專利名稱：使設(shè)備對準(zhǔn)聲源的制作方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及自動瞄準(zhǔn)系統(tǒng)領(lǐng)域，比如用于電視會議系統(tǒng)中的電視追蹤系統(tǒng)。
背景技術(shù)：
攝像機自動跟蹤系統(tǒng)基于某些判定標(biāo)準(zhǔn)，如運動、顏色、圖像處理等，將目標(biāo)自動捕捉、鎖定在其視野中，例如，電視會議系統(tǒng)可以使用全景變焦攝像機跟蹤所需目標(biāo)。一種這樣的攝像機通過自動在人群中確定一個正在講話的人并將焦點集中在該講話者身上來保持跟蹤該講話者。不管什么時候另外的人開始講話時，自動系統(tǒng)通過音量和/或其它判定標(biāo)準(zhǔn)檢測到新的講話者并隨后聚焦在新演講者上。
迄今為止，已經(jīng)提出了多種不同的確定當(dāng)前講話者的技術(shù)。雖然這些技術(shù)能夠使自動攝像機確定出現(xiàn)新的講話者并將焦點集中在其上，但這些技術(shù)卻存在著致命的缺陷。這些系統(tǒng)要么從一個講話者到另一個的轉(zhuǎn)換遲緩，以致遺漏了大部分講話內(nèi)容，要么就轉(zhuǎn)換過于靈敏，干擾攝像機的跟蹤定位。
美國專利文獻US5206721公開了一種上述缺陷的解決方法。該文獻中披露了一種在一個系統(tǒng)中鎖定一個正在講話的人的方法，該系統(tǒng)中每一個發(fā)言者都單獨有一個麥克風(fēng)。在該系統(tǒng)中，輸入信號從多個麥克風(fēng)中對應(yīng)于每個講話者的每一個麥克風(fēng)中采集。每一個講話者總的講話時間由其連續(xù)講話的時間段累計得來。在一個給定的時間點，當(dāng)前的講話者被確定為累計講話時間最長者。
上述途徑的一個問題是，當(dāng)前講話者的確定需要使用大量的麥克風(fēng)。使用大量麥克風(fēng)，由于講話者們的麥克風(fēng)通常相互接近以及在封閉的空間或有隔墻和物體的空間中回聲的相互影響和無關(guān)的噪音的影響，使區(qū)分多個講話者很困難。此外，上述公開的方法沒有有效防止攝像機在兩個挨得很近的講話者之間持續(xù)的移動帶來的不必要的影響。
因此，在自動電視會議技術(shù)中需要一種方法以確定當(dāng)前講話者，利用這一方法，自動攝像機被自動確定焦點位置以克服上述現(xiàn)有技術(shù)中存在的缺點。
發(fā)明概述本發(fā)明由獨立權(quán)利要求說明，而從屬權(quán)利要求由有利實施例說明。
簡單來說，一個系統(tǒng)使一設(shè)備響應(yīng)于由各種可能的聲源發(fā)射出的聲音而瞄準(zhǔn)目標(biāo)。例如，該系統(tǒng)可以在會議上或辯論中被用來使一個電視攝像機瞄準(zhǔn)當(dāng)前講話者。該控制系統(tǒng)響應(yīng)于由新的聲源發(fā)射出的連續(xù)聲音的持續(xù)時間和當(dāng)前目標(biāo)與新聲源之間的角度差。當(dāng)超過一個極限值，攝像機將被重新瞄準(zhǔn)。聲音不需要完全連續(xù)，因此短暫的停頓(比如換氣)在連續(xù)的講話中不會被做出反映。
系統(tǒng)從一組聲源中確定一個當(dāng)前的聲源，比如講話者，以能夠控制諸如攝像機或燈光這樣的設(shè)備。系統(tǒng)在捕捉新的聲源前利用兩個判定標(biāo)準(zhǔn)，首先，聲源必須充分地持續(xù)一個預(yù)定的時間間隔，其次，它必須有一個完全區(qū)別于設(shè)備瞄準(zhǔn)的當(dāng)前坐標(biāo)的目標(biāo)位置坐標(biāo)(使設(shè)備瞄準(zhǔn)的角度)。在電話會議的環(huán)境中，總的來講，如果新的講話者和在先的講話者之間的角度間隔超過一個預(yù)定值并且新的講話者講話持續(xù)了一個最小時間段，系統(tǒng)的指向?qū)漠?dāng)前講話者轉(zhuǎn)移到新的講話者。
這一方法可以利用一個聲音傳感器來執(zhí)行，如WO-A-99/27522中公開的聲音傳感器(代理人摘錄PHN16.638)。上述的傳感器產(chǎn)生一個聲音功率電平信號(RMS或其它任何合適的指標(biāo))和一指示出當(dāng)前聲源坐標(biāo)的坐標(biāo)信號。實施控制來得到上述功能，可以由下述程序來完成1.如果由聲音傳感器產(chǎn)生的當(dāng)前的聲源坐標(biāo)與當(dāng)前目標(biāo)的坐標(biāo)間的差為一個最小的角度極值，把當(dāng)前的坐標(biāo)作為由目標(biāo)獲得的候選坐標(biāo)。
2.如果在指定的時間間隔內(nèi)當(dāng)前瞬時坐標(biāo)保持在一個給定的范圍內(nèi)(即，沒有變化超出被認(rèn)定為持續(xù)聲源的極限)，捕獲新的目標(biāo)并把候選坐標(biāo)作為表征當(dāng)前目標(biāo)的坐標(biāo)保存。
為確保講話可以有短暫中斷，如可以察覺的偶爾換氣和停頓，在連續(xù)的講話中不會被當(dāng)做間斷而做出反應(yīng)，一個低通濾波器、時間鎖存器或其它的濾波器結(jié)構(gòu)將被應(yīng)用于提供聲音功率電平值信號。
為提供所必需的時間極值，候選講話者連續(xù)講話期間的時間間隔，被實時累計并持續(xù)地與預(yù)定的時間極值比較。在沒有停頓或方向坐標(biāo)改變(在公差允許范圍內(nèi))的連續(xù)的講話中，一旦計時器達到時間極值，候選講話者變?yōu)楫?dāng)前講話者，諸如攝像機、燈光這樣的設(shè)備從而被瞄準(zhǔn)。
在選擇性的應(yīng)用中，本發(fā)明可以被用來使燈光，例如聚光燈，瞄準(zhǔn)在例如演講者或表演者這樣的聲源上。
附圖簡述附

圖1示出了本申請的實施例的應(yīng)用圖。
附圖2是本申請實施例的功能框圖。
附圖3示出了用來執(zhí)行附圖2中的實施例的控制運算的流程圖。
附圖的詳細(xì)描述參照附圖1、2，聲音傳感器1從講話者6B接收到音頻信號，并產(chǎn)生表征聲音功率電平(RMS或類似的)和方向的輸出。聲音功率電平信號被傳送給低通濾波器19以除去瞬時短且低的電平。經(jīng)過了濾波的聲音功率電平信號隨后被傳送給極值檢測器20(即比較器)以及時產(chǎn)生表征聲源(講話者6B)的即時聲音強度是高于還是低于指定水平的單位(時間上的)信號。
極值檢測器20的輸出被傳送給角度計算機21，該角度計算機還接收來自聲音傳感器1的方位信號。角度計算機輸出一個表征當(dāng)前聲源的方向的矢量并且將其傳送給位置控制器22。極值檢測器20的輸出被乘以由方向信號計算來的角度，因此如果極值很低的話，角度計算機21的輸出是一個零向量，否則將會輸出非零方向向量。
位置控制器22連續(xù)地執(zhí)行一個程序，控制位置驅(qū)動元件23以使攝像機4瞄準(zhǔn)。由位置控制器22執(zhí)行的程序的效果是持續(xù)捕獲指定的聲源。如果講話者6B保持一段時間的沉默而講話者6A此時連續(xù)講話一段時間，攝像機4將被瞄準(zhǔn)講話者6A，直到另一個講話者接著發(fā)言。
注意，低通濾波器19完成一般的程序，其效果為避免在連續(xù)的講話中出現(xiàn)的短暫停頓使信號產(chǎn)生的變化。低通濾波器是普通類型的濾波器，并可對數(shù)字或模擬信號進行數(shù)字處理。它可以是一個數(shù)字低通濾波器或延時程序或設(shè)備(即定時器鎖)，以略過短暫停頓或其它相應(yīng)過程。極值檢測器20也是一樣。后者可以是模擬設(shè)備或數(shù)字程序。低通濾波器19、極值檢測器20和角度計算機21的功能可以由單一處理設(shè)備執(zhí)行，該設(shè)備以單一算法或多重方法執(zhí)行上述過程。那就是，上面的所說的設(shè)備是要完全地實現(xiàn)全部功能，而不是要把整個過程分割給分立的硬件甚至軟件部分。
