CN109655816A - 获取声源位置的方法、装置及设备终端 - Google Patents

Abstract

本发明公开了一种获取声源位置的方法、装置及设备终端，所述方法包括：依据各麦克风采集的音频信号，筛选出采集的音频信号中含有中频信号的麦克风；比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号幅值最大的一个麦克风，并确立为目标麦克风；依据目标麦克风所在的位置，锁定声源位置。基于人的发声范围为中频信号，先将采集到含有代表人声的中频信号的麦克风筛选出来，并忽略非人声频谱范围内的环境噪音，达到模糊筛选目的；然后依据离发言人最近的麦克风采集到的中频信号幅值最大，捕捉采集到中频信号幅值最大的一个麦克风，并将其确立为目标麦克风，达到精确筛选的目的。本发明实施例的获取声源位置的方法简单可靠，响应迅速。

Description

获取声源位置的方法、装置及设备终端

技术领域

本发明涉及音频检测领域，具体涉及获取声源位置的方法、装置及设备终 端。

背景技术

视频会议***是一种让身处异地的人们通过某种传输介质实现“实时、可 视、交互”的多媒体通讯技术。它可以通过现有的各种电器通讯传输媒体，将 人物的静态和动态图像、语音、文字、图片等多种信息分送到各个用户的终端 设备上，使得在地理上分散的用户可以共聚一处，通过图形、声音等多种方式 交流信息，增加双方对内容的理解能力，使人们犹如身临其境参加在同一会场 中的会议一样。

一般的视频会议***包括用于采集会议现场画面的摄像头以及多个用于采 集发言人音频信号的麦克风，多个麦克风布置在各发言人座位前。在会议进行 当中，为了更好地使与会人员更能详细的了解当前发言人的情况，通常需要将 布置于会场的摄像机对准当前发言人，并实时采集并播放其实际发言情况。目 前采用的摄像头自动控制方式，普遍是依据多个麦克风获取当前语音的时间差 信息来获取当前声源的大致位置信息，然后控制摄像机执行声源跟踪，以进行 发言人画面采集。然而这种利用时间差的声源定位方法，存在容易受环境噪音 影响、定位不够准确的缺陷。

发明内容

有鉴于此，本发明实施例提供了获取声源位置的方法、装置及设备终端， 有效地进行声源定位，准确获取视频会议中声源位置。

本发明实施例的第一方面提供了获取声源位置的方法，包括以下步骤：

S1、通过多个麦克风采集音频信号；

S2、依据各麦克风采集的音频信号，筛选出采集的音频信号中含有中频信 号的麦克风；

S3、比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号幅值最 大的一个麦克风，并确立为目标麦克风；

S4、依据目标麦克风所在的位置，锁定声源位置。

进一步地，所述筛选出采集的音频信号中含有中频信号的麦克风包括：

对各麦克风采集的音频信号进行低频及高频信号过滤，检测经低频及高频 信号过滤后的输出信号是否含有中频信号，筛选出音频信号中含有中频信号的 麦克风。

再进一步，在对各麦克风采集的音频信号进行低频及高频信号过滤之后还 包括：

对低频及高频信号过滤后的输出信号进行整形处理。

进一步地，所述中频信号的频率范围为400HZ～6000HZ。

进一步地，所述确立为目标麦克风之前还包括：计算中频信号持续时间， 若持续时间达到预设阈值，则确立为目标麦克风。

本发明实施例的第二方面提供了一种获取声源位置的装置，包括：

采集模块，用于通过多个麦克风采集音频信号；

筛选模块，用于依据各麦克风采集的音频信号，筛选出采集的音频信号中 含有中频信号的麦克风；

比较模块，比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号 幅值最大的一个麦克风，并确立为目标麦克风；

锁定模块，用于依据目标麦克风所在的位置，锁定声源位置。

本发明实施例的第三方面提供了一种设备终端，包括存储器、处理器以及 存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行 所述计算机程序时实现如上所述方法的步骤。

本发明实施例的第四方面提供了一种视频会议跟踪***，包括摄像头、摄 像头驱动装置、多个麦克风及上述设备终端，所述摄像头驱动装置基于设备终 端所确定的声源位置控制摄像头执行声源位置跟踪。

