CN110798790B - 麦克风异常检测方法、装置及存储介质 - Google Patents

麦克风异常检测方法、装置及存储介质 Download PDF

Info

Publication number
CN110798790B
CN110798790B CN201810863351.3A CN201810863351A CN110798790B CN 110798790 B CN110798790 B CN 110798790B CN 201810863351 A CN201810863351 A CN 201810863351A CN 110798790 B CN110798790 B CN 110798790B
Authority
CN
China
Prior art keywords
audio
microphone
domain feature
feature vector
frequency domain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810863351.3A
Other languages
English (en)
Other versions
CN110798790A (zh
Inventor
陈扬坤
陈展
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810863351.3A priority Critical patent/CN110798790B/zh
Publication of CN110798790A publication Critical patent/CN110798790A/zh
Application granted granted Critical
Publication of CN110798790B publication Critical patent/CN110798790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R29/00—Monitoring arrangements; Testing arrangements
    • H04R29/004—Monitoring arrangements; Testing arrangements for microphones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Otolaryngology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本发明公开了一种麦克风异常检测方法、装置及存储介质，属于终端技术领域。所述方法包括：播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频，然后根据测试音频的频域特征向量和源音频的频域特征向量之间的相似度，来判断目标麦克风是否为异常麦克风。也即是，在本发明实施例中，可以对目标麦克风单独进行异常检测，而不是需要结合其他麦克风采集的测试音频才能判断目标麦克风是否为异常麦克风。这样的话，就可以避免出现相关技术中在两路以上的麦克风为异常麦克风时检测异常麦克风有误的情况，从而提高了检测异常麦克风的准确性。

Description

麦克风异常检测方法、装置及存储介质
技术领域
本发明涉及终端技术领域，特别涉及一种麦克风异常检测方法、装置及存储介质。
背景技术
为了保障目标区域的安全，可以基于IPC(Internet ProtocolCamera，网络摄像机)对目标区域进行监控。其中，IPC中部署有多个麦克风，该多个麦克风构成麦克风阵列，在IPC对目标区域进行监控的过程中，麦克风阵列中每个麦克风采集音频，根据麦克风阵列中各个麦克风采集的音频，可以识别音源发出的音频。如果麦克风阵列中某个麦克风出现异常，将影响识别音源发出的音频的准确性，因此需要对麦克风阵列中的各个麦克风进行异常检测。
相关技术中，当需要对麦克风阵列中的各个麦克风进行异常检测时，确定每个麦克风采集到的音频。对于麦克风阵列中任意一个麦克风，如果该麦克风采集的音频与其他各个麦克风采集的音频之间差异值均大于设置的阈值，则确定该麦克风为异常的麦克风。比如，麦克风阵列中有三个麦克风，标记为麦克风A、麦克风B和麦克风C，如果麦克风A采集的音频与麦克风B采集的音频之间的差异值大于阈值，麦克风A采集的音频与麦克风C采集的音频之间的差异值也大于阈值，此时可以确定麦克风A为异常的麦克风。
在上述对麦克风进行异常检测的过程中，如果存在两路以上的麦克风为异常麦克风，那么通过上述方法检测出的异常麦克风可能是错误的。比如，麦克风A和麦克风B为异常的麦克风，麦克风C为正常的麦克风，此时麦克风A采集的音频与麦克风C采集的音频之间的差异值将大于阈值，麦克风B采集的音频与麦克风C采集的音频之间的差异值也将大于阈值，这种情况下如果仍然根据上述方法进行麦克风异常检测，将确定麦克风C为异常麦克风，但是实际上是麦克风A和麦克风B为异常麦克风，麦克风C为正常麦克风，显然，这种情况下根据上述方法确定出的异常麦克风是错误的。
发明内容
本发明实施例提供了一种麦克风异常检测方法、装置及存储介质，可以提高检测异常麦克风的准确性。所述技术方案如下：
第一方面，提供了一种麦克风异常检测方法，所述方法包括：
播放用于测试异常麦克风的源音频，并确定目标麦克风基于所述源音频采集的测试音频；
确定所述测试音频的频域特征向量，所述测试音频的频域特征向量用于指示所述测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征；
获取所述源音频的频域特征向量，并确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，如果确定的相似度小于相似度阈值，则确定所述目标麦克风为异常麦克风。
可选地，所述确定所述测试音频的频域特征向量，包括：
从所述测试音频中获取N帧音频数据，所述N为大于或等于1的正整数；
确定每帧音频数据的频域特征向量；
将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量。
可选地，所述确定每帧音频数据的频域特征向量，包括：
