Domaine de l'invention

Le domaine général de l'invention est celui des télécommunications.

L’invention concerne plus particulièrement la mise en oeuvre de communications par vidéo conférence et/ou visiophonie entre N terminaux, tel que N>2.

Etat de la technique

Actuellement, les systèmes de communication par vidéo conférence multipoint utilisent un pont de gestion de vidéo conférence auquel se connectent, via un réseau de communication, N terminaux qui sont associés respectivement à N utilisateurs invités à une vidéo conférence.

Au cours de la vidéo conférence, le pont de gestion de vidéo conférence reçoit, à un instant courant, N flux audio vidéo émis respectivement par les N terminaux. Il met en oeuvre une analyse de ces flux afin de détecter quel est l’utilisateur qui parle de façon prépondérante ou dont la prise de parole est la plus active. Puis, pour un utilisateur donné, le pont renvoie vers le terminal de cet utilisateur l’ensemble des flux audio vidéo reçus, éventuellement à l’exception du flux audio vidéo qui a été reçu en provenance du terminal de l’utilisateur donné, de telle façon que le flux audio vidéo associé à l’utilisateur qui parle de façon prépondérante à l’instant courant soit affiché sur l’écran du terminal de l’utilisateur donné d’une manière qui le distingue des autres flux qui s’affichent. Ainsi, le flux audio vidéo associé à l’utilisateur qui parle de façon prépondérante peut être affiché dans une fenêtre plus grande que celles dans lesquelles sont affichés les autres flux ou bien peut être affiché en surbrillance, au centre de l’écran, etc... Une telle opération est mise en oeuvre par le pont de gestion de vidéo conférence pour chacun des N utilisateurs.

La détection de l’utilisateur qui parle de façon prépondérante utilise des mécanismes de détection d’activité vocale à partir des paquets de données audio extraits de chaque flux audio vidéo reçu par le pont à l’instant courant.

Un inconvénient d’un tel système de vidéo conférence réside dans le fait que la mise en oeuvre de la détection d’activité vocale n’est pas toujours suffisamment précise, ce qui engendre un affichage de mauvaise qualité du flux audio vidéo de l’utilisateur qui parle, soit parce qu’un autre utilisateur se met à parler en même temps à l’instant courant, soit parce que l’utilisateur qui a été détecté comme étant celui qui parle le plus fait une pause vocale ou bien tousse au cours de sa prise de parole, etc... Ainsi, à l’écran, l’affichage du flux audio vidéo de l’utilisateur qui parle le plus peut présenter des suroscillations ou des artefacts non souhaités, qui ne permettent pas aux utilisateurs de suivre toujours correctement la vidéo conférence et dans de bonnes conditions de fonctionnement.

Enfin, les mécanismes de détection d’activité vocale et de retransmission des flux audio vidéo à afficher, tenant compte du résultat de la détection d’activité vocale, sont propres au pont de gestion de vidéo conférence, chacun des N terminaux impliqués dans la vidéo conférence mettant en œuvre l’affichage de flux audio vidéo de façon uniforme. Ainsi, il n’est pas possible pour un terminal donné de traiter individuellement la gestion de l’affichage des flux audio vidéo associés aux autres utilisateurs en fonction du résultat de la détection d’activité vocale.

Objet et résumé de l'invention

Un des buts de l'invention est donc de remédier à des insuffisances/inconvénients de l'état de la technique et/ou d'y apporter des améliorations.

A cet effet, un objet de la présente invention concerne un procédé de communication par vidéo conférence entre N terminaux de communication, tel que N>2, associés respectivement à N utilisateurs.

Un tel procédé est remarquable en ce qu’il met en œuvre ce qui suit, au niveau d’un terminal de communication donné parmi les N terminaux, à un instant courant:

- recevoir, en provenance d’un dispositif de traitement de N flux audio vidéo émis respectivement par les N terminaux, N informations relatives respectivement à l’activité vocale des N utilisateurs et associées respectivement à N identifiants relatifs auxdits N utilisateurs correspondants, chacune des N informations prenant une première valeur représentative de la présence d’activité vocale ou une deuxième valeur représentative de l’absence d’activité vocale, - pour au moins un des N utilisateurs, déterminer si l’information reçue est à la même valeur ou pas depuis un instant prédéterminé précédant l’instant courant,

- uniquement si l’information reçue est à la première valeur depuis l’instant prédéterminé, requérir auprès du dispositif de traitement, en utilisant l’identifiant utilisateur correspondant audit au moins un des N utilisateurs, un flux audio vidéo associé audit au moins un des N utilisateurs, en tant que flux audio vidéo principal à afficher,

- recevoir le flux audio vidéo principal requis,

- afficher le flux audio vidéo reçu en tant que flux audio vidéo principal.

