[发明专利]一种音频文件的目标检测方法及相关设备

权利要求书

1.一种音频文件的目标检测方法，其特征在于，所述方法包括：

获取待检测的音频文件的频谱图，所述频谱图是根据所述待检测的音频文件的时域序列和所述待检测的音频文件的频域序列确定得到的，所述频谱图包括多个频谱序列，所述频谱序列包括多个频谱向量，所述频谱向量包括多个元素值；

根据各个频谱向量之间的相似度或根据各个频谱向量的元素值，在所述频谱图中确定突变点；

根据所述突变点，确定所述待检测的音频文件的至少一个待检测的音频片段，所述突变点用于指示所述待检测的音频片段的起始位置；

根据训练后的音频目标检测模型，对所述至少一个待检测的音频片段进行检测，得到检测结果，所述检测结果包括至少一个目标音频片段，以及各个所述目标音频片段的类别标识，所述类别标识用于标识所述目标音频片段所属的音频类别；

输出所述检测结果。

2.根据权利要求1所述的方法，其特征在于，所述训练后的音频目标检测模型包括训练后的二分类模型，所述训练后的二分类模型用于在所述至少一个待检测的音频片段中确定出可识别音频类别的音频片段；

所述根据训练后的音频目标检测模型，对所述至少一个待检测的音频片段进行检测，得到检测结果，包括：

根据所述训练后的二分类模型，对各个所述待检测的音频片段的音频特征进行处理，确定所述至少一个目标音频片段。

3.根据权利要求2所述的方法，其特征在于，所述训练后的音频目标检测模型还包括训练后的特征提取模型，所述训练后的特征提取模型用于提取所述至少一个待检测的音频片段的音频特征；

所述根据所述训练后的二分类模型，对各个所述待检测的音频片段的音频特征进行处理，确定所述至少一个目标音频片段之前，所述方法还包括：

根据所述训练后的特征提取模型，对所述至少一个待检测的音频片段进行检测，得到各个所述待检测的音频片段的音频特征。

4.根据权利要求3所述的方法，其特征在于，所述根据所述训练后的特征提取模型，对所述至少一个待检测的音频片段进行检测，得到各个所述待检测的音频片段的音频特征，包括：

根据所述训练后的特征提取模型，提取各个所述待检测的音频片段的特征，得到各个所述待检测的音频片段的特征池，所述至少一个待检测的音频片段中任一待检测的音频片段的特征池包括所述待检测的音频片段在预设维度上的音频特征。

5.根据权利要求4所述的方法，其特征在于，所述根据所述训练后的二分类模型，对各个所述待检测的音频片段的音频特征进行处理，确定所述至少一个目标音频片段，包括：

根据所述训练后的二分类模型，对各个所述待检测的音频片段的特征池进行检测，确定所述待检测的音频片段的类别指示信息，所述类别指示信息用于指示所述待检测的音频片段是否为可识别音频类别的音频片段；

若所述类别指示信息指示所述待检测的音频片段为可识别音频类别的音频片段，则确定所述待检测的音频片段为所述目标音频片段。

6.根据权利要求1所述的方法，其特征在于，所述训练后的音频目标检测模型包括训练后的多分类模型，所述训练后的多分类模型用于识别各个所述目标音频片段的类别；

所述根据训练后的音频目标检测模型，对所述至少一个待检测的音频片段进行检测，得到检测结果，包括：

根据所述训练后的多分类模型，对各个所述目标音频片段进行识别，得到各个所述目标音频片段的类别标识。

7.根据权利要求1所述的方法，其特征在于，所述频谱图包括多个频谱序列，所述频谱序列包括多个频谱向量，所述频谱向量包括多个元素值；

所述在所述频谱图中确定突变点，包括：

若目标频谱向量与所述频谱图中除所述目标频谱向量外的各个所述频谱向量的相似度最低，则确定所述目标频谱向量的起点为所述突变点；或者，

若所述目标频谱向量的元素值中的最大值为所述频谱图中除所述目标频谱向量外的各个所述频谱向量的元素值中的最大值，则确定所述目标频谱向量的起点为所述突变点；

其中，所述目标频谱向量为所述频谱图中的任意一个频谱向量。