[发明专利]音频处理方法、电子设备及存储介质

权利要求书

1.一种音频处理方法，其特征在于，所述方法包括：

对图像采集组件在会议场景内采集的图像进行图像识别，得到目标声源的第一位置信息；

基于音频采集组件采集的音频信号生成声像图，所述声像图用于指示所述会议场景内各个声源与音频采集组件之间的各个相对位置关系；

使用所述第一位置信息在各个相对位置关系中确定所述目标声源与所述音频采集组件之间的目标相对位置关系；

基于所述目标相对位置关系确定所述目标声源的目标波束和音量增益，其中，所述音量增益与所述目标相对位置关系指示的距离呈正相关关系；

使用所述音量增益调节按照所述目标波束采集的音频数据的音频音量。

2.根据权利要求1所述的方法，其特征在于，所述第一位置信息包括目标方位和目标距离，所述目标方位包括水平角方位和垂直角方位；

所述对图像采集组件在会议场景内采集的图像进行图像识别，得到目标声源的第一位置信息，包括：

对所述图像进行人脸检测，得到人脸像素高度和人脸中心点坐标；

获取所述图像采集组件的屏幕像素尺寸、屏幕中心点坐标、水平视场角、垂直视场角和人脸真实高度，所述屏幕像素尺寸包括水平尺寸和垂直尺寸；

获取所述人脸中心点坐标与屏幕中心点坐标之间的水平距离和垂直距离；

使用所述水平尺寸、所述水平距离和所述水平视场角得到所述人脸中心点坐标与所述图像采集组件之间的水平角方位；

使用所述垂直尺寸、所述垂直距离和所述垂直视场角得到所述人脸中心点坐标与所述图像采集组件之间的垂直角方位；

使用所述垂直尺寸和所述垂直视场角得到焦距；

使用所述焦距、所述人脸真实高度和所述人脸像素高度得到目标距离。

3.根据权利要求1所述的方法，其特征在于，所述声像图包括各个声源的音频峰值，所述音频峰值的位置用于指示所述各个相对位置关系；所述使用所述第一位置信息在各个相对位置关系中确定所述目标声源与所述音频采集组件之间的目标相对位置关系，包括：

获取所述第一位置信息对应在所述声像图中的第二位置信息；

在所述声像图的各个音频峰值中确定各个相对位置关系与所述第二位置信息不匹配的虚假音频峰值；

在所述声像图的音频峰值中删除所述虚假音频峰值，得到删除后的各个音频峰值指示的目标相对位置关系。

4.根据权利要求3所述的方法，其特征在于，所述第二位置信息包括所述音频采集组件和所述目标声源之间的第一距离和第一方位，所述各个相对位置关系包括第二距离和第二方位；

所述在所述声像图的各个音频峰值中确定各个相对位置关系与所述第二位置信息不匹配的虚假音频峰值，包括：

在所述声像图的各个音频峰值中，获取第二距离与第一距离之间的距离差值，

确定所述第二方位与第一方位不匹配、和/或所述距离差值大于预设距离阈值的所述虚假音频峰值。

5.根据权利要求3所述的方法，其特征在于，所述在所述声像图的各个音频峰值中确定各个相对位置关系与所述第二位置信息不匹配的虚假音频峰值，包括：

在所述声像图中的音频峰值的数量大于或等于目标声源的数量的情况下，在所述声像图的各个音频峰值中确定相对位置关系与所述第二位置信息不匹配的虚假音频峰值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述目标相对位置关系，确定所述目标声源的音量增益，包括：

使用所述目标相对位置关系指示的最大距离和最小距离确定中间距离；

获取所述中间距离对应的标准音量增益；

基于每个目标声源与中间距离之间的差异，确定每个目标声源的音量增益与所述标准音量增益之间的增益差异；

基于所述标准音量增益和所述增益差异确定每个目标声源的音量增益。