Grâce à l’invention, il est possible, pour tout terminal qui communique par vidéo conférence, de continuer à afficher le flux audio vidéo associé à l’utilisateur qui parle, même si ce dernier s’est arrêté quelques secondes de parler ou s’est par exemple mis à tousser, évitant ainsi tout phénomène de suroscillation ou d’artéfacts lors de l’affichage de ce flux audio vidéo.

En outre, le fait que l’information relative à l’activité vocale soit traitée au niveau d’un terminal de communication participant à la vidéo conférence, plutôt qu’au niveau du pont de gestion de vidéo conférence, permet de personnaliser le contenu de la requête en affichage des flux audio vidéo de chacun des N utilisateurs qui est envoyée au pont de vidéo conférence, de même que l’affichage des flux audio vidéo reçus en provenance du pont. Ainsi, un terminal pourra par exemple requérir les N flux audio vidéo associés respectivement aux N utilisateurs, tandis qu’un autre terminal pourra requérir uniquement le flux audio vidéo de l’utilisateur qui parle de façon prépondérante. Au niveau de l’affichage, un terminal pourra par exemple choisir d’afficher uniquement l’utilisateur qui parle de façon prépondérante en plein écran, tandis qu’un autre terminal pourra choisir d’afficher l’utilisateur qui parle de façon prépondérante, par exemple en gros plan, au centre de l’écran, et les N-1 autres utilisateurs en périphérie de l’écran, dans des fenêtres plus petites.

Selon un mode de réalisation particulier, si pour au moins deux premier et deuxième utilisateurs parmi les N utilisateurs, l’information d’activité vocale reçue correspondante est à la première valeur depuis l’instant prédéterminé,

• comparer l’instant à partir duquel l’information reçue pour le premier utilisateur est passée de la deuxième valeur à la première valeur et l’instant à partir duquel l’information reçue pour le deuxième utilisateur est passée de la deuxième valeur à la première valeur,

• requérir auprès du dispositif de traitement, en tant que flux audio vidéo principal à afficher, un flux audio vidéo associé à celui des premier et deuxième utilisateurs pour lequel l’information est passée de la deuxième valeur à la première valeur à l’instant le plus proche de l’instant courant, en utilisant l’identifiant utilisateur correspondant,

• recevoir le flux audio vidéo principal requis,

• afficher le flux audio vidéo reçu en tant que flux audio vidéo principal.

De façon avantageuse, tout terminal est ainsi apte à mettre en oeuvre individuellement un mécanisme de gestion de priorité pour, à l’instant courant, sélectionner avec précision à l’instant courant l’utilisateur qui est considéré comme parlant de façon prépondérante, lorsqu’au moins deux utilisateurs parlent en même temps.

Selon un mode de réalisation particulier, le procédé de communication comprend en outre ce qui suit :

- recevoir, en provenance du dispositif de traitement de flux audio vidéo, N-1 flux audio vidéo associés respectivement aux N-1 utilisateurs restants, en tant que N-1 flux audio vidéo secondaires à afficher,

- afficher lesdits N-1 flux audio vidéo secondaires simultanément au flux audio vidéo principal.

L’invention permet d’afficher sur le terminal de communication donné le flux audio vidéo principal requis par celui-ci, simultanément aux N-1 autres flux audio vidéo associés respectivement aux N-1 autres utilisateurs participant à la conférence. Les N- 1 flux audio vidéo sont considérés comme secondaires en ce sens qu’ils sont affichés de façon moins visible que le flux audio vidéo principal requis par le terminal de communication donné.

Selon un mode de réalisation particulier, uniquement le flux audio vidéo principal est reçu et affiché par le terminal de communication donné.

Un tel mode de réalisation permet de réaliser une économie de ressources en bande passante non négligeable, puisque un terminal donné ne requiert auprès du pont de vidéo conférence que le flux audio vidéo principal associé à l’utilisateur qui parle de façon prépondérante.

Selon un mode de réalisation particulier, si à un instant courant, il est déterminé que l’information reçue relative à l’activité vocale de chacun des N utilisateurs est à la deuxième valeur représentative de l’absence d’activité vocale, depuis un instant prédéterminé précédant l’instant courant, le flux audio vidéo principal affiché à l’instant qui précède immédiatement l’instant courant continue d’être affiché.

Grâce à un tel mode de réalisation, aucun message supplémentaire n’a besoin d’être envoyé par le terminal de communication donné au dispositif de traitement de flux audio vidéo, ce qui permet avantageusement d’économiser les ressources du réseau de communication, jusqu’à la prochaine prise de parole d’un des utilisateurs et l’envoi d’un nouveau message par le terminal de communication au dispositif de traitement de flux.

Les différents modes ou caractéristiques de réalisation précités peuvent être ajoutés indépendamment ou en combinaison les uns avec les autres, au procédé de communication par vidéo conférence tel que défini ci-dessus.

L’invention concerne également un terminal de communication par vidéo conférence avec au moins un autre terminal de communication, les deux terminaux appartenant à un ensemble de N terminaux de communication, tel que N>2, associés respectivement à N utilisateurs.

Un tel terminal est remarquable en ce qu’il comprend un module de traitement qui est agencé pour, à un instant courant:

- recevoir, en provenance d’un dispositif de traitement de N flux audio vidéo émis respectivement par les N terminaux, N informations relatives respectivement à l’activité vocale des N utilisateurs et associées respectivement à N identifiants relatifs auxdits N utilisateurs correspondants, chacune des N informations prenant une première valeur représentative de la présence d’activité vocale ou une deuxième valeur représentative de l’absence d’activité vocale,

- pour au moins un des N utilisateurs, déterminer si l’information reçue est à la même valeur ou pas depuis un instant prédéterminé précédant l’instant courant, - uniquement si l’information reçue est à la première valeur depuis l’instant prédéterminé, requérir auprès du dispositif de traitement, en utilisant l’identifiant utilisateur correspondant audit au moins un des N utilisateurs, un flux audio vidéo associé audit au moins un des N utilisateurs, en tant que flux audio vidéo principal à afficher,

- recevoir le flux audio vidéo principal requis,

- afficher le flux audio vidéo reçu en tant que flux audio vidéo principal.

Selon un mode de réalisation particulier, le module de traitement met en oeuvre ce qui suit :

- si pour au moins deux premier et deuxième utilisateurs parmi les N utilisateurs, l’information d’activité vocale reçue correspondante est à la première valeur depuis l’instant prédéterminé,

• comparer l’instant à partir duquel l’information reçue pour le premier utilisateur est passée de la deuxième valeur à la première valeur et l’instant à partir duquel l’information reçue pour le deuxième utilisateur est passée de la deuxième valeur à la première valeur,

• requérir auprès du dispositif de traitement, en tant que flux audio vidéo principal à afficher, un flux audio vidéo associé à celui des premier et deuxième utilisateurs pour lequel l’information est passée de la deuxième valeur à la première valeur à l’instant le plus proche de l’instant courant, en utilisant l’identifiant utilisateur correspondant,

• recevoir le flux audio vidéo principal requis,

• afficher le flux audio vidéo reçu en tant que flux audio vidéo principal.

Selon un mode de réalisation particulier, le module de traitement met en oeuvre ce qui suit :

- recevoir, en provenance du dispositif de traitement de flux audio vidéo, N-1 flux audio vidéo associés respectivement aux N-1 utilisateurs restants, en tant que N-1 flux audio vidéo secondaires à afficher,

- afficher les N-1 flux audio vidéo secondaires simultanément au flux audio vidéo principal.

Selon un mode de réalisation particulier, uniquement le flux audio vidéo principal est reçu et affiché.

Selon un mode de réalisation particulier, si à un instant courant, le module de traitement détermine que l’information reçue relative à l’activité vocale de chacun des N utilisateurs est à la deuxième valeur représentative de l’absence d’activité vocale, depuis un instant prédéterminé précédant l’instant courant, le flux audio vidéo principal affiché à l’instant qui précède immédiatement l’instant courant continue d’être affiché.

L'invention concerne également un programme d'ordinateur pour mettre en œuvre des instructions de code de programme pour l’exécution des étapes du procédé de communication par vidéo conférence selon l’invention, lorsque le programme est exécuté dans un terminal de communication.

Un tel programme peut utiliser n’importe quel langage de programmation et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n’importe quelle autre forme souhaitable.

L’invention concerne également un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur, ce programme comportant des instructions adaptées à la mise en œuvre des étapes du procédé de communication par vidéo conférence selon l’invention, lorsque le programme est exécuté dans un terminal de communication tel que mentionné ci-dessus.

Les supports d'enregistrement peuvent être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, une clé USB ou encore un moyen d'enregistrement magnétique, par exemple un disque dur.

D'autre part, le support d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.

Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé d’établissement de communication précité. Brève description des dessins

D'autres caractéristiques et avantages apparaîtront à la lecture de plusieurs modes de réalisation particuliers de l'invention, donnés à titre de simples exemples illustratifs et non limitatifs, et des dessins annexés, parmi lesquels :

- la figure 1 est une vue schématique et générale d’une architecture dans laquelle est mis en œuvre le procédé de communication par vidéo conférence dans un mode de réalisation particulier de l’invention,

- la figure 2 représente un terminal de communication de vidéo conférence dans un mode de réalisation particulier de l’invention,

- les figures 3A à 3C représentent les principales étapes d’un procédé de communication par vidéo conférence dans un mode de réalisation particulier de l’invention,

- les figures 4A à 4C représentent respectivement trois modes d’affichage mis en œuvre dans le procédé de communication par vidéo conférence des figures 3A à 3C.

Description détaillée d’un mode particulier de réalisation

La figure 1 représente un environnement dans lequel est mis en œuvre le procédé de communication par vidéo conférence selon l’invention.

Dans un souci de clarté de la figure 1 , certains éléments bien connus de cet environnement ne sont pas représentés. De tels éléments sont par exemple des serveurs, des nœuds, des stations de base, des passerelles ou encore d’autres entités du réseau de télécommunications utilisé dans cet environnement.

Sur la figure 1 sont représentés :

- un dispositif de traitement de flux audio vidéo PVC, tel que par exemple un pont de gestion de vidéo conférence,

- un ensemble de N terminaux de communication TERi, TER ₂ , ..., TERi,...,TER _j ,.., TER _k ,..., TER _N , tel que 1 <i£j<k<N, associés respectivement à N utilisateurs IL, U ₂ , ..., U,, ...,U _j ,..., U _k ,..., U _N et aptes à se connecter au pont PVC, via un réseau de communication RC tel que par exemple de type IP (abréviation anglaise de « Internet Protocol »). Chaque terminal de communication comprend une interface de connexion au réseau de communication RC, via par exemple un réseau local (non représenté), par exemple sans fil, en particulier du type WiFi ou CPL (abréviation de « courants porteurs en ligne »). En variante, l’interface de connexion est par exemple, de type x- DSL, fibre ou encore 3G, 4G, 5G, etc.... Un exemple d’interface de connexion est un navigateur web.

Un terminal de communication donné TER, est par exemple à titre non exhaustif :

- un téléphone portable, et/ou

- un smartphone (« téléphone intelligent »), et/ou

- une tablette, et/ou

- un ordinateur portable, et/ou

- un ordinateur personnel de type PC, et/ou

- une télévision connectée,

- etc....

En relation avec la figure 2, on considère maintenant la structure simplifiée d’un terminal de communication donné TER, selon un exemple de réalisation de l’invention.

De façon connue en soi, le terminal de communication TER, comprend :

- une interface de connexion IC qui est adaptée pour communiquer, via le réseau de communication RC, selon par exemple le protocole http (abréviation anglaise de « HyperText Transfer Protocol »), avec le pont de gestion de vidéo conférence PVC de la figure 1 ,

- un module de réception REC de flux audio vidéo émis en provenance du pont de gestion de vidéo conférence,

- une interface IT de traitement des interactions utilisateurs,

- un écran de visualisation EC,

- un haut-parleur HP,

- une caméra CAM,

- une interface DEC de décodage audio/vidéo des contenus de type texte, audio, vidéo ou audiovisuel, ladite interface étant adaptée pour transmettre les signaux décodés à l’écran EC ou dans le haut-parleur HP. Le terminal de communication TER, comprend des ressources physiques et/ou logicielles, en particulier un module de traitement MT pour mettre en œuvre le procédé de communication par vidéo conférence selon l’invention, qui va être décrit ci-dessous.

Le module de traitement MT contient un processeur PROC piloté par un programme d'ordinateur PG.

A l'initialisation, les instructions de code du programme d'ordinateur PG sont par exemple chargées dans une mémoire RAM, notée MR, avant d'être exécutées par le module de traitement MT.

Selon l’invention, le terminal de communication TER, comprend également un module DAC de détection d’activité vocale piloté par le processeur PROC du module de traitement MT.

Précisons ici que le terme module utilisé dans la présente demande peut correspondre aussi bien à un composant logiciel qu’à un composant matériel ou un ensemble de composants matériels et logiciels, un composant logiciel correspondant lui-même à un ou plusieurs programmes ou sous-programmes d’ordinateur ou de manière plus générale à tout élément d’un programme apte à mettre en œuvre une fonction ou un ensemble de fonctions telles que décrites pour les modules concernés. De la même manière, un composant matériel correspond à tout élément d’un ensemble matériel (ou hardware) apte à mettre en œuvre une fonction ou un ensemble de fonctions pour le module concerné (circuit intégré, carte à puce, carte à mémoire, etc.).

