[發明專利]一種多媒體播放設置自動調節方法及系統

有效

• 申請號: 201911152466.2
• 申請日: 2019-11-22
• 公開（公告）號: CN111027675B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 過潔;白晉斌;陳振宇;黃詩涵;胡育瑋;郭延文
• 申請（專利權）人: 南京大學
• 主分類號: G06N3/048
• 分類號: G06N3/048;G06N3/047;G06N3/08;G10L25/03;G10L25/24;G10L25/30;G10L25/51
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 馮艷芬

本發明公開了一種多媒體播放設置自動調節方法及系統，方法包括：當按照預設時間間隔或用戶操作錄制外界環境音頻信息，并發送至服務器端；服務器端從接收到的外界環境音頻信息中分別提取左聲道和右聲道的梅爾倒譜系數和恒定Q色度圖兩種特征，并將兩種特征結合后作為各聲道的音頻特征；服務器端將音頻特征輸入訓練好的深度神經網絡中，得到外界環境音頻信息對應的環境預測分類標簽，并發送至多媒體端；多媒體端判斷接收到的環境預測分類標簽是否與當前環境分類一致，若不一致，則從預設的設置表中查找與所述環境分類標簽對應的推薦播放設置，并按照查找到的推薦播放設置更新多媒體播放設備。本發明可以自動調節多媒體播放設置，更加智能，且調節方法更精確。

技術領域

本發明涉及智能終端應用，尤其涉及一種多媒體播放設置自動調節方法及系統。

背景技術

技術的進步和人們生活水平的不斷提高，使體積小巧、功能豐富的智能手機成為人們生活中必不可少的一部分。智能手機有著極其豐富的APP可以使用，這使得智能手機的應用非常廣泛；而其中，音樂播放就是智能手機最為重要的應用之一。而目前，當人們使用智能手機來播放音樂時，常常會遇到需要根據所處的場景來手動調節音量的問題。例如，當一個人用耳機聽著音樂從熱鬧的街道走進一家靜謐的書店，他必須手動將播放器的音量調小以讓耳朵感到舒適；當他從書店出來回到街道時，又需要手動將音量調高以適應街道上嘈雜的環境。這是一個影響播放體驗的令人不便的問題。

近年來，深度學習技術在語音識別、圖像識別、自然語言處理等領域取得了巨大成就。目前用于聲音識別的常用的機器學習算法為HMM(Hidden Markov Model，隱馬爾科夫模型)、GMM(Gaussian Mixture Model，高斯混合模型)、SVM(Support Vector Machine，支持向量機)和KNN(K-Nearest Network，K-近鄰網絡)。它們都是具有淺層結構的分類器，處理簡單問題或者完全約束的問題時有良好的效果。但是當處理復雜的自然信號如環境聲音、自然語言時，由于缺少對復雜信號的表達能力和建模能力，這些淺層模型往往不能滿足人們對識別性能的要求。深度學習中出現的諸如受限波爾茨曼機、CNN(ConvolutionalNeural Network，卷積神經網絡)等技術在圖像識別、語音識別領域取得的成功表明了其強大實力。

發明內容

發明目的：本發明針對現有技術存在的問題，提供一種多媒體播放設置自動調節方法及系統，在調節時中采用深度神經網絡預測外界環境，從而可以根據外界環境自動調節多媒體播放的設置，以適應當前外界環境，更加智能人性化，且調節結果更精確。

技術方案：本發明所述的多媒體播放設置自動調節方法包括：

當用戶將多媒體端設置為自動識別場景變化時，多媒體端實時監測外界環境聲音，按照預設時間間隔錄制外界環境音頻信息，并發送至服務器端；

當用戶將多媒體端設置為自主錄制時，在用戶的自主操作下錄制外界環境音頻信息，并發送至服務器端；

服務器端從接收到的外界環境音頻信息中分別提取左聲道和右聲道的梅爾倒譜系數和恒定Q色度圖兩種特征，并將兩種特征結合后作為各聲道的音頻特征；

服務器端將左聲道和右聲道的音頻特征輸入訓練好的深度神經網絡中，得到外界環境音頻信息對應的環境預測分類標簽，并發送至多媒體端；

多媒體端判斷接收到的環境預測分類標簽是否與當前環境分類一致，若不一致，則從預設的環境分類與推薦播放設置表中查找與所述環境分類標簽對應的推薦播放設置，并按照查找到的推薦播放設置更新多媒體播放設備。

進一步的，所述深度神經網絡的訓練過程為：

獲取多種外界環境的多個音頻信息；

從外界環境音頻信息中提取左聲道和右聲道的梅爾倒譜系數和恒定Q色度圖，并將兩者結合后作為各聲道的音頻特征；