[发明专利]声音识别方法、装置、计算机装置及存储介质

说明书

本发明提供一种声音识别方法、声音识别装置、计算机装置及计算机可读存储介质，所述方法包括：获取原始音频信息后，将所述音频信息转换成数字化的时频图；对所述时频图进行压缩分段整理后得到所述时频图对应的声音图像；使用图像识别的方法识别所述声音图像，得到图像信息增强后的声音图像，在预设数据库中查找与图像信息增强后的声音图像对应的声音信息。本发明声音识别方法使得声音信息在转换成图像的过程中，图像信息的损失降低，提高声音识别的转换率，从而提高了声音识别的准确率。

技术领域

本发明涉及语音识别技术领域，具体涉及一种声音识别方法、声音识别装置、计算机装置及计算机可读存储介质。

背景技术

随着电子设备的普及，为了提高控制电子设备的便利性，越来越多的电子设备加载了语音控制功能，可以使电子设备的使用更加便利。例如，智能手机、智能家居、智能车载系统，用户可以通过语音来控制电子设备并执行相应的功能。因此，对语音识别的准确性有很高的要求，传统的语音识别方法是将收集到的声音信息转换为声音信息的时频图，然后将声音信息的时频图利用图像处理的方法，将时频图直接压缩调整到图像处理模型要求的长宽比，图像在压缩的过程中，图像信息损失严重，导致声音信息的丢失。因此需要提供一种新的声音识别方法，使得声音信息在转换成图像在进行压缩处理的过程中，图像信息损失降低，提高声音识别的转换率。

发明内容

鉴于以上内容，有必要提出一种声音识别方法及装置、计算机装置和计算机可读存储介质，使得声音识别在转换成图像的过程中，图像信息的损失降低，提高声音识别的转换率，从而提高了声音识别的准确率。

本申请的第一方面提供声音识别方法，所述方法包括：

获取原始音频信息后，将所述音频信息转换成数字化的时频图；

对所述时频图进行压缩分段整理后得到所述时频图对应的声音图像；

使用图像识别的方法识别所述声音图像，得到图像信息增强后的声音图像，在预设数据库中查找与图像信息增强后的声音图像对应的声音信息。

所述获取原始音频信息后，将所述音频信息转换成数字化的时频图的方法为：

获取音频信息后，将所述音频信息进行取样得到数字声音文件，再经过傅里叶变换得到声音信号时频图。

对所述时频图进行压缩分段整理的方法包括：

获取声音信号时频图后，截取预设频率范围和预设时间范围内的时频图，获取时频图上不同频率对应的声音强度信息，将不同频率对应的声音强度信息进行数据整理，将整理后的声音强度为向量元素组成一个一维向量，所述一维向量的长度与所述预设频率范围相同；

将所述一维向量以预设间隔进行切分，得到多段一维向量；

将切分后的所有一维向量组合为一个二维向量，将所述二维向量组成的二维矩阵用图像表示；

判断所述图像大小是否和预设图像大小一致，如果一致则使用图像识别方法进行识别，如果不一致，则通过补白的方式将所述图像补成与预设图像相同的大小。

所述预设频率范围与所述预设图像大小以及人耳能辨别的声音频率范围相关，预设频率范围为F，所述预设图像大小为L×L，人耳能辨别的声音频率的最大值为20000Hz，最小值为20Hz，所述预设频率范围的计算方程为：

其中人耳所能感觉到的声音范围为人耳能辨别的声音频率的最大值减去最小值，若人耳能感觉到的声音范围除以图像尺寸L不能整除，则取商的整数部分加1。

所述将不同频率对应的声音强度信息进行数据整理的方法为：将相同频率上的声音强度进行统计学整理，使用的统计学整理的方法包括算数平均数、加权平均、取最大值的方法中的任一方法。