En référence aux figures 3A et 3B, on décrit maintenant le déroulement d’un procédé de communication par vidéo conférence selon l’invention, mettant en œuvre une détection d’activité vocale implémentée dans au moins un des terminaux de communication TER _{1 ;} TER ₂ , ..., TERi,...,TER _j ,..., TER _k ,..., TER _N de la figure 1 , tel que par exemple le terminal de communication TER, représenté sur la figure 2.

Le procédé de communication par vidéo conférence met d’abord en œuvre une initialisation S1 de la vidéo conférence. A cet effet, en référence à la figure 3A, un des terminaux de communication TER _{1 ;} TER ₂ , ..., TERi,...,TER _j ,..., TER _k ,..., TER _N de la figure 1 envoie, en S100, au pont de gestion de vidéo conférence PCV, via le réseau RC, un message M1 de demande de création d’une vidéo conférence, ledit message M1 comprenant classiquement un identifiant associé au terminal qui envoie le message et un identifiant associé à chaque terminal d’un utilisateur invité à la vidéo conférence.

A titre d’exemples non exhaustifs, un tel identifiant peut être :

- l’identifiant d’appel MSISDN correspondant de manière unique à la carte SIM (en anglais « Subscriber Identity Module ») qui est fournie par l’opérateur du réseau de communication auprès duquel s’est inscrit l’utilisateur d’un des N terminaux de communication,

- un identifiant URI (abréviation anglaise de « Uniform Resource

Identifier »),

- une adresse de messagerie électronique,

- etc...

Ainsi, les N terminaux TER _; TER ₂ , ..., TERi,...,TER _j ,..., TER _k ,..., TER _N sont associés respectivement à N identifiants ID _; ID ₂ , ..., ID,,..., I D _j , ... , ID _k ,..., ID _N du type précité. On suppose par exemple que les N terminaux de communication participent à la vidéo conférence requise par le terminal requérant.

En S101 , le pont de gestion de vidéo conférence PVC reçoit le message M1.

En S102, le pont de gestion de vidéo conférence PVC extrait les identifiants ID _; ID ₂ , ..., ID,,..., ID _N du message M1 .

En S103, le pont de gestion de vidéo conférence PVC envoie un message M2 d’invitation à la vidéo conférence proposée par le terminal de communication requérant à chaque terminal de communication associé à un identifiant correspondant extrait en S102. Le message M2 contient un lien Internet (Ll) vers la vidéo conférence à établir.

En S104, chacun des N terminaux reçoit le message M2.

En S105, chacun des N terminaux se connecte au pont de vidéo conférence PVC à l’aide du lien Internet contenu dans le message M2. A cet effet, les N terminaux envoient respectivement, à destination du pont de gestion de vidéo conférence PCV, N flux audio vidéo F _{1 ;} F ₂ , ..., F,,... ,F _j5 ... , F _k ,..., F _N représentant respectivement les N utilisateurs II _{1 ;} U ₂ , ..., U,,..., U _j ,..., U _k ,..., U _N de ces terminaux.

En S106, le pont de gestion de vidéo conférence PVC reçoit les N flux audio vidéo Fi, F ₂ , ..., Fi,..., F _j5 ... , F _k ,..., F _N .

En S107, le pont de gestion de vidéo conférence PVC génère une vidéo mosaïque VM1 contenant les N flux audio vidéo reçus en S106. Comme représenté sur la figure 4A, la vidéo mosaïque VM1 est configurée de façon à ce que, en début de vidéo conférence, les N flux audio vidéo soient affichés sur l’écran EC (figure 2) d’un terminal de communication donné TER,, dans respectivement N fenêtres de même taille.

En S108, le pont de gestion de vidéo conférence PVC transmet un message M3 à chacun des N terminaux invités, le message M3 contenant la vidéo mosaïque VM1.

En S109, chacun des N terminaux de communication reçoit le message M3.

En S1 10, le décodeur DEC de chacun des N terminaux de communication décode la vidéo mosaïque VM1 contenue dans le message M3 reçu.

En S1 1 1 , les N flux audio vidéo sont affichés sur l’écran EC de chacun des N terminaux, respectivement dans N fenêtres de même taille.

Conformément à l’invention, lors de l’initialisation S1 , chacun des N terminaux procède, en S2, à un téléchargement depuis le pont de gestion de vidéo conférence PVC, d’une procédure de détection d’activité vocale de chacun des N utilisateurs.

Un tel téléchargement est transparent pour les utilisateurs Ui à U _N . Pour un terminal de communication donné TER,, la procédure de détection d’activité vocale est téléchargée dans le module DAC de détection d’activité vocale tel que représenté sur la figure 2.

