[发明专利]音频识别方法、装置及数据处理设备

权利要求书

1.一种音频识别方法，其特征在于，所述方法包括：

获取待识别音频，从所述待识别音频中剔除空白时间超过预设时间阈值的部分并将剩余部分拆分为多个音频片段；

针对每个所述音频片段，获取该音频片段的梅尔频率倒谱系数频谱；

将所述音频片段的梅尔频率倒谱系数频谱拆分为多个大小相同的特征矩阵；

将所述多个特征矩阵输入视觉几何群VGG模型进行特征提取，获得各所述特征矩阵对应的特征；

将各所述特征矩阵对应的特征进行拼接后，输入到VGGish模型获得所述音频片段的特征；

将所述音频片段的特征输入训练好的分类模型进行分类识别，获得该音频片段是否为疑似特定音频片段的分类结果；

将多个所述音频片段的分类结果输入长短期记忆网络LSTM网络进行处理，获得所述待识别音频是否为特定音频的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述针对每个所述音频片段，获取该音频片段的梅尔频率倒谱系数频谱，包括：

针对每个所述音频片段，将该音频片段拆分为多个帧；

根据每个帧中振幅和时间的关系，通过短时傅里叶变换计算获得该待识别音频的声谱图；

通过预设阶数的梅尔标度滤波器组对所述多个帧的声谱图进行处理，获得该音频片段的梅尔频谱；

对所述梅尔频谱进行倒谱分析处理，获得所述音频片段的梅尔倒谱系数频谱。

3.根据权利要求2所述的方法，其特征在于，针对每个所述音频片段，按照预设窗长、预设步长对该音频片段进行拆分，包括：

按照预设窗长、预设步长，使用汉宁窗口对该音频片段进行拆分，其中，所述预设窗长不小于所述预设步长。

4.根据权利要求1所述的方法，其特征在于，所述针对每个所述音频片段，获取所述音频片段的特征的步骤之前，所述方法还包括：

对每个所述音频片段进行降采样并转化为单声道音频。

5.一种音频识别装置，其特征在于，包括：

音频获取模块，用于获取待识别音频，从所述待识别音频中剔除空白时间超过预设时间阈值的部分并将剩余部分拆分为多个音频片段；

特征提取模块，用于针对每个所述音频片段，获取该音频片段的梅尔频率倒谱系数频谱；

将所述音频片段的梅尔频率倒谱系数频谱拆分为多个大小相同的特征矩阵；

将所述多个特征矩阵输入视觉几何群VGG模型进行特征提取，获得各所述特征矩阵对应的特征；

将各所述特征矩阵对应的特征进行拼接后，输入到VGGish模型获得所述音频片段的特征；

分类模块，用于将所述音频片段的特征输入训练好的分类模型进行分类识别，获得该音频片段是否为疑似特定音频片段的分类结果；

识别模块，用于将多个所述音频片段的分类结果输入长短期记忆网络LSTM网络进行处理，获得所述待识别音频是否为特定音频的识别结果。

6.一种数据处理设备，其特征在于，包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被所述处理器执行时，实现权利要求1-4任意一项所述的方法。

7.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器执行时，实现权利要求1-4任意一项所述的方法。