CN111181949B - 一种声音检测方法、装置、终端设备和存储介质 - Google Patents
一种声音检测方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN111181949B CN111181949B CN201911359667.XA CN201911359667A CN111181949B CN 111181949 B CN111181949 B CN 111181949B CN 201911359667 A CN201911359667 A CN 201911359667A CN 111181949 B CN111181949 B CN 111181949B
- Authority
- CN
- China
- Prior art keywords
- audio data
- audio
- sampling
- pcm
- data
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims description 12
- 238000005070 sampling Methods 0.000 claims abstract description 116
- 230000006855 networking Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 5
- 230000005236 sound signal Effects 0.000 claims 2
- 238000011897 real-time detection Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 11
- 238000013139 quantization Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/162—Interface to dedicated audio devices, e.g. audio drivers, interface to CODECs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Otolaryngology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例提供了一种声音检测方法和装置，所述方法应用于视联网中，视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
Description
技术领域
本发明涉及视联网技术领域，特别是涉及一种声音检测方法、装置、终端设备和存储介质。
背景技术
随着网络科技的快速发展，视频会议、视频教学等双向通信在用户的生活、工作、学习等方面广泛普及。
在一个视联网会议中，视联网终端上安装有麦克风MIC，作为发言人的终端可以通过麦克风进行发言，而目前无法检测接入视联网终端的MIC是否有声音。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种声音检测方法、装置、终端设备和存储介质。
第一个方面，本发明实施例提供一种声音检测方法，应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述方法包括：
所述视联网终端获取所述音频设备输入的第一预设时间段的第一音频数据；
每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入。
可选地，所述对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值，包括：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值。
可选地，所述根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息，包括：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
可选地，所述方法还包括：
若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；
将所述编码后的音频数据发送至其他视联网设备。
第二个方面，本发明实施例提供一种声音检测装置，应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述视联网终端包括：
获取模块，用于获取所述音频设备输入的第一预设时间段的第一音频数据；
截取模块，用于每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
转换模块，用于对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
确定模块，用于根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
判断模块，用于在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入。
可选地，所述转换模块用于：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值。
可选地，所述确定模块用于：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
可选地，所述装置还包括发送模块，所述发送模块用于：
若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；
将所述编码后的音频数据发送至其他视联网设备。
第三个方面，本发明实施例提供一种终端设备，包括：至少一个处理器和存储器；
