[发明专利]音频场景识别方法、装置、电子设备及介质

权利要求书

1.一种音频场景识别方法，其特征在于，包括：

接收音频数据，并对所述音频数据进行音频分割，形成多个音频片段；

基于所述多个音频片段进行音频事件检测，得到音频事件检测结果；

根据所述音频事件检测结果及预设识别模型，对所述音频数据进行场景识别并标注。

2.根据权利要求1所述的方法，其特征在于，所述对所述音频数据进行音频分割，形成多个音频片段，包括：

将所述音频数据输入预设背景声音识别模型，获得所述音频数据中的背景声音；

提取所述音频数据的波形值组成一个矩阵，并将该矩阵和所述背景声音都投影到特征空间中，获得所述音频数据的特征向量和所述背景声音的特征向量；

计算所述音频数据的特征向量和所述背景声音的特征向量的归一化距离；

根据所述归一化距离确定所述音频数据的分割点位置，根据所述分割点位置对所述音频数据进行音频分割，形成多个音频片段。

3.根据权利要求2所述的方法，其特征在于，所述基于所述多个音频片段进行音频事件检测，得到音频事件检测结果，包括：

根据预设谱聚类算法，对所述多个音频片段进行音频事件检测，获得每个音频片段的音频事件检测结果；

所述音频事件检测结果包括：音频事件发生的频率、总时间长度、重要性及标签。

4.根据权利要求3所述的方法，其特征在于，所述根据所述音频事件检测结果及预设识别模型，对所述音频数据进行场景识别并标注，包括：

根据所述音频事件检测结果，将音频片段按照重要性进行排序，按照降序序列对音频片段在事件轴上进行扩展得到音频场景数据；

通过预设识别模型对所述音频数据对应的音频场景数据进行场景识别并标注。

5.一种音频场景识别装置，其特征在于，包括：

分割模块，用于接收音频数据，并对所述音频数据进行音频分割，形成多个音频片段；

检测模块，用于基于所述多个音频片段进行音频事件检测，得到音频事件检测结果；

识别模块，用于根据所述音频事件检测结果及预设识别模型，对所述音频数据进行场景识别并标注。

6.根据权利要求5所述的装置，其特征在于，所述分割模块，具体用于：

将所述音频数据输入预设背景声音识别模型，获得所述音频数据中的背景声音；

提取所述音频数据的波形值组成一个矩阵，并将该矩阵和所述背景声音都投影到特征空间中，获得所述音频数据的特征向量和所述背景声音的特征向量；

计算所述音频数据的特征向量和所述背景声音的特征向量的归一化距离；

根据所述归一化距离确定所述音频数据的分割点位置，根据所述分割点位置对所述音频数据进行音频分割，形成多个音频片段。

7.根据权利要求6所述的装置，其特征在于，所述检测模块，具体用于：

根据预设谱聚类算法，对所述多个音频片段进行音频事件检测，获得每个音频片段的音频事件检测结果；

所述音频事件检测结果包括：音频事件发生的频率、总时间长度、重要性及标签。

8.根据权利要求7所述的装置，其特征在于，所述识别模块，具体用于：

根据所述音频事件检测结果，将音频片段按照重要性进行排序，按照降序序列对音频片段在事件轴上进行扩展得到音频场景数据；

通过预设识别模型对所述音频数据对应的音频场景数据进行场景识别并标注。

9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1至4任一项所述的方法。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至4任一项所述的方法。