买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种视频中说话人定位的方法、装置及计算机存储介质_清华珠三角研究院;赛业(广州)生物科技有限公司_202011373972.7 

申请/专利权人:清华珠三角研究院;赛业(广州)生物科技有限公司

申请日:2020-11-30

公开(公告)日:2024-04-16

公开(公告)号:CN112487978B

主分类号:G06V40/16

分类号:G06V40/16;G06V20/40;G06V40/20;G06V10/25;G06V10/74;G06V10/82;G06N3/045;G06N3/0464;G06N3/08

优先权:

专利状态码:有效-授权

法律状态:2024.04.16#授权;2021.03.30#实质审查的生效;2021.03.12#公开

摘要:本发明公开了一种视频中说话人定位的方法、装置及计算机存储介质,其中所述方法包括:对待检测视频进行分段,对分段视频片段进行人脸检测,检测出每一帧当中有多少张人脸,同时获取每张人脸的定位,得到人脸检测区域集,利用前后帧人脸区域的交并比为人脸检测区域集进行分组,利用人脸识别或者是唇形同步来定位说话人,本申请可以达到在视频中准确找出并定位指定说话人的效果。本申请可以广泛应用于人脸识别领域。

主权项:1.一种视频中说话人定位的方法,其特征在于,包括:将获得的待检测视频分段,得到若干分段视频;根据若干所述分段视频,获取若干分段音频;对若干所述分段视频进行人脸检测,得到若干人脸区域集;所述人脸区域集包含若干张人脸以及所述若干张人脸的定位信息;对若干所述人脸区域集进行分组,得到若干人脸检测结果组;获取说话人人脸图像;根据所述说话人人脸图像,从所述人脸检测结果组中确定目标人脸区域集;或者,对所述分段音频以及所述人脸区域集进行唇形同步检测,确定目标人脸区域集;其中,所述目标人脸区域集包含所述说话人人脸图像;所述根据所述说话人人脸图像,从所述人脸检测结果组中确定目标人脸区域集,包括:将若干所述人脸检测结果组中的人脸区域进行扭曲,使所述人脸区域中人脸的眼睛和嘴巴在预设的位置范围,得到扭曲后的人脸检测结果组;将所述扭曲后的人脸检测结果组输入训练好的深度卷积神经网络模型,得到若干第一向量;将所述说话人人脸图像输入所述训练好的深度卷积神经网络模型,得到第二向量;根据所述第二向量与若干所述第一向量的相似度,确定所述说话人在所述扭曲后的人脸检测结果组中的位置,得到所述目标人脸区域集;所述对所述分段音频以及所述人脸区域集进行唇形同步检测,确定目标人脸区域集,包括:将若干所述人脸检测结果组输入第一神经网络,得到若干第三向量;所述第一神经网络用于对人脸的下半脸进行特征提取;将若干所述分段音频输入第二神经网络,得到若干第四向量;所述第二神经网络用于对所述分段音频进行特征提取;根据若干所述第三向量与若干所述第四向量的相似度,确定所述人脸检测结果组中的所述说话人,得到所述目标人脸区域集。

全文数据:

权利要求:

百度查询: 清华珠三角研究院;赛业(广州)生物科技有限公司 一种视频中说话人定位的方法、装置及计算机存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。