[发明专利]基于音频的广告检测方法以及装置

说明书

本发明是关于一种基于音频的广告检测方法、装置、电子设备以及存储介质。该方法包括：对待处理音频信息进行分片处理，形成多个音频单元；对于每一音频单元，获取该音频单元的语音信号学特征并据以分类至正常音频单元集合或者广告音频单元集合；将广告音频单元集合中的各音频单元作为存疑音频单元，并对各存疑音频单元进行语音识别，获取对应的文本信息；检测各文本信息中是否包含广告关键字，并在检测到文本信息中包含广告关键字时，确定该文本信息对应的音频单元包含广告；将对各音频单元的检测结果进行分析并输出，以确定广告的位置。本发明可以提高广告检测的准确性。

技术领域

本发明涉及语音识别技术领域，具体而言，涉及一种基于音频的广告检测方法、装置、电子设备以及计算机可读存储介质。

背景技术

随着科学技术和信息技术的进步，特别是计算机技术、网络技术和大容量存储技术的不断发展，人们已经运用各种手段大量的采集和生产了各种类型的多媒体信息数据，例如视频信息以及音频信息等。多媒体信息数据已成为信息高速公路上传输数据的主要组成部分。

在浩如烟海的多媒体信息数据中，不可避免的存在大量的广告信息。广告的受众可以分为一般观众群体、广告公司和监测机构，不同的人群对广告内容的需求不尽相同。对于观众来说，一方面广告影响了多媒体信息的播放，扰乱了人们正常地观看收听模式。对于监测机构而言，往往需要实时监测广告，保留违法的证据与信息用以查处违反国家政策法规的公司与个人，维护社会的正常秩序。

尤其对于如快手APP、抖音APP、喜马拉雅FM等每天产生海量多媒体信息数据的应用程序而言，如果对广告的检测工作完全通过人工来完成，需耗费大量的人力和时间。

在现有技术中，围绕广告检测这个主题，现有技术中已经有一些专利申请进行了有益的尝试，比如：

申请号为CN201410651416.X的专利申请公开了一种广告检测方法及系统，在播放设备检测到视频播放时，根据预设的帧算法获取当前播放视频中在预设的滑动窗口阈值内所有相邻两帧图像的视频跳变帧阈值及每相邻两帧图像的直方图平方差，再获取当前播放视频中的静音时间段；将当前播放视频中每相邻两帧图像的直方图平方差与所述视频跳变帧阈值进行比较，并判断静音时间段是否在预设的指定静音间隔阈值范围内；当当前播放视频中相邻两帧图像的直方图平方差大于视频跳变帧阈值，且静音时间段在指定静音间隔阈值范围内，则判定为广告播放。该专利申请虽然在一定程度上实现了对广告在视频中穿插位置的检测，但存在计算量大，效率较低的问题。

申请号为CN201110335633.4的专利申请公开了一种基于显式共享子空间的视频广告检测方法，首先将镜头分割成语义镜头序列，提取出其中的关键帧，得到视觉特征和音频特征，进而得到显式共享子空间和两者构成的映射矩阵的特征值；然后通过选取指定的映射矩阵的特征值在显式共享子空间中对应的向量，求得视觉特征映射矩阵和音频特征映射矩阵；实现降维和特征融合操作；将特征融合得到的矩阵输入到支持向量机中进行训练，得到最优分类模型后，用其对待检测镜头进行初步判断，最后通过后处理步骤最终确定待检测镜头是否为广告镜头，但该专利申请同样存在计算量大，效率较低的问题。

申请号为CN201610184104.1的专利申请公开了一种数字电视广告识别方法及系统，在用户观看电视节目时，控制数字电视终端采集用户的观看数据和操作行为，并上传至预设的广告识别服务器；获取所有电视节目的EPG信息，并提供给广告识别服务器；结合EPG信息，控制由广告识别服务器对观看数据和操作行为进行归集，将所有观看相同电视节目的数字电视终端归集到一组，并实时监控每一组中数字电视终端的操作行为；若同组的数字电视终端出现集中换台的操作行为，则将当前时刻识别为广告时间，向同组内所有数字电视终端按照设定措施，对广告时间进行处理。该专利申请虽然在一定程度上实现了对广告的检测，但应用范围局限较大，难以适用于海量的互联网多媒体信息。

因此，需要提供一种更加有效的广告识别方法，以至少能够解决上述一个或多个技术问题。