La procédure de détection d’activité vocale est par exemple encapsulée dans le message d’invitation M2 envoyé en S103 à chacun des N terminaux ou encore dans le message M3 envoyé en S108. Selon un autre mode de réalisation, la procédure de détection d’activité vocale est téléchargée automatiquement par chacun des N terminaux lors de la connexion S105 de ces derniers au pont de gestion de vidéo conférence PVC.

Une fois que l’initialisation S1 de la vidéo conférence et que le téléchargement S2 sont terminés, conformément à l’invention et en référence à la figure 3B, une détection d’activité vocale S3 d’au moins un des N utilisateurs est mise en oeuvre à un instant courant, individuellement, dans chacun des N terminaux de communication participant à la vidéo conférence. Pour un terminal de communication donné TER,, la détection d’activité vocale S3 se déroule comme suit à un instant courant t.

En S300, le terminal TER, reçoit, en provenance du pont de gestion de vidéo conférence PCV, via le réseau RC, un message M4 qui contient ;

- une information IA\ relative à l’activité vocale de l’utilisateur Ui en association avec l’identifiant ID _{1 ;}

- une information IAV ₂ relative à l’activité vocale de l’utilisateur U ₂ en association avec l’identifiant ID ₂ ,

- une information IAV, relative à l’activité vocale de l’utilisateur U, en association avec l’identifiant ID,,

- une information IAVJ relative à l’activité vocale de l’utilisateur U _j en association avec l’identifiant ID ,

- une information IAV _k relative à l’activité vocale de l’utilisateur U _k en association avec l’identifiant ID _k ,

- une information IAV _N relative à l’activité vocale de l’utilisateur U _N en association avec l’identifiant ID _N .

L’information IAV, d’un utilisateur donné U, prend une première valeur V1 représentative de la présence d’activité vocale de cet utilisateur ou une deuxième valeur V2 représentative de l’absence d’activité vocale de cet utilisateur.

A titre d’exemple, V1 =1 et V2=0.

Selon un mode de réalisation, une telle information est déterminée à l’instant courant par le pont de gestion de vidéo conférence PVC, par analyse des paquets audio contenus dans les N flux audio vidéo reçus respectivement en provenance des N terminaux.

Selon un autre mode de réalisation, une telle information est déterminée individuellement à l’instant courant par chacun des N terminaux de communication puis envoyée par chaque terminal au pont de gestion de vidéo conférence PVC qui concatène alors chaque information reçue dans le message M4 en association avec chaque identifiant correspondant.

En S301 , le module DAC (figure 2) du terminal TER, extrait la première information IA\ du message M4 reçu et détermine si la première information IA\ est à la première valeur V1 ou à la deuxième valeur V2, puis recommence ces opérations pour la deuxième information IAV ₂ et ainsi de suite jusqu’à l’information IAV _N .

Si une seule information I VA _j est à la valeur V 1 , le terminal TER, détermine en S302 si l’information IVA _j est à la valeur V1 depuis un instant prédéterminé t _P . La durée qui sépare l’instant courant t de l’instant prédéterminé t _P est par exemple définie dans la procédure de détection d’activité vocale par un nombre K prédéterminé d’unités de temps de, par exemple, 500ms chacune. Selon un exemple de réalisation K=4.

Si oui, le terminal TER, envoie, en S303, au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M5 de requête du flux audio vidéo F, associé à l’utilisateur U, ayant été détecté comme parlant depuis l’instant prédéterminé t _P, en tant que flux audio vidéo principal à afficher. Le message M5 contient l’identifiant ID _j de l’utilisateur U,.

En réponse au message M5, le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M6 contenant le flux audio vidéo principal F,.

En S304, le flux audio vidéo principal F, est reçu par le module de réception REC (figure 2) du terminal TER,.

En S305, le flux audio vidéo principal F, est affiché sur l’écran EC du terminal

TERi.

Selon un mode de réalisation préféré, uniquement le flux audio vidéo principal F _j est requis à l’issue de l’opération de détermination S302.

Dans l’exemple représenté sur la figure 4B, le flux audio vidéo F, est alors affiché en plein écran sur l’écran EC du terminal TER,.

Selon un autre mode de réalisation, le terminal TER, envoie en outre, en S306, au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M7 de requête des N-1 autres flux audio vidéo associés aux N-1 autres utilisateurs qui n’ont pas été détectés comme parlant depuis l’instant prédéterminé t _P, en tant que respectivement N-1 flux audio vidéo secondaires à afficher. Le message M7 contient les N-1 autres identifiants associés respectivement aux N-1 autres utilisateurs. En variante de cet autre mode, le terminal TER, pourrait se passer de requérir, en tant que flux audio vidéo secondaire, le flux audio vidéo relatif à l’utilisateur U,, ce qui permettrait de réduire les ressources en bande passante du réseau de communication RC.

En réponse au message M7, le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M8 contenant les N-1 flux audio vidéo secondaires.

En S307, les N-1 flux audio vidéo secondaires sont reçus par le module de réception REC (figure 2) du terminal TER,.

En S308, les N-1 flux audio vidéo secondaires sont affichés sur l’écran EC du terminal TER,, de façon moins visible que le flux audio vidéo principal F,.

Les opérations S306 à S308 sont mises en œuvre simultanément aux opérations S303 à S305 ou bien à la suite de ces dernières.

Dans l’exemple représenté sur la figure 4C, le flux audio vidéo principal F, est alors affiché dans une fenêtre disposée par exemple au centre de l’écran EC du terminal TER,, les N-1 flux audio vidéo secondaires étant affichés autour de cette fenêtre, dans des fenêtres de même taille et plus petites que cette dernière.

Selon un mode particulier de réalisation, le terminal TER, peut se passer de requérir en S306 les N-1 flux audio vidéo secondaires. Le message M5 envoyé en S303 pourrait par exemple comprendre une information qui indique au pont de gestion de vidéo conférence PVC s’il renvoie au terminal TER, uniquement le flux audio vidéo principal F, ou bien le flux audio vidéo principal F, et les N-1 flux audio vidéo secondaires. Une telle information pourrait être un bit mis par exemple à 1 pour ne requérir que le flux audio vidéo principal ou à 0 pour requérir le flux audio vidéo principal F, et les N-1 flux audio vidéo secondaires.

Si à l’issue de l’opération S301 , au moins deux informations IVA _j et IVA _k sont à la valeur V1 , le terminal TER, met en œuvre les opérations illustrées en figure 3C.

En référence à la figure 3C, en S309, le module DAC du terminal TER, compare l’instant t1 , précédant l’instant courant t, à partir duquel l’information IVA _j est passée de la deuxième valeur V 2 à la première valeur V1 , avec l’instant t2 précédant l’instant courant t, à partir duquel l’information IVA _k est passée de la deuxième valeur V2 à la première valeur V1 .

En S310, le module DAC (figure 2) du terminal TER, sélectionne parmi les instants t1 et t2, celui qui est le plus proche de l’instant courant t.

S’il s’agit de l’instant t2, le terminal TER, envoie, en S31 1 , au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M9 de requête du flux audio vidéo F _k associé à l’utilisateur U _k ayant été détecté comme parlant depuis l’instant t2 le plus proche de l’instant courant t _, en tant que flux audio vidéo principal à afficher. Le message M9 contient l’identifiant ID _k de l’utilisateur U _k .

En réponse au message M9, le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M10 contenant le flux audio vidéo principal F _k .

En S312, le flux audio vidéo principal F _k est reçu par le module de réception REC (figure 2) du terminal TER,.

En S313, le flux audio vidéo principal F _k est affiché sur l’écran EC du terminal

TERi.

Le flux audio vidéo F _k est par exemple affiché en plein écran sur l’écran EC du terminal TER,, de la même manière que dans l’exemple de la figure 4B.

Selon un autre mode de réalisation, le terminal TER, envoie en outre, en S314, au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M1 1 de requête des N-k autres flux audio vidéo associés aux N-k autres utilisateurs _, en tant que respectivement N-k flux audio vidéo secondaires à afficher. Le message M1 1 contient les N-k autres identifiants associés respectivement aux N-k autres utilisateurs. En variante de cet autre mode, le terminal TER, pourrait se passer de requérir, en tant que flux audio vidéo secondaire, le flux audio vidéo relatif à l’utilisateur U,, ce qui permettrait de réduire les ressources en bande passante du réseau de communication RC.

Comme expliqué plus haut en référence à la figure 3A, l’opération S314 pourrait en outre être optionnelle.

En réponse au message M1 1 , le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M12 contenant les N-k flux audio vidéo secondaires.

En S315, les N-k flux audio vidéo secondaires sont reçus par le module de réception REC (figure 2) du terminal TER,.

En S316, les N-k flux audio vidéo secondaires sont affichés sur l’écran EC du terminal TER,, de façon moins visible que le flux audio vidéo principal F _k .

Les opérations S314 à S316 sont mises en oeuvre simultanément aux opérations S31 1 à S313 ou bien à la suite de ces dernières.

Les N-k flux audio vidéo secondaires sont par exemple affichés sur l’écran EC du terminal TER,, autour de la fenêtre centrale dans laquelle est affiché le flux audio vidéo principal F _k , de la même manière que dans l’exemple de la figure 4C.