所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的方法。
第四个方面，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的方法。
本发明实施例包括以下优点：
本发明实施例应用视联网的特性，视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
附图说明
图1是本发明的一种声音检测方法实施例的步骤流程图；
图2是本发明的另一种声音检测方法实施例的步骤流程图；
图3是本发明的一种声音检测系统实施例的结构框图；
图4是本发明的一种声音检测装置实施例的结构框图；
图5是本发明的一种终端设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
视联网是网络发展的重要里程碑，是一个实时网络，能够实现高清视频实时传输，将众多互联网应用推向高清视频化，高清面对面。
视联网采用实时高清视频交换技术，可以在一个网络平台上将所需的服务，如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、VOD点播、电视邮件、个性录制(PVR)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个系统平台，通过电视或电脑实现高清品质视频播放。
基于视联网的上述特性，提出了本发明实施例的核心构思之一，遵循视联网的协议，视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
名词解释如下：
PCM：Pulse Code Modulation，脉冲编码调制就是把一个时间连续，取值连续的模拟信号变换成时间离散，取值离散的数字信号后在信道中传输。脉冲编码调制就是对模拟信号先抽样，再对样值幅度量化，编码的过程。
AAC：Advanced Audio Coding,高级音频编码技术,AAC可以支持多达48个音轨，15个低频(LFE)音轨，5.1多声道支持，更高的采样率(最高可达96kHz，音频CD为44.1kHz)和更高的采样精度(支持8bit、16bit、24bit、32bit，音频CD为16bit)以及有多种语言的兼容能力，更高的解码效率，一般来说，AAC可以在对比MP3文件缩小30％的前提下提供更好的音质。
ALSA：Advanced Linux Sound Architecture，高级Linux声音架构，Linux操作系统上提供了音频和MIDI(Musical Instrument Digital Interface，音乐设备数字化接口)的支持，高效地支持从消费类入门级声卡到专业级音频设备所有类型的音频接口，完全模块化的设计，支持对称多处理(SMP)和线程安全，对OSS的向后兼容，以及提供了用户空间的alsa-lib库来简化应用程序的开发。
本发明一实施例提供一种声音检测方法，用于检测音频设备是否有声音输入。本实施例的执行主体为声音检测装置，设置在视联网终端上，其中，视联网终端可以为机顶盒等。
参照图1，示出了本发明的一种声音检测方法实施例的步骤流程图，该方法可以应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述方法包括：
S101、所述视联网终端获取所述音频设备输入的第一预设时间段的第一音频数据；
具体地，视联网终端上安装有音频设备，例如麦克风MIC，MIC采集音频数据，例如，该音频数据可能是视频会议中人员的声音，也可能是环境中的噪音。
MIC将采集的音频数据发送至视联网终端上，视联网终端从该音频数据中获取第一预设时间段的音频数据，即为第一音频数据，例如，第一预设时间段为1秒，即视联网终端从该音频数据中获取1秒的音频数据，即为第一音频数据。
S102、每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
具体地，视联网终端在第一音频数据中，每隔第二预设时间段对第一音频数据进行截取，截取的长度可以是预设长度，可以是随机长度，在本发明实施例中优选为预设长度，即每隔第二预设时间段对第一音频数据进行预设长度的截取，获得多个第二音频数据。
示例性地，在1秒的第一音频数据中，每隔20ms对第一音频数据进行截取，每段音频数据的长度为320字节的长度，就可以得到多段第二音频数据，每段第二音频数据的预设长度为320字节。
需要说明的是，第一预设时间段、第二预设时间段和预设长度可根据需要自行设定，在本发明实施例中不做具体限定。
S103、对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
具体地，第二音频数据为模拟信号，对第二音频数据进行处理，获得第二音频数据对应的PCM数字信号，具体地，PCM数据为脉冲编码调制的数字信号，并且每一段第二音频数据对应的PCM数据中包括多个采样点，具体包括采样点幅值。
其中，PCM数据中的采样点的个数在本申请实施例中不做具体限定，可以根据需要进行设定，在本发明实施例中通过linux音频驱动(ALSA)实现PCM数据的转换。
S104、根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
具体地，对于每一段第二视频数据对应一个PCM数据，每个PCM数据包括多个采样点幅值，根据每个PCM的多个采样点幅值，计算该PCM数据对应的音量信息，即第二视频数据对应的音量信息，即分贝值。
S105、在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入。
具体地，在第一预设时间段内，若第二音频数据对应的音量信息大于预设音量信息，且出现多次，则确定该音频设备有声音输入。
示例性地，例如在1秒内连续5次第二音频数据对应的分贝值大于预设分贝值，则确定该音频设备即MIC有声音输入，若.每秒内没有连续5次的分贝值超过预设分贝值，则确定MIC无声音输入。
