[发明专利]用于使用多个传感器来追踪视频会议中的音频源的方法和装置

说明书

相关申请的交叉引用

本申请要求Hock M.Ng于2010年9月30日递交的、题为“TECHNIQUE FOR VIDEOCONFERENCING INCLUDING SPEAKER LOCALIZATION AND TRACKING”的第61/388,149号美国临时申请的优先权，其公开内容通过引用的方式全部并入于此。本申请还与2010年4月30日递交的第12/770,991号美国专利申请和2010年4月14日递交的第12/759,823号共同未决美国专利申请相关，二者的公开内容通过引用的方式全部并入于此。

技术领域

本申请一般涉及向显示器提供图像，诸如，为视频会议终端提供图像。

背景技术

本部分介绍对于有利于更好地理解本公开可能有帮助的各方面。因此，要鉴于此精神来阅读本部分的叙述，而不是将其理解成承认哪些是现有技术，或哪些不是现有技术。

经由计算机网络的通信通常不仅仅只涉及传输文本。诸如因特网之类的计算机网络还可被用于音频通信和可视通信。静止的图像和视频是可以在这些网络上传输的可视数据的示例。

一个或多个相机可以耦合至诸如个人计算机(PC)之类的计算设备以提供可视通信。一个或多个相机可随后被用于在计算机网络上传输实时可视信息，诸如，视频。双重传输可以被用于允许视频信息与音频一起传输。不管是在一对一的通信会话中还是与多个参与者进行视频会议中，参与者都可经由实时的音频和视频在计算机网络上进行通信(即，语音视频通信)。

发明内容

一个方面提供了一种装置。在一个实施例中，所述装置包括：(1)音频源标识器，被配置为基于来自至少两种不同类型的传感器的多模式传感器数据来定位音频源；以及(2)图像选择器，被配置为自动地引导相机来查看所述音频源。

在另一方面，公开了一种用于引导相机来查看音频源的方法。在一个实施例中，该方法包括：(1)基于来自至少两种不同类型的传感器的多模式传感器数据来定位音频源；以及(2)自动地引导相机来查看所述音频源。

在又一方面，提供了一种视频会议终端。在一个实施例中，该视频会议终端包括：(1)相机，被配置为捕获视角内的图像；以及(2)音频源定位器和追踪器，被配置为基于来自至少两种不同类型的传感器的多模式传感器数据来定位音频源并自动地引导所述相机来查看所述音频源。

附图说明

现在结合附图参照以下对实施例的描述，这些实施例仅作为示例被提供，在附图中：

图1是视频会议基础设施的实施例的示意性框图，根据本公开的原理所构造的视频会议终端可以在该视频会议基础设施中进行操作；

图2示出了根据本公开的原理构造的视频会议终端200的实施例的框图；

图3示出了可以部署根据本公开的原理构造的视频会议终端的实施例的环境；

图3A示出了表示图3中的环境的潜在音频源(即，参与者)的地图；

图4示出了表示根据本公开的原理构造的音频源定位器和追踪器的操作的状态图；

图5示出了根据本公开的原理构造的视频会议终端的实施例的示图；

图6示出了根据本公开的原理实施的用于引导相机查看音频源的方法的实施例的流程图。

具体实施方式

本公开提供了一种定位和追踪机制，该机制采用来自多种类型的传感器的传感器数据(即，多模式传感器数据)来定位和追踪音频源。本公开提供了一种用于定位和追踪单个或多个音频源并引导相机来捕获所定位和追踪的音频源的一个或多个图像的装置。定位音频源使得能够将相机指向该音频源，即便当附近可能存在多个音频源时也是如此。追踪音频源使得能够引导相机来随着音频源的移动而追随该音频源。

视频会议终端可以采用所公开的定位和追踪功能。因此，要定位和追踪的音频源可以是视频会议中正在讲话的参与者。在会议室中存在多人的视频会议情境中，检测正在讲话的参与者并使相机将该参与者作为目标从而使得远端位置接收活动的讲话者的图像可能是个挑战。具有此处所公开的定位和追踪功能的视频会议终端允许远端位置处的人能够从相机看到正在讲话的参与者，而无需远端处的人手动地操控相机使之保持在该讲话者上。