(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210960700.X (22)申请日 2022.08.10 (71)申请人 黑芝麻智能科技 （成 都） 有限公司 地址 610095 四川省成 都市中国 （四川） 自 由贸易试验区成都 高新区吉泰路20号 1号楼22层 (72)发明人 黄胜军　巫家嫩　 (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 专利代理师 张畅 (51)Int.Cl. H04N 7/15(2006.01) H04L 65/403(2022.01) H04L 65/60(2022.01) G10L 25/57(2013.01)G10L 25/51(2013.01) H04N 5/232(2006.01) (54)发明名称 视频会议的视频处理方法、 装置、 设备及存 储介质 (57)摘要 本公开提供一种视频会议的视频处理方法、 装置、 设备及存储介质。 该方法包括： 获取麦 克风 阵列采集的音频信息， 并获取摄像装置阵列采集 的视频信息， 其中多个摄像装置与多个麦克风具 有预设的相对位置关系； 根据音频信息确定目标 声源的位置信息； 根据位置信息和相对位置关系 确定摄像装置阵列中与所述目标声源对应的至 少一个目标摄像装置； 以及根据至少一个目标摄 像装置采集的至少一个第一视频信息输出与 目 标声源对应的特写视频。 通过 获取由麦克风阵列 采集的目标声源的音 频信息， 并利用与麦克风阵 列具有预定位置关系的摄像装置确定目标声源 对应的特写图像， 由此可以将与目标声源对应的 发言人的图像进行特写展示， 进而可以提高参会 者的开会体验。 权利要求书2页 说明书11页 附图7页 CN 115484431 A 2022.12.16 CN 115484431 A 1.一种视频会议的视频处 理方法， 其特 征在于， 包括： 获取麦克风阵列采集的音频信息， 并获取摄像装置 阵列采集的视频信息， 其中所述麦 克风阵列包括多个麦克风， 所述摄像装置阵列包括多个摄像装置， 所述多个摄像装置与所 述多个麦克风具有预设的相对位置关系； 根据所述音频信息确定目标声源的位置信息； 根据所述位置信息和所述相对位置关系确定摄像装置阵列中与所述目标声源对应的 至少一个目标摄 像装置； 以及 根据所述至少一个目标摄像装置采集的至少一个第一视频信息输出与所述目标声源 对应的特写视频。 2.根据权利要求1所述的视频会议的视频处理方法， 其特征在于， 所述获取麦克风阵列 采集的音频信息， 包括： 利用所述多个麦克风同时采集多个声源的音频信 息， 其中所述多个声源包括所述目标 声源， 其中， 所述 根据所述音频信息确定目标声源的位置信息， 包括： 根据所述多个声源的音频信 息确定所述多个声源的优先级， 其中所述目标声源的优先 级最高； 以及 根据所述多个声源的优先级确定所述目标声源的位置信息 。 3.根据权利要求2所述的视频会议的视频处理方法， 其特征在于， 所述根据所述多个声 源的音频信息确定所述多个声源的优先级， 包括： 根据所述多个声源的音频信息确定所述多个声源的位置信息； 以及 根据所述 位置信息确定所述多个声源的优先级。 4.根据权利要求1所述的视频会议的视频处理方法， 其特征在于， 所述麦克风阵列包括 多个定向麦克风， 其中， 所述 根据所述多个声源的音频信息确定所述多个声源的位置信息， 包括： 根据采集到所述目标声源的音频信息的定向麦克风的位置确定所述 位置信息 。 5.根据权利要求1 ‑4任一项所述的视频会议的视频处 理方法， 其特 征在于， 还 包括： 拼接所述多个 摄像装置拍摄的视频生成全景视频； 其中， 所述根据 所述至少一个目标摄像装置采集的至少一个第 一视频信 息输出与 所述 目标声源 对应的特写视频， 包括： 根据所述至少一个第一视频信息生成所述特写视频； 以及 响应于接收到第一指令， 输出由所述特写视频和所述全景视频拼接而成的视频； 其中， 所述视频会议的视频处 理方法还 包括： 识别所述全景视频中的多个对象， 截取并拼接所述多个对象的图像生成签到 图像； 以 及 响应于接收到第二指令， 输出由所述全景视频和所述签到图像拼接而成的视频。 6.一种视频会议的视频处 理装置， 其特 征在于， 包括： 第一获取模块， 被配置为获取麦克风阵列采集的音频信息， 并获取摄像装置 阵列采集 的视频信息， 其中所述麦克风阵列包括多个麦克风， 所述摄像装置阵列包括多个摄像装置， 所述多个 摄像装置与所述多个麦克风具有预设的相对位置关系；权　利　要　求　书 1/2 页 2 CN 115484431 A 2第一确定模块， 被 配置为根据所述音频信息确定目标声源的位置信息； 第二确定模块， 被配置为根据 所述位置信 息和所述相对位置关系确定摄像装置阵列中 与所述目标声源 对应的至少一个目标摄 像装置； 第一输出模块， 被配置为根据 所述至少一个目标摄像装置采集的至少一个第 一视频信 息输出与所述目标声源 对应的特写视频。 7.一种视频会议的视频处 理设备， 其特 征在于， 包括： 存储器， 所述存 储器存储有计算机程序； 以及 处理器， 所述处理器执行所述计算机程序时实现如权利要求1 ‑5中任意一项所述的视 频处理方法。 8.根据权利要求7 所述的视频会议的视频处 理设备， 其特 征在于， 还 包括： 麦克风阵列， 所述麦克风阵列包括多个麦克风； 摄像装置 阵列， 所述摄像装置 阵列包括多个摄像装置， 所述多个摄像装置与和所述多 个麦克风具有预设的相对位置关系； 以及 输入装置， 被配置为接收用户的多个指令， 所述多个指令用于指示输出不同的视频。 9.根据权利要求8所述的视频会议的视频处理设备， 其特征在于， 所述多个麦克风沿第 一圆周间隔设置， 所述多个摄像装置沿第二圆周间隔设置， 经过所述第一圆周的圆心的法 线与经过所述第二圆周的圆心的法线重合， 所述多个摄像装置的成像范围大于或等于 360°； 其中， 所述多个麦克风位于第 一平面， 所述多个摄像装置位于第二平面， 所述第 一平面 的高度高于所述第二平面的高度， 所述第一圆周的直径大于所述第二圆周的直径。 10.一种计算机可读存 储介质， 其上存 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权利要求1 ‑5中任一项所述的视频处理方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115484431 A 3