[发明专利]音频数据的监控处理方法和系统

权利要求书

1.一种音频数据的监控处理方法，其特征在于，包括：

获取多个音频样本文件；

对所述多个音频样本文件进行预处理，并获取所述多个音频样本文件的标注信息，所述标注信息包括对应所述多个音频样本文件的多个场景信息；

根据预处理后的多个音频样本文件得到多个梅尔频率倒谱系数MFCC特征矩阵；

根据所述多个MFCC特征矩阵和所述场景信息采用预设框架进行训练得到音频场景识别预测模型；

获取监控音频数据，并使用音频场景预测模型对所述监控音频数据进行分析预测得到所述监控音频数据的场景信息；

其中，根据所述多个MFCC特征矩阵和所述多个场景信息采用所述预设框架进行训练得到所述音频场景识别预测模型，包括：

将所述多个MFCC特征矩阵和所述多个场景信息分为训练集和验证集；

根据所述训练集和预设训练参数采用tensorflow框架生成第一识别预测模型；

通过所述验证集验证所述第一识别预设模型是否符合预设标准；

如果所述第一识别预设模型不符合所述预设标准，则调整所述预设训练参数重新训练模型；

如果所述第一识别预设模型符合所述预设标准，则将所述第一识别预设模型作为所述音频场景识别预测模型；

其中，还包括：

根据所述MFCC特征矩阵和多个辅助信息采用所述tensorflow框架进行训练得到音频辅助识别预测模型；

当所述监控音频数据的场景信息满足预设敏感场景规则时，使用所述音频辅助识别预测模型对所述监控音频数据进行预测得到所述监控音频数据的辅助识别信息；

其中，所述标注信息还包括与所述多个音频样本文件对应的所述多个辅助信息。

2.根据权利要求1所述的音频数据的监控处理方法，所述多个辅助信息包括对应所述多个音频样本文件的多个生成时间、对应所述多个音频样本文件中多个人声性别信息、多个声纹特征信息和对应所述多个音频样本文件的多个情绪信息。

3.根据权利要求1所述的音频数据的监控处理方法，其特征在于，所述预处理包括降噪、滤波、声道转换以及类型转换中的至少一种。

4.一种音频数据的监控处理系统，其特征在于，包括：

获取模块，用于获取多个音频样本文件和监控音频数据，并获取所述多个音频样本文件的标注信息，其中，所述标注信息包括对应所述多个音频样本文件的多个场景信息；

预处理模块，用于对多个音频样本文件进行预处理；

特征矩阵生成模块，用于根据预处理后的多个音频样本文件得到多个梅尔频率倒谱系数MFCC特征矩阵；

模型训练模块，用于根据所述多个MFCC特征矩阵和所述场景信息采用预设框架进行训练得到音频场景识别预测模型；

控制模块，用于使用音频场景预测模型对所述监控音频数据进行分析预测得到所述监控音频数据的场景信息；

其中，所述模型训练模块用于将所述多个MFCC特征矩阵和所述多个场景信息分为训练集和验证集，并根据所述训练集和预设训练参数采用tensorflow框架生成第一识别预测模型，再通过所述验证集验证所述第一识别预设模型是否符合预设标准，如果所述第一识别预设模型不符合所述预设标准，则调整所述预设训练参数重新训练模型；如果所述第一识别预设模型符合所述预设标准，则将所述第一识别预设模型作为所述音频场景识别预测模型；

其中，所述标注信息还包括与所述多个音频样本文件对应的所述多个辅助信息；所述模型训练模块还用于根据所述MFCC特征矩阵和多个辅助信息采用所述tensorflow框架进行训练得到音频辅助识别预测模型；所述控制模块还用于当所述监控音频数据的场景信息满足预设敏感场景规则时，使用所述音频辅助识别预测模型对所述监控音频数据进行预测得到所述监控音频数据的辅助识别信息。

5.根据权利要求4所述的音频数据的监控处理系统，其特征在于，所述多个辅助信息包括对应所述多个音频样本文件的多个生成时间、对应所述多个音频样本文件中多个人声性别信息、多个声纹特征信息和对应所述多个音频样本文件的多个情绪信息。