一种音乐特征提取方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种音乐特征提取方法及装置，该方法包括：获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符矩阵的每一列分别表示所述音符的播放状态，δ为正整数；将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征，所述音乐数据的特征包括音节BEAT特征矩阵、小节BAR特征矩阵和曲目特征向量。这样,本发明专利技术实施例通过预先训练好的循环神经网络来获得音乐数据的多个维度的音乐特征，可以有效解决现有技术存在的人工提取音乐特征效率较低的问题。

【技术实现步骤摘要】
一种音乐特征提取方法、装置及电子设备
本专利技术涉及音乐特征提取领域，特别是涉及一种音乐特征提取方法、装置及电子设备。
技术介绍
随着科技的不断发展，使用终端欣赏音乐的用户越来越多。用户可以通过终端欣赏各种类别的音乐，例如，流行音乐，古典音乐等。为了满足用户的需求，越来越多的音乐可以供用户欣赏；且为了方便用户可以根据音乐的类别来选择其要欣赏的音乐，需要对音乐进行分类。传统的音乐分类方法通常为：人工提取音乐的音乐特征，并基于人工所提取的音乐特征对音乐进行分类。很显然，现有的这种人工提取音乐特征的方式效率较低。
技术实现思路
本专利技术实施例的目的在于提供一种音乐特征提取方法、装置及电子设备，以提高音乐特征提取的效率，具体技术方案如下：第一方面，本专利技术实施例提供了一种音乐特征提取方法，所述方法包括：获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符矩阵的每一列分别表示所述音符的播放状态，δ为正整数；将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征，所述音乐数据的特征包括音节BEAT特征矩阵、小节BAR特征矩阵和曲本文档来自技高网...

【技术保护点】
1.一种音乐特征提取方法，其特征在于，包括：获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符矩阵的每一列分别表示所述音符的播放状态，δ为正整数；将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征，所述音乐数据的特征包括音节BEAT特征矩阵、小节BAR特征矩阵和曲目特征向量。

【技术特征摘要】
1.一种音乐特征提取方法，其特征在于，包括：获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符矩阵的每一列分别表示所述音符的播放状态，δ为正整数；将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征，所述音乐数据的特征包括音节BEAT特征矩阵、小节BAR特征矩阵和曲目特征向量。2.根据权利要求1所述的方法，其特征在于，所述音符矩阵M∈Ra×3，其中，M表示所述音符矩阵，a表示所述M的行数，所述M的第一列表示所述音符是否播放，所述M的第二列表示所述音符是否被再次播放，所述M的第三列表示所述音符的播放强度。3.根据权利要求1或2所述的方法，其特征在于，ε个音符矩阵组成一个BEAT，ζ个BEAT组成一个BAR，η个BAR组成一个音乐曲目，所述音乐数据由一个或者多个音乐曲目组成，ε，ζ，η均为正整数。4.根据权利要求3所述的方法，其特征在于，所述将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征的步骤，包括：在所述音乐数据输入所述预先训练好的循环神经网络时，确定当前输入所述预先训练好的循环神经网络的音符矩阵Mt在目标BAR中的位置信息，所述目标BAR为所述音符矩阵Mt所在的BAR；将所述Mt在目标BAR中的位置信息转换为位置向量其中，γ表示一个BAR中含有的音符矩阵的数量；将所述音符矩阵Mt、音符矩阵Mt之前的N个音符矩阵以及音符矩阵Mt之后的N个音符矩阵输入所述预先训练好的循环神经网络中卷积核为θ的一维卷积层，得到音符矩阵Ct∈Ra×3×θ，所述音乐矩阵Ct为与音符矩阵Mt上下文相关的音符矩阵，N为正整数；将所述位置向量分别与音符矩阵Ct进行拼接，并将拼接得到的矩阵输入所述预先训练好的循环神经网络的第一层神经网络，通过所述得到BEAT特征矩阵，其中，所述预先训练好的循环神经网络的第一层神经网络用于对所述音乐数据中的BEAT矩阵进行特征提取，ζ个BEAT特征矩阵组成一个BAR矩阵；将所输出的BEAT特征矩阵输入所述预先训练好的循环神经网络的第二层神经网络，得到BAR特征矩阵，其中，所述预先训练好的循环神经网络的第二层神经网络用于对所述BEAT特征矩阵进行特征提取，所述η个BAR特征矩阵组成一个音乐曲目；将所述BAR特征矩阵输入所述预先训练好的循环神经网络的第三层网络，得到曲目特征向量，其中，所述预先训练好的循环神经网络的第三层网络用于对所述BAR特征矩阵进行特征提取。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述曲目特征向量输入所述预先训练好的循环神经网络的全连接层和softmax层，输出所述音乐数据的各个类别。6.根据权利要求1至5任一项所述的方法，其特征在于，所述预先训练好的循环神经网络为双向长短期记忆循环神经网络Bi-LSTM。7.一种音乐特征提取装置，其特征在于，包括：获取模块，用于获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符...

【专利技术属性】
技术研发人员：刘思阳，蒋紫东，冯巍，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11