CN113516989A - 声源音频的管理方法、装置、设备和存储介质 - Google Patents
声源音频的管理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113516989A CN113516989A CN202010228608.5A CN202010228608A CN113516989A CN 113516989 A CN113516989 A CN 113516989A CN 202010228608 A CN202010228608 A CN 202010228608A CN 113516989 A CN113516989 A CN 113516989A
- Authority
- CN
- China
- Prior art keywords
- sound source
- audio information
- target
- audio
- enhancement
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000002708 enhancing effect Effects 0.000 claims abstract description 17
- 230000001629 suppression Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Stereophonic System (AREA)
Abstract
本发明实施例公开了一种声源音频的管理方法、装置、设备和存储介质。该声源音频的管理方法由音频采集端执行,包括:通过音频采集器获取音频信息,根据音频信息确定至少一个候选声源;其中,音频采集器设置于音频采集端;定位候选声源的声源位置;根据从管理端接收的目标增强区域,判断候选声源的声源位置是否在目标增强区域中;若是,则确定在目标增强区域中的候选声源为目标声源,并确定目标声源的音频信息增强系数;音频信息增强系数用于供管理端对目标声源的音频信息进行增强处理。通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,实现提高对采集音频信息中感兴趣音频的提取准确性,更好地进行音频追踪。
Description
技术领域
本发明实施例涉及音频跟踪技术领域,尤其涉及一种声源音频的管理方法、装置、设备和存储介质。
背景技术
随着时代发展,完整的音频监控系统被广泛应用在公共设施中,音频监控已经成为安防监控行业的新亮点。但同时也对音视频的监控提出了更多要求,如语音对讲,语音识别,音视频同步,声音定位以及音频场景分析等。然而在复杂环境中采集到的音频信号中往往会含有多个声源的音频数据,不利于对监控场景的精确监控。
目前采用成熟的TDOA算法和ILD算法,可以实现在二维平面内的声音定位。根据声音定位结果控制音频采集装置转动,使其一直对准声源所在位置,达成音频控制PTZ持续跟踪。比如在园区中,通过声音定位跟踪技术,在监控区域出现异常声响时对准声音位置并跟踪。
目前麦克风阵列若需要对声音进行定向增强,一般是通过传统的声源定位算法和定向增强算法计算出声源的方向,同时对声源的方向进行声音增强。然而对声源的方向进行声音增强同时也会造成对声源方向中的非目标声源声音进行增强,造成获取到增强声音中包含噪声,严重影响对采集音频信号中重要信息的提取准确性。
发明内容
本发明实施例提供一种声源音频的管理方法、装置、设备和存储介质,通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,实现提高对采集音频信息中感兴趣音频的提取准确性。
第一方面,本发明实施例提供了一种声源音频的管理方法,包括:
通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
定位所述候选声源的声源位置;
根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
若是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
第二方面,本发明实施例还提供了一种声源音频的管理装置,包括:
候选声源确定模块,用于通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
声源位置定位模块,用于定位所述候选声源的声源位置;
声源位置判断模块,用于根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
音频信息增强系数确定模块,用于若所述声源位置判断模块判断为是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
第三方面,本发明实施例还提供了一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的声源音频的管理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的声源音频的管理方法。
本发明实施例基于获取到的音频信息确定声源位置,并根据声源位置与目标增强区域的位置关系确定需要进行增强处理的目标声源,并确定目标声源的音频信息增强系数。通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,实现提高对采集音频信息中感兴趣音频的提取准确性,更好地进行音频追踪。
附图说明
图1(a)是本发明实施例一中的声源音频的管理方法的流程图;
