[發明專利]一種音頻數據分類方法及裝置

在審

• 申請號: 201410817745.7
• 申請日: 2014-12-24
• 公開（公告）號: CN104462537A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 楊曉昊
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

技術領域

本發明涉及多媒體數據處理技術領域，特別是涉及一種音頻數據分類方法及裝置。

背景技術

隨著多媒體技術和網絡技術的飛速發展,音頻數據成指數級增長，相應地，互聯網上也出現了大量的音頻數據信息，這些信息被廣泛應用于教育、娛樂、新聞、廣告等多個領域,成為人們日常生活的重要組成部分。因此，如何對這些音頻數據進行分類是一個亟待解決的問題。

目前，現有技術中首先對音頻數據進行特征向量提取，然后基于GMM模型對音頻數據進行分類。由于提取的特征向量的維數通常為39維或以上，所以在GMM模型框架下由特征向量訓練得到GMM模型時需要大量的有標注的數據，而這種有標注的數據要消耗大量人力，實際獲得的數據量比較少，這就會帶來數據稀疏的問題，音頻數據分類的準確度不高。另外，由于特征向量的維數較高，相應的上述訓練過程的計算量較大，所以訓練過程緩慢，音頻數據分類的速度較低。

發明內容

本發明實施例的目的在于提供一種音頻數據分類方法及裝置，以提高音頻數據分類的準確度和速度。具體技術方案如下：

一種音頻數據分類方法，應用于電子設備，包括：

獲得待識別類別的第一音頻數據；

按照預設的加窗算法，在所述第一音頻數據的音頻時間軸上進行加窗；

對每個窗內的音頻數據提取一個MFCC特征向量；

按照預設的矢量量化算法，將提取出的所有的MFCC特征向量分別量化為一維的第一特征值；其中，每個MFCC特征向量對應一個第一特征值；

按照預設的直方圖繪制算法，對所有的第一特征值進行計算，得到所述第一音頻數據的第一直方圖；

將所述第一直方圖與預設的各個音頻類別的音頻數據對應的直方圖特征模板進行相似度計算，得到與所述第一直方圖相似度最大的第一直方圖特征模板；

將所述第一直方圖特征模板對應的音頻類別識別為所述第一音頻數據的音頻類別。

在本發明的一種具體實施方式中，所述按照預設的加窗算法，在所述第一音頻數據的音頻時間軸上進行加窗的步驟，包括：

將所述第一音頻數據按預設時間段劃分為音頻幀；

對所述音頻幀進行加窗。

在本發明的一種具體實施方式中，所述窗具體為矩形窗或漢明窗。

在本發明的一種具體實施方式中，所述按照預設的直方圖繪制算法，對所有的第一特征值進行計算，得到所述第一音頻數據的第一直方圖包括：

將所述第一特征值映射到預設的第一數值區間內的各個數值上；

以所述預設的第一數值區間為橫軸，以所述第一數值區間的各個數值對應的第一特征值數占第一特征值總數的百分比為縱軸計算得到所述第一音頻數據的第一直方圖。

在本發明的一種具體實施方式中，所述預設的各個音頻類別的音頻數據對應的直方圖特征模板，是預先通過音頻數據訓練獲得的，一種音頻數據訓練方法包括：

獲得有類別標注的音頻數據樣本；

按照所述預設的加窗算法，在所述有類別標注的音頻數據樣本的音頻時間軸上進行加窗；

對每個窗內的音頻數據提取一個MFCC特征向量；

按照所述預設的矢量量化算法，將提取出的所有的所述MFCC特征向量量化為一維的第二特征值；其中，每個MFCC特征向量對應一個第二特征值；

按照所述預設的直方圖繪制算法，對所有的第二特征值進行計算，得到所述有類別標注的音頻數據樣本的直方圖；

根據音頻數據樣本的類別標注，對具有相同音頻類別的音頻數據樣本的直方圖求平均，得到各個音頻類別的音頻數據對應的直方圖特征模板。

在本發明的一種具體實施方式中，所述按照所述預設的直方圖繪制算法，對所有的第二特征值進行計算，得到所述有類別標注的音頻數據樣本的直方圖包括：

將所述第二特征值映射到預設的第二數值區間內的各個數值上；

以所述預設的第二數值區間為橫軸，以所述第二數值區間的各個數值對應的第二特征值數占第二特征值總數的百分比為縱軸計算得到所述有類別標注的音頻數據樣本的直方圖。

在本發明的一種具體實施方式中，所述根據音頻數據樣本的類別標注，對具有相同音頻類別的音頻數據樣本的直方圖求平均，得到各個音頻類別的音頻數據對應的直方圖特征模板，包括以下步驟：

獲得所有的計算所得的所述有類別標注的音頻數據樣本的直方圖；

將所述獲得的所有的計算所得的所述有類別標注的音頻數據樣本的直方圖進行分類；