音视频场景重建方法、装置、设备及存储介质

本申请公开了一种音视频场景重建方法、装置、设备及存储介质，涉及计算机视觉技术领域，方法包括：通过相机阵列获取目标场景的场景深度图像；基于场景深度图像建立场景模型；识别场景深度图像中的人脸图像，并提取人脸图像中的人脸特征；将人脸特征与预设的面部模型进行拟合得到人脸图像对应的人脸模型；基于人脸图像在场景深度图像中的位置信息将人脸模型映射至场景模型中得到完整场景模型。本申请可以精准保存下会议的场景信息和每个参会人员的语言及面部信息，从而能更加完整且准确地对会议进行记录。