本发明实施例的第五方面提供了一种计算机可读存储介质，所述计算机可 读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述 方法的步骤。

本发明实施例至少具有以下有益效果：基于人的发声范围为中频信号，先 将采集到含有代表人声的中频信号的麦克风筛选出来，并忽略非人声频谱范围 内的环境噪音，达到模糊筛选目的；然后依据离发言人最近的麦克风采集到的 中频信号幅值最大，捕捉采集到中频信号幅值最大的一个麦克风，并将其确立 为目标麦克风，达到精确筛选的目的；最后依据目标麦克风所在的位置锁定声 源位置。本发明实施例的获取声源位置的方法简单可靠，响应迅速。

附图说明

图1是本发明的实施例一获取声源位置的方法的实现流程示意图；

图2是本发明的实施例二获取声源位置的装置的结构示意图；

图3是本发明的实施例三的设备终端的结构示意图；

图4是本发明的实施例四的视频会议跟踪***的结构示意图。

具体实施方式

请参见图1，本发明的实施例一提供了获取声源位置的方法，包括以下步 骤：

S1、通过多个麦克风采集音频信号；

S2、依据各麦克风采集的音频信号，筛选出采集的音频信号中含有中频信 号的麦克风；

S3、比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号幅值最 大的一个麦克风，并确立为目标麦克风；

S4、依据目标麦克风所在的位置，锁定声源位置。

示例性的，所述步骤S2中，所述筛选出采集的音频信号中含有中频信号的 麦克风可以通过以下方法实现：

对各麦克风采集的音频信号进行低频及高频信号过滤，检测经低频及高频 信号过滤后的输出信号是否含有中频信号，筛选出音频信号中含有中频信号的 麦克风。

其中，所述音频信号的低频及高频信号过滤可以通过高通滤波器和低通滤 波器实现。先通过高通滤波器阻隔低于设定临界值的低频信号，再通过低通滤 波器阻隔超过设定临界值的高频信号，由此实现将低频信号和高频信号滤除。

可选的，所述对各麦克风采集的音频信号进行低频及高频信号过滤之后还 包括：中频输出信号整形处理。音频信号滤除掉低频信号及高频信号后，输出 中频信号，然后通过整形电路对中频信号进行整形处理，输出的信号为电压脉 冲，步骤S2中后续可通过检测整形电路输出端是否有电压脉冲，来筛选出所采 集的音频信号中含有中频信号的麦克风；步骤S3中可通过检测电压脉冲的幅值 大小，实现对筛选出的麦克风采集的中频信号幅值进行比较。

所述步骤S3中，确立为目标麦克风之前还可以包括：计算中频信号持续时 间，确保持续时间达到预设阈值，才将捕捉到的中频信号幅值最大的一个麦克 风确立为目标麦克风，以确保所获取的代表人声的中频信号具有一定的存续时 间，否则不锁定声源位置。

须说明的是，本实施例中所述中频信号的频率范围为400HZ～6000HZ。

本发明的实施例二提供了一种获取声源位置的装置，包括：

采集模块，用于通过多个麦克风采集音频信号；

筛选模块，依据各麦克风采集的音频信号，筛选出采集的音频信号中含有 中频信号的麦克风；

比较模块，比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号 幅值最大的一个麦克风，并确立为目标麦克风；

锁定模块，用于依据目标麦克风所在的位置，锁定声源位置。

可选的，所述筛选模块具体包括：

低频滤除单元，用于对音频信号中的低频信号进行过滤；

高频滤除单元，用于对音频信号中的高频信号进行过滤；

中频检测单元，用于检测经低频及高频信号过滤后的输出信号是否含有中 频信号；

筛选确定单元，用于筛选出音频信号中含有中频信号的麦克风。

可选的，所述筛选模块还包括：

输出整形单元，用于对中频输出信号整形处理。

可选的，所述比较模块具体包括：

中频幅值比较单元，用于比较所筛选的麦克风采集到的中频信号，捕捉采 集到中频信号幅值最大的一个麦克风，

目标判断单元，用于计算所捕捉的麦克风的中频信号持续时间，若持续时 间达到预设阈值，则确立为目标麦克风。

本发明的实施例三提供了一种设备终端，包括存储器、处理器以及存储在 所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计 算机程序时实现上述获取声源位置的方法实施例中的步骤，例如图1所示的步 骤S1至S4。或者，所述处理器执行所述计算机程序时实现上述装置实施例中 各模块/单元的功能。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个 或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发 明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指 令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如， 所述计算机程序可以被分割成采集模块、筛选模块、比较模块、锁定模块，各 模块具体功能如下：

采集模块，用于通过多个麦克风采集音频信号；

筛选模块，依据各麦克风采集的音频信号，筛选出采集的音频信号中含有 中频信号的麦克风；

比较模块，比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号 幅值最大的一个麦克风，并确立为目标麦克风；

锁定模块，用于依据目标麦克风所在的位置，锁定声源位置。

所述终端设备可以是可穿戴设备、桌上型计算机、笔记本、掌上电脑及云 端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。 本领域技术人员可以理解，图3仅仅是终端设备的示例，并不构成对终端设备 的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的 部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可 以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专 用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程 门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分 立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者 该处理器也可以是任何常规的处理器等。

所述存储器可以是所述终端设备的内部存储单元，例如终端设备的硬盘或 内存。所述存储器也可以是所述终端设备的外部存储设备，例如所述终端设备 上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括 所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述 计算机程序以及所述终端设备所需的其他程序和数据。所述存储器还可以用于 暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上 述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上 述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不 同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功 能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在， 也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬 件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模 块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上 述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。

本发明的实施例四提供了一种视频会议跟踪***，所述视频会议跟踪*** 包括摄像头、摄像头驱动装置、多个麦克风及上述实施例三的设备终端，所述 摄像头驱动装置基于设备终端所确定的声源位置控制摄像头执行声源位置跟 踪，获取发言人的视频画面。须了解到，所述摄像头驱动装置可以包括电机以 及电机驱动模块，所述电机驱动模块与设备终端连接，接收设备终端的依据声 源位置的转向信号，通过驱动电机带动摄像头转向，控制摄像头执行声源位置 跟踪，获取发言人的视频画面。

本发明的实施例五提供了一种计算机可读存储介质，所述计算机可读存储 介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的 步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详 述或记载的部分，可以参见其它实施例的相关描述。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例， 本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替 换，也应属于本发明的保护范围。

Claims (9)

1.获取声源位置的方法，其特征在于，包括以下步骤：

通过多个麦克风采集音频信号；

依据各麦克风采集的音频信号，筛选出采集的音频信号中含有中频信号的麦克风；

比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号幅值最大的一个麦克风，并确立为目标麦克风；

依据目标麦克风所在的位置，锁定声源位置。

2.根据权利要求1所述的获取声源位置的方法，其特征在于，所述筛选出采集的音频信号中含有中频信号的麦克风包括：

对各麦克风采集的音频信号进行低频及高频信号过滤，检测经低频及高频信号过滤后的输出信号是否含有中频信号，筛选出音频信号中含有中频信号的麦克风。

3.根据权利要求2所述的获取声源位置的方法，其特征在于，在对各麦克风采集的音频信号进行低频及高频信号过滤之后还包括：对低频及高频信号过滤后的输出信号进行整形处理。

4.根据权利要求1所述的获取声源位置的方法，其特征在于，所述中频信号的频率范围为400HZ～6000HZ。

5.根据权利要求1所述的获取声源位置的方法，其特征在于，在所述确立为目标麦克风之前还包括：计算中频信号持续时间，若持续时间达到预设阈值，则确立为目标麦克风。

6.一种获取声源位置的装置，其特征在于，包括：

采集模块，用于通过多个麦克风采集音频信号；

筛选模块，用于依据各麦克风采集的音频信号，筛选出采集的音频信号中含有中频信号的麦克风；

比较模块，比较所筛选的麦克风采集到的中频信号，捕捉采集到中频信号幅值最大的一个麦克风，并确立为目标麦克风；

锁定模块，用于依据目标麦克风所在的位置，锁定声源位置。

7.一种设备终端，其特征在于：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任意一项所述方法的步骤。

8.一种视频会议跟踪***，其特征在于，包括摄像头、摄像头驱动装置、多个麦克风以及权利要求7所述的设备终端，所述摄像头驱动装置基于设备终端所确定的声源位置控制摄像头执行声源位置跟踪。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述方法的步骤。