[发明专利]多媒体文件的识别方法、装置

权利要求书

1.一种多媒体文件的识别方法，其特征在于，包括：

获取目标多媒体对应的混合音频数据，其中，所述混合音频数据包括所述目标多媒体文件的音频数据和音频水印数据；

提取所述混合音频数据中的音频水印数据；

匹配所述音频水印数据与预设的音频水印样本，以得到第一匹配结果；

在预设的特征样本中确定所述第一匹配结果对应的特征样本部分；

提取所述混合音频数据中的所述目标多媒体文件的音频数据的特征信息；

匹配所述特征信息与所述特征样本部分，以得到第二匹配结果；

根据所述第二匹配结果识别所述目标多媒体文件。

2.根据权利要求1所述的多媒体文件的识别方法，其特征在于，所述混合音频数据还包括用户语音数据，所述方法还包括：

提取所述混合音频数据中的用户语音数据；

匹配所述用户语音数据与预设的语音样本，以得到第三匹配结果；以及

根据所述第三匹配结果从所述根据第二匹配结果识别得到的目标多媒体文件中选择一所述目标多媒体文件。

3.根据权利要求2所述的多媒体文件的识别方法，其特征在于，

提取所述混合音频数据中的音频水印数据包括：提取所述混合音频数据中的高频部分的音频数据；

提取所述混合音频数据中的所述目标多媒体文件的音频数据的特征信息包括：提取所述混合音频数据中的低频部分的音频数据的特征信息；

提取所述混合音频数据中的用户语音数据包括：提取所述混合音频数据中的低频部分的音频数据；去除所述低频部分的音频数据中的所述目标多媒体文件的音频数据，以得到所述用户语音数据。

4.根据权利要求1所述的多媒体文件的识别方法，其特征在于，提取所述混合音频数据中的所述目标多媒体文件的音频数据的特征信息包括：

提取所述混合音频数据中的低频部分的左声道数据和右声道数据；

采用以下公式合并所述左声道数据和所述右声道数据，以得到所述低频部分的立体声数据：s＝a*l+b*r，其中，a+b＝1，s为所述低频部分的立体声数据，l为所述低频部分的左声道数据，r为所述低频部分的右声道数据，a和b为预设的参数；以及

提取所述立体声数据的时频特征数据得到所述目标多媒体文件的指纹信息，其中，所述指纹信息构成所述目标多媒体文件的音频数据的特征信息。

5.根据权利要求4所述的多媒体文件的识别方法，其特征在于，若所述目标多媒体文件为第二多媒体文件的一个子多媒体文件，所述第一匹配结果为所述第二多媒体文件的标识信息，所述第二匹配结果为所述目标多媒体文件的标识信息，所述特征样本为预设的特征数据库中存储的至少一条多媒体记录，所述多媒体记录包括多媒体文件的指纹信息、与所述指纹信息对应的多媒体文件的标识信息，则：

在预设的特征样本中确定所述第一匹配结果对应的特征样本部分包括：在所述特征数据库中，定位到所述第二多媒体文件的标识信息对应的一条或多条多媒体记录；

匹配所述特征信息与所述特征样本部分，以得到第二匹配结果包括：匹配所述目标多媒体的指纹信息与定位到的所述一条或多条多媒体记录，以确定所述目标多媒体的标识信息。

6.根据权利要求5所述的多媒体文件的识别方法，其特征在于，所述低频部分的立体声数据为N个立体声数据，其中，所述N个立体声数据中的第i个立体声数据为s_i＝a_i*l+b_i*r，a_i′+b_i′＝1，i＝1,2,3…N,则匹配所述目标多媒体文件的指纹信息与定位到的所述一条或多条多媒体记录，以确定所述目标多媒体文件的标识信息包括：

将每个立体声数据的时频特征数据分别与所述定位到的所述一条或多条多媒体记录进行匹配，得到所述立体声数据对应的多个匹配率；

根据所述多个匹配率中的最大值对应的一条所述多媒体记录确定所述目标多媒体文件的标识信息。