对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，所述幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，所述M为大于或等于1的正整数；
对每帧音频数据的幅度谱进行二值化处理；
将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。
可选地，所述对每帧音频数据的幅度谱进行二值化处理，包括：
确定每帧音频数据的幅度谱中出现的所有幅度的平均值；
对于每帧音频数据的幅度谱中任一幅度A，如果所述幅度A大于所述平均值，将所述幅度A设置为第一数值，如果所述幅度A小于或等于所述平均值，将所述幅度A设置为第二数值。
可选地，所述将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量，包括：
将所述N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵；
按照指定路线依次获取所述矩阵中的每个元素，并将获取的元素组成的向量作为所述测试音频的频域特征向量。
可选地，所述确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，包括：
基于相似度公式确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度；
其中，所述相似度公式为：
Figure GDA0002940873410000031
所述Sim为相似度，所述S_r(j)为所述源音频的频域特征向量，所述Td_r(j)为所述测试音频的频域特征向量，所述∧为同或计算，所述Num为所述测试音频的频域特征向量或所述源音频的频域特征向量中包括的元素的个数。
可选地，所述目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。
可选地，所述音频采集设备上还部署有播放器；
所述播放用于测试异常麦克风的源音频，包括：
通过所述播放器播放所述源音频。
第二方面，提供了一种麦克风异常检测装置，所述装置包括：
第一确定模块，用于播放用于测试异常麦克风的源音频，并确定目标麦克风基于所述源音频采集的测试音频；
第二确定模块，用于确定所述测试音频的频域特征向量，所述测试音频的频域特征向量用于指示所述测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征；
第三确定模块，用于获取所述源音频的频域特征向量，并确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，如果确定的相似度大于相似度阈值，则确定所述目标麦克风为异常麦克风。
可选地，所述第二确定模块包括：
获取单元，用于从所述测试音频中获取N帧音频数据，所述N为大于或等于1的正整数；
确定单元，用于确定每帧音频数据的频域特征向量；
组合单元，用于将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量。
可选地，所述确定单元包括：
第一处理子单元，用于对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，所述幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，所述M为大于或等于1的正整数；
第二处理子单元，用于对每帧音频数据的幅度谱进行二值化处理；
组合子单元，用于将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。
可选地，所述第二处理子单元，具体用于：
确定每帧音频数据的幅度谱中出现的所有幅度的平均值；
对于每帧音频数据的幅度谱中任一幅度A，如果所述幅度A大于所述平均值，将所述幅度A设置为第一数值，如果所述幅度A小于或等于所述平均值，将所述幅度A设置为第二数值。
可选地，所述组合单元，具体用于：
将所述N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵；
按照指定路线依次获取所述矩阵中的每个元素，并将获取的元素组成的向量作为所述测试音频的频域特征向量。
可选地，所述第三确定模块，具体用于：
基于相似度公式确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度；
其中，所述相似度公式为：
Figure GDA0002940873410000041
所述Sim为相似度，所述S_r(j)为所述源音频的频域特征向量，所述Td_r(j)为所述测试音频的频域特征向量，所述∧为同或计算，所述Num为所述测试音频的频域特征向量或所述源音频的频域特征向量中包括的元素的个数。
可选地，所述目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。
可选地，所述音频采集设备上还部署有播放器；
所述第一确定模块，具体用于：
通过所述播放器播放所述源音频。
第三方面，提供了一种麦克风异常检测装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述第一方面所述的任一项方法的步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的任一项方法的步骤。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的任一方法的步骤。
本发明实施例提供的技术方案带来的有益效果是：
在本发明实施例中，播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频，然后根据测试音频的频域特征向量和源音频的频域特征向量之间的相似度，来判断目标麦克风是否为异常麦克风。也即是，在本发明实施例中，可以对目标麦克风单独进行异常检测，而不是需要结合其他麦克风采集的测试音频才能判断目标麦克风是否为异常麦克风。这样的话，就可以避免出现相关技术中在两路以上的麦克风为异常麦克风时检测异常麦克风有误的情况，从而提高了检测异常麦克风的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种麦克风异常检测系统示意图；
