[发明专利]一种音频指纹的提取方法、装置、电子设备及存储介质

说明书

本公开提供一种音频指纹的提取方法、装置、电子设备及存储介质，涉及声纹识别技术领域，用于提高音频指纹的鲁棒性。该方法包括：确定待处理的音频信号，并对待处理的音频信号进行频谱特征提取处理，获得目标频谱图；从目标频谱图中提取局部区域峰值点，获得局部峰值点候选集，局部峰值点候选集包括目标频谱图上按照预设频段划分的各区域中的峰值点；从目标频谱图的平坦区域中提取峰值点，获得平坦区域的局部峰值点集合；基于局部峰值点候选集和平坦区域的局部峰值点集合，得到目标局部峰值点集合，并根据目标局部峰值点集合确定待处理的音频信号的音频指纹，目标局部峰值点集合包括从局部峰值点候选集中剔除平坦区域的局部峰值点集合中的峰值点。

技术领域

本公开涉及声纹识别技术领域，尤其涉及一种音频指纹的提取方法、装置、电子设备及存储介质。

背景技术

目前，基于音频指纹的音频检索在听歌识曲、身份认证等多种场景有较为广泛的应用。

相关技术中，在提取音频指纹时，存在提取的音频信号对应频谱上的局部峰值点数量过多，对噪声处理的鲁棒性较差，从而导致音频指纹变多，即在一定程度上降低了基于音频指纹检索方法中音频指纹的索引性能。

发明内容

本公开提供一种音频指纹的提取方法、装置、电子设备及存储介质，以提高音频指纹的鲁棒性。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种音频指纹的提取方法，所述方法包括：

确定待处理的音频信号，并对所述待处理的音频信号进行频谱特征提取处理，获得目标频谱图；

从所述目标频谱图中提取局部区域峰值点，获得局部峰值点候选集，所述局部峰值点候选集包括所述目标频谱图上按照预设频段划分的各区域中的峰值点；以及，

从所述目标频谱图的平坦区域中提取峰值点，获得平坦区域的局部峰值点集合，其中，所述平坦区域为所述目标频谱图中与相邻能量值的差值属于第一预定范围，且能量值小于第一预定值的多个能量值所组成的连通区域；

基于所述局部峰值点候选集和所述平坦区域的局部峰值点集合，得到目标局部峰值点集合，并根据所述目标局部峰值点集合确定所述待处理的音频信号的音频指纹，其中，所述目标局部峰值点集合包括从所述局部峰值点候选集中剔除所述平坦区域的局部峰值点集合中的峰值点。

在一种可能的实施方式中，所述从所述目标频谱图的平坦区域中提取峰值点，获得平坦区域的局部峰值点集合，包括：

确定所述目标频谱图的平坦区域；

对所述平坦区域进行蚀刻处理，获得第一平坦区域，并对所述第一平坦区域进行最大值池化处理，以获得所述第一平坦区域的局部峰值点集合。

在本公开实施例中，可以先确定目标频谱图中的平坦区域，然后对平坦区域进行蚀刻处理以获得第一平坦区域，并获得第一平坦区域的局部峰值点集合。这样的方式，可以确定与其它音频信号可能会相同的平坦区域，减少了容易造成混淆的峰值点，使得提取音频指纹更具有鲁棒性。

在一种可能的实施方式中，所述确定所述目标频谱图的平坦区域，包括：

对所述目标频谱图进行均值池化处理，得到所述目标频谱图对应的局部平均值图；

将所述目标频谱图的能量值减去所述局部平均值图中的能量值，获得处理值集；

若确定所述处理值集中的多个处理值与第二预定阈值的差值属于预定范围，则根据所述多个处理值对应的能量值在所述目标频谱图中的位置，确定所述目标频谱图的平坦区域。

在本公开实施例中，可以将目标频谱图的能量值减去局部平均值图中的能量值获得处理值集，并当确定处理值集中的多个处理值与第二预定阈值的差值属于预定范围时，确定平坦区域。这样的方式，可以高效且准确的确定平坦区域。