sich die Ausdrücke „maschinenlesbares Medium“ „computerlesbares Medium“ auf ein Computerprogrammprodukt, ein Gerät und/oder eine Vorrichtung (z.B. magnetische Platten, optische Platten, einen Speicher, programmierbare Logikvorrichtungen (PLDs)), das oder die verwendet wird, um Maschinenanweisungen und/oder Daten zu einem programmierbaren Prozessor zu liefern, einschließlich eines maschinenlesbaren Mediums, das Maschinenanweisungen als ein maschinenlesbares Signal empfängt. Der Ausdruck „maschinenlesbares Signal“ bezieht sich auf irgendein Signal, das verwendet wird, um Maschinenanweisungen und/oder Daten zu einem programmierbaren Prozessor zu liefern.
  • Um für eine Interaktion mit einem Anwender zu sorgen, können die hier beschriebenen Systeme und Techniken auf einem Computer implementiert sein, der eine Anzeigevorrichtung (z.B. einen CRT-(Kathodenstrahlröhren-) oder LCD-(Flüssigkristallanzeigen-)Monitor) zum Anzeigen von Information zum Anwender und eine Tastatur und eine Zeigevorrichtung (z.B. eine Maus oder einen Trackball), wodurch der Anwender eine Eingabe zum Computer liefern kann, hat. Andere Arten von Vorrichtungen können ebenso gut verwendet werden, um für eine Interaktion mit einem Anwender zu sorgen; beispielsweise kann eine zum Anwender gelieferte Rückkopplung irgendeine Form von sensorischer Rückkopplung sein (z.B. eine visuelle Rückkopplung, eine akustische Rückkopplung oder eine taktile Rückkopplung); und eine Eingabe vom Anwender kann in irgendeiner Form empfangen werden, einschließlich einer akustischem, sprachlichem oder taktilen Eingabe.
  • Die hier beschriebenen Systeme und Techniken können in einem Computersystem implementiert sein, das eine Backend-Komponente (z.B. als einen Datenserver) enthält oder das eine Middleware-Komponente (z.B. einen Anwendungsserver) enthält oder das eine Frontend-Komponente (z.B. einen Client-Computer mit einer graphischen Anwenderschnittstelle oder einem Web-Browser, durch welchen ein Anwender mit einer Implementierung der hier beschriebenen Systeme und Techniken interagieren kann) enthält, oder irgendeine Kombination von solchen Backend-, Middleware- oder Frontend-Komponenten. Die Komponenten des Systems können durch irgendeine Form oder ein Medium einer digitalen Datenkommunikation (z.B. ein Kommunikationsnetzwerk) miteinander verbunden sein. Beispiele von Kommunikationsnetzwerken enthalten ein lokales Netz („LAN“), ein Weitverkehrsnetz („WAN“) und das Internet.
  • Das Computersystem kann Clients und Server enthalten. Ein Client und ein Server sind allgemein entfernt voneinander und interagieren typischerweise über ein Kommunikationsnetzwerk. Die Beziehung von Client und Server entsteht mittels Computerprogrammen, die auf den jeweiligen Computern laufen und eine Client-Server-Beziehung zueinander haben.
  • Eine Anzahl von Ausführungsformen ist hierin beschrieben worden. Nichtsdestoweniger wird es verstanden werden, dass verschiedene Modifikationen durchgeführt werden können, ohne vom Sinngehalt und Schutzumfang der Erfindung abzuweichen.
  • Zusätzlich erfordern die in den Figuren gezeigten logischen Abläufe nicht die gezeigte besondere Reihenfolge oder sequentielle Reihenfolge, um erwünschte Ergebnisse zu erreichen. Zusätzlich können andere Schritte vorgesehen sein oder können Schritte von den beschriebenen Abläufen eliminiert sein, und andere Komponenten können zu den beschriebenen Systemen hinzugefügt oder davon entfernt sein. Demgemäß sind andere Ausführungsformen innerhalb des Schutzumfangs der folgenden Ansprüche.
  • Bezugszeichenliste
    • 102, 152A, 152B =
    Raum;
    104, 154A, 154B =
    Kamera;
    106, 156A, 156B =
    Anzeige;
    108, 112, 162A, 162B =
    Person;
    110 =
    Gesicht;
    114 =
    Abstand;
    116, 166A, 166B =
    Größe;
    125 =
    Netzwerk;
    200 =
    System;
    202 =
    Personenerkenner;
    204 =
    Gesicht;
    206 =
    Körper;
    208, 216 =
    Lippenbewegung;
    210, 218 =
    Blick;
    212 =
    Sprechererkenner;
    214 =
    Audiolokalisierung;
    220 =
    Sprecherstandortbestimmer;
    222 =
    Abstandsbestimmer;
    224 =
    Gesichtsmerkmalsanalysator;
    226 =
    Audiolokalisierung;
    228 =
    Richtungsbestimmer;
    230 =
    Kamerasteuerung;
    232 =
    Anzeigengrößenbestimmer;
    234 =
    Bildgenerator;
    236 =
    Skalierer;
    238 =
    Formatwandler;
    240 =
    Prozessor;
    242 =
    Speicher;
    244 =
    Eingabe/Ausgabe;
    300 =
    Aufgenommenes Bild;
    350 =
    Bild;
    302 =
    Zentrum;
    308, 312 =
    Person;
    310 =
    Gesicht;
    322, 324 =
    Auge;
    330 =
    Mund;
    404A, 404B =
    Grenze;
    406 =
    Richtung;
    408A, 408B =
    Mikrofon;
    410A, 410B =
    Abstand;
    502 =
    Bestimmen eines Abstands eines Gesichts;
    504 =
    Bestimmen einer Größe einer Anzeige;
    506 =
    Skalieren des Bilds;