图2是本发明实施例提供的一种麦克风异常检测方法流程图；
图3是本发明实施例提供的另一种麦克风异常检测方法流程图；
图4是本发明实施例提供的矩阵示意图；
图5是本发明实施例提供的一种麦克风异常检测装置框图；
图6是本发明实施例提供的一种终端装置框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细解释说明之前，先对本发明实施例的应用场景进行简单介绍。当基于IPC对目标区域进行监控时，IPC不仅需要采集目标区域内的视频画面，还需采集目标区域内发生的音频信号。由于麦克风阵列具有降噪和定位等功能，因此目前的IPC通常是基于麦克风阵列来采集音频信号的。其中，麦克风阵列降噪的工作原理为：根据不同的麦克风接收到音频信号的相位之间的差异对音频信号进行过滤，能最大限度将环境背景声音滤掉，只剩下需要的音频信号，以实现对采集的音频信号的降噪。因此，如果麦克风阵列中的某个麦克风出现异常，那么该麦克风采集的音频信号也是异常的，这时通过异常的麦克风采集的音频信号进行降噪的效果也是不理想的，因此通常需要对麦克风阵列中的麦克风进行异常检测。本发明实施例提供的麦克风异常检测方法就应用于检测麦克风阵列中的异常麦克风的场景中。
图1是本发明实施例提供的一种麦克风异常检测系统示意图，如图1所示，该系统100包括音频采集设备101和音频分析设备102，音频采集设备101和音频分析设备102之间通过无线或有线方式连接以进行通信。
其中，音频采集设备101中部署有麦克风阵列1011和播放器1012，播放器 1012用于播放源音频，在播放器1012播放源音频之后，麦风阵列1011中的每个麦克风采集音频，得到与每个麦克风采集的测试音频。音频采集设备101将麦风阵列1011中每个麦克风采集的测试音频发送给音频分析设备102，音频分析设备102根据源音频和每个麦克风采集的测试音频，确定每个麦克风是否为异常麦克风。
示例地，播放器1012还可以单独部署在音频采集设备之外，本发明实施例在此不做具体限定。另外，在图1中是以音频分析设备102单独部署在音频采集设备101之外为例进行说明，示例地，音频分析设备102可以集成在音频采集设备101中，本发明实施例在此不做具体限定。
另外，音频分析设备可以为IPC设备，还可以为DVR(Digital Video Recorder，数字视频录像机)设备，也可以为其他类型的音频采集设备。
接下来对本发明实施例提供的麦克风异常检测方法进行解释说明。
图2是本发明实施例提供的一种麦克风异常检测方法，应用于图1所示的麦克风异常检测系统，如图2所示，该方法包括如下步骤：
步骤201：播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频。
在本发明实施例中，为了能够实现对麦克风阵列中的各个麦克风单独进行异常检测，当需要对麦克风阵列中的麦克风进行异常检测时，播放源音频，当目标麦克风基于播放的源音采集到测试音频时，可以将源音频和目标音频进行比较，根据比较结果分析目标麦克风是否为异常麦克风，以实现独立对目标麦克风进行异常检测。
其中，目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。源音频为时长为指定时长的一段音频，并且，由于测试音频是基于播放的源音频采集的，因此测试音频的时长与源音频的时长相同。比如，源音频为时长1 分钟的音频，那么测试音频也是时长为1分钟的音频。
可选地，如图1所示，音频采集设备上还可以部署有播放器，这种情况可以通过音频采集设备上的播放器播放源音频。也即是，有音频采集设备自身播放源源音频，并由音频采集设备自身采集测试音频，以实现麦克风异常检测的自动化。
步骤202：确定测试音频的频域特征向量，测试音频的频域特征向量用于指示测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征。
为了能够准确地对测试音频和源音频进行比较，本发明实施例是通过测试音频的频率特征向量和源音频的频率特征向量实现对两者的比较。
在一种可能的实现方式中，确定测试音频的频域特征向量可以通过所示的步骤2021至步骤2023实现：
步骤2021：从测试音频中获取N帧音频数据，N为大于或等于1的正整数。
其中，N帧音频数据可以为测试音频包括的所有音频数据或部分音频数据，本发明实施例在此不做具体限定。当N帧音频数据为测试音频包括的所有音频数据时，表明此时是根据测试音频包括的所有音频数据来确定测试音频的频域特征向量，这样的话，确定出的测试音频的频域特征向量能够尽可能符合测试音频的特征。当N帧音频数据为测试音频包括的部分音频数据时，表明此时是根据测试音频包括的部分音频数据来确定测试音频的频域特征向量，这样可以提高确定测试音频的频率特征向量的效率。
比如，测试音频为时长为1分钟的音频，其中，1秒的音频包括25帧音频数据。那么N帧音频可以为测试音频包括的所有25×60帧音频数据，也可以为测试音频中前30秒的音频包括的25×30帧音频数据。
步骤2022：确定每帧音频数据的频域特征向量。
在一种可能的实现方式中，确定每帧音频数据的频域特征向量具体可以为：对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，M为大于或等于1的正整数，对每帧音频数据的幅度谱进行二值化处理，将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。
其中，每帧音频数据都可以理解为一段时域信号，那么对每帧音频数据进行傅里叶变换处理是指：将每帧音频数据对应的时域信号转换为M个基本时域信号的叠加，每个基本时域信号可以为诸如正弦波信号或余波信号等信号，且每个基本时域信号对应一个频率。将各个基本时域信号的幅度组合，即可得到每帧音频数据的幅度谱，也即是，每帧音频数据的幅度谱中包括M个幅度数值。
