1.一种声像联合定位的远距离语音采集装置，其特征在于：包括以下模块，
监控摄像头：用于采集远距离视频图像；
麦克风阵列：用于语音信号多通道采集、前置处理和模数转换；
波束扫描模块，其输入端连接麦克风阵列输出端：用于进行波束扫描，获取远距离语音和噪声的方向分布信息；
声像联合处理模块，其输入端分别连接监控摄像头与波束扫描模块的输出端：用于将监控摄像头传输的图像信息、波束扫描模块获取的语音和噪声方向信息经坐标转换后送入设有的声像联合监控显示屏进行声像联合定位显示；
声像联合监控显示屏，其输入端连接声像联合处理模块输出端：用于接收声像联合成像处理模块送来的声像联合信息并进行屏幕显示；
目标选定模块：用于监控操作人员根据声像联合监控显示屏上的图像、声音联合信息选定目标说话人；
波束对准模块，其输入端分别连接目标选定模块与麦克风阵列的输出端：根据目标选定模块选定的目标说话人对于方向进行麦克风阵列波束对准；
语音采集模块，其输入端连接波束对准模块的输出端：对波束对准模块的语音信息进行采集。
2.根据权利要求1所述的一种声像联合定位的远距离语音采集装置，其特征在于：所述麦克风阵列包括增强模块，所述麦克风阵列各通道语音信号输出端经增强模块分别连接波束扫描模块与波束对准模块，所述增强模块用于增强麦克风阵列的语音信息。
3.根据权利要求2所述的一种声像联合定位的远距离语音采集装置，其特征在于：所述增强模块包括前置放大电路与模数转换器。
4.根据权利要求1所述的一种声像联合定位的远距离语音采集装置，其特征在于：所述麦克风阵列包括反射罩：用于安装在麦克风上进行语音信号聚焦。
5.根据权利要求1所述的一种声像联合定位的远距离语音采集装置，其特征在于：所述目标选定模块设有鼠标输入端，操作人员通过观察声像联合监控显示屏通过鼠标输入端选定目标说话人，目标选定模块经坐标转换后输出目标说话人的方向信息至波束对准模块。
6.使用权利要求1-5任意一项所述声像联合定位的远距离语音采集装置的步骤：
一个初始化步骤：各模块参数初始化设置；
一个视频采集步骤：监控摄像头采集远距离视频图像；
一个波束扫描步骤：麦克风阵列对远距离语音和信号进行方向扫描，获取方向分布信息；
一个声像联合处理步骤：将波束扫描结果进行坐标转换后合并加入视频图像，形成声像联合视频图像。
一个声像联合显示步骤：声像联合显示屏将声像联合处理结果进行显示；
一个目标选定步骤：操作人员在声像联合显示屏上结合图像、声音信息利用鼠标选定目标说话人，并通过坐标转换输出目标说话的方向信息；
一个波束对准步骤：将选定的目标说话人方向输入麦克风阵列进行波束对准；
一个语音采集步骤：对麦克风阵列波束对准信号进行采集。