現(xiàn)在參照附圖3，一個可以被用來執(zhí)行本發(fā)明的控制算法開始于接收到一個新的音頻信號(V)。一旦該音頻信號(V)在第9步為非零值，就退出9-9循環(huán)并控制進入第10步。新音頻信號的角位置會被儲存在當(dāng)前講話者(S)存儲器10。在第11步，攝像機對準(zhǔn)當(dāng)前講話者(S)。當(dāng)前講話者(S)向量和瞬時聲源(V)向量之間的角度差(角度計算機21的輸出)在第12步中計算，如果瞬時聲源非(V)零并且差值超過極值(|V-S|＜Ta)則進入第10步。否則，控制流程在循環(huán)12-12中等待。在第10步中，瞬時聲源(V)向量被當(dāng)做候選聲源存儲在一個存儲器中。在第14步中計時器隨之被復(fù)位并啟動。隨后循環(huán)流程(15-16)被調(diào)用，如果出現(xiàn)以下情況將退出該循環(huán)1.瞬時聲源(V)向量為零(15步)；2.瞬時聲源(V)向量和候選(C)向量之間的差(|V-S|＞TA)降低到極值TK(第15步)；或3.計時器時間到(16步)如果計時器時間到，控制進入17步并將候選(C)向量作為當(dāng)前講話者(S)儲存在存儲器中，并且在17步中攝像機被重新瞄準(zhǔn)。如果第15步中的任何一個條件都不成立，退出循環(huán)進入第12步。
上述展示和描述的詳細(xì)實施例，實現(xiàn)在使用自動全景攝像機的電視會議中確定不同的講話者的目的，已經(jīng)被證實具有良好的效果，進一步地，本領(lǐng)域的熟練技術(shù)人員可以對在此公開的發(fā)明內(nèi)容做出修改，并且所有這些修改都在由后附權(quán)利要求確定的本發(fā)明保護范圍之內(nèi)。
在權(quán)利要求書中，所有括號中的參考符號都不被解釋為對權(quán)利要求的限制。詞“包括”不排除那些沒有在一項權(quán)利要求中指出的元件或步驟。放在元件前的詞“一個”不表示沒有存在多個該元件的可能。本發(fā)明可以由包括若干獨立元件的硬件實現(xiàn)，并由一個有相應(yīng)程序的計算機完成。在設(shè)備的權(quán)利要求中列舉了數(shù)個方法，這些方法可以被一個硬件或硬件的相應(yīng)部分具體實現(xiàn)。在權(quán)利要求中敘述了某些互不相同的方法，但并不表明這些方法的結(jié)合沒有優(yōu)點。
權(quán)利要求
1.一種捕獲聲源的方法，該方法包括存儲當(dāng)前聲源的第一坐標(biāo)，通過測量由所述當(dāng)前聲源發(fā)出的聲音確定該坐標(biāo)；在一個存儲器中存儲一個角度極值；計算所述第一坐標(biāo)和存儲在存儲器中的在先聲源的第二坐標(biāo)之間的角度差；并且，根據(jù)所述的角度差和所述角度極值，捕獲所述當(dāng)前聲源。
2.根據(jù)權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括比較所述角度差和角度極值。
3.根據(jù)權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括，只有當(dāng)所述角度差超過所述角度極值時捕捉所述當(dāng)前聲源。
4.根據(jù)權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括，根據(jù)所述當(dāng)前聲源的聲音功率電平捕獲所述當(dāng)前聲源。
5.根據(jù)權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括，比較所述當(dāng)前聲源的聲音強度和一個預(yù)定的聲音強度極值。
6.根據(jù)權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括，將相應(yīng)于所述當(dāng)前聲源的聲音強度信號低通濾波。
7.根據(jù)權(quán)利要求6所述的方法，其中所述低通濾波步驟包括接收一個聲音功率電平輸入信號；當(dāng)所述輸入信號降低到一個極值以下時復(fù)位并啟動一個計時器；在所述輸入信號超過所述極值之前，如果所述計時器到時，輸出第一輸出信號；并且，如果所述輸入信號保持低于所述極值直到所述計時器到時，輸出第二輸出信號。
8.權(quán)利要求1所述的方法，其中所述的捕獲目標(biāo)的步驟包括瞄準(zhǔn)一個設(shè)備。
