识别音频场景的电子设备和方法技术

提供了一种识别音频场景的电子设备和方法。识别音频场景的方法包括：根据预定的标准，将输入音频信号分离为声道；根据每个分离的声道，通过使用被训练为识别音频场景的多个神经网络，从输入音频信号中识别至少一个音频场景；以及基于对至少一个音频场景的识别的结果，通过使用被训练为结合各个声道的音频场景识别结果的神经网络，确定音频内容中包括的至少一个音频场景，其中，多个神经网络包括：第一神经网络，被训练为基于音频信号的时频形状来识别音频场景；第二神经网络，被训练为基于音频信号的频谱包络的形状来识别音频场景；以及第三神经网络，被训练为基于从音频信号中提取的特征向量来识别音频场景。

【技术实现步骤摘要】
【国外来华专利技术】识别音频场景的电子设备和方法
本公开涉及一种识别音频场景的电子设备和方法，并且更具体地，涉及一种通过使用被训练为识别音频场景的多个神经网络来识别音频场景的电子设备和方法。
技术介绍
显示设备包括向用户显示图像的功能。用户可以在显示设备上观看广播节目。显示设备显示由用户从广播电台发送的广播节目中选择的广播节目。广播的最新趋势是从模拟广播到数字广播的世界范围内转变。数字广播是指广播数字视频和音频信号。与模拟广播相比，数字广播具有许多优势，例如抗外部噪声的鲁棒性、更少的数据丢失、易于纠错以及提供高清、清晰图像的能力。与模拟广播相比，数字广播还允许交互式查看器服务。另外，已经变得流行的智能电视(TV)除了数字广播功能之外还提供各种类型的内容。智能TV被设计为在无需用户干预的情况下分析和提供用户想要的内容，而不是根据用户的选择被动地操作。当用户通过使用扬声器、条形音箱等在显示设备上观看广播节目或各种类型的内容时，声音的传送以及内容中图像的呈现很重要。近年来，需要研究通过有效地分析音频内容来准确地识别音频场景的方法，以有效地本文档来自技高网...

【技术保护点】
1.一种识别音频场景的方法，所述方法包括：/n根据预定的标准，将输入音频信号分离为声道；/n根据每个分离的声道，通过使用被训练为识别音频场景的多个神经网络，从所述输入音频信号中识别至少一个音频场景；以及/n基于对所述至少一个音频场景的识别的结果，通过使用被训练为结合各个声道的音频场景识别结果的神经网络，确定音频内容中包括的至少一个音频场景，/n其中，所述多个神经网络包括：/n第一神经网络，被训练为基于音频信号的时频形状来识别音频场景，/n第二神经网络，被训练为基于音频信号的频谱包络的形状来识别音频场景，以及/n第三神经网络，被训练为基于从音频信号中提取的特征向量来识别音频场景。/n

【技术特征摘要】
【国外来华专利技术】20181116 KR 10-2018-01419611.一种识别音频场景的方法，所述方法包括：
根据预定的标准，将输入音频信号分离为声道；
根据每个分离的声道，通过使用被训练为识别音频场景的多个神经网络，从所述输入音频信号中识别至少一个音频场景；以及
基于对所述至少一个音频场景的识别的结果，通过使用被训练为结合各个声道的音频场景识别结果的神经网络，确定音频内容中包括的至少一个音频场景，
其中，所述多个神经网络包括：
第一神经网络，被训练为基于音频信号的时频形状来识别音频场景，
第二神经网络，被训练为基于音频信号的频谱包络的形状来识别音频场景，以及
第三神经网络，被训练为基于从音频信号中提取的特征向量来识别音频场景。


2.根据权利要求1所述的方法，其中，所述分离包括：将所述输入音频信号分离为中间声道和侧声道。


3.根据权利要求1所述的方法，其中，所述分离包括：配置每个分离的声道中的预定音频场景的识别。


4.根据权利要求1所述的方法，其中，所述分离包括：将所述输入音频信号预处理为被训练为识别音频场景的所述多个神经网络中的每一个神经网络的输入数据格式。


5.根据权利要求4所述的方法，其中，所述预处理包括：通过对所述输入音频信号进行降采样并将降采样的音频信号转换为基于时间和频率的频谱图，将所述输入音频信号处理为所述第一神经网络的输入数据格式和所述第三神经网络的输入数据格式。


6.根据权利要求4所述的方法，其中，所述预处理包括：通过将所述输入音频信号的频谱包络的形状的维数减小到低维，将所述输入音频信号处理为所述第二神经网络的输入数据格式。


7.根据权利要求1所述的方法，其中，识别至少一个音频场景包括：根据每个分离的声道，计算识别出的至少一个音频场景中的每一个音频场景的概率。


8.根据权利要求1所述的方法，其中，识别至少一个音频场景包括：基于通过将预定的权重应用于被预处理为所述第二神经网络的输入...

【专利技术属性】
技术研发人员：许勋，金善民，姜基雄，金起范，黄仁雨，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR