[发明专利]声音事件识别方法、装置、设备和存储介质

说明书

本发明实施例公开了一种声音事件识别方法、装置、设备和存储介质；其中，该声音事件识别方法，包括：提取音频序列的多帧音频的声学特征；对于每一帧音频，基于第一神经网络，处理帧音频的声学特征与帧音频相邻帧音频的声学特征，得到与帧音频对应的融合声音事件特征；分别确定每一帧音频的融合声音事件特征的概率；将多帧音频的融合声音事件特征的概率输入第一时间池化层，得到至少一个声音事件的概率；根据至少一个声音事件的概率和对应的阈值，得到音频序列的声音事件。本发明实施例能够提高识别性能。

技术领域

本发明涉及音频信号处理技术领域，尤其涉及一种声音事件识别方法、装置、设备和存储介质。

背景技术

近年来，声音事件检测(识别)引起广泛关注。声音事件检测对于音频取证、环境声音识别、生物声音监控、声场景分析、环境安全监控，实时军事关注点的检测、定位跟踪和声源分类，病人监护、非正常事件监测及故障诊断、递交早期维护的关键信息等都具有重要意义。声场景中检测(识别)声音事件，试图在音频数据中识别出隐藏在它们中的真实事件。

目前，相关技术中使用的模型一般结构复杂，识别性能需要提高。

发明内容

本发明实施例提供了一种声音事件识别方法、装置、设备和存储介质，用以提高识别性能。

根据本发明实施例的第一方面，提供一种声音事件识别方法，该方法可以包括：

提取音频序列的多帧音频的声学特征；

对于每一帧音频，基于第一神经网络，处理帧音频的声学特征与帧音频相邻帧音频的声学特征，得到与帧音频对应的融合声音事件特征；

分别确定每一帧音频的融合声音事件特征的概率；

将多帧音频的融合声音事件特征的概率输入第一时间池化层，得到至少一个声音事件的概率；

根据至少一个声音事件的概率和对应的阈值，得到音频序列的声音事件。

根据本发明实施例的第二方面，提供一种声音事件识别装置，该装置可以包括：

提取模块，用于提取音频序列的多帧音频的声学特征；

第一神经网络模块，用于针对每一帧音频，基于第一神经网络，处理帧音频的声学特征与帧音频相邻帧音频的声学特征，得到与帧音频对应的融合声音事件特征；

处理模块，用于分别确定每一帧音频的融合声音事件特征的概率；

池化模块，用于将多帧音频的融合声音事件特征的概率输入第一时间池化层，得到至少一个声音事件的概率；

处理模块，还用于根据至少一个声音事件的概率和对应的阈值，得到音频序列的声音事件。

根据本发明实施例的第四方面，提供一种计算设备，计算设备包括：至少一个处理器、至少一个存储器以及至少一个计算机程序，其中，计算机程序被存储在存储器中，计算机程序包括指令，处理器用于执行计算机程序，以使计算设备实现如第一方面所示的方法。

根据本发明实施例的第十方面，提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述各方面的声音事件识别方法。