[发明专利]视音频信息的处理方法、装置和系统

说明书

本发明涉及一种视音频信息的处理方法、装置和系统。该方法包括：采集视音频数据，在所述视音频数据中提取当前图像帧和当前声音信息；获取所述当前图像帧中的目标对象的当前特征值对应的当前第一调节因子，和/或所述当前声音信息对应的当前第二调节因子；将所述当前第一调节因子对应的视音频数据和/或所述当前第二调节因子对应的视音频数据与所述视音频数据进行叠加处理，得到视音频信息；发送所述视音频信息至多点控制单元MCU，用以所述MCU将所述视音频信息广播至其他视频终端。本发明实施例实现了根据获取的视音频数据中的声音信息和目标对象的特征值对视音频数据添加相应的符号信息。

技术领域

本发明涉及通信领域，尤其涉及一种视音频信息的处理方法、装置和系统。

背景技术

视频会议系统是通过网络平台以实时的音、视频等多媒体手段，支持在不同的地理位置的人们进行远距离实时信息交流、开展协同工作的应用系统。视频会议系统实时传输视频与音频信息，使在不同的地理位置的人们可以远距离地进行直观、真实的视音频交流。

目前的视频会议系统中的各个会场的场景和氛围都是严肃和呆板的，与会人和组织者在会议中的语言和表情只能通过传统的视频采集和音频采集装置将本地的音视频数据通过尽可能真实的方式显示给其他会场，缺少一种趣味性的表达会议中情绪和氛围的方法和途径。例如，在现有的视频会议系统中，由于只能通过视频采集和音频采集装置采集到各个会场真实的会议场景，与会人要以一种非严肃的方式表达自己参会时或在会议中的某种开心的氛围和情绪，如只能通过语言的描述或面部表情动作来进行直接的表达。但随着视频会议的逐步普及，特别是在一些相对宽松的办公环境下，如果只通过视频采集和音频采集装置采集各个会场真实的会议场景，可导致与会人根据视频终端上显示的呆板的视音频信息对视频会议系统产生不好的体验。

发明内容

本发明实施例提供了一种视音频信息的处理方法、装置和系统，以实现根据获取的视音频数据中的目标对象的特征值对视音频数据添加相应的符号信息，更好地表达视频会议中会议的情绪和氛围。

第一方面，本发明实施例提供了一种视音频信息的处理方法，所述方法包括：

采集视音频数据，在所述视音频数据中提取当前图像帧和当前声音信息；

获取所述当前图像帧中的目标对象的当前特征值对应的当前第一调节因子，和/或所述当前声音信息对应的当前第二调节因子；

将所述当前第一调节因子对应的视音频数据和/或所述当前第二调节因子对应的视音频数据与所述视音频数据进行叠加处理，得到视音频信息；

发送所述视音频信息至多点控制单元MCU，用以所述MCU将所述视音频信息广播至其他视频终端。

在第一种可能的实现方式中，所述将所述当前第一调节因子对应的视音频数据和/或所述当前第二调节因子对应的视音频数据与所述视音频数据进行叠加处理具体为：在本地数据库或网络服务器中查询所述当前第一调节因子对应的视音频数据和/或所述当前第二调节因子对应的视音频数据；将所述当前第一调节因子对应的视音频数据和/或所述当前第二调节因子对应的视音频数据与所述视音频数据进行混合编码处理。

结合第一方面或第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述获取所述当前图像帧中的目标对象的当前特征值对应的当前第一调节因子，和/或所述当前声音信息对应的当前第二调节因子之后还包括：根据所述当前第一调节因子，预估所述当前图像帧的下一个图像帧的特征值对应的第一调节因子，作为下一个图像帧的预设第一调节因子；和/或，根据所述当前第二调节因子，预估所述当前声音的下一个声音信息对应的第二调节因子，作为下一个声音信息对应的预设第二调节因子。