Claims (27)

  1. Computerprogramm, das Anweisungen umfasst, die dann, wenn sie auf wenigstens einem Prozessor ausgeführt werden, veranlassen, dass ein Computersystem Schritte ausführt, die folgendes umfassen: Bestimmen eines Abstands eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm; Bestimmen einer Größe einer Anzeige in Kommunikation mit der Kamera; und Skalieren des Bilds basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige.
  2. Computerprogramm nach Anspruch 1, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Messen einer Breite zwischen dem linken Auge und dem rechten Auge; Teilen einer vorbestimmten Breite durch eine gemessene Breite, um ein Breitenverhältnis zu bestimmen; und Multiplizieren des Breitenverhältnisses mit einem vorbestimmten Abstand.
  3. Computerprogramm nach Anspruch 1, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Bestimmen eines Mittelpunkts zwischen den Augen von dem linken Auge und dem rechten Auge; Erkennen eines Mundes im Bild des Gesichts der Person; Bestimmen eines Mundmittelpunkts des Mundes; Messen einer Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen; Teilen einer vorbestimmten Höhe durch die gemessene Höhe, um ein Höhenverhältnis zu bestimmen; und Multiplizieren des Höhenverhältnisses mit einem vorbestimmten Abstand.
  4. Computerprogramm nach Anspruch 1, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Messen einer Breite zwischen einem linken Auge und einem rechten Auge im Bild des Gesichts der Person; Messen einer Höhe zwischen einem Mittelpunkt zwischen Augen und einem Mundmittelpunkt im Bild des Gesichts der Person; Teilen einer größeren der Breite und der Höhe durch eine vorbestimmte Breite, wenn die Breite größer ist, und durch eine vorbestimmte Höhe, wenn die Höhe größer ist, um ein Verhältnis zu erzeugen; und Multiplizieren des Verhältnisses mit einem vorbestimmten Abstand.
  5. Computerprogramm nach Anspruch 1, wobei das Bestimmen der Größe der Anzeige ein Bestimmen der Größe der Anzeige basierend auf einem Anzeigengrößenindikator enthält, der in einer von einer mit der Anzeige assoziierten Computervorrichtung empfangenen Hypertext-Übertragungsprotokoll-(HTTP-)Nachricht enthalten ist.
  6. Computerprogramm nach Anspruch 1, wobei das Skalieren des Bilds ein Skalieren des Bilds zu einer Größe auf der Anzeige enthält, die zu einer Größe passt, dass das Gesicht der Person einem Betrachter bei einem Standort der Anzeige aus dem bestimmten Abstand des Gesichts der Person von der Kamera erscheinen würde.
  7. Computerprogramm nach Anspruch 1, das weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einer Zeitdifferenz zwischen Audioeingaben umfasst, die anzeigen, dass ein Standort des aktiven Sprechers mit einem bestimmten Standort des Gesichts der Person übereinstimmt.
  8. Computerprogramm nach Anspruch 7, wobei der Standort des Gesichts der Person basierend auf dem bestimmten Abstand des Gesichts der Person und einer Richtung des Gesichts der Person von der Kamera bestimmt wird.
  9. Computerprogramm nach Anspruch 1, das weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einem Erkennen einer Lippenbewegung des Gesichts der Person umfasst.
  10. Computerprogramm nach Anspruch 1, das weiterhin ein Erkennen des Gesichts der Person als einen aktiven Sprecher basierend auf einem Erkennen von Blicken der Augen von anderen Personen in Richtung zu dem Gesicht der Person umfasst.
  11. Computerprogramm nach Anspruch 1, das weiterhin ein Senden des skalierten Bilds zur Anzeige umfasst.