图1(b)是本发明实施例一中利用声源定位技术得到的定位结果示意图;
图2(a)是本发明实施例二中的声源音频的管理方法的流程图;
图2(b)是本发明实施例中对候选声源的音频信息进行分区存储的码流数据结构示意图;
图2(c)是本发明实施例中携带码流私有SEI信息的音频码流数据结构示意图;
图3是本发明实施例三中的声源音频的管理装置的结构示意图;
图4是本发明实施例四中的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1(a)是本发明实施例一中的声源音频的管理方法的流程图,本实施例可适用于对感兴趣区域的音频进行增强,便于提高信息提取的准确性情况。该方法可以由声源音频的管理装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在设备中,例如设备可以是后台服务器等具有通信和计算能力的设备。如图1(a)所示,该方法具体包括:
步骤101、通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端。
其中,音频采集器用于采集其安装位置周围的音频信息,例如采用麦克风收集声音信息。候选声源是指音频采集器采集到的音频信息的来源。音频采集端用于对音频采集器获取到的音频信息进行保存并且可以进行相应的处理,如将音频信息进行编码,发送至后台管理端。
在本申请中,为了保证获取到的音频信息的清晰度以及后续对音频信息处理的准确性,采用至少两个音频采集器获取音频信息,并将至少两个音频采集器设置在不同的位置。根据获取到的音频信息中的内容,确定音频信息中包括的满足确定条件的声源,作为候选声源;例如说声音响度达到响度阈值的声源为满足确定条件的声源,以此排除声音信号弱的声源,提高对声源处理的效率。由于在本发明中是利用采集到的音频信息确定候选声源,因此在本发明中对于音频采集器的数量并不限制,通过一个音频采集器或者多个音频采集器获取音频信息均在本发明的保护范围内。
示例性的,在本发明实施例中,采用两个麦克风采集音频信息,并根据音频信息中的信号能量信息确定该段音频信息中共有三个发声点,将这三个发声点作为候选声源。例如,可以根据音频信号到达麦克风的距离区分不同的候选声源。
步骤102、定位所述候选声源的声源位置。
采用声源定位技术确定候选声源的声源位置。示例性的,采用TDOA技术(TimeDifference of Arrival,到达时间差)和ILD(Interaural Level Difference,耳间强度差)对音频信息进行声源定位确定候选声源的位置信息。
具体的,TDOA定位是一种利用时间差进行定位的方法。通过测量信号到达监测站的时间,可以确定信号源的距离。利用信号源到各个监测站的距离(以监测站为中心,距离为半径作圆),就能确定信号的位置。但是绝对时间一般比较难测量,通过比较信号到达各个监测站的绝对时间差,就能作出以监测站为焦点,距离差为长轴的双曲线,双曲线的交点就是信号的位置。在本发明实施例中,所采用的监测站为麦克风。ILD是利用声源和音频采集器的距离不同,使得声波在不同方位到达不同的音频采集器的时间不同,产生时间差。
例如,具体采用如下计算方法确定声源位置:
对于由两个麦克风组成的阵列,考虑了信号传播的逆平方定律后,其接收信号的信号模型可以用下式进行表示:
xi(t)=s(t-τ)/di+ni(t),i=1,2
其中,s(t)为源信号,ni(t)为加性白噪声,di和τi分别为从声源到达第i个麦克风的距离和时延。
对于ILD方法,时延信息在能量计算中可以忽略。那么在[0,w]时间范围内,第i个麦克风接收到的信号能量,就是该时间段内信号采样的平方和,即:
从上面的公式可以得到麦克风接收到信号的能量与麦克风距声源距离的关系如下所示:
其中,c为声速。根据上述公式的转化和计算,可以确定实际声源的位置,得到的定位结果如图1(b)所示。其中,双曲线和圆分别对应了基于TDOA的定位结果和基于ILD的定位结果,其中TDOA估计采用相位变换加权的方法,从图中可以看出实际声源的位置位于圆和双曲线的一个交点。
步骤103、根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中。
其中,管理端是指设置在后台用于对接收到的音频信息进行解码播放,同时管理端需要根据接收到的音频信息设置目标增强区域。目标增强区域是指对音频采集器所能采集到的声音范围设置的感兴趣区域,表示对感兴趣区域内的声音关注度较高。
具体的,管理端接收来自音频采集端发送的原始音频信息,根据原始音频信息设置目标增强区域,目标增强区域可以根据实际情况进行设置,并不对设置的大小以及形状进行限制。根据通过声源定位技术确定的候选声源的位置,判断候选声源是否在目标增强区域中。示例性的,管理端确定的目标增强区域是由四个位置坐标点确定的方形区域,四个位置坐标点分别是(a1,b1),(a1,b2),(a2,b1)以及(a2,b2)。根据候选声源的位置坐标确定是否在此方形区域内,其中,通过声源定位确定的候选声源的位置坐标与音频采集器处于同一坐标系下,且目标增强区域的坐标点也处于同一坐标系下。
步骤104、若是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
若任一候选声源的位置在目标增强区域中,则该候选声源为目标声源,即该声源为感兴趣声源,需要进行增强处理。并且为该目标声源对应的音频信息设置音频信息增强系数,音频信息增强系数表征该音频信息为需要进行增强处理的音频信息。可选的,音频信息增强系数可设置为大于1的值。
