[發(fā)明專利]錄制媒體的信號(hào)偵測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210532231.8
• 申請(qǐng)日: 2012-12-11
• 公開(kāi)（公告）號(hào): CN103065661A
• 公開(kāi)（公告）日: 2013-04-24
• 發(fā)明（設(shè)計(jì)）人: 廖宜斌;張國(guó)韋;呂仲理;蘇家輝;曾新穆
• 申請(qǐng)（專利權(quán)）人: 中華電信股份有限公司
• 主分類號(hào): G11B27/10
• 分類號(hào): G11B27/10;G06F17/30
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王茹;曾旻輝

技術(shù)領(lǐng)域

本發(fā)明是關(guān)于一種在錄制媒體中信號(hào)偵測(cè)的方法，特別為一種利用信號(hào)處理與比對(duì)技術(shù)，將錄制的信號(hào)與內(nèi)容提供商所提供的信號(hào)相互比對(duì)，自動(dòng)偵測(cè)相似片段的方法。

背景技術(shù)

隨著科技進(jìn)步，多媒體信息已成為我們生活的重心，在多媒體搜尋這個(gè)議題上，如何快速地響應(yīng)使用者的需求一直都是熱門的研究主題，特別是在這個(gè)信息爆炸的年代，信息量更以倍數(shù)的速度成長(zhǎng)，如果單靠人工方式進(jìn)行搜尋，既耗時(shí)又費(fèi)力。因此我們希望利用數(shù)據(jù)索引技術(shù)，從原本雜亂無(wú)章的數(shù)據(jù)中，萃取出與使用者興趣相近的內(nèi)涵特征，進(jìn)而達(dá)到快速而有效的檢索搜尋。

目前多媒體數(shù)據(jù)的檢索技術(shù)，主要是以多媒體本身的文字信息作為判斷，在先前的專利技術(shù)中有提及類似的概念：臺(tái)灣DigitalInn公開(kāi)號(hào)200307874，此專利是一種方法與系統(tǒng)，其使用便攜設(shè)備，將音檔上傳服務(wù)器，利用其音頻指紋辨識(shí)音文件內(nèi)容并比對(duì)搜尋數(shù)據(jù)庫(kù)內(nèi)相同的音文件，然而該專利中，音頻指紋只限于一首歌曲被播出的時(shí)間、地區(qū)等周邊文字信息，并不包括音樂(lè)本身擷取出的音頻信息。

另外文獻(xiàn)中也有利用音頻信息的方法，如Microsoft臺(tái)灣專利號(hào)：I329455是一種自多媒體串流中辨識(shí)和擷取重復(fù)聲音或視訊對(duì)象的系統(tǒng)與方法，使用自我相關(guān)系數(shù)做為辨識(shí)準(zhǔn)則，然而該專利不包括加速搜尋的索引技術(shù)，且用于比對(duì)的音樂(lè)特征如BPM以及Bark?Spectra應(yīng)該無(wú)法有效辨識(shí)音樂(lè)片段。又如HP專利美國(guó)專利號(hào)6995309，是一種用于音樂(lè)識(shí)別的系統(tǒng)與方法，錄制音樂(lè)樣本，產(chǎn)生該樣本的特征向量，與曲庫(kù)中的音樂(lè)特征向量，一同計(jì)算特征差異，若符合歌曲匹配規(guī)則，則提供歌曲信息給用戶。本篇專利重在其匹配比對(duì)方法，使用FFT重迭存取卷積及夾角余弦公式計(jì)算；至于特征抽取方法則不在專利宣告范圍內(nèi)；Dolby專利美國(guó)專利號(hào)US20100205174，是一種使用多個(gè)搜尋組合改良音頻/視訊指紋搜尋正確性的技術(shù)。