  12. Computerprogramm nach Anspruch 1, das weiterhin ein Empfangen des aufgenommenen Bilds von der Kamera umfasst.
  13. Computerprogramm nach Anspruch 1, wobei das Verfahren durch ein Computersystem durchgeführt wird, das die Anzeige steuert.
  14. Computerprogramm nach Anspruch 1, wobei das Verfahren durch ein Computersystem durchgeführt wird, das die Kamera steuert.
  15. Nichtflüchtiges computerlesbares Speichermedium, das darauf gespeicherte Anweisungen umfasst, die dann, wenn sie durch wenigstens einen Prozessor ausgeführt werden, konfiguriert sind, um zu veranlassen, dass ein Computersystem wenigstens: einen Abstand eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm, bestimmt; eine Größe einer Anzeige in Kommunikation mit der Kamera bestimmt; und das Bild basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige skaliert.
  16. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 15, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Messen einer Breite zwischen dem linken Auge und dem rechten Auge; Teilen einer vorbestimmten Breite durch eine gemessene Breite, um ein Breitenverhältnis zu bestimmen; und Multiplizieren des Breitenverhältnisses mit einem vorbestimmten Abstand.
  17. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 15, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Bestimmen eines Mittelpunkts zwischen den Augen von dem linken Auge und dem rechten Auge; Erkennen eines Mundes im Bild des Gesichts der Person; Bestimmen eines Mundmittelpunkts des Mundes; Messen einer Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen; Teilen einer vorbestimmten Höhe durch die gemessene Höhe, um ein Höhenverhältnis zu bestimmen; und Multiplizieren des Höhenverhältnisses mit einem vorbestimmten Abstand.
  18. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 15, wobei das nichtflüchtige computerlesbare Speichermedium auf einem Computersystem gespeichert ist, das die Anzeige steuert.
  19. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 15, wobei das nichtflüchtige computerlesbare Speichermedium auf einem Computersystem gespeichert ist, das die Kamera steuert.
  20. System, umfassend: eine Kamera, die konfiguriert ist, um Bilder aufzunehmen; eine Anzeige, die konfiguriert ist, um Bilder zu präsentirren; wenigstens einen Prozessor, der konfiguriert ist, um Anweisungen auszuführen; und ein nichtflüchtiges computerlesbares Speichermedium, das darauf gespeicherte Anweisungen umfasst, die dann, wenn sie durch den wenigstens einen Prozessor ausgeführt werden, konfiguriert sind, um zu veranlassen, dass das System wenigstens: einen Abstand eines Gesichts einer Person von einer Kamera bestimmt, die ein Bild des Gesichts der Person aufnahm; eine Größe einer Anzeige bestimmt, wobei die Anzeige in Kommunikation mit der Kamera ist; und das Bild basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige skaliert.
  21. Computerprogramm zum Ermöglichen einer Videokonferenz, das Anweisungen umfasst, die dann, wenn sie auf wenigstens einem Prozessor ausgeführt werden, veranlassen, dass ein Computersystem Schritte ausführt, die folgendes umfassen: Bestimmen eines Abstands eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm; Bestimmen einer Größe einer Anzeige in Kommunikation mit der Kamera; und Skalieren des Bilds basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige.
  22. Computerprogramm nach Anspruch 21, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Messen einer Breite zwischen dem linken Auge und dem rechten Auge; Teilen einer vorbestimmten Breite durch eine gemessene Breite, um ein Breitenverhältnis zu bestimmen; und Multiplizieren des Breitenverhältnisses mit einem vorbestimmten Abstand.