比如，将M个频率分别标记为F1、F2、F3…、Fm，那么N帧音频数据中第一帧音频数据的幅度谱可以表示为：S1(1)、S1(2)、S1(3)…、S1(m)，其中，S1(1) 是频率F1对应的基本时域信号的幅度，S1(2)是频率F2对应的基本时域信号的幅度，S1(3)是频率F3对应的基本时域信号的幅度，S1(m)是频率Fm对应的基本时域信号的幅度。依次类推，第二帧音频数据的幅度谱可以表示为：S2(1)、S2(2)、S2(3)…、S2(m)，第三帧音频数据的幅度谱可以表示为：S3(1)、S3(2)、S3(3)…、S3(m)…，第N帧音频数据的幅度谱可以表示为：Sn(1)、Sn(2)、Sn(3)…、Sn(m)。
其中，傅里叶变换可以为FFT(Fast Fourier Transformation，快速傅里叶变换)，也可以为其他形式的傅里叶变换，本发明实施例在此具体限定。
另外，对每帧音频数据的幅度谱进行二值化处理的实现方式可以为：确定每帧音频数据的幅度谱中出现的所有幅度的平均值，对于每帧音频数据的幅度谱中任一幅度A，如果幅度A大于所述平均值，将幅度A设置为第一数值，如果幅度A小于或等于平均值，将幅度A设置为第二数值。通过二值化处理可以使得每帧音频数据的幅度谱中仅仅包括两种类型的元素。
比如，第一数值可以为1，第二数值可以为0，这样的话，每帧音频数据的幅度谱中仅仅包括两种类型的元素：1和0。当然，第一数值和第二数值也可以设置为其他数值，比如将第一数值设置为1，第二数值设置为-1，本发明实施例在此不做具体限定。
表1
Figure GDA0002940873410000091
对每帧音频数据的幅度谱进行二值化处理之后，可以将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。如表1 所示，当第一帧音频数据的幅度谱表示为S1(1)、S1(2)、S1(3)…、S1(m)时，二值化处理之后的幅度谱可以表示为：S1(1)’、S1(2)’、S1(3)’…、S1(m)’，此时得到第一帧音频数据的频域特征向量为(S1(1)’、S1(2)’、S1(3)’…、S1(m)’)。当第二帧音频数据的幅度谱表示为S2(1)、S2(2)、S2(3)…、S2(m)时，二值化处理之后的幅度谱可以表示为：S2(1)’、S2(2)’、S2(3)’…、S2(m)’，此时得到第二帧音频数据的频域特征向量为(S2(1)’、S2(2)’、S2(3)’…、S2(m)’)。当第三帧音频数据的幅度谱表示为S3(1)、S3(2)、S3(3)…、S3(m)时，二值化处理之后的幅度谱可以表示为： S3(1)’、S3(2)’、S3(3)’…、S3(m)’，此时得到第三帧音频数据的频域特征向量为 (S3(1)’、S3(2)’、S3(3)’…、S3(m)’)。当第N帧音频数据的幅度谱表示为Sn(1)、Sn(2)、Sn(3)…、Sn(m)时，二值化处理之后的幅度谱可以表示为：Sn(1)’、Sn(2)’、Sn(3)’…、Sn(m)’，此时得到第一帧音频数据的频域特征向量为(Sn(1)’、Sn(2)’、Sn(3)’…、Sn(m)’)。
步骤2023：将N帧音频数据中每帧音频数据的频域特征向量进行组合，得到测试音频的频域特征向量。
在一种可能的实现方式中，将N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵，按照指定路线依次获取矩阵中的每个元素，并将获取的元素组成的向量作为测试音频的频域特征向量。
当每帧音频数据的频域特征向量包括M个元素时，N列矩阵是一个N列M 行的矩阵。当每帧音频数据的频域特征向量为上述表1所示的频域特征向量时，该N列M行的矩阵可以表示为4所示的方格。如图4所示，每一行方格对应矩阵的每一行元素，每一列方格对应矩阵的每一列元素。具体地，第一列方格对应的第一帧音频数据的频域特征向量(S1(1)’、S1(2)’、S1(3)’…、S1(m)’)中的各个元素，第二列方格对应第二帧音频数据的频域特征向量(S2(1)’、S2(2)’、S2(3)’…、 S2(m)’)中的各个元素，第三列方格对应第三帧音频数据的频域特征向量(S3(1)’、 S3(2)’、S3(3)’…、S3(m)’)中的各个元素，…，第N列方格对应第N帧音频数据的频域特征向量(S3(1)’、S3(2)’、S3(3)’…、S3(m)’)中的各个元素。
其中，按照指定路线依次获取矩阵中的每个元素可以为：从矩阵的左上角第一个元素开始，按照S型路线的方式依次获取矩阵中的每个元素可以为，其中，S型路线可以为图4所示的S型路线。当然，指定路线也可以为其他类型的路线，只需保证获取到矩阵中的每个元素即可。
在通过步骤202确定出测试音频的频域特征向量之后，可以通过下述步骤 203获取源音频的频域特征向量。
步骤203：获取源音频的频域特征向量。
在本发明实施例中，可以在每次确定出目标麦克风的频域特征向量之后，按照确定目标麦克风的频域特征向量的方式确定源音频的频域特征向量。这样的话，当目标麦克风是麦克风阵列中的一个麦克风，可能导致每次检测一个麦克风都需要确定一次源音频的频域特征向量，造成不必要的资源浪费。因此，对于目标麦克风时麦克风阵列中的麦克风的应用场景，可以预先确定出源音频的频域特征向量，或者在检测第一个麦克风时确定出源音频的频域特征特征向量，并存储确定出的源音频的频域特征向量，这样可以在后续需要的时候从存储的内容中获取源音频的频域特征向量。
需要说明的是，无论是哪种方式获取源音频的频域特征向量，都需保证确定源音频的频域特征向量的方式和确定测试音频的频域特征向量的方式完全一致，否则，确定出的源音频的频域特征向量和确定出的测试音频的频域特征向量之间没有可比性。
由于确定源音频的频域特征向量的方式和确定测试音频的频域特征向量的方式完全一致，因此，在此不再详细解释说明确定源音频的频域特征向量具体过程。
步骤204：确定测试音频的频域特征向量和源音频的频域特征向量之间的相似度，如果确定的相似度小于相似度阈值，则确定目标麦克风为异常麦克风。
由步骤2022和步骤2023可知，测试音频的频域特征向量和源音频的频域特征向量均只包括两种类型的元素，因此，在一种可能的实现方式中，确定测试音频的频域特征向量和源音频的频域特征向量之间的相似度具体可以为：基于相似度公式确定测试音频的频域特征向量和源音频的频域特征向量之间的相似度，相似度公式为：
Figure GDA0002940873410000111
其中，Sim为相似度，S_r(j)为源音频的频域特征向量，Td_r(j)为测试音频的频域特征向量，∧为同或计算，Num为测试音频的频域特征向量或源音频的频域特征向量中包括的元素的个数。同或计算是指：如果两个元素是相同的元素，则将计算结果设置为1，如果两个元素是不相同的元素，则将计算结果设置为0。
