一种基于声音与图像融合的发言者定位方法

摘要

本发明提供一种基于声音与图像融合的发言者定位方法，可以精准的定位发言者，并且平滑的切换到发言者区域特写图像。本发明包括如下步骤：步骤一、基于麦克风阵列来实现声源定位;步骤二、基于改进的YOLO V3神经网络来实现人脸检测;步骤三、设置2个变倍摄像头与1个定焦摄像头，并通过步骤一的声源定位和步骤二的人脸检测来定位发言者，2个变倍摄像头定义为摄像机一与摄像机二。