[发明专利]语音提取方法、装置、设备和存储介质

说明书

本发明提供一种语音提取方法、装置、设备和存储介质。该方法包括：获取目标声源处的图像；根据所述目标声源在所述图像中的像素位置，确定所述目标声源的波达方向DOA；根据所述DOA，以及预设的N个波束的输出信号，提取目标声源的语音输出信号；所述N个波束是以麦克风阵列为基准而预设的具有不同指向的各个波束，N≥2。本发明实施例在语音信号的信噪比较低的情况下，特别是远距离悄悄话的情景下，根据目标声源处的图像的信息，确定目标声源的波达方向DOA，可以提高DOA估计的准确性，进而能够提高提取的语音信号的质量。

技术领域

本发明涉及音频信号处理技术领域，尤其涉及一种语音提取方法、装置、设备和存储介质。

背景技术

目前，远距离拾音的应用需求非常广泛。例如某些监控场景下需要秘密拾音。但当前的远距离拾音技术还无法达到近距离拾音的效果。

相关技术中，利用麦克风阵列技术，设计指向多个方位角的固定波束，并跟踪各个波束内的能量最小值。综合各个波束能量的最小值跟踪的结果，检测出声源所在的目标波束。接着，利用波束形成算法抑制环境噪声从而提取语音输出信号，然而在远距离、低信噪比的场景下，仅根据各个波束能量的最小值对目标波束的估计容易出现错误，并导致提取的语音输出信号的质量不高。

发明内容

本发明提供一种语音提取方法、装置、设备和存储介质，以提高语音提取质量。

第一方面，本发明提供一种语音提取方法，包括：

获取目标声源处的图像；

根据所述目标声源在所述图像中的像素位置，确定所述目标声源的波达方向DOA；

根据所述DOA，以及预设的N个波束的输出信号，提取目标声源的语音输出信号；所述N个波束是以麦克风阵列为基准而预设的具有不同指向的各个波束，N≥2。

第二方面，本发明提供一种语音提取装置，包括：

获取模块，用于获取目标声源处的图像；

确定模块，用于根据所述目标声源在所述图像中的像素位置，确定所述目标声源的波达方向DOA；

处理模块，用于根据所述DOA，以及预设的N个波束的输出信号，提取目标声源的语音输出信号；所述N个波束是以麦克风阵列为基准而预设的具有不同指向的各个波束，N≥2。

第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。

第四方面，本发明实施例提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。

本发明实施例提供的语音提取方法、装置、设备和存储介质，获取目标声源处的图像；根据所述目标声源在所述图像中的像素位置，确定所述目标声源的波达方向DOA；根据所述DOA，以及预设的N个波束的输出信号，提取目标声源的语音输出信号；所述N个波束是以麦克风阵列为基准而预设的具有不同指向的各个波束，N≥2，在语音信号的信噪比较低的情况下，特别是远距离悄悄话的情景下，根据目标声源处的图像的信息，确定目标声源的波达方向DOA，可以提高DOA估计的准确性，进而根据DOA提取目标声源的语音输出信号，能够提高提取的语音信号的质量。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本发明一实施例提供的原理实现示意图；