[发明专利]多人会话检测方法、系统、移动终端及存储介质

说明书

本发明提供了一种多人会话检测方法、系统、移动终端及存储介质，该方法包括：对待检测音频的音频特征进行归一化处理得到归一化特征，将归一化特征输入第一GRU网络进行会话分析得到多人会话检测结果；将音频特征、归一化特征和多人会话检测结果输入第二GRU网络进行音量特征评估得到音量评估结果；将音频特征、多人会话检测结果和音量评估结果输入第三GRU网络进行会话能量比计算，得到能量比特征；根据能量比特征确定待检测音频中会话人的个数。本发明通过该第一GRU网络、第二GRU网络和第三GRU网络的设计，能识别到多人会话对应音频段的位置，且能识别到待检测音频中对应会话人的个数和每个会话人对应的音频数据，提高了多人会话检测的准确率。

技术领域

本发明涉及音频检测技术领域，尤其涉及一种多人会话检测方法、系统、移动终端及存储介质。

背景技术

在一些实际应用中，通常需要对一段音频进行多人会话检测，以了解这段音频中有多少人在说话，以及其中哪段话是哪个会话人说的，在一段音频中存在多个会话人的情况下，多人会话检测方法就显得尤为重要，例如，针对多人会议中出现多个不同会话人音频重叠的情况时，需要针对重叠音频进行多人会话检测，检测识别到各个会话人在重叠音频中对应的语音。

现有的多人会话检测过程中，均是采用隐马尔可夫模型(HMM)进行多人会话的检测，但由于隐马尔可夫模型对多人会话的检测正确率低下，且需要的待检测的音频数据较大，进而导致多人会话检测效率低下。

发明内容

本发明实施例的目的在于提供一种多人会话检测方法、系统、移动终端及存储介质，旨在解决现有的多人会话检测方法检测效率低下的问题。

本发明实施例是这样实现的，一种多人会话检测方法，所述方法包括：

获取待检测音频，并提取所述待检测音频的音频特征；

对所述音频特征进行归一化处理，得到归一化特征，并将所述归一化特征输入第一GRU网络进行会话分析，得到多人会话检测结果；

将所述音频特征、所述归一化特征和所述多人会话检测结果输入第二GRU网络进行音量特征评估，得到音量评估结果；

将所述音频特征、所述多人会话检测结果和所述音量评估结果输入第三GRU网络进行会话能量比计算，得到能量比特征；

根据所述能量比特征确定所述待检测音频中会话人的个数。

更进一步的，所述提取所述待检测音频的音频特征的步骤包括：

对所述待检测音频进行分帧处理，得到分帧音频；

分别提取每个所述分帧音频的mfcc特征、基音周期、过零率、能量均方根、HNR或谱平坦系数，以得到所述音频特征。

更进一步的，所述将所述归一化特征输入第一GRU网络进行会话分析的步骤包括：

根据所述第一GRU网络对所述归一化特征中的多会话人特征和单会话人特征进行分类，得到所述多人会话检测结果。

更进一步的，所述将所述音频特征、所述归一化特征和所述多人会话检测结果输入第二GRU网络进行音量特征评估的步骤包括：

控制所述第二GRU网络根据所述归一化特征和所述多人会话检测结果，获取当前训练批次中多人会话音频对应的会话人特征；

根据所述多人会话音频对应的会话人特征和所述音频特征查询多人会话特征位置；

对所述多人会话特征位置进行音量计算，得到所述音量评估结果。

更进一步的，所述将所述音频特征、所述多人会话检测结果和所述音量评估结果输入第三GRU网络进行会话能量比计算的步骤包括：