[发明专利]一种数字音频指纹大数据存储检索的方法及系统

说明书

本发明公开了一种数字音频指纹大数据存储检索的方法及系统，包括以下步骤：从已知类型的音频文件中提取音频指纹以及产生该音频指纹所对应的时间点，将音频指纹和对应的时间点按分片存储的方式存储在文件中，以音频标识信息加索引作为文件名；将音频指纹、时间点和文件名存入分布式列式存储系统中，以音频指纹作为行键、时间点作为列名、分片的文件名作为对应的值；从待识别的音频文件中提取音频指纹，从分布式列式存储系统中检索出包含待识别音频文件的音频指纹的分片文件名，获取出现次数最多的前N条分片，所述的N为预设正整数。本发明采用分布式列式存储系统存储和快速检索可以存储海量信息、快速提取出片段，提高音频识别的效率。

技术领域

本发明属于音频处理技术领域，具体涉及一种数字音频指纹大数据存储检索的方法及系统。

背景技术

现流行的音乐听歌识曲、哼唱识曲等功能基本都是提取音频独特的特征量进行识别，为了提高识别的精准度就要尽可能多的保留音频特征量。通常一段音频有成千上万的特征量，当数字音频达到一定数量级后，音频特征量需要足够大的数据库来存储，导致数据库查询速度急速下降。识别过程整体大部分都在数据库查询，所以指纹数据库的设计至关重要。

Phillips音频指纹算法中提出3秒音频信息可以产生一个指纹，一个指纹由256个子指纹构成，如果一个音频所有的时段都产生指纹无疑数据量非常庞大。Phillips的指纹存储和检索方式存在随机性，假设每个指纹等可能出现，每一个指纹块平均匹配次数为：

C＝Q/2^32*256；

其中C为平均匹配次数，Q为数据库指纹数。但实际上指纹非均匀分布，匹配次数将增多至20倍左右，除此之外信号的劣化等原因也会增加实际匹配次数。

另一种方式是利用搜索引擎的工作方式将数据库设计成一个指纹指向一个包含多个元信息的列表的方式，如果指纹长度为L，指纹由2进制构成，那么数据库最多能存储2^L个指纹。但是与搜索引擎相比较，音乐指纹复杂度更大。主要是因为指纹库有着与搜索词库相等的数量级，且单次匹配需要检索成千上万的指纹，这也意味着一次检索就等同于搜索引擎做上万次检索，这就限制了该方式只能适用于单机且数据库不能太大。

发明内容

本发明的第一目的在于：针对现有技术中存在时延长、不能大数据化的弊端，提供一种数字音频指纹大数据存储检索的方法，采用分布式列式存储系统和快速检索可以存储海量信息、快速提取出片段；分片存储可以减小存储系统的容量使检索更快；具体分析N个片段中的指纹，大大降低计算量和耗时。

为了实现上述目的，本发明采用的技术方案为：

一种数字音频指纹大数据存储检索的方法，包括以下步骤：

从已知类型的音频文件中提取音频指纹以及产生该音频指纹所对应的时间点，将音频指纹和对应的时间点按分片存储的方式存储在文件中，以音频标识信息加索引作为文件名；将音频指纹、时间点和文件名存入分布式列式存储系统中，以音频指纹作为行键、时间点作为列名、分片的文件名作为对应的值；

从待识别的音频文件中提取音频指纹，从分布式列式存储系统中检索出包含待识别音频文件的音频指纹的分片文件名，获取出现次数最多的前N条分片，所述的N为预设正整数。

优选地，所述的分片存储的方式具体包括：

将从单个已经类型的音频文件中提取出的音频指纹以及所对应的时间点，按照连续的指纹片段进行分别存储，每个指纹片段为小于音频文件总时常的时间段，指纹片段即为所述分片。

优选地，从已知类型的音频文件中提取音频指纹以及从待识别的音频文件中提取指纹音频均采用Hash化处理，并转化为16进制。

优选地，将Hash后的指纹作为分布式列式存储系统的行键，元数据存列。