例如，预设分贝值为50分值，则确定为有声音输入，若预设分贝值小于50分值，则确定无声音输入，输入的第一音频数据可能为环境噪音。
本发明实施例提供的声音检测方法，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本发明又一实施例对上述实施例提供的方法做进一步补充说明。
可选地，所述对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值，包括：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值。
具体的，抽样是把时间连续的模拟信号即第二音频数据转换成时间上离散、幅度连续的抽样信号；量化是把时间离散、幅度连续的抽样信号转换成时间离散、幅度离散的数字信号；编码是将量化后的信号编码形成多位二进制码组成的码组表示抽样值，完成模拟信号到数字信号的转换。编码后的二进制码组经数字信道传输，在接收端，经过译码和滤波，还原为模拟信号。
具体地，抽样是把模拟信号以其信号带宽2倍以上的频率提取样值，变为在时间轴上离散的抽样信号的过程。例如，话音信号带宽被限制在0.3～3.4kHz内，用8kHz的抽样频率(fs)，就可获得能取代原来连续话音信号的抽样信号。对一个正弦信号进行抽样获得的抽样信号是一个脉冲幅度调制(PAM)信号，对抽样信号进行检波和平滑滤波，即可还原出原来的模拟信号。
具体到量化的过程为：抽样信号虽然是时间轴上离散的信号，但仍然是模拟信号，其样值在一定的取值范围内，可有无限多个值。显然，对无限个样值一一给出数字码组来对应是不可能的。为了实现以数字码表示样值，必须采用“四舍五入”的方法把样值分级“取整”，使一定取值范围内的样值由无限多个值变为有限个值。这一过程称为量化。
量化后的抽样信号与量化前的抽样信号相比较，当然有所失真，且不再是模拟信号。这种量化失真在接收端还原模拟信号时表现为噪声，并称为量化噪声。量化噪声的大小取决于把样值分级“取整”的方式，分的级数越多，即量化级差或间隔越小，量化噪声也越小。
对量化后的抽样信号进行编码，具体地，量化后的抽样信号在一定的取值范围内仅有有限个可取的样值，且信号正、负幅度分布的对称性使正、负样值的个数相等，正、负向的量化级对称分布。若将有限个量化样值的绝对值从小到大依次排列，并对应地依次赋予一个十进制数字代码(例如，赋予样值0的十进制数字代码为0)，在码前以“+”、“－”号为前缀，来区分样值的正、负，则量化后的抽样信号就转化为按抽样时序排列的一串十进制数字码流，即十进制数字信号。简单高效的数据系统是二进制码系统，因此，应将十进制数字代码变换成二进制编码。根据十进制数字代码的总个数，可以确定所需二进制编码的位数，即字长。这种把量化的抽样信号变换成给定字长的二进制码流的过程称为编码。
对第二音频数据进行抽样、量化和编码后，得到第二音频数据对应的PCM数据。
可选地，所述根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息，包括：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
具体地，每个PCM数据包括多个采样点幅值，根据采样地幅值计算该PCM数据对应的音量信息，即分贝值，具体步骤如下：
/**
*获取所有振幅之平均值，计算db(振幅最大值2^16-1＝65535，最大值是96.32db)
*16bit＝＝2字节＝＝short int
*无符号16bit：96.32＝20*lg(65535)；
*@param pcmdata转换成char类型，才可以按字节操作；
*@param size pcmdata的大小；
*@return db值
*/
Int v2v_getPcmDB(const unsigned char*pcmdata,size_t size){
Int db＝0；
Short int value＝0；
Double sum＝0；
Int i＝0；
For(i＝0；i<size；i+＝2)
{
Memcpy(&value,pcmdata+i,2)；//获取2个字节的大小(值)
Sum+＝abs(value)；//绝对值求和
}
Sum＝sum/(size/2)；求平均值(2个字节表示一个振幅，所以振幅个数为：size/2个)
If(sum>0)
{
Db＝(int)(20.0log10(sum)；
}
Return db；}
可选地，所述方法还包括：
若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；
将所述编码后的音频数据发送至其他视联网设备。
在上述实施例的基础上，当确定音频设备有声音输入时，则对第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据，再将编码后的音频数据发送至视联网其他设备，例如，视联网视频会议的其他终端等。
图2是本发明的另一种声音检测方法实施例的步骤流程图，如图2所示，具体步骤如下所示：
S201、采集MIC的PCM音频数据；具体地：
视联网会议开启后，视联网终端采集接入MIC的音频数据；视联网终端对采集的音频数据截取，在1秒的时间内，每20毫秒截取预设长度的采样音频数据；对每一段的采样音频数据，进行抽样、量化、编码，得到PCM数据，该PCM数据中包括很多个采样点的幅值；
S202、是否开启语音检测功能，若是，执行S203；若否，则执行S206；
S203、检测PCM的音量信息；具体地：将一段采样音频数据对应的PCM数据中的每个采样点的幅值求和，将得到的值求平均值；对得到的平均值求对数，得到该PCM数据对应的分贝值即音量信息。其中，每一段采样音频数据都对应一个分贝值。
S204、根据音量信息判断是否有声音输入；若是，执行S205；若否，重新执行S202；
