1.本技术涉及但不限于人工智能技术领域，尤其涉及一种远程会议的参会人关注度检测方法、装置及存储介质。
背景技术：2.目前，在远程会议中，通常是通过参会人的说话时长来判断参会人关注度，当参会人关注度较低时，运营人员可通过优化会议内容来提高参会人关注度；但是，当部分参会人无需参与讨论或者演讲时，该部分参会人的说话时长较短甚至没有说话，上述关注度判断方法无法对该部分参会人进行准确的判断，导致无法准确得到所有参会人关注度。
技术实现要素：3.以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
4.本技术实施例提供了一种远程会议的参会人关注度检测方法、装置及存储介质，能够通过图像检测处理视频流，并通过语音端点检测处理音频流，从而准确得到所有参会人关注度。
5.为实现上述目的，本技术实施例的第一方面提出了一种远程会议的参会人关注度检测方法，应用于服务器，所述服务器与多个用户终端通信连接，所述服务器与管理终端通信连接，所述方法包括：接收来自多个所述用户终端的视频流和音频流；基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在所述音频流的各个音频帧中确定说话帧，其中，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步；基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度；根据各个所述用户终端的参会人关注度生成关注度报告；响应于来自所述管理终端的报告查询请求，向所述管理终端发送所述关注度报告。
6.在一些实施例中，所述基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度，包括：根据所述视频帧或所述音频帧，确定音视频总时长；基于所述注视屏幕帧，在各个所述视频帧中确定非注视屏幕帧；基于所述说话帧，在各个所述音频帧中确定非说话帧；基于重叠处理，根据所述注视屏幕帧和所述说话帧确定第一时长，并根据所述说话帧和所述非注视屏幕帧确定第二时长，以及根据所述注视屏幕帧和所述非说话帧确定第三时长；根据所述音视频总时长、所述第一时长和预设的第一权重值，确定第一关注值；根据所述音视频总时长、所述第二时长和预设的第二权重值，确定第二关注值，其中，所述第二权重值小于所述第一权重值；根据所述音视频总时长、所述第三时长和预设的第三权重值，确定第三关注值，其中，所述第三权重值小于所述第二权重值；根据所述第一关注值、所述第二关注值和所述第三关注值，得到各个所述用户终端的参会人关注度。
7.在一些实施例中，所述根据各个所述用户终端的参会人关注度生成关注度报告，包括：获取会议基本信息，其中，所述会议基本信息包括会议内容信息、会议开始时间点和会议结束时间点，所述会议内容信息与所述参会人关注度匹配；根据所述会议开始时间点和会议结束时间点，确定会议时长；根据所述注视屏幕帧和所述说话帧，确定关注时长；根据所述关注时长和所述会议时长，确定各个所述用户终端的关注时间占比；根据所述会议基本信息、各个所述用户终端的关注时间占比和参会人关注度，生成关注度报告。
8.在一些实施例中，所述基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度的步骤之后，还包括：当确定任一所述用户终端的参会人关注度小于预设的关注度阈值，生成提醒信息，其中，所述提醒信息与所述用户终端匹配；向所述管理终端发送所述提醒信息。
9.在一些实施例中，所述基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧，包括：基于活体检测处理，在所述视频流的各个视频帧中确定活跃状态帧；基于人脸检测处理和人眼检测处理，在各个所述活跃状态帧中确定注视屏幕帧。
10.在一些实施例中，所述基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧的步骤之前，还包括：基于预设的分割时长，将所述视频流分割为多个子视频流，并将所述音频流分割为多个子音频流，其中，所述子音频流与所述子视频流一一对应，所述子视频流和对应的所述子音频流用于确定所述参会人关注度。
11.为实现上述目的，本技术实施例的第二方面提出了一种远程会议的参会人关注度检测方法，应用于管理终端，所述管理终端与所述服务器通信连接，所述服务器与多个用户终端通信连接，所述方法包括：向所述服务器发送报告查询请求；接收来自所述服务器的关注度报告，其中，所述关注度报告由各个所述用户终端的参会人关注度而生成，所述参会人关注度由所述服务器基于预设的计算规则，根据视频流的视频帧、音频流的音频帧、注视屏幕帧和说话帧而得到，所述视频流和所述音频流由各个所述用户终端发送至所述服务器而得到，所述注视屏幕帧由所述服务器基于图像检测处理在所述视频流的各个视频帧中确定而得到，所述说话帧所述服务器基于语音端点检测处理在所述音频流的各个音频帧中确定而得到，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步。
12.为实现上述目的，本技术实施例的第三方面提出了一种远程会议的参会人关注度检测装置，应用于服务器，所述服务器与多个用户终端通信连接，所述服务器与管理终端通信连接，所述装置包括：获取单元，用于接收来自多个所述用户终端的视频流和音频流；视频处理单元，用于基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧；音频处理单元，用于基于语音端点检测处理，在所述音频流的各个音频帧中确定说话帧，其中，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步；计算单元，用于基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度；生成单元，用于根据各个所述用户终端的参会人关注度生成关注度报告；发送单元，用于响应于来自所述管理终端的报告查询请求，向所述管理终端发送所述关注度报告。
13.为实现上述目的，本技术实施例的第四方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现
上述第一方面所述的远程会议的参会人关注度检测方法。
14.为实现上述目的，本技术实施例的第五方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的远程会议的参会人关注度检测方法，或者上述第二方面所述的远程会议的参会人关注度检测方法。
15.本技术提出的远程会议的参会人关注度检测方法、装置及存储介质，本技术实施例包括：接收来自多个所述用户终端的视频流和音频流；基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在所述音频流的各个音频帧中确定说话帧，其中，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步；基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度；根据各个所述用户终端的参会人关注度生成关注度报告；响应于来自所述管理终端的报告查询请求，向所述管理终端发送所述关注度报告。根据本技术实施例提供的方案，通过服务器接收各个用户终端的视频流和音频流，然后针对各个视频流和音频流，通过图像检测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个所述用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程会议中能够准确得到所有参会人关注度。
16.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
17.附图用来提供对本技术技术方案的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术的技术方案，并不构成对本技术技术方案的限制。
18.图1是本技术一个实施例提供的应用于服务器的远程会议的参会人关注度检测方法的流程图；
19.图2是本技术另一个实施例提供的一种调整数据行数量的流程图；
20.图3是本技术另一个实施例提供的一种更新目标数据行的流程图；
21.图4是本技术另一个实施例提供的一种更新目标数据行的流程图；
22.图5是本技术另一个实施例提供的一种筛选目标数据行的流程图；
23.图6是本技术另一个实施例提供的一种处理业务需求文本的流程图；
24.图7是本技术一个实施例提供的应用于管理终端的远程会议的参会人关注度检测方法的流程图；
25.图8是本技术一个实施例提供的一种参会人关注度检测方法的系统框图；
26.图9是本技术另一个实施例提供的远程会议的参会人关注度检测装置的结构示意图；
27.图10是本技术另一个实施例提供的电子设备的硬件结构示意图。
具体实施方式
28.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
29.在本技术的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
30.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
31.首先，对本技术中涉及的若干名词进行解析：
32.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
33.活体检测：是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作；可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。
34.人脸检测(face detection)：是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。
35.语音端点检测(voice activity detection，vad)：是一项用于语音处理的技术，目的是检测语音信号是否存在。
36.目前，在远程会议中，通常是通过参会人的说话时长来判断参会人关注度，当参会人关注度较低时，运营人员可通过优化会议内容来提高参会人关注度；但是，当部分参会人无需参与讨论或者演讲时，该部分参会人的说话时长较短甚至没有说话，上述关注度判断方法无法对该部分参会人进行准确的判断，导致无法准确得到所有参会人关注度。
37.针对无法准确得到所有参会人关注度的问题，本技术提供了一种远程会议的参会人关注度检测方法、装置及存储介质，该方法应用于服务器，服务器与多个用户终端通信连接，服务器与管理终端通信连接，该方法包括：接收来自多个用户终端的视频流和音频流；基于图像检测处理，在视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在音频流的各个音频帧中确定说话帧，其中，音频帧与视频帧一一对应，音频帧和对应的视频帧的时间同步；基于预设的计算规则，根据视频帧、注视屏幕帧、音频帧和说话帧，得到各个用户终端的参会人关注度；根据各个用户终端的参会人关注度生成关注度报告；响应于来自管理终端的报告查询请求，向管理终端发送关注度报告。根据本技术实施例提供的方案，服务器能够得到各个用户终端的视频流和音频流，针对各个视频流和音频流，通过图像检
测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程会议中能够准确得到所有参会人关注度。
38.本技术实施例提供的远程会议的参会人关注度检测方法、装置及存储介质，具体通过如下实施例进行说明，首先描述本技术实施例中的远程会议的参会人关注度检测方法。
39.本技术实施例提供的远程会议的参会人关注度检测方法，涉及人工智能技术领域。本技术实施例提供的远程会议的参会人关注度检测方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现远程会议的参会人关注度检测方法的应用等，但并不局限于以上形式。
40.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
41.需要说明的是，在本技术的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本技术实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本技术实施例能够正常运行的必要的用户相关数据。
42.下面结合附图，对本技术实施例作进一步阐述。
43.如图1所示，图1是本技术一个实施例提供的一种远程会议的参会人关注度检测方法的流程图。该远程会议的参会人关注度检测方法可以应用于服务器，服务器与多个用户终端通信连接，服务器与管理终端通信连接，该远程会议的参会人关注度检测方法包括但不限于有以下步骤：
44.步骤s110，接收来自多个用户终端的视频流和音频流；
45.步骤s120，基于图像检测处理，在视频流的各个视频帧中确定注视屏幕帧；
46.步骤s130，基于语音端点检测处理，在音频流的各个音频帧中确定说话帧，其中，音频帧与视频帧一一对应，音频帧和对应的视频帧的时间同步；
47.步骤s140，基于预设的计算规则，根据视频帧、注视屏幕帧、音频帧和说话帧，得到各个用户终端的参会人关注度；
48.步骤s150，根据各个用户终端的参会人关注度生成关注度报告；
49.步骤s160，响应于来自管理终端的报告查询请求，向管理终端发送关注度报告。
50.可以理解的是，用户终端实时上传视频流和音频流，服务器接收到各个用户终端的视频流和音频流，通过图像检测处理视频流，确定参会人注视屏幕时对应的注视屏幕帧，然后通过语音端点检测处理音频流，检测到人声出现的音频帧，以及人声消失的音频帧，将人声出现和人声消失之间的所有音频帧作为说话帧，然后通过计算规则对视频帧、注视屏幕帧、音频帧和说话帧进行计算，计算出各个用户终端的参会人关注度，进而生成关注度报告，并向管理终端发送关注度报告，运营人员在管理终端中获得关注度报告，从而根据关注度报告的内容对会议内容进行优化，能够提高会议质量；基于此，通过服务器接收各个用户终端的视频流和音频流，然后针对各个视频流和音频流，通过图像检测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程会议中能够准确得到所有参会人关注度。
51.需要说明的是，用户终端和管理终端可以是无线终端设备也可以是有线终端设备，无线终端设备可以是指一种具有无线收发功能的设备，包括但不限于手机、平板电脑(pad)和带无线收发功能的电脑。
52.另外，参照图2，在一实施例中，图1所示实施例中的步骤s140，包括但不限于有以下步骤：
53.步骤s210，根据视频帧或音频帧，确定音视频总时长；
54.步骤s220，基于注视屏幕帧，在各个视频帧中确定非注视屏幕帧；
55.步骤s230，基于说话帧，在各个音频帧中确定非说话帧；
56.步骤s240，基于重叠处理，根据注视屏幕帧和说话帧确定第一时长，并根据说话帧和非注视屏幕帧确定第二时长，以及根据注视屏幕帧和非说话帧确定第三时长；
57.步骤s250，根据音视频总时长、第一时长和预设的第一权重值，确定第一关注值；
58.步骤s260，根据音视频总时长、第二时长和预设的第二权重值，确定第二关注值，其中，第二权重值小于第一权重值；
59.步骤s270，根据音视频总时长、第三时长和预设的第三权重值，确定第三关注值，其中，第三权重值小于第二权重值；
60.步骤s280，根据第一关注值、第二关注值和第三关注值，得到各个用户终端的参会人关注度。
61.可以理解的是，需要分别计算各个参会人的参会人关注度，每个用户终端对应一个参会人；对于任意一个用户终端，由于视频帧或音频帧是同步的，而且是一一对应的，因此通过计算所有的视频帧或者音频帧的时长，从而确定音视频总时长，在各个视频帧中去除注视屏幕帧，得到非注视屏幕帧，然后在各个音频帧中去除说话帧，得到非说话帧；再经过重叠处理，将注视屏幕帧和说话帧重叠部分对应的时间进行累加，确定第一时长；然后经过重叠处理，将说话帧和非注视屏幕帧重叠部分对应的时间进行累加，确定第二时长；然后经过重叠处理，注视屏幕帧和非说话帧重叠部分对应的时间进行累加，确定第三时长；然后
分别计算上述三种时长对应的关注值，计算第一时长和音视频总时长的比值，并与第一权重值相乘，得到第一关注值；计算第二时长和音视频总时长的比值，并与第二权重值相乘，得到第二关注值；计算第三时长和音视频总时长的比值，并与第三权重值相乘，得到第三关注值；最后将第一关注值、第二关注值和第三关注值相加，得到参会人关注度；限定了第一权重值大于第二权重值，第二权重值大于第三权重值，相当于参会人注视屏幕并且说话对应的权重最大，参会人只说话没有注视屏幕对应的权重次之，参会人只注视屏幕没有说话对应的权重最小，参会人没有注视屏幕且没有说话的，无需计算关注度，第一权重值、第二权重值和第三权重值反复实验调优得到，因此，能够保证参会人关注度计算的可靠性和准确性。
62.在具体实践中，第一权重值的取值可为0.5，第二权重值的取值可为0.3，第三权重值的取值可为0.2。
63.另外，参照图3，在一实施例中，图1所示实施例中的步骤s150，包括但不限于有以下步骤：
64.步骤s310，获取会议基本信息，其中，会议基本信息包括会议内容信息、会议开始时间点和会议结束时间点，会议内容信息与参会人关注度匹配；
65.步骤s320，根据会议开始时间点和会议结束时间点，确定会议时长；
66.步骤s330，根据注视屏幕帧和说话帧，确定关注时长；
67.步骤s340，根据关注时长和会议时长，确定各个用户终端的关注时间占比；
68.步骤s350，根据会议基本信息、各个用户终端的关注时间占比和参会人关注度，生成关注度报告。
69.可以理解的是，对于一个远程会议，生成对应的关注度报告，关注度报告内的信息包括但不限于：会议内容信息、会议开始时间点、会议结束时间点、参会人数、关注时间占比和参会人关注度。
70.需要说明的是，通过将注视屏幕帧和说话帧对应的时长相加，并减去注视屏幕帧和说话帧重叠部分对应的时长，得到关注时长，相当于统计出参会人注视屏幕或说话所占的时长作为关注时长，然后计算关注时长和会议时长的占比，得到关注时间占比；参会人数为上传视频流和音频流的用户终端的数量。
71.另外，参照图4，在一实施例中，图1所示实施例中的步骤s140之后，还包括但不限于有以下步骤：
72.步骤s410，当确定任一用户终端的参会人关注度小于预设的关注度阈值，生成提醒信息，其中，提醒信息与用户终端匹配；
73.步骤s420，向管理终端发送提醒信息。
74.可以理解的是，通过设置关注度阈值，当某个参会人关注度小于关注度阈值时，例如关注度阈值设为0.4时，当参会人关注度小于0.4，说明该参会人没有关注会议的内容，会自动生成提醒信息，运营人员通过管理终端能够通过提醒信息确定该参会人，通过分析会议内容，然后实时调整会议内容或互动方式，能够及时提高参与人关注度，提高会议质量。
75.需要说明的是，关注度阈值经过反复实验调优得到。
76.另外，参照图5，在一实施例中，图1所示实施例中的步骤s120，包括但不限于有以下步骤：
77.步骤s510，基于活体检测处理，在视频流的各个视频帧中确定活跃状态帧；
78.步骤s520，基于人脸检测处理和人眼检测处理，在各个活跃状态帧中确定注视屏幕帧。
79.可以理解的是，先通过活体检测处理，判断各个视频帧中是否真实的人存在，将存在真实的人的视频帧作为活跃状态帧，然后再通过人脸检测处理和人眼检测处理，在各个活跃状态帧中，将出现人脸并且人眼正视屏幕的活跃状态帧作为注视屏幕帧，能够保证后续参会人关注度计算结果的准确性和可靠性。
80.如图6所示，在一实施例中，图1所示实施例中的步骤s120之前，还包括但不限于有以下步骤：
81.步骤s610，基于预设的分割时长，将视频流分割为多个子视频流，并将音频流分割为多个子音频流，其中，子音频流与子视频流一一对应，子视频流和对应的子音频流用于确定参会人关注度。
82.可以理解的是，将视频流分割成固定时长的多个子视频流，将音频流分割成相同的固定时长的多个子音频流，对于每个子视频流和对应的子音频流，都计算出对应的参会人关注度，能够分析出不同时间区间中参会人关注度的情况，能够提高参会人关注度的分析全面性和实时性。
83.在具体实践中，例如将60分钟时长的视频流分割成60个1分钟时长的子视频流，将60分钟时长的音频流分割成60个1分钟时长的子音频流，然后分别计算子视频流和对应的子音频流的参会人关注度，能够得到60个时间区间内的参会人关注度，当某个时间区间内的参会人关注度低于关注度阈值时，能够及时生成提醒信息，运营人员通过管理终端能够通过提醒信息确定该参会人，通过分析会议内容，并调整会议内容，能够及时提高参与人关注度，提高会议质量。
84.如图7所示，图7是本技术一个实施例提供的一种远程会议的参会人关注度检测方法的流程图。该远程会议的参会人关注度检测方法可以应用于管理终端，管理终端与服务器通信连接，服务器与多个用户终端通信连接，该远程会议的参会人关注度检测方法包括但不限于有以下步骤：
85.步骤s710，向服务器发送报告查询请求；
86.步骤s720，接收来自服务器的关注度报告，其中，关注度报告由各个用户终端的参会人关注度而生成，参会人关注度由服务器基于预设的计算规则，根据视频流的视频帧、音频流的音频帧、注视屏幕帧和说话帧而得到，视频流和音频流由各个用户终端发送至服务器而得到，注视屏幕帧由服务器基于图像检测处理在视频流的各个视频帧中确定而得到，说话帧服务器基于语音端点检测处理在音频流的各个音频帧中确定而得到，音频帧与视频帧一一对应，音频帧和对应的视频帧的时间同步。
87.可以理解的是，该应用于管理终端的远程会议的参会人关注度检测方法的具体实施方式与上述应用于服务器的远程会议的参会人关注度检测方法的具体实施例基本相同，在此不再赘述；基于此，通过服务器接收各个用户终端的视频流和音频流，然后针对各个视频流和音频流，通过图像检测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程
会议中能够准确得到所有参会人关注度。
88.如图8所示，图8是本技术一个实施例提供的一种参会人关注度检测方法的系统框图。
89.可以理解的是，在系统框图中给出了用户a和用户b参加远程会议的情况，在远程会议中还可有多个其他用户参加，服务器接收各个用户终端的音频流和视频流，然后在服务器中，通过视频处理单元处理视频流，并通过音频处理单元处理音频流，然后通过计算单元计算出参会人关注度，并通过生成单元生成关注度报告，当参会人关注度小于关注度阈值时，生成提醒信息，可发送至管理终端a，并通知运营人员a；当运营人员b通过管理终端b进行查询时，通过管理终端b发送报告查询请求，进而接收来自服务器的关注度报告，运营人员b能够通过管理终端b查阅该关注度报告，从而确定所有参会人关注度，运营人员b可根据关注度报告的内容对会议内容进行优化，能够提高会议质量。
90.另外，参考图9，本技术还提供了一种远程会议的参会人关注度检测装置900，远程会议的参会人关注度检测装置900应用于服务器，服务器与多个用户终端通信连接，服务器与管理终端通信连接，远程会议的参会人关注度检测装置900包括：
91.获取单元910，用于接收来自多个用户终端的视频流和音频流；
92.视频处理单元920，用于基于图像检测处理，在视频流的各个视频帧中确定注视屏幕帧；
93.音频处理单元930，用于基于语音端点检测处理，在音频流的各个音频帧中确定说话帧，其中，音频帧与视频帧一一对应，音频帧和对应的视频帧的时间同步；
94.计算单元940，用于基于预设的计算规则，根据视频帧、注视屏幕帧、音频帧和说话帧，得到各个用户终端的参会人关注度；
95.生成单元950，用于根据各个用户终端的参会人关注度生成关注度报告；
96.发送单元960，用于响应于来自管理终端的报告查询请求，向管理终端发送关注度报告。
97.可以理解的是，该远程会议的参会人关注度检测装置900的具体实施方式与上述远程会议的参会人关注度检测方法的具体实施例基本相同，在此不再赘述；基于此，通过服务器接收各个用户终端的视频流和音频流，然后针对各个视频流和音频流，通过图像检测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程会议中能够准确得到所有参会人关注度。
98.进一步，计算单元包括但不限于：总时长确定单元、第一帧确定单元、第二帧确定单元、分类时长确定单元、第一关注值确定单元、第二关注值确定单元、第三关注值确定单元、汇总单元(图中未示出)。
99.总时长确定单元，用于根据视频帧或音频帧，确定音视频总时长；
100.第一帧确定单元，用于基于注视屏幕帧，在各个视频帧中确定非注视屏幕帧；
101.第二帧确定单元，用于基于说话帧，在各个音频帧中确定非说话帧；
102.分类时长确定单元，用于基于重叠处理，根据注视屏幕帧和说话帧确定第一时长，并根据说话帧和非注视屏幕帧确定第二时长，以及根据注视屏幕帧和非说话帧确定第三时
长；
103.第一关注值确定单元，用于根据音视频总时长、第一时长和预设的第一权重值，确定第一关注值；
104.第二关注值确定单元，用于根据音视频总时长、第二时长和预设的第二权重值，确定第二关注值，其中，第二权重值小于第一权重值；
105.第三关注值确定单元，用于根据音视频总时长、第三时长和预设的第三权重值，确定第三关注值，其中，第三权重值小于第二权重值；
106.汇总单元，用于根据第一关注值、第二关注值和第三关注值，得到各个用户终端的参会人关注度。
107.进一步，生成单元包括但不限于：基本信息确定单元、会议时长确定单元、关注时长确定单元、占比确定单元、报告生成单元(图中未示出)。
108.基本信息确定单元，用于获取会议基本信息，其中，会议基本信息包括会议内容信息、会议开始时间点和会议结束时间点，会议内容信息与参会人关注度匹配；
109.会议时长确定单元，用于根据会议开始时间点和会议结束时间点，确定会议时长；
110.关注时长确定单元，用于根据注视屏幕帧和说话帧，确定关注时长；
111.占比确定单元，用于根据关注时长和会议时长，确定各个用户终端的关注时间占比；
112.报告确定单元，用于根据会议基本信息、各个用户终端的关注时间占比和参会人关注度，生成关注度报告。
113.进一步，远程会议的参会人关注度检测装置900还包括：提醒确定单元、提醒单元(图中未示出)。
114.提醒确定单元，用于当确定任一用户终端的参会人关注度小于预设的关注度阈值，生成提醒信息，其中，提醒信息与用户终端匹配；
115.提醒单元，用于向管理终端发送提醒信息。
116.进一步，视频处理单元包括但不限于：第一检测单元、第二检测单元(图中未示出)。
117.第一检测单元，用于基于活体检测处理，在视频流的各个视频帧中确定活跃状态帧；
118.第二检测单元，基于人脸检测处理和人眼检测处理，在各个活跃状态帧中确定注视屏幕帧。
119.进一步，远程会议的参会人关注度检测装置900还包括：分割单元(图中未示出)。
120.分割单元，用于基于预设的分割时长，将视频流分割为多个子视频流，并将音频流分割为多个子音频流，其中，子音频流与子视频流一一对应，子视频流和对应的子音频流用于确定参会人关注度。
121.另外，参照图10，图10示意了另一实施例的电子设备的硬件结构，电子设备包括：
122.处理器1001，可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案；
123.存储器1002，可以采用只读存储器(read only memory，rom)、静态存储设备、动态
存储设备或者随机存取存储器(random access memory，ram)等形式实现。存储器1002可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本技术实施例的应用于服务器的远程会议的参会人关注度检测方法，例如，执行以上描述的图1中的方法步骤s110至步骤s160、图2中的方法步骤s210至步骤s280、图3中的方法步骤s310至步骤s340、图4中的方法步骤s410至步骤s420、图5中的方法步骤s510至步骤s520、图6中的方法步骤s610；
124.输入/输出接口1003，用于实现信息输入及输出；
125.通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；
126.总线1005，在设备的各个组件(例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004)之间传输信息；
127.其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。
128.本技术实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述应用于服务器的远程会议的参会人关注度检测方法，例如，执行以上描述的图1中的方法步骤s110至步骤s160、图2中的方法步骤s210至步骤s280、图3中的方法步骤s310至步骤s340、图4中的方法步骤s410至步骤s420、图5中的方法步骤s510至步骤s520、图6中的方法步骤s610，或者实现上述应用于管理终端的远程会议的参会人关注度检测方法，例如，执行以上描述的图7中的方法步骤s710至步骤s720。
129.存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
130.本技术实施例提供的应用于服务器的远程会议的参会人关注度检测方法、装置及存储介质，其通过接收来自多个用户终端的视频流和音频流；基于图像检测处理，在视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在音频流的各个音频帧中确定说话帧，其中，音频帧与视频帧一一对应，音频帧和对应的视频帧的时间同步；基于预设的计算规则，根据视频帧、注视屏幕帧、音频帧和说话帧，得到各个用户终端的参会人关注度；根据各个用户终端的参会人关注度生成关注度报告；响应于来自管理终端的报告查询请求，向管理终端发送关注度报告；基于此，通过服务器接收各个用户终端的视频流和音频流，然后针对各个视频流和音频流，通过图像检测处理视频流中的视频帧，进而确定注视屏幕帧，然后通过语音端点检测处理音频流中的音频帧，进而确定说话帧，再基于计算规则，计算得到各个用户终端的参会人关注度，然后生成关注度报告，并将关注度报告发送至管理终端，实现了在远程会议中能够准确得到所有参会人关注度。
131.本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并
不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
132.本领域技术人员可以理解的是，图1至图7中示出的技术方案并不构成对本技术实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
133.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
134.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
135.本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
136.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
137.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
138.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
139.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
140.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现
出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
141.以上参照附图说明了本技术实施例的优选实施例，并非因此局限本技术实施例的权利范围。本领域技术人员不脱离本技术实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本技术实施例的权利范围之内。
技术特征：1.一种远程会议的参会人关注度检测方法，应用于服务器，所述服务器与多个用户终端通信连接，所述服务器与管理终端通信连接，其特征在于，所述方法包括：接收来自多个所述用户终端的视频流和音频流；基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在所述音频流的各个音频帧中确定说话帧，其中，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步；基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度；根据各个所述用户终端的参会人关注度生成关注度报告；响应于来自所述管理终端的报告查询请求，向所述管理终端发送所述关注度报告。2.根据权利要求1所述的方法，其特征在于，所述基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度，包括：根据所述视频帧或所述音频帧，确定音视频总时长；基于所述注视屏幕帧，在各个所述视频帧中确定非注视屏幕帧；基于所述说话帧，在各个所述音频帧中确定非说话帧；基于重叠处理，根据所述注视屏幕帧和所述说话帧确定第一时长，并根据所述说话帧和所述非注视屏幕帧确定第二时长，以及根据所述注视屏幕帧和所述非说话帧确定第三时长；根据所述音视频总时长、所述第一时长和预设的第一权重值，确定第一关注值；根据所述音视频总时长、所述第二时长和预设的第二权重值，确定第二关注值，其中，所述第二权重值小于所述第一权重值；根据所述音视频总时长、所述第三时长和预设的第三权重值，确定第三关注值，其中，所述第三权重值小于所述第二权重值；根据所述第一关注值、所述第二关注值和所述第三关注值，得到各个所述用户终端的参会人关注度。3.根据权利要求1所述的方法，其特征在于，所述根据各个所述用户终端的参会人关注度生成关注度报告，包括：获取会议基本信息，其中，所述会议基本信息包括会议主题信息、会议开始时间点和会议结束时间点，所述会议内容信息与所述参会人关注度匹配；根据所述会议开始时间点和会议结束时间点，确定会议时长；根据所述注视屏幕帧和所述说话帧，确定关注时长；根据所述关注时长和所述会议时长，确定各个所述用户终端的关注时间占比；根据所述会议基本信息、各个所述用户终端的关注时间占比和参会人关注度，生成关注度报告。4.根据权利要求1所述的方法，其特征在于，所述基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度的步骤之后，还包括：当确定任一所述用户终端的参会人关注度小于预设的关注度阈值，生成提醒信息，其
中，所述提醒信息与所述用户终端匹配；向所述管理终端发送所述提醒信息。5.根据权利要求1所述的方法，其特征在于，所述基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧，包括：基于活体检测处理，在所述视频流的各个视频帧中确定活跃状态帧；基于人脸检测处理和人眼检测处理，在各个所述活跃状态帧中确定注视屏幕帧。6.根据权利要求1所述的方法，其特征在于，所述基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧的步骤之前，还包括：基于预设的分割时长，将所述视频流分割为多个子视频流，并将所述音频流分割为多个子音频流，其中，所述子音频流与所述子视频流一一对应，所述子视频流和对应的所述子音频流用于确定所述参会人关注度。7.一种远程会议的参会人关注度检测方法，应用于管理终端，所述管理终端与所述服务器通信连接，所述服务器与多个用户终端通信连接，其特征在于，所述方法包括：向所述服务器发送报告查询请求；接收来自所述服务器的关注度报告，其中，所述关注度报告由各个所述用户终端的参会人关注度而生成，所述参会人关注度由所述服务器基于预设的计算规则，根据视频流的视频帧、音频流的音频帧、注视屏幕帧和说话帧而得到，所述视频流和所述音频流由各个所述用户终端发送至所述服务器而得到，所述注视屏幕帧由所述服务器基于图像检测处理在所述视频流的各个视频帧中确定而得到，所述说话帧所述服务器基于语音端点检测处理在所述音频流的各个音频帧中确定而得到，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步。8.一种远程会议的参会人关注度检测装置，应用于服务器，所述服务器与多个用户终端通信连接，所述服务器与管理终端通信连接，其特征在于，所述装置包括：获取单元，用于接收来自多个所述用户终端的视频流和音频流；视频处理单元，用于基于图像检测处理，在所述视频流的各个视频帧中确定注视屏幕帧；音频处理单元，用于基于语音端点检测处理，在所述音频流的各个音频帧中确定说话帧，其中，所述音频帧与所述视频帧一一对应，所述音频帧和对应的所述视频帧的时间同步；计算单元，用于基于预设的计算规则，根据所述视频帧、所述注视屏幕帧、所述音频帧和所述说话帧，得到各个所述用户终端的参会人关注度；生成单元，用于根据各个所述用户终端的参会人关注度生成关注度报告；发送单元，用于响应于来自所述管理终端的报告查询请求，向所述管理终端发送所述关注度报告。9.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至6中任一项所述的远程会议的参会人关注度检测方法。10.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特
征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至6中任一项所述的远程会议的参会人关注度检测方法，或者如权利要求7所述的远程会议的参会人关注度检测方法。
技术总结本申请实施例提供了一种远程会议的参会人关注度检测方法、装置及存储介质，属于人工智能技术领域。该方法包括：接收来自多个用户终端的视频流和音频流；基于图像检测处理，在视频流的各个视频帧中确定注视屏幕帧；基于语音端点检测处理，在音频流的各个音频帧中确定说话帧；基于预设的计算规则，根据视频帧、注视屏幕帧、音频帧和说话帧，得到各个用户终端的参会人关注度；根据各个用户终端的参会人关注度生成关注度报告；响应于来自管理终端的报告查询请求，向管理终端发送关注度报告。本申请实施例能够通过图像检测处理视频流，并通过语音端点检测处理音频流，从而准确得到所有参会人关注度。人关注度。人关注度。
技术研发人员：杨凯锋 张曼 王佳伟 杨杰
受保护的技术使用者：中国平安人寿保险股份有限公司
技术研发日：2022.07.21
技术公布日：2022/11/1