針對(duì)音頻/視訊片段，取得其指紋特征，并在數(shù)據(jù)庫(kù)中搜尋指紋以獲得可能的匹配。指紋之間差值測(cè)量的方法，有漢明距離、位錯(cuò)誤率、Lp范數(shù)、L2距離、自相關(guān)系數(shù)等，若有符合，則反饋搜尋成功信息給用戶，若不符合，則會(huì)反饋搜尋結(jié)果沒(méi)有存在數(shù)據(jù)庫(kù)中。前述兩篇專利的缺點(diǎn)為數(shù)學(xué)運(yùn)算多，計(jì)算量大，反饋速度較慢。此外GraceNote專利US7,549,051B2以訊號(hào)的Time-Frequencycomponents的一階變化為基礎(chǔ)的音頻指紋建立索引與pattern?match；Shazam專利US2009/0265174A9以訊號(hào)Time-Frequency?landmarks為基礎(chǔ)并產(chǎn)生頻率峰值對(duì)的invariant/variant兩種哈希數(shù)值，搜尋時(shí)先比對(duì)invariant?pattern找出所有可能的頻率峰值對(duì)再運(yùn)用相對(duì)時(shí)間偏移的histogram統(tǒng)計(jì)找出有線性關(guān)系(histogram?peak)的音樂(lè)。

前述兩篇專利皆只能用于音樂(lè)檔案，無(wú)法處理多媒體影片。

由此可見(jiàn)，上述傳統(tǒng)方式仍有許多不足，不是一個(gè)完善的設(shè)計(jì)，而亟待加以改良。

發(fā)明內(nèi)容

隨著壓縮方式快速發(fā)展，數(shù)字內(nèi)容已成為生活中的一部份，在這樣的環(huán)境下，經(jīng)常會(huì)發(fā)生我們對(duì)某些內(nèi)容很感興趣、卻無(wú)法使用傳統(tǒng)關(guān)鍵詞搜尋的方法來(lái)找出該內(nèi)容的信息。而利用錄制媒體搜尋的方式可以在這種情形下達(dá)到搜尋該數(shù)字內(nèi)容的目標(biāo)。例如：當(dāng)我們聽(tīng)到一首很感興趣的音樂(lè)，但卻又不曉得任何有關(guān)該音樂(lè)的信息，這時(shí)可以利用錄音裝置記錄音樂(lè)片段，然后利用搜尋系統(tǒng)對(duì)這段音樂(lè)進(jìn)行特征值分析，進(jìn)而找出其低階特征值，之后利用這些低階特征值找出在音樂(lè)數(shù)據(jù)庫(kù)中最有可能包括該音樂(lè)片段的音樂(lè)，如此一來(lái)即使我們無(wú)法對(duì)該音樂(lè)下關(guān)鍵詞，系統(tǒng)也可以依照音樂(lè)本身的特性進(jìn)而完成搜尋的工作。

本發(fā)明的目的即在于提出一種錄制媒體的信號(hào)偵測(cè)的方法，可應(yīng)用于行動(dòng)裝置上，通過(guò)錄音錄像的方式找尋相似的歌曲或電影；也可應(yīng)用于電子儲(chǔ)存設(shè)備中，自動(dòng)分析及標(biāo)記及整理數(shù)字內(nèi)容。

達(dá)成上述發(fā)明目的的錄制媒體信號(hào)偵測(cè)方法，將內(nèi)容提供商所提供的信號(hào)內(nèi)容信息進(jìn)行特征抽取、分群并建立索引，當(dāng)用戶想要查詢某個(gè)媒體信號(hào)時(shí)，可錄制與分析媒體裝置的信號(hào)內(nèi)容，進(jìn)行特征抽取并求出每個(gè)特征和內(nèi)容提供商的群中心的間的距離，取最小的距離的群作為代表，接著利用索引文件找出該代表所對(duì)應(yīng)的內(nèi)容位置，計(jì)算錄制的信號(hào)內(nèi)容與那位置附近的內(nèi)容相似度，以判斷出最相似的信號(hào)內(nèi)容片段。

本發(fā)明提供一種錄制媒體的信號(hào)偵測(cè)方法，與其他傳統(tǒng)技術(shù)相互比較時(shí)，具備下列優(yōu)點(diǎn)：

1.可自動(dòng)處理多媒體內(nèi)容，產(chǎn)生多媒體索引；