假设测试音频的频域特征向量为(0、0、1、1、0、1、1、0、0、1)，源音频的频域特征向量为(1、0、1、0、0、1、1、1、0、1)，则测试音频的频域特征向量和源音频的频域特征向量之间的相似度可以表示为：
Figure GDA0002940873410000121
其中，相似度阈值为预先设置的数值，相似度阈值可以为0.5，也可以为0.6 等。相似度阈值为0.6，如果测试音频的频域特征向量和源音频的频域特征向量之间的相似度为0.7，则可以确定目标麦克风为正常麦克风，如果测试音频的频域特征向量和源音频的频域特征向量之间的相似度为0.5，则可以确定目标麦克风为异常麦克风。
需要说明的是，通过上述步骤201至步骤204可以实现对麦克风阵列中的每个麦克风单独进行检测，因此，上述步骤201至步骤204不仅应用于麦克风阵列中异常麦克风检测的场景，还可以应用于仅包括一个麦克风的音频采集设备的异常麦克风检测的场景，本发明实施例在此不做具体限定。
在本发明实施例中，播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频，然后根据测试音频的频域特征向量和源音频的频域特征向量之间的相似度，来判断目标麦克风是否为异常麦克风。也即是，在本发明实施例中，可以对目标麦克风单独进行异常检测，而不是需要结合其他麦克风采集的测试音频才能判断目标麦克风是否为异常麦克风。这样的话，就可以避免出现相关技术中在两路以上的麦克风为异常麦克风时检测异常麦克风有误的情况，从而提高了检测异常麦克风的准确性。
参见图5，本发明实施例提供了一种麦克风异常检测装置框图，该装置500 包括：
第一确定模块501，用于播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频；
第二确定模块502，用于确定测试音频的频域特征向量，测试音频的频域特征向量用于指示测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征；
第三确定模块503，用于获取源音频的频域特征向量，并确定测试音频的频域特征向量和源音频的频域特征向量之间的相似度，如果确定的相似度小于相似度阈值，则确定目标麦克风为异常麦克风。
可选地，第二确定模块502包括：
获取单元，用于从测试音频中获取N帧音频数据，N为大于或等于1的正整数；
确定单元，用于确定每帧音频数据的频域特征向量；
组合单元，用于将N帧音频数据中每帧音频数据的频域特征向量进行组合，得到测试音频的频域特征向量。
可选地，确定单元包括：
第一处理子单元，用于对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，所述M为大于或等于1的正整数；
第二处理子单元，用于对每帧音频数据的幅度谱进行二值化处理；
组合子单元，用于将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。
可选地，第二处理子单元，具体用于：
确定每帧音频数据的幅度谱中出现的所有幅度的平均值；
对于每帧音频数据的幅度谱中任一幅度A，如果所述幅度A大于平均值，将幅度A设置为第一数值，如果幅度A小于或等于所述平均值，将幅度A设置为第二数值。
可选地，组合单元，具体用于：
将N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵；
按照指定路线依次获取矩阵中的每个元素，并将获取的元素组成的向量作为测试音频的频域特征向量。
可选地，第三确定模块，具体用于：
基于相似度公式确定测试音频的频域特征向量和源音频的频域特征向量之间的相似度；
其中，相似度公式为：
Figure GDA0002940873410000131
Sim为相似度，S_r(j)为源音频的频域特征向量，Td_r(j)为测试音频的频域特征向量，∧为同或计算， Num为测试音频的频域特征向量或源音频的频域特征向量中包括的元素的个数。
可选地，目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。
可选地，音频采集设备上还部署有播放器；
第一确定模块，具体用于：
通过播放器播放源音频。
在本发明实施例中，播放用于测试异常麦克风的源音频，并确定目标麦克风基于源音频采集的测试音频，然后根据测试音频的频域特征向量和源音频的频域特征向量之间的相似度，来判断目标麦克风是否为异常麦克风。也即是，在本发明实施例中，可以对目标麦克风单独进行异常检测，而不是需要结合其他麦克风采集的测试音频才能判断目标麦克风是否为异常麦克风。这样的话，就可以避免出现相关技术中在两路以上的麦克风为异常麦克风时检测异常麦克风有误的情况，从而提高了检测异常麦克风的准确性。
需要说明的是：上述实施例提供的麦克风异常检测装置在进行麦克风异常检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的麦克风异常检测装置与麦克风异常检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图6示出了本发实施例提供的终端600的结构框图。该终端600可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端600包括有：处理器601和存储器602。
处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA (Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601 可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括 AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的麦克风异常检测方法。
