[发明专利]音频事件检测方法、装置及计算机可读存储介质

说明书

本发明公开了一种音频事件检测方法、装置及计算机可读存储介质，该方法包括：利用从分帧处理得到的各时刻的音频数据中分别提取指定特征向量输入训练得到的RNN/BI‑RNN模型中，以实现音频事件的检测。使用训练得到的RNN/BI‑RNN模型对音频事件进行检测，由于RNN模型在进行音频事件检测时除了使用当前时刻的信息，还将使用当前时刻之前时刻的信息，且BI‑RNN模型除了使用当前时刻的信息和当前时刻之前时刻的信息以外，还将使用当前时刻之后时刻的信息，因此，RNN/BI‑RNN模型的学习能力相对于GMM和SVM更强，使用具有更强学习能力的RNN/BI‑RNN模型对音频事件进行检测，具有更优的检测效果。

技术领域

本发明涉及音频检测技术领域，尤其涉及一种音频事件检测方法、装置及计算机可读存储介质。

背景技术

当今世界正处在信息爆炸的时代，信息正在以指数级的速度增长。多媒体技术和互联网技术的不断发展，使得对海量多媒体数据进行自动分析处理的必要性大大提高，且通过对多媒体数据进行分析，能够有效的满足用户的需求。例如，针对体育比赛来说，通过对喝彩声，鼓掌声、欢呼声、笑声之类的音频事件的检测，来在体育比赛的音频中提取精彩场景，使得用户能够更便捷的找到自己感兴趣的片段。

目前，常用的音频事件的检测方法包括：基于高斯混合模型(Gaussian MixtureModel，GMM)检测音频中的音频事件，及使用支持向量机(Support Vector Machine，SVM)检测音频中的音频事件。然而，这两种方法的学习能力不强，当音频较为复杂或者包含的音频事件较多时，检测效果不佳。

发明内容

本发明的主要目的在于提供一种音频事件检测方法、装置及计算机可读存储介质，旨在解决现有技术中利用GMM和SVM检测音频中的音频事件时，由于GMM和SVM的学习能力不强，带来的检测效果不佳的技术问题。

为实现上述目的，本发明第一方面提供一种音频事件检测方法，包括：

对待检测的音频进行分帧处理，并从分帧处理得到的各时刻的音频数据中分别提取指定特征向量；

将所述各时刻的音频数据的指定特征向量输入训练得到的RNN/BI-RNN模型中，得到所述各时刻的音频数据中各音频事件的后验概率，所述RNN/BI-RNN是基于训练音频及预置的所述各音频事件训练得到的；

根据所述各时刻的音频数据中各音频事件的后验概率及预置的音频解码算法，从所述各时刻的音频数据中检测音频事件的最佳音频数据序列。

为实现上述目的，本发明第二方面提供一种音频事件检测装置，包括：

第一分帧提取模块，用于对待检测的音频进行分帧处理，并从分帧处理得到的各时刻的音频数据中分别提取指定特征向量；

输入模块，用于将所述各时刻的音频数据的指定特征向量输入训练得到的RNN/BI-RNN模型中，得到所述各时刻的音频数据中各音频事件的后验概率，所述RNN/BI-RNN是基于训练音频及预置的所述各音频事件训练得到的；

检测模块，用于根据所述各时刻的音频数据中各音频事件的后验概率及预置的音频解码算法，从所述各时刻的音频数据中检测音频事件的最佳音频数据序列。

为实现上述目的，本发明第三方面提供一种终端设备，包括：存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如本发明实施例第一方面提供的音频事件检测方法中的各个步骤。

为实现上述目的，本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明第一方面音频事件检测方法中的各个步骤。