具体地，在每秒内连续5次的音量信息超过阈值，认定为MIC有声音输入；若有声音输入，则将PCM数据进行ACC音频编码方式进行编码，将编码后的数据发送至视联网；
若在1秒内没有连续5次的音量信息超过阈值，认定MIC无声音输入，停止编码，停止发送音频数据。
S205、发送音频流；具体地，采用ACC编码算法对PCM数据进行编码，将编码后的音频流发送至视联网。
S206、是否退出业务，若是，则业务结束；若否，则重新执行S202。
图3是本发明的一种声音检测系统实施例的结构框图，如图3所示，包括MIC301和终端302，其中，终端302即为视联网终端，终端302还包括音频采集模块3021和语音检测模块3022，具体地，MIC301接终端302的音频输入接口；终端音频采集模块3021将MIC输入的音频数据转换成PCM数据；语音检测模块3022实时获取音频采集模块的PCM数据，计算得出当前PCM数据的音量信息；并对音量信息进行判断。
本发明实施例提供的声音检测方法，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本发明另一实施例提供一种声音检测装置，用于执行上述实施例提供的方法。
参照图4，示出了本发明的一种声音检测装置实施例的结构框图，该装置可以应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述视联网终端包括：获取模块401、截取模块402、转换模块403、确定模块404和判断模块405，其中：
获取模块401用于获取所述音频设备输入的第一预设时间段的第一音频数据；
截取模块402用于每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
转换模块403用于对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
确定模块404用于根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
判断模块405用于在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入。
本发明实施例提供的声音检测装置，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本发明又一实施例对上述实施例提供的装置做进一步补充说明。
可选地，所述转换模块403用于：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值。
可选地，所述确定模块404用于：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
可选地，所述装置还包括发送模块，所述发送模块用于：
若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；
将所述编码后的音频数据发送至其他视联网设备。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例提供的声音检测装置，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本发明再一实施例提供一种终端设备，用于执行上述实施例提供的方法。
图5是本发明的一种终端设备的结构示意图，如图5所示，该电子设备包括：至少一个处理器501和存储器502；
所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现上述实施例提供的方法。
本实施例提供的终端设备，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本申请又一实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现上述任一实施例提供的方法。
根据本实施例的计算机可读存储介质，通过视联网中包括视联网终端，且视联网终端上安装有音频设备，包括：视联网终端获取音频设备输入的第一预设时间段的第一音频数据；每隔第二预设时间段对音频数据进行预设长度的截取，获得至少两段第二音频数据；对至少两段第二音频数据进行处理，获得至少两个第二音频数据对应的PCM数据，其中，PCM数据中包括多个采样点幅值；根据至少两个PCM数据中的多个采样点幅值，确定至少两个第二音频数据对应的音量信息；在第一预设时间段内，若存在连续多个第二音频数据对应的音量信息大于预设音量信息，则确定音频设备有声音输入，实现了对视联网终端的音频设备的音频输入的实时检测。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种声音检测方法和一种声音检测装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种声音检测方法，其特征在于，应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述方法包括：
所述视联网终端获取所述音频设备输入的第一预设时间段的第一音频数据；
每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入；
若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；将所述编码后的音频数据发送至其他视联网设备；
所述对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值，包括：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值；
所述对所述第二音频进行抽样、量化、编码处理，包括：
