首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >从连续麦克风流中实时识别非语音、非音乐声音

问从连续麦克风流中实时识别非语音、非音乐声音
EN

Stack Overflow用户
提问于 2011-11-27 09:54:03
回答 2查看 2.6K关注 0票数 8

我希望记录的事件对应于一个特定的声音,如汽车门砰,或可能是烤面包机喷射吐司。

该系统需要比“噪音探测器”更复杂;它需要能够区分特定的声音和其他的响声。

标识不一定是零延迟,但是处理器需要保持来自始终打开的麦克风的源源不断的数据流。

  • 这个任务是否与语音识别有很大的不同,或者我是否可以使用语音识别库/工具包来识别这些非语音声音?
  • 考虑到我只需要匹配一个声音(而不是一个声音库之间的匹配),我可以做什么特殊的优化吗?

这个答案表示匹配的过滤器是合适的,但我对细节不太清楚。我不相信一个简单的互相关之间的音频波形数据之间的一个样本的目标声音和麦克风流将是有效的,因为目标声音的变化。

我的问题也类似于这,它没有得到太多的关注。

EN

回答 2

Stack Overflow用户

发布于 2011-11-27 11:41:00

本文的博士论文,用于自主监测的非语音环境声音分类系统,由考林(2004年),有不同的音频特征提取技术的实验结果,以及分类。他使用的环境声音,如刺耳的键和脚步声,并能够达到70%的准确性:

采用动态时间翘曲的连续小波变换特征提取或具有动态时间翘曲的Mel-频倒谱系数是最佳的提取方法。这两种技术都达到了70%的识别率。

如果你把自己限制在一个声音上,也许你能获得更高的识别率?

作者还提到,与语音识别(学习、矢量量化和神经网络)相结合的技术并不能很好地处理环境中的声音。

我还在这里找到了一篇最新的文章:用于语义视频搜索的音频事件检测,由Bugalho等人撰写。(2009),他们在电影中检测声音事件(如枪声、爆炸等)。

我在这方面没有经验。由于你的问题激起了我的兴趣,我只是偶然发现了这一材料。我在这里张贴我的发现,希望能对你的研究有所帮助。

票数 3
EN

Stack Overflow用户

发布于 2011-11-27 12:50:03

我找到了一篇关于这个主题的有趣的论文。

它也应该适用于您的应用程序,如果不是更好的车辆声音。

当分析训练数据时,它.

  1. 采集200毫秒的样本
  2. 对每个样本进行傅里叶变换(FFT)
  3. 在频率向量上做主成分分析
代码语言:javascript
复制
- Calculates the mean of all samples of this class
- Subtracts the mean from the samples
- Calculates the eigen-vectors of the mean covariance matrix (mean of the outer products of each vector with itself)
- Stores the mean and the most significant eigen-vectors.

​

然后分类一个声音,它..。

  1. 采集200 of (S)样品。
  2. 对每个样本进行傅里叶变换。
  3. 从频率矢量(F)减去类(C)的平均值。
  4. 将频率向量与C的每个特征向量相乘,给出每个特征向量的数字.
  5. 从F中减去每个数的乘积和相应的本征向量。
  6. 获取结果向量的长度。
  7. 如果此值低于某个常量,则认为S属于C类。
票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/8284725

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档