[发明专利]基于音频的广告检测方法以及装置

权利要求书

1.一种基于音频的广告检测方法，其特征在于，所述方法包括：

获取多媒体信息中的音频信息作为待处理音频信息，并对所述待处理音频信息进行分片处理，形成多个音频单元；

对于每一所述音频单元，获取该所述音频单元的语音信号学特征；

根据各所述音频单元的语音信号学特征将各所述音频单元分类至正常音频单元集合或者广告音频单元集合；

将所述广告音频单元集合中的各音频单元作为存疑音频单元，并对各所述存疑音频单元进行语音识别，获取对应的文本信息；

检测各所述文本信息中是否包含广告关键字，并在检测到所述文本信息中包含广告关键字时，确定该所述文本信息对应的音频单元包含广告；

将对各所述音频单元的检测结果进行分析并输出，以确定广告的位置。

2.根据权利要求1所述的基于音频的广告检测方法，其特征在于，获取多媒体信息中的音频信息作为待处理音频信息，包括：

如果所述多媒体信息为音频信息，则将所述多媒体信息作为所述待处理音频信息；

如果所述多媒体信息为视频信息，则从所述多媒体信息中分离出音频信息作为所述待处理音频信息。

3.根据权利要求1所述的基于音频的广告检测方法，其特征在于，所述根据各所述音频单元的语音信号学特征将各所述音频单元分类至正常音频单元集合或者广告音频单元集合，包括：

获取多个被预先标记为属于所述正常音频单元或者所述广告音频单元的样本音频单元；

将多个样本音频单元输入至一分类器模型进行训练，获取用于分割所述正常音频单元和所述广告音频单元分类超平面；

根据各所述音频单元的语音信号学特征计算各所述音频单元到所述分类超平面的距离；

根据各所述音频单元到所述分类超平面的距离，将各所述音频单元分类至正常音频单元集合或者广告音频单元集合。

4.根据权利要求3所述的基于音频的广告检测方法，其特征在于，所述语音信号学特征包括：过零率特征、子带能量特征、能量熵特征、光谱质心特征、扩展光谱特征、光谱熵特征、光谱通量特征、光谱滚边特征、梅尔倒谱系数特征、色度向量特征以及色度偏差特征中的一种或多种。

5.根据权利要求3所述的基于音频的广告检测方法，其特征在于，所述根据各所述音频单元的语音信号学特征计算各所述音频单元到所述分类超平面的距离，包括：

对于一所述音频单元，计算其每一语音信号学特征对应的特征向量到所述分类超平面的距离；

计算各所述距离的平均值，并将所述平均值作为该所述音频单元到所述分类超平面的距离。

6.根据权利要求3所述的基于音频的广告检测方法，其特征在于，所述分类器模型包括支持向量机模型。

7.根据权利要求1所述的基于音频的广告检测方法，其特征在于，对各所述存疑音频单元进行语音识别包括：

通过深度神经网络模型、隐马尔科夫模型、高斯混合模型中的一种或多种模型，对各所述存疑音频单元进行语音识别。

8.一种基于音频的广告检测装置，其特征在于，所述装置包括：

音频切分模块，用于获取多媒体信息中的音频信息作为待处理音频信息，并对所述待处理音频信息进行分片处理，形成多个音频单元；

特征提取模块，用于对于每一所述音频单元，获取该所述音频单元的语音信号学特征；

初步分类模块，用于根据各所述音频单元的语音信号学特征将各所述音频单元分类至正常音频单元集合或者广告音频单元集合；

语音识别模块，用于将所述广告音频单元集合中的各音频单元作为存疑音频单元，并对各所述存疑音频单元进行语音识别，获取对应的文本信息；

关键词检测模块，用于检测各所述文本信息中是否包含广告关键字，并在检测到所述文本信息中包含广告关键字时，确定该所述文本信息对应的音频单元包含广告；

结果输出模块，用于将对各所述音频单元的检测结果进行分析并输出，以确定广告的位置。