将所述第二音频数据，以所述第二音频信号带宽2倍以上的频率提取样值，变为在时间轴上离散的抽样信号；对所述抽样信号的样值进行分级取整，得到量化后的抽样信号；根据所述量化后的抽样信号的样值，得到十进制数字代码流；将所述十进制数字代码流，变换成二进制编码。
2.根据权利要求1所述的方法，其特征在于，所述根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息，包括：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
3.一种声音检测装置，其特征在于，应用于视联网中，所述视联网中包括视联网终端，且所述视联网终端上安装有音频设备，所述视联网终端包括：
获取模块，用于获取所述音频设备输入的第一预设时间段的第一音频数据；
截取模块，用于每隔第二预设时间段对所述第一音频数据进截取，获得至少两段第二音频数据；
转换模块，用于对至少两段所述第二音频数据进行处理，获得至少两个所述第二音频数据对应的PCM数据，其中，所述PCM数据中包括多个采样点幅值；
确定模块，用于根据至少两个所述PCM数据中的多个采样点幅值，确定至少两个所述第二音频数据对应的音量信息；
判断模块，用于在所述第一预设时间段内，若存在连续多个所述第二音频数据对应的音量信息大于预设音量信息，则确定所述音频设备有声音输入；
发送模块，所述发送模块用于若确定所述音频设备有声音输入，则对所述第二音频数据对应的PCM数据进行ACC编码，获得编码后的音频数据；将所述编码后的音频数据发送至其他视联网设备；
所述转换模块用于：
对所述第二音频数据进行抽样、量化、编码处理，得到所述第二音频数据对应的脉冲编码调制PCM编码的数字信号，且所述PCM编码的数字信号中包括多个采样点的幅值；
对所述第二音频数据进行抽样、量化、编码处理，包括：将所述第二音频数据，以所述第二音频信号带宽2倍以上的频率提取样值，变为在时间轴上离散的抽样信号；对所述抽样信号的样值进行分级取整，得到量化后的抽样信号；根据所述量化后的抽样信号的样值，得到十进制数字代码流；将所述十进制数字代码流，变换成二进制编码。
4.根据权利要求3所述的装置，其特征在于，所述确定模块用于：
将所述第二音频数据对应的PCM编码的数字信号中的多个采样点的幅值求和，得到采样点幅值之和；
将所述采样点幅值之和除以采样点数量，得到采样点幅值平均值；
对所述采样点幅值平均值进行对数运算，得到所述第二音频数据对应的音量信息。
5.一种终端设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1-2中任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-2中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911359667.XA CN111181949B (zh) | 2019-12-25 | 2019-12-25 | 一种声音检测方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911359667.XA CN111181949B (zh) | 2019-12-25 | 2019-12-25 | 一种声音检测方法、装置、终端设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111181949A CN111181949A (zh) | 2020-05-19 |
| CN111181949B true CN111181949B (zh) | 2023-12-12 |
Family
ID=70623189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911359667.XA Active CN111181949B (zh) | 2019-12-25 | 2019-12-25 | 一种声音检测方法、装置、终端设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111181949B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111863041B (zh) * | 2020-07-17 | 2021-08-31 | 东软集团股份有限公司 | 一种声音信号处理方法、装置及设备 |
| CN115881131B (zh) * | 2022-11-17 | 2023-10-13 | 广东保伦电子股份有限公司 | 一种多语音下的语音转写方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106197650A (zh) * | 2016-08-30 | 2016-12-07 | 陕西千山航空电子有限责任公司 | 一种判断音频信号无声的方法 |
| CN106341563A (zh) * | 2015-07-06 | 2017-01-18 | 北京视联动力国际信息技术有限公司 | 一种基于终端通信的回声抑制方法和装置 |
| CN108648765A (zh) * | 2018-04-27 | 2018-10-12 | 海信集团有限公司 | 一种语音异常检测的方法、装置及终端 |
| CN108877820A (zh) * | 2017-11-30 | 2018-11-23 | 北京视联动力国际信息技术有限公司 | 一种音频数据混合方法和装置 |
| CN110010153A (zh) * | 2019-03-25 | 2019-07-12 | 平安科技（深圳）有限公司 | 一种基于神经网络的静音检测方法、终端设备及介质 |
| CN110099333A (zh) * | 2019-05-24 | 2019-08-06 | 北京字节跳动网络技术有限公司 | 音频信号的处理方法、装置、终端及存储介质 |
