[发明专利]经由光学捕获的个性化HRTFS

说明书

一种产生个性化HRTF的设备及方法。所述系统通过计算针对HRTF的模型来准备，所述模型被描述为一组有限的实例输入数据，即针对一组个体的人体测量量度及人口统计信息，与一组对应输出数据，即，使用同一组个体的3D扫描的高分辨率数据库来数值模拟的HRTF之间的关系。在使用时，系统向用户查询其人口统计信息，且接着从所述用户的一系列图像，所述系统检测并测量各种人体测量特性。作为产生个性化HRTF的部分，所述系统接着将准备就绪的模型应用于所述人体测量及人口统计数据。以此方式，与通过执行所述用户的高分辨率扫描或声学测量相比，所述个性化HRTF可更便利地产生，并且与通过数值模拟其HRTF相比具有更小的计算复杂度。

相关申请案的交叉参考

本申请案主张2018年7月25日申请的针对“经由光学捕获的个性化HRTF的方法及设备(Method and Apparatus to Personalized HRTF via Optical Capture)”的第62/703,297号美国临时申请案的权益，所述申请案通过引用的方式并入本文中。

技术领域

本发明涉及音频处理，并且特定来说，涉及根据收听者的人体测量及人口统计特性产生定制音频。

背景技术

除非本文另外指出，否则此章节中描述的方法不是本申请案中的权利要求书的现有技术，并且由于包含在此章节中而不被承认是现有技术。

通过将声音放置在各种位置处并通过仿真头进行录音，可经由通过耳机回放此类录音来实现对来自相对于收听者的对应各种位置的声音的感知。如果使用独立扬声器而不是耳机，此方法有导致模糊的声音的不良副作用，因此通常将所述技术用于多轨录音的选定轨，而不是整个录音。为改进所述技术，仿真材料可包含耳朵(耳廓)的形状，并且可被设计为与真实头部及耳朵的声反射率/吸声率匹配。

替代地，可将头部相关传递函数(HRTF)应用于声源，使得在使用耳机收听时，声音将看起来似乎在空间上定位。一般来说，HRTF对应于三维(3D)空间中的点与耳道入口之间的声学传递函数。HRTF源自耳朵、头部及身体的无源过滤功能，且最终被大脑用来推断声音的位置。HRTF由幅度及相位频率响应组成，所述幅度及相位频率响应依据应用于音频信号的仰角及方位角(围绕收听者的旋转)而变。除在仿真头周围的特定位置记录声音外，还可通过众多方式(包含常规方法)记录声音，然后使用HRTF处理声音以使其出现在所需位置处。当然，叠加允许在各种位置同时创建许多声音，以复制真实世界音频环境或简单的艺术意图。另外，声音可被数字合成而不是被记录。

HRTF概念的改进包含从实际人类的耳道进行记录。

发明内容

在通过从实际人类的耳道进行记录来改进HRTF的过程中，意识到，人与人之间在HRTF方面存在很大的可变性，这归因于解剖学上的个体差异，例如肩宽、头部大小及耳廓的形状及其它面部特性。另外，单独的个体的左耳与右耳之间存在细微差异。由于HRTF的此个体行为，在使用通用HRTF时仍然存在问题，例如从仿真头、单独的个体或多个个体的平均值设计的HRTF。通用HRTF的使用通常导致位置准确性问题，例如难以将声音放置在面部前面、前后颠倒、从头部传送特定距离以及角度准确性。此外，通常已发现通用HRTF缺乏音色或频谱自然性及对声场深度的整体感知。由于增加了这种了解，正进行各种努力以经由各种技术来获得针对特定收听者的HRTF。

此文献描述用于个性化双耳音频的回放以大幅改进所感知声源的位置的准确性的系统。除由用户提供的人口统计信息外，所述系统使用用户的人体测量的光学图像捕获，例如肩部、头部及耳廓形状。这些数据用于为用户导出个性化HRTF。然后，此个性化HRTF用于处理表示为定位声音对象的声源，其中位置的范围可从精确位置到扩散源(例如，使用Atmos^TM系统中的音频对象)。在一些实施例中，声源可为多声道格式，甚至可为转换成定位声音对象的立体源。声源可用于视频、音乐、对话增强、视频游戏、虚拟现实(VR)及增强现实(AR)应用等。