[發(fā)明專利]一種音頻數(shù)據(jù)分類方法及裝置

在審

• 申請?zhí)枺?/td>: 201410817745.7
• 申請日: 2014-12-24
• 公開（公告）號: CN104462537A
• 公開（公告）日: 2015-03-25
• 發(fā)明（設(shè)計）人: 楊曉昊
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 馬敬;項京

技術(shù)領(lǐng)域

本發(fā)明涉及多媒體數(shù)據(jù)處理技術(shù)領(lǐng)域，特別是涉及一種音頻數(shù)據(jù)分類方法及裝置。

背景技術(shù)

隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,音頻數(shù)據(jù)成指數(shù)級增長，相應(yīng)地，互聯(lián)網(wǎng)上也出現(xiàn)了大量的音頻數(shù)據(jù)信息，這些信息被廣泛應(yīng)用于教育、娛樂、新聞、廣告等多個領(lǐng)域,成為人們?nèi)粘Ｉ畹闹匾M成部分。因此，如何對這些音頻數(shù)據(jù)進行分類是一個亟待解決的問題。

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

發(fā)明內(nèi)容

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

一種音頻數(shù)據(jù)分類方法，應(yīng)用于電子設(shè)備，包括：

獲得待識別類別的第一音頻數(shù)據(jù)；

按照預(yù)設(shè)的加窗算法，在所述第一音頻數(shù)據(jù)的音頻時間軸上進行加窗；

對每個窗內(nèi)的音頻數(shù)據(jù)提取一個MFCC特征向量；

按照預(yù)設(shè)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(yīng)一個第一特征值；

按照預(yù)設(shè)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(shù)據(jù)的第一直方圖；

將所述第一直方圖與預(yù)設(shè)的各個音頻類別的音頻數(shù)據(jù)對應(yīng)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(yīng)的音頻類別識別為所述第一音頻數(shù)據(jù)的音頻類別。

在本發(fā)明的一種具體實施方式中，所述按照預(yù)設(shè)的加窗算法，在所述第一音頻數(shù)據(jù)的音頻時間軸上進行加窗的步驟，包括：

將所述第一音頻數(shù)據(jù)按預(yù)設(shè)時間段劃分為音頻幀；

對所述音頻幀進行加窗。

在本發(fā)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(fā)明的一種具體實施方式中，所述按照預(yù)設(shè)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(shù)據(jù)的第一直方圖包括：

將所述第一特征值映射到預(yù)設(shè)的第一數(shù)值區(qū)間內(nèi)的各個數(shù)值上；

以所述預(yù)設(shè)的第一數(shù)值區(qū)間為橫軸，以所述第一數(shù)值區(qū)間的各個數(shù)值對應(yīng)的第一特征值數(shù)占第一特征值總數(shù)的百分比為縱軸計算得到所述第一音頻數(shù)據(jù)的第一直方圖。

在本發(fā)明的一種具體實施方式中，所述預(yù)設(shè)的各個音頻類別的音頻數(shù)據(jù)對應(yīng)的直方圖特征模板，是預(yù)先通過音頻數(shù)據(jù)訓(xùn)練獲得的，一種音頻數(shù)據(jù)訓(xùn)練方法包括：

獲得有類別標注的音頻數(shù)據(jù)樣本；

按照所述預(yù)設(shè)的加窗算法，在所述有類別標注的音頻數(shù)據(jù)樣本的音頻時間軸上進行加窗；

對每個窗內(nèi)的音頻數(shù)據(jù)提取一個MFCC特征向量；

按照所述預(yù)設(shè)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(yīng)一個第二特征值；

按照所述預(yù)設(shè)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(shù)據(jù)樣本的直方圖；

根據(jù)音頻數(shù)據(jù)樣本的類別標注，對具有相同音頻類別的音頻數(shù)據(jù)樣本的直方圖求平均，得到各個音頻類別的音頻數(shù)據(jù)對應(yīng)的直方圖特征模板。

在本發(fā)明的一種具體實施方式中，所述按照所述預(yù)設(shè)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(shù)據(jù)樣本的直方圖包括：

將所述第二特征值映射到預(yù)設(shè)的第二數(shù)值區(qū)間內(nèi)的各個數(shù)值上；

以所述預(yù)設(shè)的第二數(shù)值區(qū)間為橫軸，以所述第二數(shù)值區(qū)間的各個數(shù)值對應(yīng)的第二特征值數(shù)占第二特征值總數(shù)的百分比為縱軸計算得到所述有類別標注的音頻數(shù)據(jù)樣本的直方圖。

在本發(fā)明的一種具體實施方式中，所述根據(jù)音頻數(shù)據(jù)樣本的類別標注，對具有相同音頻類別的音頻數(shù)據(jù)樣本的直方圖求平均，得到各個音頻類別的音頻數(shù)據(jù)對應(yīng)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(shù)據(jù)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(shù)據(jù)樣本的直方圖進行分類；