[发明专利]利用音频信号来识别内容的装置和方法

权利要求书

1.一种利用音频信号来识别内容的装置，包括：

疑问指纹提取部件，用于针对输入的音频信号，形成具有预设帧长度的帧，并针对各个帧生成基于帧的特征向量，从而提取出针对输入的音频信号的疑问指纹；

参考指纹数据库，用于存储待与所述疑问指纹相比较的参考指纹，以及与所述参考指纹相对应的内容信息片段；

指纹匹配部件，用于确定与所述疑问指纹相匹配的参考指纹；

其中疑问指纹提取部件形成部分区段中帧平移尺寸变化的帧，帧平移尺寸为相邻帧的起始点之间的间隔。

2.根据权利要求1所述的装置，其中所述帧平移尺寸短于所述帧长度，从而相邻的帧彼此覆盖。

3.根据权利要求1所述的装置，其中所述疑问指纹提取部件通过使得所述部分区段中的帧平移尺寸短于预设的帧平移尺寸而形成帧。

4.根据权利要求3所述的装置，其中所述疑问指纹提取部件基于预定的时间区段来确定所述部分区段。

5.根据权利要求3所述的装置，其中所述疑问指纹提取部件检测信噪比的值大于阈值的时间区段，并基于所检测到的时间区段确定所述部分区段。

6.根据权利要求4或5所述的装置，其中所述疑问指纹提取部件针对与所确定的所述部分区段相对应的各个帧生成基于帧的特征向量。

7.根据权利要求4或5所述的装置，其中所述疑问指纹提取部件基于与所述部分区段的起始位置和结束位置相对应的帧的基于帧的特征向量，针对待包括在所确定的所述部分区段中的各个帧生成基于帧的特征向量。

8.根据权利要求7所述的装置，其中：

与所述部分区段的起始位置相对应的帧为将该帧的起始位置作为最后位置的帧，且

与所述部分区段的结束位置相对应的帧为将该帧的结束位置作为第一位置的帧。

9.根据权利要求8所述的装置，生成与所述部分区段的起始位置和结束位置相对应的帧的基于帧的特征向量，基于所生成的基于帧的特征向量，利用线性插值生成针对待包括在所述部分区段中的各个帧的基于帧的特征向量。

10.根据权利要求8所述的装置，其中与所述部分区段的起始位置和结束位置相对应的各个帧的基于帧的特征向量生成为二进制数字形式，通过比较生成的二进制数字形式的基于帧的特征向量的各个比特位，以及通过将可能的二进制数字布置为不同的比特，来生成待包括在所述部分区段中的各个帧的基于帧的特征向量。

11.根据权利要求1所述的装置，其中所述指纹匹配部件包括：

第一匹配部件，用于通过确定包括基于帧的特征向量的参考指纹是否匹配构成了所述疑问指纹的基于帧的特征向量中的任何一个，以及通过将所确定的参考指纹的标识符包括在匹配候选组中，来执行初级匹配；以及

第二匹配部件，用于对与包括在所述匹配候选组中的标识符相对应的参考指纹执行次级匹配。

12.根据权利要求11所述的装置，其中所述第一匹配部件通过如下方式来确定包括基于帧的特征向量的参考指纹是否是匹配的参考指纹，所述参考指纹的基于帧的特征向量至构成所述疑问指纹的基于帧的特征向量中的任一个的汉明距离等于或小于阈值。

13.根据权利要求11所述的装置，所述第一匹配部件配置为，如果构成了所述疑问指纹的基于帧的特征向量顺序地与每个参考指纹的基于帧的特征向量比较后，检测到了匹配帧，则省略剩余帧的比较，并执行后续参考指纹的比较。

14.根据权利要求11所述的装置，其中所述第二匹配部件从构成疑问指纹的基于帧的特征向量来重新构造基于帧的特征指纹，排除掉除了与预设的帧平移尺寸相对应的帧之外的帧，并且将重新构造的基于帧的特征向量与所述参考指纹相比较。

15.根据权利要求1所述的装置，进一步包括识别结果提供部件，用于提供与指纹匹配部件所确定的参考指纹相对应的内容信息。

16.根据权利要求1所述的装置，其中利用了音频信号的所述内容识别装置包括在客户终端中。

17.根据权利要求16所述的装置，其中所述参考指纹数据库从参考指纹服务器接收参考指纹和内容信息，并存储参考指纹和内容信息。