在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603 相连。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路604包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及 5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路604还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏605用于显示UI(UserInterface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏605可以为一个，设置终端600的前面板；在另一些实施例中，显示屏 605可以为至少两个，分别设置在终端600的不同表面或呈折叠设计；在再一些实施例中，显示屏605可以是柔性显示屏，设置在终端600的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及 VR(VirtualReality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路 604以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置，以实现导航或LBS (LocationBased Service，基于位置的服务)。定位组件608可以是基于美国的 GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器 613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611 还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器 601根据陀螺仪传感器612采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时，可以检测用户对终端600的握持信号，由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时，由处理器601 根据用户对触摸显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹，由处理器601根据指纹传感器614 采集到的指纹识别用户的身份，或者，由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器601授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。
接近传感器616，也称距离传感器，通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时，由处理器 601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏 605从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图6中示出的结构并不构成对终端600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本发明实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得终端能够执行上述实施例提供的麦克风异常检测方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的麦克风异常检测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种麦克风异常检测方法，其特征在于，所述方法包括：
播放用于测试异常麦克风的源音频，并确定目标麦克风基于所述源音频采集的测试音频；
从所述测试音频中获取N帧音频数据，所述N为大于或等于1的正整数；对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，所述幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，所述M为大于或等于1的正整数；对每帧音频数据的幅度谱进行二值化处理；将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量；将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量，所述测试音频的频域特征向量用于指示所述测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征；
获取所述源音频的频域特征向量，并确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，如果确定的相似度小于相似度阈值，则确定所述目标麦克风为异常麦克风。
2.如权利要求1所述的方法，其特征在于，所述对每帧音频数据的幅度谱进行二值化处理，包括：
确定每帧音频数据的幅度谱中出现的所有幅度的平均值；
对于每帧音频数据的幅度谱中任一幅度A，如果所述幅度A大于所述平均值，将所述幅度A设置为第一数值，如果所述幅度A小于或等于所述平均值，将所述幅度A设置为第二数值。
3.如权利要求1或2所述的方法，其特征在于，所述将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量，包括：
将所述N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵；
按照S型路线依次获取所述矩阵中的每个元素，并将获取的元素组成的向量作为所述测试音频的频域特征向量。
4.如权利要求1所述的方法，其特征在于，所述确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，包括：
基于相似度公式确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度；
其中，所述相似度公式为：
Figure FDA0002940873400000021
