[发明专利]摄像头拍摄控制方法、装置、智能设备及计算机存储介质

权利要求书

1.一种摄像头拍摄控制方法，其特征在于，所述摄像头拍摄控制方法包括：

采集声源对象的语音数据；

基于所述声源对象的语音数据，提取语音特征；

根据提取的语音特征与预先设置的语音场景对应的语音特征，确定当前语音场景，所述语音场景包括演讲场景、圆桌会议场景、视频会话场景以及家庭会话场景；

所述根据提取的语音特征与预先设置的语音场景对应的语音特征，确定当前语音场景的步骤具体包括：获取指定数量的样本语音数据；确定所述样本语音数据的声源角度的分布、语音时长分布以及语音间隔时间；根据所述样本语音数据的声源角度的分布、语音时长分布以及语音间隔时间构建决策树；根据构建的决策树与提取的语音特征，确定当前语音场景；具体地，若所述声源角度的分布小于预设的角度分布范围，判定所述当前语音场景为视频会话场景；若所述声源角度的分布大于或等于预设的角度分布范围，则进一步分析所述语音时长分布，若所述语音时长分布中存在同一声源对象超过预设时长的语音，则判定所述当前语音场景为演讲者模式；若不存在同一声源对象超过预设时长的语音，则进一步分析所述语音间隔时间；若所述语音间隔时间均匀，则判定所述当前语音场景为圆桌会议场景，若不均匀，则判定所述当前语音场景为家庭会话场景；

获取所述当前语音场景对应的拍摄模式，并根据所述当前语音场景对应的拍摄模式控制所述摄像头移动。

2.如权利要求1所述的摄像头拍摄控制方法，其特征在于，所述语音特征包括语音时长、语音间隔时长、声源角度、语音声强或声音频率中的一项或者多项。

3.如权利要求2所述的摄像头拍摄控制方法，其特征在于，所述获取所述当前语音场景对应的拍摄模式，并根据所述当前语音场景对应的拍摄模式控制所述摄像头移动的步骤，包括：

当确定所述当前语音场景为圆桌会议场景时，若检测到第一声源对象的第一语音数据，则获取所述第一语音数据的第一声源角度；

根据所述第一声源角度控制所述摄像头移动至所述第一声源角度对应的第一声源对象；

当所述第一语音数据结束时，根据所述圆桌会议场景对应的调度模式，预先确定下一个发出语音数据的第二声源对象；

根据所述第二声源对象的声源角度提前控制所述摄像头移动至所述第二声源对象；

或者，当所述第一语音数据结束时，根据所述圆桌会议场景对应的调度模式，预先确定发出语音数据的第二声源对象和发出语音数据的第三声源对象；

根据所述第二声源对象的声源角度与所述第三声源对象的声源角度，提前控制所述摄像头移动至所述第二声源对象和所述第三声源对象的中间位置。

4.如权利要求1所述的摄像头拍摄控制方法，其特征在于，所述根据提取的语音特征与预先设置的语音场景对应的语音特征，确定当前语音场景的步骤，包括：

提取指定数量的语音数据的语音特征；

将所述指定数量的语音数据的语音特征输入至训练好的机器学习模型中，确定当前语音场景。

5.如权利要求4所述的摄像头拍摄控制方法，其特征在于，所述机器学习模型的训练步骤包括：

获取指定数量的样本语音数据，并基于所述样本语音数据建立样本语音数据集，其中，所述样本语音数据标记有语音场景，每种语音场景的样本语音数据的数量不少于平均每种语音场景的样本语音数据的数量；

根据所述样本语音数据提取语音特征，并基于提取的语音特征建立特征向量集；

根据所述特征向量集训练所述样本语音数据集的决策树，直至所述决策树的实际输出值与理想输出值相同，完成训练。

6.如权利要求1所述的摄像头拍摄控制方法，其特征在于，所述获取所述当前语音场景对应的拍摄模式，并根据所述当前语音场景对应的拍摄模式控制所述摄像头移动的步骤，包括：

当所述当前语音场景为视频会话场景时，获取从视频会议开始到当前时刻的语音数据；

根据获取的所述语音数据的声源角度划分发言区域，并确定划分的发言区域的区域角度；

当检测到新的语音数据时，获取所述新的语音数据的声源角度；

确定所述新的语音数据的声源角度所属的发言区域；

根据确定的发言区域的区域角度控制摄像头的转向角度。