买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉马栏山音视频实验室申请的专利说话对象检测方法、装置、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119810884B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411831610.6，技术领域涉及：G06V40/16；该发明授权说话对象检测方法、装置、电子设备及存储介质是由易斌设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本说话对象检测方法、装置、电子设备及存储介质在说明书摘要公布了：本申请实施例提供了一种说话对象检测方法、装置、电子设备及存储介质，属于人工智能技术领域。其中方法包括：获取会话场景的视频数据和音频数据；根据视频数据获取人脸框序列，并在人脸框序列中提取唇部框序列；根据深度估计模型生成与人脸框序列对应的深度信息序列，并根据音频数据获取与人脸框序列对应的音频序列；根据音频序列和唇部框序列分别获取音频嵌入特征和视频嵌入特征；将深度信息序列分别与音频嵌入特征和视频嵌入特征进行加权融合，根据获得的深度融合音频特征和深度融合视频特征确定会话场景下的目标说话对象。通过所提供的方案，可自动定位会话视频中的说话对象，提高了工作效率，并减少了工作量。

本发明授权说话对象检测方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种说话对象检测方法，其特征在于，所述方法包括： 获取会话场景的视频数据和音频数据； 根据所述视频数据获取人脸框序列，并在所述人脸框序列中提取唇部框序列； 根据深度估计模型生成与所述人脸框序列对应的深度信息序列，并根据所述音频数据获取与所述人脸框序列对应的音频序列； 根据所述音频序列和所述唇部框序列分别获取音频嵌入特征和视频嵌入特征； 将所述深度信息序列分别与所述音频嵌入特征和所述视频嵌入特征进行加权融合，分别获得深度融合音频特征和深度融合视频特征； 根据所述深度融合音频特征和所述深度融合视频特征确定所述会话场景下的目标说话对象； 通过使用所述深度估计模型，估计每个视频帧的深度图，基于每个视频帧的深度图，结合获取的所述人脸框序列，提取每个视频帧中同一人脸区域的深度值，将多个深度值求平均值，并将平均值作为该人脸的深度值，按照视频帧的时间顺序，逐一对各视频帧中的人脸执行深度平均值的提取，最终生成一个与所述人脸框序列相对应的所述深度信息序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人马栏山音视频实验室，其通讯地址为：410000 湖南省长沙市开福区月湖街道文创路6号马栏山创意中心B栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。