[发明专利]鲁棒的媒体指纹

权利要求书

1.一种用于从音频内容的一部分推导媒体指纹的方法，包括以下步骤：

将音频内容部分归类；

其中，所述音频内容部分包括音频信号；并且

其中，所述归类步骤至少部分地基于音频内容部分的一个或多个特征，所述特征包括：

所述内容部分的与第一声音类别相关的分量，其中，所述与第一声音类别相关的分量与所述音频信号混合在一起；或者

所述内容部分的与第二声音类别相关的分量，其中，所述与第二声音类别相关的分量与所述音频信号混合在一起；

一旦将音频内容归类为没有与第一声音类别或第二声音类别相关的分量，则对音频信号分量进行处理；和

一旦将音频内容归类为包括与第一声音类别或第二声音类别相关的分量中的一个或多个，则

从所述音频信号分离所述与第一声音类别或第二声音类别相关的分量；并且

独立于所述与第一声音类别或第二声音类别相关的分量处理所述音频信号；

其中，处理步骤包括计算媒体指纹的步骤；并且

其中，所述媒体指纹可靠地对应于所述音频信号。

2.根据权利要求1所述的方法，其中，所述第一声音类别或第二声音类别中的至少一个与以下中的至少一个相关：

与语音相关的声音；或者

与噪声相关的声音。

3.根据权利要求1所述的方法，其中，所述归类步骤包括源分离或音频分类中的一个或多个。

4.根据权利要求3所述的方法，其中，所述源分离包括以下步骤：

识别对声音剪辑有贡献的多个声源中的至少重要部分中的每一个。

5.根据权利要求4所述的方法，其中，所述识别步骤包括识别对音频内容部分有贡献的多个子频带中的至少重要部分中的每一个。

6.根据权利要求4所述的方法，其中，所述源分离进一步包括以下步骤：

本质上忽略对所述音频信号有贡献的一个或多个声源。

7.根据权利要求3所述的方法，其中，所述音频分类包括以下步骤：

对所述音频信号进行采样；

基于采样步骤确定内容部分的分量的至少重要部分的至少一个声音特性；和

基于所述声音特性表征所述音频内容部分、所述音频内容部分的特征或者所述音频信号中的一个或多个。

8.根据权利要求7所述的方法，其中，所述声音特性中的每一个与至少一种特征类别相关，所述特征类别包括：

语音相关分量；

音乐相关分量；

噪声相关分量；或者

一个或多个具有其它分量中的一个或多个的语音、音乐或噪声相关分量。

9.根据权利要求7所述的方法，进一步包括以下步骤：

在分类步骤之前，将音频内容部分表示为特征序列。

10.根据权利要求3所述的方法，进一步包括：

选择源分离或音频分类中的至少一个用于归类步骤；

将所述音频内容部分划分成输入帧序列；

其中，所述输入帧序列包括重叠输入帧或非重叠输入帧中的一个或多个；

对于所述输入帧中的每一个，计算多个多维度特征，所述多维度特征中的每一个是从所述输入帧的声音分量之一推导得到的。

11.根据权利要求10所述的方法，进一步包括以下步骤：

基于所述多维度特征，计算与所述声音分量中的每一个相关的模型概率密度。

12.一种用于从音频内容的一部分推导媒体指纹的方法，包括以下步骤：

将音频内容部分归类；

其中，所述音频内容部分包括音频信号；并且

其中，所述归类步骤至少部分地基于所述内容部分的与语音相关的分量；和

其中，所述语音相关分量与所述音频信号混合在一起；

一旦将音频内容归类为没有语音相关分量，则对所述音频信号进行处理；以及

一旦将音频内容归类为包括语音相关分量，则：

从所述音频信号分离所述语音相关分量；以及

独立于所述语音相关分量处理所述音频信号；

其中，所述处理步骤包括计算媒体指纹的步骤；以及

其中，所述媒体指纹可靠地对应于所述音频信号。