| CN110430330A (zh) * | 2019-08-08 | 2019-11-08 | 北京云中融信网络科技有限公司 | 一种基于通话的音频数据处理方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102444061B1 (ko) * | 2015-11-02 | 2022-09-16 | 삼성전자주식회사 | 음성 인식이 가능한 전자 장치 및 방법 |
-
2019
- 2019-12-25 CN CN201911359667.XA patent/CN111181949B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106341563A (zh) * | 2015-07-06 | 2017-01-18 | 北京视联动力国际信息技术有限公司 | 一种基于终端通信的回声抑制方法和装置 |
| CN106197650A (zh) * | 2016-08-30 | 2016-12-07 | 陕西千山航空电子有限责任公司 | 一种判断音频信号无声的方法 |
| CN108877820A (zh) * | 2017-11-30 | 2018-11-23 | 北京视联动力国际信息技术有限公司 | 一种音频数据混合方法和装置 |
| CN108648765A (zh) * | 2018-04-27 | 2018-10-12 | 海信集团有限公司 | 一种语音异常检测的方法、装置及终端 |
| CN110010153A (zh) * | 2019-03-25 | 2019-07-12 | 平安科技（深圳）有限公司 | 一种基于神经网络的静音检测方法、终端设备及介质 |
| CN110099333A (zh) * | 2019-05-24 | 2019-08-06 | 北京字节跳动网络技术有限公司 | 音频信号的处理方法、装置、终端及存储介质 |
| CN110430330A (zh) * | 2019-08-08 | 2019-11-08 | 北京云中融信网络科技有限公司 | 一种基于通话的音频数据处理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 安卓应用中无声音频的手机与检测;颜宏冰等;《计算机系统应用》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111181949A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1942928B (zh) | 用于处理音频信号的模块和方法 | |
| EP1757165B1 (en) | Coding reverberant sound signals | |
| EP1715477A1 (en) | Low-bitrate encoding/decoding method and system | |
| CN111402908A (zh) | 语音处理方法、装置、电子设备和存储介质 | |
| CN111181949B (zh) | 一种声音检测方法、装置、终端设备和存储介质 | |
| KR100707177B1 (ko) | 디지털 신호 부호화/복호화 방법 및 장치 | |
| JP2005157390A (ja) | 付加情報の挿入されたｍｐｅｇ−４ｂｓａｃオーディオビットストリームの符号化方法および復号化方法ならびに符号化装置および復号化装置 | |
| US20030215013A1 (en) | Audio encoder with adaptive short window grouping | |
| CN103325377A (zh) | 音频编码方法 | |
| CN111816197B (zh) | 音频编码方法、装置、电子设备和存储介质 | |
| KR20100089772A (ko) | 오디오 신호의 부호화 및 복호화 방법 및 그 장치 | |
| CN101406064B (zh) | 量化和反量化输入信号的方法和设备以及对输入信号编码和解码的方法和设备 | |
| CN101695150B (zh) | 多声道音频编码方法、编码器、解码方法和解码器 | |
| CN112767955B (zh) | 音频编码方法及装置、存储介质、电子设备 | |
| US7983346B2 (en) | Method of and apparatus for encoding/decoding digital signal using linear quantization by sections | |
| CN111107284B (zh) | 一种视频字幕实时生成系统及生成方法 | |
| Bruekers et al. | Lossless coding for DVD audio | |
| KR20100062667A (ko) | 코덱 플랫폼 장치 | |
| CN111261194A (zh) | 一种基于pcm技术的音量分析方法 | |
| KR20080066537A (ko) | 부가정보를 가지는 오디오신호의 부호화/복호화 방법 및장치 | |
| CN1062365C (zh) | 发送和接收编码话音的方法 | |
| RU2321168C2 (ru) | Способ преобразования произвольно изменяющегося сигнала | |
| CN113763970B (zh) | 一种音频传输方法、装置及音频传输设备 | |
| CN107680607B (zh) | 一种信号压缩方法、信号解压方法及其装置 | |
| KR20080112000A (ko) | 음색 유사성을 활용한 부호화/복호화 방법 |
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 |