  23. Computerprogramm nach Anspruch 21, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Bestimmen eines Mittelpunkts zwischen den Augen von dem linken Auge und dem rechten Auge; Erkennen eines Mundes im Bild des Gesichts der Person; Bestimmen eines Mundmittelpunkts des Mundes; Messen einer Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen; Teilen einer vorbestimmten Höhe durch die gemessene Höhe, um ein Höhenverhältnis zu bestimmen; und Multiplizieren des Höhenverhältnisses mit einem vorbestimmten Abstand.
  24. Nichtflüchtiges computerlesbares Speichermedium, das darauf gespeicherte Anweisungen umfasst, zum Ermöglichen einer Videokonferenz, die dann, wenn sie durch wenigstens einem Prozessor ausgeführt werden, konfiguriert sind, um zu veranlassen, dass ein Computersystem wenigstens: einen Abstand eines Gesichts einer Person von einer Kamera, die ein Bild des Gesichts der Person aufnahm, bestimmt; eine Größe einer Anzeige in Kommunikation mit der Kamera bestimmt; und das Bild basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige skaliert.
  25. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 24, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Messen einer Breite zwischen dem linken Auge und dem rechten Auge; Teilen einer vorbestimmten Breite durch eine gemessene Breite, um ein Breitenverhältnis zu bestimmen; und Multiplizieren des Breitenverhältnisses mit einem vorbestimmten Abstand.
  26. Nichtflüchtiges computerlesbares Speichermedium nach Anspruch 24, wobei das Bestimmen des Abstands des Gesichts der Person folgendes enthält: Erkennen eines linken Auges und eines rechten Auges im Bild des Gesichts der Person; Bestimmen eines Mittelpunkts zwischen den Augen von dem linken Auge und dem rechten Auge; Erkennen eines Mundes im Bild des Gesichts der Person; Bestimmen eines Mundmittelpunkts des Mundes; Messen einer Höhe vom Mundmittelpunkt zum Mittelpunkt zwischen Augen; Teilen einer vorbestimmten Höhe durch die gemessene Höhe, um ein Höhenverhältnis zu bestimmen; und Multiplizieren des Höhenverhältnisses mit einem vorbestimmten Abstand.
  27. System zum Ermöglichen einer Videokonferenz, wobei das System folgendes umfasst: eine Kamera, die konfiguriert ist, um Bilder aufzunehmen; eine Anzeige, die konfiguriert ist, um Bilder zu präsentirren; wenigstens einen Prozessor, der konfiguriert ist, um Anweisungen auszuführen; und ein nichtflüchtiges computerlesbares Speichermedium, das darauf gespeicherte Anweisungen umfasst, die dann, wenn sie durch den wenigstens einen Prozessor ausgeführt werden, konfiguriert sind, um zu veranlassen, dass das System wenigstens: einen Abstand eines Gesichts einer Person von einer Kamera bestimmt, die ein Bild des Gesichts der Person aufnahm; eine Größe der Anzeige bestimmt, wobei die Anzeige in Kommunikation mit der Kamera ist; und das Bild basierend auf dem bestimmten Abstand des Gesichts der Person und der bestimmten Größe der Anzeige skaliert, wobei das skalierte Bild eine Größe hat, die dann, wenn sie als ein Anteil der Anzeige gemessen wird, umgekehrt proportional zu der bestimmten Größe der Anzeige ist.
DE202018006448.3U 2017-08-17 2018-08-17 Skalieren eines Bilds eines Gesichts eines Sprechers basierend auf dem Abstand eines Gesichts und einer Grösse einer Anzeige Active DE202018006448U1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762546711P 2017-08-17 2017-08-17
US62/546,711 2017-08-17

