[發(fā)明專利]一種基于音樂(lè)指紋特征的音樂(lè)檢索方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410095561.4
• 申請(qǐng)日: 2014-03-14
• 公開(kāi)（公告）號(hào): CN103853836B
• 公開(kāi)（公告）日: 2017-01-25
• 發(fā)明（設(shè)計(jì)）人: 孔秋強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 廣州酷狗計(jì)算機(jī)科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司44102
• 代理人: 張?jiān)鹿?/td>

1.一種基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，包括：

構(gòu)建音樂(lè)指紋索引，輸入音頻信號(hào)并進(jìn)行預(yù)處理獲取音頻頻譜圖，在頻譜圖內(nèi)選取第一錨點(diǎn)、第二錨塊和第三錨塊進(jìn)行組合，得到指紋并將其插入到哈希表內(nèi)，記錄該指紋出現(xiàn)的歌曲ID和在歌曲內(nèi)的位置；

音樂(lè)檢索，提取待檢索音樂(lè)片段的指紋序列，通過(guò)查找哈希表得到各指紋對(duì)應(yīng)的歌曲ID和歌曲位置鏈表，構(gòu)建歌曲ID與指紋對(duì)應(yīng)的匹配表，將匹配表內(nèi)重復(fù)最多的歌曲內(nèi)位置作為命中數(shù)，將命中數(shù)最多的歌曲作為檢索結(jié)果；

所述第一錨點(diǎn)的獲取方式為：將頻譜圖切分為M×N塊，其中M是指將頻譜圖縱向頻域均勻劃分為M個(gè)頻帶，每個(gè)頻帶為a個(gè)點(diǎn)；N是指將頻譜圖橫向時(shí)域以步長(zhǎng)b為單位切割為N個(gè)部分；

在每塊中選取一個(gè)幅值最大的點(diǎn)最為第一錨點(diǎn)，并將第一錨點(diǎn)附近R*R的區(qū)域內(nèi)的點(diǎn)賦值為0；

所述第二錨塊的獲取方式為：以第一錨點(diǎn)為起點(diǎn)，在時(shí)移b幀后的矩形區(qū)域內(nèi)搜索第二錨塊；將該矩形區(qū)域劃分為X個(gè)3*3小塊，在每個(gè)3*3小塊內(nèi)選擇最大的幅值作為該3*3小塊的小塊代表值，在該矩形區(qū)域內(nèi)選擇小塊代表值最大的3*3小塊的作為第二錨塊，并以第二錨塊為中心將R*R的區(qū)域內(nèi)的點(diǎn)賦值為0；

所述第三錨塊的獲取方式為：以第一錨點(diǎn)為起點(diǎn)，在時(shí)移b幀后的矩形區(qū)域內(nèi)搜索第三錨塊；將該矩形區(qū)域劃分為Y個(gè)小矩形區(qū)域，每個(gè)小矩形區(qū)域劃分為y個(gè)2*2小塊；在每個(gè)2*2小塊內(nèi)選擇最大的幅值作為該2*2小塊的小塊代表值，在小矩形區(qū)域內(nèi)選取出幅值最大的2*2小塊，在大矩形內(nèi)選擇Z個(gè)2*2小塊。

2.根據(jù)權(quán)利要求1所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，所述預(yù)處理是通過(guò)對(duì)輸入的音頻信號(hào)進(jìn)行短時(shí)傅里葉變換獲取音頻頻譜圖，在頻譜圖尾部進(jìn)行補(bǔ)白，對(duì)補(bǔ)白后的頻譜圖進(jìn)行濾波。

3.根據(jù)權(quán)利要求2所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，所述對(duì)補(bǔ)白后音頻頻譜圖進(jìn)行濾波方式是梯形帶通濾波。

4.根據(jù)權(quán)利要求1所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，所述在音樂(lè)檢索時(shí)，對(duì)待檢索音樂(lè)片段在前端補(bǔ)白若干次分別進(jìn)行檢索。

5.根據(jù)權(quán)利要求4所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，所述在音樂(lè)檢索時(shí)，對(duì)待檢索音樂(lè)片段在前端補(bǔ)白8次分別進(jìn)行檢索。

6.根據(jù)權(quán)利要求1所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，所述b=8，R=5，Z=4。

7.根據(jù)權(quán)利要求1所述的基于音樂(lè)指紋特征的音樂(lè)檢索方法，其特征在于，還包括對(duì)音樂(lè)指紋索引中構(gòu)建的哈希表進(jìn)行剪枝。

8.一種基于音樂(lè)指紋特征的音樂(lè)檢索系統(tǒng)，其特征在于，包括：

音樂(lè)指紋索引模塊，用于對(duì)輸入的音頻信號(hào)進(jìn)行預(yù)處理獲取音頻頻譜圖，在頻譜圖內(nèi)選取第一錨點(diǎn)、第二錨塊和第三錨塊進(jìn)行組合，得到指紋并將其插入到哈希表內(nèi)，記錄該指紋出現(xiàn)的歌曲ID和在歌曲內(nèi)的位置；

音樂(lè)檢索模塊，用于提取待檢索音樂(lè)片段的指紋序列，通過(guò)查找哈希表得到各指紋對(duì)應(yīng)的歌曲ID和歌曲位置鏈表，構(gòu)建歌曲ID與指紋對(duì)應(yīng)的匹配表，將匹配表內(nèi)重復(fù)最多的歌曲內(nèi)位置作為命中數(shù)，將命中數(shù)最多的歌曲作為檢索結(jié)果；

所述音樂(lè)指紋索引模塊還包括第一錨點(diǎn)選取模塊、第二錨塊選取模塊和第三錨塊選取模塊；

所述第一錨點(diǎn)選取模塊，是將頻譜圖切分為M×N塊，其中M是指將頻譜圖縱向頻域均勻劃分為M個(gè)頻帶，每個(gè)頻帶為a個(gè)點(diǎn)；N是指將頻譜圖橫向時(shí)域以步長(zhǎng)b為單位切割為N個(gè)部分；

在每塊中選取一個(gè)幅值最大的點(diǎn)最為第一錨點(diǎn)，并將第一錨點(diǎn)附近R*R的區(qū)域內(nèi)的點(diǎn)賦值為0；

所述第二錨塊選取模塊，是以第一錨點(diǎn)為起點(diǎn)，在時(shí)移b幀后的矩形區(qū)域內(nèi)搜索第二錨塊；將該矩形區(qū)域劃分為X個(gè)3*3小塊，在每個(gè)3*3小塊內(nèi)選擇最大的幅值作為該3*3小塊的小塊代表值，在該矩形區(qū)域內(nèi)選擇小塊代表值最大的3*3小塊的作為第二錨塊，并以第二錨塊為中心將R*R的區(qū)域內(nèi)的點(diǎn)賦值為0；

所述第三錨塊選取模塊，是以第一錨點(diǎn)為起點(diǎn)，在時(shí)移b幀后的矩形區(qū)域內(nèi)搜索第三錨塊；將該矩形區(qū)域劃分為Y個(gè)小矩形區(qū)域，每個(gè)小矩形區(qū)域劃分為y個(gè)2*2小塊；在每個(gè)2*2小塊內(nèi)選擇最大的幅值作為該2*2小塊的小塊代表值，在小矩形區(qū)域內(nèi)選取出幅值最大的2*2小塊，在大矩形內(nèi)選擇Z個(gè)2*2小塊。