所述Sim为相似度，所述S_r(j)为所述源音频的频域特征向量，所述Td_r(j)为所述测试音频的频域特征向量，所述∧为同或计算，所述Num为所述测试音频的频域特征向量或所述源音频的频域特征向量中包括的元素的个数，所述MN为所述M和所述N的乘积，所述j指示所述测试音频的频域特征向量或所述源音频的频域特征向量中任一个元素。
5.如权利要求1所述的方法，其特征在于，所述目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。
6.如权利要求5所述的方法，其特征在于，所述音频采集设备上还部署有播放器；
所述播放用于测试异常麦克风的源音频，包括：
通过所述播放器播放所述源音频。
7.一种麦克风异常检测装置，其特征在于，所述装置包括：
第一确定模块，用于播放用于测试异常麦克风的源音频，并确定目标麦克风基于所述源音频采集的测试音频；
第二确定模块，用于确定所述测试音频的频域特征向量，所述测试音频的频域特征向量用于指示所述测试音频包括的全部音频数据或部分音频数据在不同频率上的幅度特征；
第三确定模块，用于获取所述源音频的频域特征向量，并确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度，如果确定的相似度小于相似度阈值，则确定所述目标麦克风为异常麦克风；
其中，所述第二确定模块包括：
获取单元，用于从所述测试音频中获取N帧音频数据，所述N为大于或等于1的正整数；
确定单元，用于确定每帧音频数据的频域特征向量；
组合单元，用于将所述N帧音频数据中每帧音频数据的频域特征向量进行组合，得到所述测试音频的频域特征向量；
其中，所述确定单元包括：
第一处理子单元，用于对每帧音频数据进行傅里叶变换处理，得到每帧音频数据的幅度谱，所述幅度谱包括对应的音频数据在M个频率中的每个频率上的幅度，所述M为大于或等于1的正整数；
第二处理子单元，用于对每帧音频数据的幅度谱进行二值化处理；
组合子单元，用于将二值化处理之后的幅度谱中包括的各个元素进行组合，得到每帧音频数据的频域特征向量。
8.如权利要求7所述的装置，其特征在于，所述第二处理子单元，具体用于：
确定每帧音频数据的幅度谱中出现的所有幅度的平均值；
对于每帧音频数据的幅度谱中任一幅度A，如果所述幅度A大于所述平均值，将所述幅度A设置为第一数值，如果所述幅度A小于或等于所述平均值，将所述幅度A设置为第二数值。
9.如权利要求7或8所述的装置，其特征在于，所述组合单元，具体用于：
将所述N帧音频数据中每帧音频数据的频域特征向量作为一列，构成N列矩阵；
按照S型路线依次获取所述矩阵中的每个元素，并将获取的元素组成的向量作为所述测试音频的频域特征向量。
10.如权利要求7所述的装置，其特征在于，所述第三确定模块，具体用于：
基于相似度公式确定所述测试音频的频域特征向量和所述源音频的频域特征向量之间的相似度；
其中，所述相似度公式为：
Figure FDA0002940873400000041
所述Sim为相似度，所述S_r(j)为所述源音频的频域特征向量，所述Td_r(j)为所述测试音频的频域特征向量，所述∧为同或计算，所述Num为所述测试音频的频域特征向量或所述源音频的频域特征向量中包括的元素的个数，所述MN为所述M和所述N的乘积，所述j指示所述测试音频的频域特征向量或所述源音频的频域特征向量中任一个元素。
11.如权利要求7所述的装置，其特征在于，所述目标麦克风为部署于音频采集设备中的麦克风阵列中的任一麦克风。
12.如权利要求11所述的装置，其特征在于，所述音频采集设备上还部署有播放器；
所述第一确定模块，具体用于：
通过所述播放器播放所述源音频。
13.一种麦克风异常检测装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述权利要求1至权利要求6中的任一项权利要求所述的方法的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述权利要求1至权利要求6中的任一项权利要求所述的方法的步骤。
CN201810863351.3A 2018-08-01 2018-08-01 麦克风异常检测方法、装置及存储介质 Active CN110798790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810863351.3A CN110798790B (zh) 2018-08-01 2018-08-01 麦克风异常检测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810863351.3A CN110798790B (zh) 2018-08-01 2018-08-01 麦克风异常检测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110798790A CN110798790A (zh) 2020-02-14
CN110798790B true CN110798790B (zh) 2021-04-27

Family

ID=69425307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810863351.3A Active CN110798790B (zh) 2018-08-01 2018-08-01 麦克风异常检测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110798790B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113362850B (zh) * 2020-03-03 2024-05-28 杭州海康威视数字技术股份有限公司 音频信号采集设备的检测方法、设备和存储介质
CN111885474A (zh) * 2020-04-15 2020-11-03 南京创维信息技术研究院有限公司 麦克风测试方法及装置
CN111341345B (zh) * 2020-05-21 2021-04-02 深圳市友杰智新科技有限公司 语音设备的控制方法、装置、语音设备和存储介质
CN111770427B (zh) * 2020-06-24 2023-01-24 杭州海康威视数字技术股份有限公司 麦克风阵列的检测方法、装置、设备以及存储介质