Publications (1)

Publication Number Publication Date
DE202018006448U1 true DE202018006448U1 (de) 2020-10-14

Family

ID=63586865

Family Applications (1)

Application Number Title Priority Date Filing Date
DE202018006448.3U Active DE202018006448U1 (de) 2017-08-17 2018-08-17 Skalieren eines Bilds eines Gesichts eines Sprechers basierend auf dem Abstand eines Gesichts und einer Grösse einer Anzeige

Country Status (3)

Country Link
US (1) US10887548B2 (de)
DE (1) DE202018006448U1 (de)
WO (1) WO2019036630A1 (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7697827B2 (en) 2005-10-17 2010-04-13 Konicek Jeffrey C User-friendlier interfaces for a camera
US10867161B2 (en) * 2017-09-06 2020-12-15 Pixart Imaging Inc. Auxiliary filtering device for face recognition and starting method for electronic device
KR101972545B1 (ko) * 2018-02-12 2019-04-26 주식회사 럭스로보 음성 명령을 통한 위치 기반 음성 인식 시스템
US10878824B2 (en) * 2018-02-21 2020-12-29 Valyant Al, Inc. Speech-to-text generation using video-speech matching from a primary speaker
US11151993B2 (en) * 2018-12-28 2021-10-19 Baidu Usa Llc Activating voice commands of a smart display device based on a vision-based mechanism
KR20200107757A (ko) * 2019-03-08 2020-09-16 엘지전자 주식회사 음향 객체 추종을 위한 방법 및 이를 위한 장치
EP4147229A1 (de) 2020-05-08 2023-03-15 Nuance Communications, Inc. System und verfahren zur datenverstärkung für multimikrofonsignalverarbeitung
WO2022139480A1 (en) * 2020-12-23 2022-06-30 Samsung Electronics Co., Ltd. Method and electronic device for identifying user
US11748845B2 (en) * 2021-01-27 2023-09-05 Nvidia Corporation Machine learning techniques for enhancing video conferencing applications
US11806078B1 (en) 2022-05-01 2023-11-07 Globe Biomedical, Inc. Tear meniscus detection and evaluation system

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101296900B1 (ko) * 2009-01-07 2013-08-14 엘지디스플레이 주식회사 입체 영상의 뷰 제어방법과 이를 이용한 입체 영상표시장치
US8416715B2 (en) 2009-06-15 2013-04-09 Microsoft Corporation Interest determination for auditory enhancement
KR101626159B1 (ko) * 2009-11-25 2016-05-31 엘지전자 주식회사 사용자 적응형 디스플레이 장치 및 디스플레이 방법
US8427476B2 (en) * 2009-12-14 2013-04-23 Acer Incorporated System and method for automatically adjusting visual setting of display device
US8471889B1 (en) * 2010-03-11 2013-06-25 Sprint Communications Company L.P. Adjusting an image for video conference display
CN102298702B (zh) 2010-06-28 2015-08-05 北京中星微电子有限公司 一种人体姿态的检测方法及装置
US9236024B2 (en) * 2011-12-06 2016-01-12 Glasses.Com Inc. Systems and methods for obtaining a pupillary distance measurement using a mobile computing device
US9076028B2 (en) 2012-10-08 2015-07-07 Citrix Systems, Inc. Facial recognition and transmission of facial images in a videoconference
US9769424B2 (en) * 2013-10-24 2017-09-19 Telefonaktiebolaget Lm Ericsson (Publ) Arrangements and method thereof for video retargeting for video conferencing
JP6496172B2 (ja) 2015-03-31 2019-04-03 大和ハウス工業株式会社 映像表示システム及び映像表示方法
JP2016213677A (ja) 2015-05-08 2016-12-15 キヤノン株式会社 遠隔コミュニケーションシステム、その制御方法、及びプログラム
US11082660B2 (en) 2016-08-01 2021-08-03 Sony Corporation Information processing device and information processing method
US9704216B1 (en) * 2016-08-04 2017-07-11 Le Technology Dynamic size adjustment of rendered information on a display screen

Also Published As

Publication number Publication date
WO2019036630A1 (en) 2019-02-21
US20190058847A1 (en) 2019-02-21
US10887548B2 (en) 2021-01-05

Similar Documents

Publication Publication Date Title
DE202018006448U1 (de) Skalieren eines Bilds eines Gesichts eines Sprechers basierend auf dem Abstand eines Gesichts und einer Grösse einer Anzeige
DE102018130115B4 (de) Vorrichtung und Verfahren zur kontextbasierten Unterdrückung und Verstärkung von Akustiksignalen in akustischen Umgebungen
DE102015102113B4 (de) Verfahren zum warnen eines benutzers über einen abstand zwischen augen des benutzers und einem bildschirm und elektronische vorrichtung
DE102015100930A1 (de) Steuerung von verbesserter Kommunikation zwischen entfernt befindlichen Teilnehmern/Teilnehmerinnen mittels erweiterter und virtueller Realität
AU2014331622B2 (en) Image blur with preservation of detail
DE112016004437T5 (de) Head-Mounted-Display mit Gesichtsausdruck-Erkennungsfähigkeit
DE112017000017T5 (de) Kameraeinstellungsanpassung basierend auf vorhergesagten umgebungsfaktoren und nachverfolgungssysteme, die diese einsetzen
KR20170136538A (ko) 비디오 회의에서의 감정 인식
DE112016006081T5 (de) Automatische Echtzeit-Fahrzeugkamerakalibrierung
DE212019000172U1 (de) System zum Ermitteln der Händigkeit für virtuelle Controller
US20220058407A1 (en) Neural Network For Head Pose And Gaze Estimation Using Photorealistic Synthetic Data
DE112019007677T5 (de) Posenvorhersageverfahren, Modelltrainingsverfahren und Vorrichtung
DE102018103572A1 (de) Informationsverarbeitungseinrichtung, informationsverarbeitungsverfahren und aufzeichnungsmedium
DE202017006742U1 (de) Eingabegerät-Stabilisierungstechniken für virtuelle Realitätssysteme
DE112018005075T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm
DE112016005809T5 (de) Lichtfeld-Rendering eines Bildes unter Verwendung variabler Rechenkomplexität
DE112018002980T5 (de) Informationsverarbeitungssystem, informationsverarbeitungsverfahren und programm
DE112016002252T5 (de) Automatische erkennung von panoramagesten
DE202017105869U1 (de) Kontextabhängige automatische Gruppierung
US20210279928A1 (en) Method and apparatus for image processing
DE102021125827A1 (de) Konferenzen basierend auf fahrerzustand und kontext
DE112017006881T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm
JP6859641B2 (ja) 評価システム、情報処理装置およびプログラム
DE112020000573T5 (de) Anzeigen von darstellungen von umgebungen
DE102020104055A1 (de) Rendern von objekten zur anpassung von dem kamerarauschen

Legal Events

Date Code Title Description
R207 Utility model specification
R150 Utility model maintained after payment of first maintenance fee after three years