9.一種捕獲聲源的方法，該方法包括在當(dāng)前講話者存儲器中存儲當(dāng)前講話者的坐標(biāo)；探測第一聲源的坐標(biāo)；測定所述當(dāng)前講話者的已存儲的坐標(biāo)和所述的第一聲源的所述坐標(biāo)間的角度差；根據(jù)所述的角度差捕獲所述的第一聲源。
10.一種捕獲聲源的方法，該方法包括探測當(dāng)前聲源；測定已儲存的聲源坐標(biāo)和所述當(dāng)前聲源坐標(biāo)的角度差；測量所述當(dāng)前聲源保持一定聲音功率電平狀態(tài)下的持續(xù)時間；并且，根據(jù)所述持續(xù)時間和所述角度差捕獲所述聲源。
11.一種捕獲聲源的方法，該方法包括探測當(dāng)前聲源；測定已儲存的一聲源坐標(biāo)和已儲存的所述當(dāng)前聲源坐標(biāo)間的角度差；測算所述當(dāng)前聲源的一個聲音功率電平的持續(xù)時間的時間段；并且，根據(jù)所述時間段和超過一個預(yù)定的角度極值的所述角度差捕獲所述聲源。
12.一個目標(biāo)捕捉系統(tǒng)，包括一個聲音傳感器(1)，產(chǎn)生分別表征一個聲源的坐標(biāo)和所述聲源的聲音功率電平的第一和第二信號；和，一個控制器(21，22)，被連接以接收所述第一和第二信號，所述控制器被編程以計算所述第一聲音信號坐標(biāo)和已儲存的在前聲源坐標(biāo)之間的角度差，所述控制器進一步被連接以控制根據(jù)所述角度差所瞄準(zhǔn)的一個設(shè)備的位置。
13.權(quán)利要求12的目標(biāo)捕捉系統(tǒng)，進一步包括一個低通濾波器(19)，被連接以接收所述聲源的所述聲音功率電平，由此所述低通濾波器被編程以對所述聲源的所述聲音強度信號濾波并輸出經(jīng)過濾波的由所述控制器接收的聲音功率電平信號。
14.一個目標(biāo)捕捉系統(tǒng)，包括一個使用至少兩個麥克風(fēng)的聲音探測器(1)以提供表征聲源(1B)位置的第一信號和表征所述聲源的聲音功率電平的第二信號；一個控制器(21，22)被連接以接收所述第一和第二信號，所述控制器被編程以計算所述聲源的所述坐標(biāo)和已存儲的在前聲源的坐標(biāo)間的角度差，和比較所述角度差和一個角度極值；和控制一個與所述控制器連接的目標(biāo)捕獲設(shè)備(23)，當(dāng)所述角度差超過所述角度極值時，使其瞄準(zhǔn)目標(biāo)。
15.權(quán)利要求14的目標(biāo)捕捉系統(tǒng)，其中所述控制器包括一個低通濾波器，該濾波器被編程以接收所述聲源的所述聲音強度信號，并輸出經(jīng)過濾波的所述聲源的聲音強度信號。
16.權(quán)利要求14的目標(biāo)捕獲系統(tǒng)，其中所述的控制器包括一個極值檢測器，該極值檢測器被連接以接收所述聲源的所述聲音功率電平信號，所述極值檢測器被編程以比較所述聲源的所述聲音功率電平和聲音極值，由此，當(dāng)所述聲音強度超過所述預(yù)定的極值并且所述角度差超過所述角度極值時，所述目標(biāo)捕捉設(shè)備瞄準(zhǔn)當(dāng)前聲源。
全文摘要
一種對從目標(biāo)物體的各種可能的聲源發(fā)射出的聲音做出響應(yīng)使一個設(shè)備對準(zhǔn)該目標(biāo)的系統(tǒng)。例如,在會議或辯論上,該系統(tǒng)可以被用來使攝像機(4)或燈光對準(zhǔn)正在講話的人(6B)?？刂葡到y(tǒng)對從新聲源(6A)發(fā)出的連續(xù)聲音的持續(xù)時間和新的聲源(6A)與目前的目標(biāo)(6B)之間相差的角度做出響應(yīng)。當(dāng)其中任何一個超過了某一極限值,攝像機(4)被重新對準(zhǔn)目標(biāo)。聲音不必完全連續(xù),因此短暫的停頓(比如呼吸),在連續(xù)的演講中不會被做出響應(yīng)。
文檔編號H04R1/32GK1386371SQ01802205
公開日2002年12月18日 申請日期2001年7月17日 優(yōu)先權(quán)日2000年8月1日
發(fā)明者H·J·斯特魯貝 申請人:皇家菲利浦電子有限公司