[发明专利]基于深度学习的语音活体检测方法、服务器及存储介质

权利要求书

1.一种基于深度学习的语音活体检测方法，应用于服务器，其特征在于，所述方法包括以下步骤：

对深度神经网络模型进行训练以获得最优深度神经网络模型；

获取待检测语音并对所述待检测语音进行分帧，得到1000*20维矩阵；

将所述1000*20维矩阵输入到所述最优深度神经网络模型；

利用所述最优深度神经网络模型对所述1000*20维矩阵进行计算以得到1*4维输出向量，所述1*4维输出向量代表了4种语音类别；及

选择所述1*4维输出向量中数值最大的一类作为所述待检测语音的类别。

2.如权利要求1所述的基于深度学习的语音活体检测方法，其特征在于，所述对深度神经网络模型进行训练以获得最优深度神经网络模型的步骤包括：

对训练语音进行分帧，将每1000帧作为一个样本；

对每一个样本进行类别标识；及

将标识后的所述样本作为所述深度神经网络模型的训练样本。

3.如权利要求1所述的基于深度学习的语音活体检测方法，其特征在于，所述获取待检测语音并对所述待检测语音进行分帧，得到1000*20维矩阵的步骤具体包括：

对所述待检测语音进行分帧后，提取1000帧并分别计算20维MFCC特征；及

依据所述1000帧的20维MFCC生成所述1000*20维矩阵。

4.如权利要求1所述的基于深度学习的语音活体检测方法，其特征在于，所述利用所述最优深度神经网络模型对所述1000*20维矩阵进行计算以得到1*4维输出向量的步骤包括：

在第一层用1000*20卷积核对输入特征进行卷积；

在第二到四层，采用1*1的卷积核进行卷积，并使用LeakyReLU激活函数；

在第五层进行池化，对2*2核范围进行提取最大值；

在第六层进行展平；

在第七层对所述第六层进行降维，获得输出Out7；及

在第七层以所述Out7输入，用softmax激活函数，输出为1*4向量，作为检测结果。

5.如权利要求1-4任一项所述的基于深度学习的语音活体检测方法，其特征在于，所述1*4维输出向量为0～1范围内的数值。

6.一种服务器，其特征在于，所述服务器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的基于深度学习的语音活体检测程序，所述基于深度学习的语音活体检测程序被所述处理器执行时实现如下步骤：

对深度神经网络模型进行训练以获得最优深度神经网络模型；

获取待检测语音并对所述待检测语音进行分帧，得到1000*20维矩阵；

将所述1000*20维矩阵输入到所述最优深度神经网络模型；

利用所述最优深度神经网络模型对所述1000*20维矩阵进行计算以得到1*4维输出向量，所述1*4维输出向量代表了4种语音类别；及

选择所述1*4维输出向量中数值最大的一类作为所述待检测语音的类别。

7.如权利要求6所述的服务器，其特征在于，所述基于深度学习的语音活体检测程序被所述处理器执行时，所述对深度神经网络模型进行训练以获得最优深度神经网络模型的步骤包括：

对训练语音进行分帧，将每1000帧作为一个样本；

对每一个样本进行类别标识；及

将标识后的所述样本作为所述深度神经网络模型的训练样本。

8.如权利要求6所述的服务器，其特征在于，所述基于深度学习的语音活体检测程序被所述处理器执行时，所述获取待检测语音并对所述待检测语音进行分帧，得到1000*20维矩阵的步骤具体包括：

对所述待检测语音进行分帧后，提取1000帧并分别计算20维MFCC特征；及

依据所述1000帧的20维MFCC生成所述1000*20维矩阵。