[发明专利]音频识别方法、装置及数据处理设备

说明书

本申请一种音频识别方法、装置及数据处理设备，方法包括：获取待识别音频，将待识别音频拆分为多个音频片段；针对每个音频片段，获取音频片段的特征；将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，获得待识别音频是否为特定音频的识别结果。相较于现有技术中对整个音频进行整体识别的方式，本实施例提供的方案可以更为准确的识别待识别音频中占比很小的特定音频内容。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种音频识别方法、装置及数据处理设备。

背景技术

音频识别是一种根据识别音频中特定信息的技术，对于基于音频内容的报警、违规音频判别等具有重要意义。

在一些音频识别方法中，通常是对音频进行整体分析，检测音频中存在的特定内容。但是当音频中特定内容在整个音频中所占时间很短时，采用音频整体分析会造成特定音频内容的特征不够显著，导致特定音频内容的识别率低，不能准确判断特定能的存在性。

发明内容

为了克服现有技术中的上述不足，本申请的目的在于提供一种音频识别方法，所述方法包括：

获取待识别音频，将所述待识别音频拆分为多个音频片段；

针对每个所述音频片段，获取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。

在一种可能的实施方式中，所述针对每个所述音频片段，获取所述音频片段的特征，包括：

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；

根据所述音频片段的梅尔频率倒谱系数频谱获取所述音频片段的特征。

在一种可能的实施方式中，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：

将每个所述音频片段，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述根据所述音频片段的梅尔频率倒谱系数频谱获取所述音频片段的特征，包括：

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，获得所述音频片段的特征。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述将所述待识别音频拆分为多个音频片段，包括：