Si à l’issue de l’opération S301 , il s’agit de l’instant t1 , le terminal TER, envoie, en S317, au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M13 de requête du flux audio vidéo F, associé à l’utilisateur U, ayant été détecté comme parlant depuis l’instant t1 le plus proche de l’instant courant t _, en tant que flux audio vidéo principal à afficher. Le message M13 contient l’identifiant ID _j de l’utilisateur U _j .

En réponse au message M13, le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M14 contenant le flux audio vidéo principal F,.

En S318, le flux audio vidéo principal F, est reçu par le module de réception REC (figure 2) du terminal TER,.

En S319, le flux audio vidéo principal F _j est affiché sur l’écran EC du terminal

TERi.

Le flux audio vidéo F, est par exemple affiché en plein écran sur l’écran EC du terminal TER,, de la même manière que dans l’exemple de la figure 4B.

Selon un autre mode de réalisation, le terminal TER, envoie en outre, en S320, au pont de gestion de vidéo conférence PVC, via le réseau RC, un message M15 de requête des N-j autres flux audio vidéo associés aux N-j autres utilisateurs _, en tant que respectivement N-j flux audio vidéo secondaires à afficher. Le message M15 contient les N-j autres identifiants associés respectivement aux N-j autres utilisateurs. En variante de cet autre mode, le terminal TER, pourrait se passer de requérir, en tant que flux audio vidéo secondaire, le flux audio vidéo relatif à l’utilisateur U,, ce qui permettrait de réduire les ressources en bande passante du réseau de communication RC.

Comme expliqué plus haut en référence à la figure 3A, l’opération S320 pourrait en outre être optionnelle.

En réponse au message M15, le pont de gestion de vidéo conférence PVC envoie au terminal TER,, via le réseau RC, un message M16 contenant les N-j flux audio vidéo secondaires.

En S321 , les N-j flux audio vidéo secondaires sont reçus par le module de réception REC (figure 2) du terminal TER,.

En S322, les N-j flux audio vidéo secondaires sont affichés sur l’écran EC du terminal TER,, de façon moins visible que le flux audio vidéo principal F,.

Les opérations S320 à S322 sont mises en œuvre simultanément aux opérations S317 à S319 ou bien à la suite de ces dernières.

Les N-j flux audio vidéo secondaires sont par exemple affichés sur l’écran EC du terminal TER,, autour de la fenêtre centrale dans laquelle est affiché le flux audio vidéo principal F _j5 de la même manière que dans l’exemple de la figure 4C.

En référence à nouveau à la figure 3B, si en S301 , le module DAC (figure 2) du terminal TER, détermine qu’aucune des informations IAV _; IAV ₂ , ..., IAV,, ..., IAV _N du message M4 reçu sont à la première valeur V1 depuis l’instant prédéterminé t _P , le module DAC détermine en S323 si les informations IAV _; IAV ₂ ,..., IAV,, ..., IAV _N du message M4 reçu sont à la deuxième valeur V2 depuis l’instant prédéterminé t _P .

Si tel est le cas, le terminal TER, ne requiert aucun flux audio vidéo à afficher auprès du pont de gestion de vidéo conférence PVC. Dans le cas où un unique flux audio vidéo F, était affiché à l’instant précédent t-1 sur l’écran EC du terminal TER,, en S324, le flux F, continue d’être affiché de la même façon à l’instant courant t, comme représenté sur la figure 4B. Dans le cas où à l’instant t-1 , le flux audio vidéo F, était affiché en tant que flux principal, avec les N-j flux audio vidéo secondaires affichés autour du flux audio vidéo F _L comme représenté sur la figure 4C, ces N flux audio vidéo continuent, en S324, d’être affichés de la même façon à l’instant courant t. Si en S323, le module DAC du terminal TER, détermine que toutes les informations IAV _{1 ;} IAV ₂ , IAV,, IAV _N du message M4 reçu ne sont pas à la deuxième valeur V2 depuis l’instant prédéterminé t _P , il est mis fin au procédé de détection d’activité vocale et le terminal TER, se met en attente de la réception à l’instant suivant t+1 d’un nouveau message, en provenance du pont de gestion de vidéo conférence PVC, qui contienne de nouvelles informations d’activité vocale IAV _{1 ;} IAV ₂ ,..., IAV,, ..., IAV _N relatives respectivement aux N utilisateurs.

Il va de soi que les modes de réalisation qui ont été décrits ci-dessus ont été donnés à titre purement indicatif et nullement limitatif, et que de nombreuses modifications peuvent être facilement apportées par l’homme de l’art sans pour autant sortir du cadre de l’invention.