[发明专利]一种音频匹配方法与装置、电子设备

权利要求书

1.一种音频匹配方法，包括如下步骤：

步骤一，获取待匹配音频数据；

步骤二，对所述待匹配音频数据进行分割，得到多个分割后的待匹配音频片段；

步骤三，提取每段待匹配音频片段的音频指纹特征，根据提取的音频指纹特征利用预先构建的音频匹配库对每段待匹配音频片段进行音频匹配，得到每段待匹配音频片段的音频匹配结果；

步骤四，对各待匹配音频片段的匹配结果进行合并，得到所述待匹配音频数据的匹配结果。

2.如权利要求1所述的一种音频匹配方法，其特征在于，所述音频匹配库通过如下步骤构建：

预先收集大量音频数据；

提取每段音频数据的音频指纹特征；

将每段音频数据的指纹特征进行结构化存储，构建获得所述音频匹配库。

3.如权利要求1所述的一种音频匹配方法，其特征在于，步骤二进一步包括：

根据所述待匹配音频数据的静音段将所述待匹配音频数据分割为多个音频片段；

依次检查每个音频片段长度是否超过预先设定阈值；

将超过预先设定阈值的音频片段按固定长度再次进行分割。

4.如权利要求1所述的一种音频匹配方法，其特征在于，所述音频指纹特征的提取步骤进一步包括：

确定每帧音频数据的原始候选极值点；

基于候选极值点之间的影响系数和/或基于候选极值点的密度和/或基于候选极值点之间的差分计算结果对所述原始候选极值点进行筛选，获得每帧音频数据的极值点列表；

根据每帧音频数据的极值点列表，提取每帧音频数据的指纹特征。

5.如权利要求4所述的一种音频匹配方法，其特征在于，所述基于候选极值点之间的影响系数进行筛选的步骤进一步包括：

依次选择当前帧音频数据的原始候选极值点作为候选中心极值点，构建以该候选中心极值点为中心的区域，获得该区域内的所有候选极值点；

分别计算所述候选中心极值点与其他候选极值点之间的影响系数；

根据影响系数以及候选极值点的频域幅度确定是否保留该候选中心极值点。

6.如权利要求4所述的一种音频匹配方法，其特征在于，所述基于候选极值点的密度进行筛选的步骤进一步包括：

依次选择每帧音频数据的原始候选极值点或经基于候选极值点之间的影响系数筛选后的候选极值点中的每个极值点作为当前候选极值点，计算当前候选极值点的密度；

若当前候选极值点的密度大于预先设定的阈值，则删除所述当前候选极值点，否则保留当前候选极值点。

7.如权利要求4所述的一种音频匹配方法，其特征在于,所述基于候选极值点之间的差分计算结果进行筛选的步骤进一步包括：

对原始候选极值点或经基于候选极值点之间的影响系数筛选后的候选极值点或经基于候选极值点的密度筛选后的候选极值点中的每个候选极值点进行差分计算，得到每个候选极值点的差分频谱值；

根据每个候选极值点的差分频谱值确定每帧音频数据的极值点列表。

8.如权利要求7所述的一种音频匹配方法，其特征在于：所述差分计算的步骤具体为：根据当前帧前一或多帧音频数据的候选极值点及当前帧后一或多帧音频数据的候选极值点的频谱值对当前帧音频数据的候选极值点进行差分计算得到当前帧音频数据每个候选极值点差分后的差分频谱值。

9.如权利要求4所述的一种音频匹配方法，其特征在于，所述根据每帧音频数据的极值点列表，提取每帧音频数据的指纹特征的步骤进一步包括：

基于所述极值点列表中每个极值点构建候选区域，确定每个极值点的极值点对；

根据所述极值点列表中的每个极值点对，提取每帧音频数据的指纹特征；

将每帧音频数据的指纹特征进行合并，获得每段音频数据的音频指纹特征。

10.如权利要求4所述的一种音频匹配方法，其特征在于，所述音频匹配库采用二级哈希表结构存储音频数据的指纹特征，所述利用预先构建的音频匹配库对每段待匹配音频片段进行音频匹配的步骤具体为：依次选择各段待匹配音频片段作为当前待匹配音频片段，利用所述音频匹配库对其进行全库和/或特定目标匹配，匹配成功后返回所述音频匹配库中音频的标识符和时间信息。