[發(fā)明專利]聲音識別方法、交互方法、聲音識別系統(tǒng)、計算機(jī)可讀存儲介質(zhì)及可移動平臺在審
| 申請?zhí)枺?/td> | 201980009292.6 | 申請日： | 2019-05-15 |
| 公開（公告）號： | CN111684522A | 公開（公告）日： | 2020-09-18 |
| 發(fā)明（設(shè)計）人： | 吳俊峰;趙文泉;李皓宇;周事成;吳晟 | 申請（專利權(quán)）人： | 深圳市大疆創(chuàng)新科技有限公司 |
| 主分類號： | G10L25/51 | 分類號： | G10L25/51;G10L25/03 |
| 代理公司： | 北京博思佳知識產(chǎn)權(quán)代理有限公司 11415 | 代理人： | 艾佳 |
| 地址： | 518057 廣東省深圳市南山區(qū)高*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 聲音 識別 方法 交互 系統(tǒng) 計算機(jī) 可讀 存儲 介質(zhì) 移動 平臺 | ||
1.一種聲音識別方法，用于識別拍擊聲音，其特征在于，所述聲音識別方法包括：
獲取待識別聲音信號的至少一個聲音片段和所述聲音片段的第一特征信息，所述第一特征信息為所述聲音片段的能量值，若所述聲音片段的中部區(qū)域的能量值大于能量閾值，則從所述聲音片段中提取第二特征信息；及
根據(jù)至少一個所述聲音片段的所述第二特征信息，識別所述待識別聲音信號是否包括拍擊聲音。
2.根據(jù)權(quán)利要求1所述的聲音識別方法，其特征在于，所述若所述聲音片段的中部區(qū)域的能量值大于能量閾值，則從所述聲音片段中提取第二特征信息，包括：
對所述待識別聲音信號進(jìn)行分幀加窗處理，得到所述待識別聲音信號對應(yīng)的多個聲音幀；
若所述聲音片段對應(yīng)的多個所述聲音幀的中部區(qū)域的聲音幀的所述能量值大于所述能量閾值，則從所述聲音片段中提取所述第二特征信息。
3.根據(jù)權(quán)利要求2所述的聲音識別方法，其特征在于，所述能量值包括所述聲音幀的頻譜值，所述若所述聲音片段對應(yīng)的多個所述聲音幀的中部區(qū)域的聲音幀的所述能量值大于所述能量閾值，則從所述聲音片段中提取所述第二特征信息，包括：
對多個所述聲音幀進(jìn)行快速傅里葉變換，獲得多個所述聲音幀的頻譜值；
若所述聲音片段對應(yīng)的多個所述聲音幀的中部區(qū)域的聲音幀的所述頻譜值大于所述能量閾值，則從所述聲音片段中提取所述第二特征信息。
4.根據(jù)權(quán)利要求3所述的聲音識別方法，其特征在于，所述窗口能夠在多個所述聲音幀之間順次滑動，所述若所述聲音片段對應(yīng)的多個所述聲音幀的中部區(qū)域的聲音幀的所述頻譜值大于所述能量閾值，則從所述聲音片段中提取所述第二特征信息，包括：
若所述窗口的中部區(qū)域的聲音幀的頻譜值大于能量閾值，產(chǎn)生觸發(fā)信號；
當(dāng)所述窗口順次滑動過若干個所述聲音幀時，若連續(xù)產(chǎn)生的觸發(fā)信號的數(shù)目達(dá)到觸發(fā)數(shù)目閾值，則從聲音片段中提取第二特征信息。
5.根據(jù)權(quán)利要求3所述的聲音識別方法，其特征在于，所述窗口能夠在多個所述聲音幀之間順次滑動，所述若所述聲音片段對應(yīng)的多個所述聲音幀的中部區(qū)域的聲音幀的所述頻譜值大于所述能量閾值，則從所述聲音片段中提取所述第二特征信息，包括：
當(dāng)所述窗口的中部區(qū)域的聲音幀的頻譜值大于第一能量值，所述窗口的兩端區(qū)域的聲音幀的頻譜值小于第二能量值時，產(chǎn)生觸發(fā)信號，其中，所述第一能量值大于第二能量值；
當(dāng)所述窗口順次滑動過若干個所述聲音幀時，若連續(xù)產(chǎn)生的所述觸發(fā)信號的數(shù)目達(dá)到觸發(fā)數(shù)目閾值，則從所述聲音片段中提取所述第二特征信息。
6.根據(jù)權(quán)利要求1所述的聲音識別方法，其特征在于，所述根據(jù)至少一個所述聲音片段的所述第二特征信息，識別所述待識別聲音信號是否包括拍擊聲音，包括：
將所述第二特征信息輸入識別模型中進(jìn)行識別，以識別所述待識別聲音信號是否包括拍擊聲音。
7.根據(jù)權(quán)利要求6所述的聲音識別方法，其特征在于，所述第二特征信息包括聲學(xué)特征，所述聲學(xué)特征包括梅爾頻率倒譜系數(shù)特征、線性預(yù)測系數(shù)特征、Filterbank特征、瓶頸特征中的至少一種。
8.根據(jù)權(quán)利要求6所述的聲音識別方法，其特征在于，所述識別模型包括多種聲音類別，所述將所述第二特征信息輸入識別模型中進(jìn)行識別，以識別所述待識別聲音信號是否包括拍擊聲音，包括：
分別確定所述第二特征信息與多種所述聲音類別的特征信息的似然度；
對所述似然度進(jìn)行排序，將所述似然度最高的聲音類別確定為所述聲音片段的類別，以識別所述待識別聲音信號是否包括拍擊聲音。
9.根據(jù)權(quán)利要求8所述的聲音識別方法，其特征在于，所述聲音類別包括拍擊聲音類別和非拍擊聲音類別。
10.根據(jù)權(quán)利要求9所述的聲音識別方法，其特征在于，所述拍擊聲音類別包括至少兩種表示不同連續(xù)拍擊次數(shù)的拍擊聲音類別。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳市大疆創(chuàng)新科技有限公司，未經(jīng)深圳市大疆創(chuàng)新科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201980009292.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
