[发明专利]用于输出信息的方法和装置

权利要求书

1.一种用于输出信息的方法，包括：

获取待处理的音频的语谱图；

将所述语谱图进行二值化处理，得到二值化图像；

从所述二值化图像中确定出与预设的模板图像匹配的目标区域，其中，所述模板图像是由模板语谱图通过二值化处理得到的，图像匹配包括以灰度为基础的匹配和/或以特征为基础的匹配，特征包括以下至少一项：颜色特征、纹理特征、形状特征、空间位置特征；

输出所述目标区域对应的时间区间；

其中，所述从所述二值化图像中确定出与预设的模板图像匹配的目标区域，包括：

从所述二值化图像中确定出与预设的模板图像之间像素值的相似度大于预定相似度阈值的区域作为候选区域；

从所述候选区域中提取出特征向量；

将所述特征向量输入预设的分类器，输出所述特征向量属于预定类别的概率；

响应于确定出输出的所述特征向量属于预定类别的概率大于预定概率阈值，将所述候选区域确定为目标区域。

2.根据权利要求1所述的方法，其中，所述从所述二值化图像中确定出与预设的模板图像匹配的目标区域，包括：

从所述二值化图像中确定出与预设的模板图像之间汉明距离小于预定距离阈值的区域作为目标区域。

3.根据权利要求1所述的方法，其中，所述从所述二值化图像中确定出与预设的模板图像匹配的目标区域，包括：

从所述二值化图像中确定出与预设的模板图像之间的余弦相似度大于预定余弦相似度阈值的区域作为目标区域。

4.根据权利要求1所述的方法，其中，所述从所述候选区域中提取出特征向量，包括：

从所述候选区域的纵坐标的频率区间范围内选取至少一个预定的频率作为特征频率；

对于选取出的特征频率中的每个特征频率，将所述候选区域中该特征频率对应的像素点的像素值累加作为该特征频率的特征值；

根据各特征频率的特征值生成特征向量。

5.根据权利要求1-4之一所述的方法，其中，所述方法还包括：

将在所述时间区间范围内的音频片段从所述音频中删除。

6.一种用于输出信息的装置，包括：

获取单元，配置用于获取待处理的音频的语谱图；

处理单元，配置用于将所述语谱图进行二值化处理，得到二值化图像；

匹配单元，配置用于从所述二值化图像中确定出与预设的模板图像匹配的目标区域，其中，所述模板图像是由模板语谱图通过二值化处理得到的，图像匹配包括以灰度为基础的匹配和/或以特征为基础的匹配，特征包括以下至少一项：颜色特征、纹理特征、形状特征、空间位置特征；

输出单元，配置用于输出所述目标区域对应的时间区间；

其中，所述匹配单元进一步配置用于：

从所述二值化图像中确定出与预设的模板图像之间像素值的相似度大于预定相似度阈值的区域作为候选区域；

从所述候选区域中提取出特征向量；

将所述特征向量输入预设的分类器，输出所述特征向量属于预定类别的概率；

响应于确定出输出的所述特征向量属于预定类别的概率大于预定概率阈值，将所述候选区域确定为目标区域。

7.根据权利要求6所述的装置，其中，所述匹配单元进一步配置用于：

从所述二值化图像中确定出与预设的模板图像之间汉明距离小于预定距离阈值的区域作为目标区域。

8.根据权利要求6所述的装置，其中，所述匹配单元进一步配置用于：

从所述二值化图像中确定出与预设的模板图像之间的余弦相似度大于预定余弦相似度阈值的区域作为目标区域。

9.根据权利要求6所述的装置，其中，所述匹配单元进一步配置用于：

从所述候选区域的纵坐标的频率区间范围内选取至少一个预定的频率作为特征频率；

对于选取出的特征频率中的每个特征频率，将所述候选区域中该特征频率对应的像素点的像素值累加作为该特征频率的特征值；

根据各特征频率的特征值生成特征向量。