CN112019838B (zh) * 2020-09-08 2023-01-20 深圳创维－Rgb电子有限公司 智能电视语音故障诊断方法、装置和智能电视
CN112669883A (zh) * 2020-12-24 2021-04-16 北京达佳互联信息技术有限公司 用于音频播放设备的异常检查方法、装置和存储介质
CN113453137B (zh) * 2021-06-29 2023-03-14 四川长虹电器股份有限公司 麦克风阵列中单麦异常检测方法及其检测装置
CN113571083A (zh) * 2021-07-08 2021-10-29 上海绿联智能科技股份有限公司 一种冰箱多麦克混合音异常识别方法、装置和电子设备
KR20230049238A (ko) * 2021-10-06 2023-04-13 삼성전자주식회사 마이크 어레이의 이상 채널 검출 및 보상 신호 생성 방법 및 장치
CN116112857A (zh) * 2023-02-08 2023-05-12 深圳市冠标科技发展有限公司 一种检测方法、装置、电子设备及计算机存储介质
CN115866466B (zh) * 2023-02-28 2023-05-09 深圳方位通讯科技有限公司 一种麦克风异常检测设备
CN117714958B (zh) * 2023-06-27 2024-09-24 荣耀终端有限公司 音频检测方法、系统及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103929707A (zh) * 2014-04-08 2014-07-16 深圳市中兴移动通信有限公司 一种检测麦克风音频通道状况的方法和移动终端
CN104640054A (zh) * 2015-02-12 2015-05-20 广东欧珀移动通信有限公司 移动终端听筒/扬声器测试方法和系统
CN105979462A (zh) * 2015-11-16 2016-09-28 乐视致新电子科技（天津）有限公司 一种基于麦克风的测试处理方法和装置
CN107170465A (zh) * 2017-06-29 2017-09-15 数据堂（北京）科技股份有限公司 一种音频质量检测方法及音频质量检测系统
CN107274912A (zh) * 2017-07-13 2017-10-20 东莞理工学院 一种手机录音的设备来源辨识方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7065237B2 (en) * 2001-12-10 2006-06-20 Canon Kabushiki Kaisha Image processing apparatus and method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103929707A (zh) * 2014-04-08 2014-07-16 深圳市中兴移动通信有限公司 一种检测麦克风音频通道状况的方法和移动终端
CN104640054A (zh) * 2015-02-12 2015-05-20 广东欧珀移动通信有限公司 移动终端听筒/扬声器测试方法和系统
CN105979462A (zh) * 2015-11-16 2016-09-28 乐视致新电子科技（天津）有限公司 一种基于麦克风的测试处理方法和装置
CN107170465A (zh) * 2017-06-29 2017-09-15 数据堂（北京）科技股份有限公司 一种音频质量检测方法及音频质量检测系统
CN107274912A (zh) * 2017-07-13 2017-10-20 东莞理工学院 一种手机录音的设备来源辨识方法

Also Published As

Publication number Publication date
CN110798790A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110798790B (zh) 麦克风异常检测方法、装置及存储介质
CN108897659B (zh) 修改日志级别的方法、装置及存储介质
CN111127509B (zh) 目标跟踪方法、装置和计算机可读存储介质
CN108132790B (zh) 检测无用代码的方法、装置及计算机存储介质
CN110839128B (zh) 拍照行为检测方法、装置及存储介质
CN109522863B (zh) 耳部关键点检测方法、装置及存储介质
CN111857793B (zh) 网络模型的训练方法、装置、设备及存储介质
CN110659542B (zh) 监控方法及装置
CN112084811A (zh) 身份信息的确定方法、装置及存储介质
CN109102811B (zh) 音频指纹的生成方法、装置及存储介质
CN111754386A (zh) 图像区域屏蔽方法、装置、设备及存储介质
CN112749590B (zh) 目标检测方法、装置、计算机设备和计算机可读存储介质
CN109783176B (zh) 切换页面的方法和装置
CN107943484B (zh) 执行业务功能的方法和装置
CN113706807B (zh) 发出报警信息的方法、装置、设备及存储介质
CN110263695B (zh) 人脸部位的位置获取方法、装置、电子设备及存储介质
CN111860064A (zh) 基于视频的目标检测方法、装置、设备及存储介质
CN114594885A (zh) 应用图标的管理方法、装置、设备及计算机可读存储介质
CN113076452A (zh) 应用分类的方法、装置、设备及计算机可读存储介质
CN112365088A (zh) 行程关键点的确定方法、装置、设备及可读存储介质
CN112990421A (zh) 优化深度学习网络的运行过程的方法、装置及存储介质
CN111860030A (zh) 行为检测方法、装置、设备及存储介质
CN111444945A (zh) 样本信息过滤方法、装置、计算机设备及存储介质
CN112308104A (zh) 异常识别方法、装置及计算机存储介质
CN112990424A (zh) 神经网络模型训练的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant