Sistema que permite el intercambio simultáneo de informaciones de audio,

video y/o datos entre una pluralidad de puntos extremos en una red de comunicaciones y soportado por una unidad central,

la pluralidad de puntos extremos comprendiendo puntos extremos transmisores y puntos extremos receptores,

en el que el sistema está adaptado para el intercambio bidireccional de flujos multimedia entre la unidad central y la pluralidad de puntos extremos, el sistema está adaptado para componer flujos multimedia comprendiendo tramas parciales, y

la unidad central está, basándose en la información de capacidad recibida desde uno o más de los puntos extremos, adaptada para dar instrucciones a dicho uno o más puntos extremos transmisores para generar flujos multimedia que comprenden tramas parciales ajustadas para corresponderse con las capacidades de los puntos extremos receptores que participan en una sesión

Compositor de medios distribuidos a tiempo real.

Campo de la invención

La presente invención se refiere a sistemas que permiten el intercambio simultáneo de información de audio, video y datos mediante el uso de telecomunicaciones, en particular se refiere a sistemas de videoconferencia y conferencia en línea.

Antecedentes de la invención

En particular, la invención describe un sistema y un procedimiento que permiten el intercambio simultáneo de información de audio, video y datos entre una pluralidad de unidades, utilizando una red de telecomunicaciones existente.

Existen un número de sistemas tecnológicos disponibles para organizar encuentros entre participantes ubicados en zonas diferentes. Estos sistemas pueden incluir conferencias o videoconferencias audiovisuales multipunto, conferencias en línea y audioconferencias.

El substituto más realista de los encuentros reales son los sistemas de videoconferencia de gama alta. Los sistemas de videoconferencia convencionales incluyen un número de puntos extremos que comunican flujos de video, audio y/o datos a tiempo real por y entre varias redes como WAN, LAN y redes con conmutación de circuitos. Los puntos extremos incluyen una o más pantalla(s), cámara(s), micrófono(s) y/o dispositivo(s) de captura de datos y un códec. Dichos códecs codifican y decodifican los flujos de salida y entrante, respectivamente.

Las conferencias multimedia pueden estar divididas en tres categorías principales: conferencias centralizadas, descentralizadas e híbridas, en las que cada categoría tiene una pluralidad de variaciones para ejecutar una conferencia.

Conferencia centralizada

Las conferencias multipunto audiovisuales tradicionales tienen una Unidad de Control Multipunto (MCU) con tres o más puntos extremos conectados. Estas MCUs realizan funciones de conmutación para permitir que los terminales audiovisuales se intercomuniquen en una conferencia. La función central de una MCU es enlazar múltiples sitios de video teleconferencia (EP- puntos extremos) y también recibir tramas de señales digitales procedentes de terminales audiovisuales (EP), procesar las señales recibidas, y retransmitir las señales procesadas a las terminales audiovisuales apropiadas (EP) como tramas de señales digitales. Las señales digitales pueden incluir informaciones de audio, video, datos y control. Las señales de video procedentes de dos o más terminales audiovisuales (EP) pueden mezclarse espacialmente para formar una señal de video compuesta para ver los participantes de la teleconferencia. La MCU actúa como un encaminador selectivo de flujos de medios en este escenario. Una parte de la MCU llamada el Controlador Multipunto (MC) controla la conferencia. Cada punto extremo tiene un canal de control para enviar y recibir señales de control a y desde el MC. El Mc actúa y envía comandos a los puntos extremos.

Flujo único de conmutación de voz

En una conferencia centralizada, la MCU recibirá flujos de video entrantes desde todos los participantes. Puede retransmitir un flujo de video desde un punto extremo a todos los otros puntos extremos. El flujo de punto extremo se selecciona típicamente por la solución de un solo flujo de voz conmutado, basado en el participante habla más alto, es decir, el hablante. El flujo se llama Vista Actual. Mientras que la Vista Anterior es el flujo de video procedente del participante en el punto extremo que era el hablante antes del hablante actual. En una conferencia por conmutación de voz, se envía un flujo de vídeo de Vista Actual a todos excepto al hablante actual, y la Vista Anterior se envía al hablante actual. Un problema para la MCU es asegurar que todos los puntos extremos de la conferencia puedan recibir la Vista Actual y la Vista Anterior.

Flujo único de conmutación por otros medios

La Vista Actual también puede controlarse enviando comandos entre la MCU y los puntos extremos. Un mecanismo así se llama control del turno de palabra. Un punto extremo puede enviar un comando de solicitud de turno de palabra a la MCU para que se envíe su vídeo a todos los otros participantes. La Vista Anterior será típicamente una vista de conmutación de voz entre el resto de participantes en la conferencia. La Vista Actual puede emitirse enviando un comando de emisión de turno de palabra. Existen otros procedimientos conocidos para controlar la Vista Actual, así como, entre otros, el control del turno de palabra y el control de coordinación. Ambos tratan con flujos únicos de conmutación, sin embargo, proporcionar una descripción completa de cada solución conocida sobre este asunto está fuera del ámbito de este documento. Sin embargo, el principio con una vista actual y la conmutación de un flujo único es el mismo.

Presencia continua

En una conferencia, a menudo se verá más de un participante. Esto se logra de varias formas. La MCU puede combinar los flujos de video entrante para hacer que uno o más flujos de vídeo de salida lo logren. La combinación de varios flujos de video de baja resolución entrante desde los puntos extremos a un flujo de resolución alta puede hacerlo. El flujo de resolución alta se envía a continuación desde la MCU a todos o algunos de los puntos extremos en la conferencia. El flujo se llama Vista Combinada. La característica de los flujos de resolución baja limita el formato del flujo de resolución alta procedente de la MCU. Se necesitan limitaciones estrictas en los flujos de resolución baja entrante para asegurar que todos los puntos extremos que lo reciben pueden recibir el flujo de resolución alta combinado. La MCU debe, siempre que cada receptor reciba el mismo flujo multimedia, encontrar el modo menos común para asegurar una característica de visión y audio aceptable en el receptor con la peor capacidad. Debido a las diversas variaciones de pantallas, la MCU también debe compensar las diferentes pantallas como la vista 4:3 16:9; esto no es posible con un modo común. Esta solución de modo menos común no funciona particularmente bien y proporciona importantes limitaciones a los receptores que tienen una capacidad que sobrepasa aquella con la peor capacidad.

Vista redimensionada

Una solución más flexible es dejar que la MCU redimensione todos los flujos de video entrantes y hacer así una vista que pueda recibirse en todos los puntos extremos que la reciben. Para realizar el redimensionamiento, la MCU necesita decodificar todos los flujos de video entrantes. Los datos decodificados -datos brutos- se redimensionan y se transforman a continuación. Los diferentes flujos de datos brutos se combinan en un diseño compuesto y se juntan en un diseño establecido dado, se hacen a la medida de los requisitos del receptor para la velocidad de bits y el estándar de codificación. El flujo combinado de datos brutos se codifica a continuación y se tendrá un nuevo flujo de video que contiene uno o más flujos entrantes. La solución se llama Vista Redimensionada. Para hacer una vista redimensionada, la MCU debe comprender y tener la capacidad de codificar y decodificar flujos de video. Cuantos más puntos extremos haya en la conferencia, más capacidad necesitará la MCU para decodificar todos los flujos entrantes. La manipulación de datos pesados realizada por la MCU añadirá un retraso adicional a los flujos multimedia y reducirá por tanto la calidad de la conferencia multimedia. Cuanto mayor sea el número de puntos extremos, más durará será la manipulación de datos. La escalabilidad es un asunto en una solución como esta. El diseño puede ser diferente en todos los decodificadores para evitar que el usuario final se vea en el video con retraso en la pantalla. Según el número de diseños diferentes, deben codificarse diferentes flujos de salida. Una MCU puede diferenciar entre los propios puntos extremos o mediante grupos de puntos extremos, ejemplificados en dos grupos, uno para una velocidad de bits baja que proporciona una primera vista y uno para velocidades de bits altas que da una segunda vista.

Conferencia descentralizada

En un escenario multipunto descentralizado, se necesita un MC centralizado. Cada punto extremo enviará sus datos de medio al resto de puntos extremos - típicamente mediante multidifusión. Cada punto extremo mezclará el audio procedente del resto de puntos extremos, y combinará o seleccionará los flujos de video para mostrarlos localmente. El MC todavía actúa como controlador para la conferencia, y cada punto extremo tendrá una conexión de control con el MC. En una conferencia descentralizada, cada punto extremo debe tener la funcionalidad de la MCU mostrando funcionalmente una...

1. Sistema que permite el intercambio simultáneo de informaciones de audio, video y/o datos entre una pluralidad de puntos extremos en una red de comunicaciones y soportado por una unidad central,

la pluralidad de puntos extremos comprendiendo puntos extremos transmisores y puntos extremos receptores,

en el que el sistema está adaptado para el intercambio bidireccional de flujos multimedia entre la unidad central y la pluralidad de puntos extremos, el sistema está adaptado para componer flujos multimedia comprendiendo tramas parciales, y

la unidad central está, basándose en la información de capacidad recibida desde uno o más de los puntos extremos, adaptada para dar instrucciones a dicho uno o más puntos extremos transmisores para generar flujos multimedia que comprenden tramas parciales ajustadas para corresponderse con las capacidades de los puntos extremos receptores que participan en una sesión.

2. Sistema según la reivindicación

1, caracterizado por el hecho de que

la información de capacidad es una de las siguientes: formatos de visualización, anchos de banda de transmisión, requisitos de procesamiento o múltiples combinaciones de los mismos.

3. Sistema según cualquiera de las reivindicaciones 1 ó 2,

caracterizado por el hecho de que

la unidad central está adaptada para componer un flujo de datos combinados desde uno o más flujos de datos únicos enviados desde uno o más puntos extremos transmisores y para encaminar dicho flujo combinado a los puntos extremos receptores.

4. Sistema según cualquiera de las reivindicaciones 1-3,

caracterizado por el hecho de que

la sesión es una sesión de videoconferencia.

5. Sistema según cualquiera de las reivindicaciones 1-4,

caracterizado por el hecho de que

la comunicación entre dicha unidad central y la pluralidad de puntos extremos utiliza técnicas de compresión escalables.

6. Sistema según la reivindicación 1,

caracterizado por el hecho de que

la unidad central está dispuesta para solicitar a un punto extremo que de información respecto a su capacidad con la utilización de un lenguaje de comandos comunicado mediante canales de control.

7. Sistema según cualquiera de las reivindicaciones 1-6,

caracterizado por el hecho de que

una visualización, incluida en dicha pluralidad de puntos extremos, está dividida en una cuadrícula de celdas, donde cada dicha trama parcial ocupa una o más celdas de la cuadrícula y la visualización puede tener varias relaciones de aspecto.

8. Sistema según la reivindicación 7,

caracterizado por el hecho de que

cada trama parcial ocupa un número variante de celdas adyacentes.

9. Sistema según la reivindicación 4,

caracterizado por el hecho de que

dicha sesión de videoconferencia es una conferencia centralizada, una conferencia descentralizada o una conferencia híbrida.

10. Procedimiento para intercambiar simultáneamente informaciones de audio, video y/o datos entre una pluralidad de puntos extremos en una red de comunicaciones soportado por una unidad central, la pluralidad de puntos extremos comprendiendo puntos extremos transmisores y puntos extremos receptores,

caracterizado por el hecho de que

da instrucciones a uno o más de los puntos extremos transmisores, basándose en la información de capacidad recibida desde uno o más puntos extremos, para generar flujos multimedia comprendiendo tramas parciales ajustadas para corresponderse con las capacidades de los puntos extremos receptores que participan en una sesión; y por el intercambio bidireccional de flujos multimedia entre la unidad central y los puntos extremos, donde dichos flujos multimedia están compuestos de tramas parciales.

11. Sistema según la reivindicación 10,

caracterizado por el hecho de que

la información de capacidad es una de las siguientes:

formatos de visualización,

ancho de banda de transmisión,

requisitos de procesamiento o

múltiples combinaciones de los mismos.

12. Procedimiento según cualquiera de las reivindicaciones 10 ó 11,

caracterizado por

la composición, en la unidad central, de un flujo de datos combinados compuesto desde uno o más flujos de datos únicos enviados desde uno o más puntos extremos transmisores y

por encaminar dicho flujo combinado a los puntos extremos receptores.

13. Procedimiento según cualquiera de las reivindicaciones 10-12,

caracterizado por el hecho de que

la sesión se mantiene como una sesión de videoconferencia.

14. Procedimiento según cualquiera de las reivindicaciones 10-13,

caracterizado por

la utilización de técnicas de compresión durante el intercambio de datos entre dicha unidad central y la pluralidad de puntos extremos.

15. Procedimiento según cualquiera de las reivindicaciones 10-14,

caracterizado por

la división de una visualización en una cuadrícula de celdas, donde cada dicha trama parcial ocupa una o más celdas de la cuadrícula y la visualización puede tener varias relaciones de aspecto.

16. Procedimiento según la reivindicación 15,

caracterizado por el hecho de que

se permite que cada trama parcial ocupe un número variante de celdas adyacentes.

17. Procedimiento según la reivindicación 13,

caracterizado por el hecho de que

dicha sesión de videoconferencia es una conferencia centralizada, una conferencia descentralizada o una conferencia híbrida.

18. Procedimiento según la reivindicación 10,

caracterizado por el hecho de que

la unidad central solicita a un punto extremo que dé información respecto a su capacidad con la utilización de un lenguaje de comandos comunicado mediante canales de control.