[发明专利]一种阶梯式音频检索方法

权利要求书

1.一种阶梯式音频检索方法，包括下述内容：

（1）对参考音频提取原始指纹并建立音频原始指纹库；

（2）使用Fibonacci哈希算法，对音频原始指纹库建立哈希索引表；

（3）将音频原始指纹库经过BoF算法转换生成与原始指纹库对应的音频中间指纹库；

（4）第一次筛选：即将待检索音频片段提取原始指纹，并在哈希索引表中进行索引检索，筛选出具备可能结果的第一序号集，缩小检索范围；

（5）第二次筛选：将待检索音频片段的原始指纹经过BoF算法转换生成待检索音频片段的中间指纹，使用待检索音频片段的中间指纹在中间指纹库中采用基于阈值的固定间隔抽样匹配方法进行过滤检索，筛选出具备可能结果的第二序号集，进一步缩小检索范围；

（6）第三次筛选：即使用待检索音频片段的原始指纹，在第一序号集对应的原始指纹中采用基于阈值的固定间隔抽样匹配方法进行过滤检索，筛选出可能结果的第三序号集，再次缩小检索范围；

（7）在第三序号集对应的原始指纹中，用待检索音频片段的原始指纹进行精确匹配检索，获取最终检索结果。

2.根据权利要求1所述的一种阶梯式音频检索方法，其特征是所述基于阈值的固定间隔抽样匹配方法包括下述内容：

①子指纹数量阈值：若待检索音频片段的中间指纹总帧数小于参考音频的中间指纹总帧数，则判定参考音频为可能结果； 

②单帧距离阈值α和平均距离阈值ā：若待检索音频片段的中间指纹的单帧距离ε_i小于单帧距离阈值α，或前N_i帧的平均距离∑ε_i /N_i小于平均距离阈值ā时，直接判定参考音频为可能结果；计算时采用固定间隔抽样匹配方法；α和ā均为大于0的整数；N_i为大于零的整数，范围0-N_m/Q；N_m为待检索音频片段中间指纹的总帧数，N_m为大于零的整数；Q是一个常数，Q为1-N_m，每间隔Q帧进行一次相似度匹配；N_m/Q为待检索音频片段的中间指纹需要进行相似度匹配的总次数；

③累积距离阈值β和累积次数阈值Ω：即在过程②中，累计前m帧子中间指纹的距离ε_m，若ε_m小于β，或m未达到Ω时，则判定参考音频为可能结果；β和Ω均为大于0的整数；m为大于零的整数，范围0-N_m/Q；其中N_m为待检索音频片段中间指纹的总帧数，N_m为大于零的整数；Q是一个常数，Q为1-N_m，每间隔Q帧进行一次相似度匹配；N_m/Q为待检索音频片段的中间指纹需要进行相似度匹配的总次数；

④前t帧相似度阈值γ：即使用原始指纹每次滑窗匹配时，先对比前t帧指纹的相似度S_t，当S_t>γ时，判定参考音频为可能结果，计算整体指纹的相似度S_v；γ、S_t和S_v均为大于0的实数；计算时采用固定间隔抽样匹配方法；t为大于零的整数，范围0-N_o/Q；其中N_o为待检索音频片段原始指纹的总帧数，N_o为大于零的整数；Q是一个常数，范围1- N_o，每间隔Q帧进行一次相似度匹配；N_o/Q为待检索音频片段的原始指纹需要进行相似度匹配的总次数； 

⑤累积相似度阈值η：即在过程④中，累计前n帧原始指纹的相似度ε_n，若ε_n<η, 判定参考音频为可能结果；η和ε_n均为大于0的实数；n为大于零的整数，范围0- N_o/Q；其中N_o为待检索音频片段原始指纹的总帧数；Q是一个常数，范围1-N_o，每间隔Q帧进行一次相似度匹配；N_o/Q为待检索音频片段的原始指纹需要进行相似度匹配的总次数；

⑥滑动间隔阈值θ：即当指纹间相似度低于滑动间隔阈值θ时，增加滑动次数，再进行相似度匹配；θ为大于0的实数。

3.根据权利要求2所述一种阶梯式音频检索方法，其特征是所述固定间隔抽样匹配方法包括下述内容：

对于长度为N帧的待检索音频片段，首先在参考音频上选取长度为N帧的音频片段；

针对两个片段，对每间隔Q帧，取一个子指纹计算其相似度，Q是一个常数，范围1-N；N为大于零的整数；若相似度达到单帧距离阈值α，或前N_i帧的平均距离达到平均距离阈值ā，或前t帧相似度阈值γ，再向后滑窗，在参考音频上选取另一端长度为N帧的音频片段，重复上述判断过程；直到判断不满足阈值而停止，或者滑窗到音频结尾，求出音频的整体相似度，完成一次匹配。