示例性的,若确定在所述目标增强区域中的候选声源为至少两个,则确定的目标声源也为至少两个,对应的音频信息增强系数可设置为相同的,或者设置为不同的,以对目标声源进行区分。
在本实施例中,可选的,确定所述目标声源的音频信息增强系数,包括:
根据所述目标声源与目标增强区域之间的位置关系,确定目标声源的音频信息增强系数。
当候选声源的位置在目标增强区域内,但是存在多声源的情况时,根据确定的目标声源的位置与目标增强区域之间的位置关系,确定目标声源的音频信息增强系数,以对目标声源进行区分。示例性的,根据目标声源与目标增强区域中心点的距离比例确定目标声源的音频信息增强系数,距离目标增强区域中心点越近的目标声源,对应的音频信息增强系数值越大,代表了该目标声源为重点感兴趣声源,该目标声源的音频信息所携带的信息量越大;随着距离目标增强区域中心点的距离越远,对应的目标声源的音频信息增强系数值越小,表示对该目标声源感兴趣程度越低。
在一个可行的实施例中,可选的,根据所述目标声源与目标增强区域之间的位置关系,确定目标声源的音频信息增强系数,包括:
具体采用如下公式计算:
其中,di表示第i个目标声源的声源位置距离所述目标增强区域的中心位置的距离,(xi,yi)表示第i个目标声源的声源位置,(xs,ys)表示所述目标增强区域的中心位置;wi表示第i个目标声源的音频信息增强系数;D表示所述目标增强区域的两个对角点之间的距离。
示例性的,在上述示例的基础上,目标增强区域的中心位置的坐标(xs,ys)为根据两点距离公式,确定每个目标声源的声源位置距离中心位置的距离,由上述公式确定的wi为第i个目标声源的音频信息增强系数。根据上述公式确定的音频信息增强系数可以表示出目标声源的位置与目标增强区域位置的关系,并且可以确定携带信息量的重要程度,有利于对多个目标声源的音频信息进行区分,提高信息量提取的效率和准确性。
本发明实施例基于获取到的音频信息确定声源位置,并根据声源位置与目标增强区域的位置关系确定需要进行增强处理的目标声源,并确定目标声源的音频信息增强系数。通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,实现提高对采集音频信息中感兴趣音频的提取准确性,更好地进行音频追踪。
实施例二
图2(a)是本发明实施例二中的声源音频的管理方法的流程图,本实施例二在实施例一的基础上进行进一步地优化。如图2(a)所示,所述方法包括:
步骤201、通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端。
步骤202、定位所述候选声源的声源位置。
在一个可行的实施例中,可选的,在定位所述候选声源的声源位置之后,所述方法还包括:
根据所述至少一个候选声源的声源位置,对所述至少一个候选声源进行标记,得到标记结果;
缓存并发送携带所述标记结果的音频信息,用于供管理端根据携带所述标记结果的音频信息确定目标增强区域;其中,携带所述标记结果的音频信息是根据标记结果将所述候选声源进行分区缓存的。
其中,标记结果用于根据候选声源的位置不同区分候选声源。
具体的,根据候选声源的位置信息进行判断,将不同的候选声源的音频信息进行音频降噪,去除非该声源的杂音信息,例如根据候选声源频率信息不同进行去除杂音操作。并为降噪去除杂音后的音频信息添加标记信息,以确定其所属候选声源。并且对携带标记信息的音频信息进行分开存储,以区分不同候选声源的音频信息。示例性的,对候选声源的音频信息进行分区存储的码流数据结构示意图如图2(b)所示,其中,Flag表示对候选声源的标记结果,每个Flag代表了一个候选声源,每个候选声源的位置信息不同。G.711数据是指对候选声源的音频信息进行编码得到的数据。Flag=A后的音频数据为声源A的音频信息;同理Flag=B后的音频数据为声源B的音频信息。从图中可以看出,分属于不同候选声源的音频信息是分区存储的,以便后续根据标记结果的不同对应确定音频信息。
在一个可行的实施例中,可选的,携带所述标记结果的音频信息中还缓存有所述候选声源的声源位置。
示例性的,将候选声源的位置信息也缓存在携带标记结果的音频信息中,便于管理端根据候选声源的位置信息确定目标增强区域,同时,增加音频信息中携带信息的丰富度。
步骤203、根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;若是,则执行步骤204;若否,则执行步骤205。
步骤204、确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
步骤205、确定所述目标增强区域外的候选声源为非目标声源,并确定所述非目标声源的音频信息抑制系数;所述音频信息抑制系数用于供所述管理端对目标声源的音频信息进行抑制处理。
若任一候选声源的位置在目标增强区域外,则该候选声源为非目标声源,即该声源不是感兴趣声源,需要进行抑制处理。并且为该目标声源对应的音频信息设置音频信息抑制系数,音频信息抑制系数表征该音频信息为需要进行抑制处理的音频信息。可选的,音频信息增强系数可设置为小于1的值。
示例性的,若确定存在位于目标增强区域外的候选声源,将该候选声源对应的音频信息抑制系数设置为0。即当该候选声源的位置不在目标增强区域中时,则完全屏蔽。
在一个可行的实施例中,可选的,所述音频信息增强系数和/或音频信息抑制系数以私有SEI净荷的形式存储在所述携带所述标记结果的音频信息中;所述私有SEI净荷用于对所述携带所述标记结果的音频信息进行描述,以生成码流数据并传输至管理端。
示例性的,将确定的音频信息增强系数和/或音频信息抑制系数填写到音频码流数据的SEI信息中,根据表1中音频码流数据中声源矫正私有SEI信息的内容所示,音频信息增强系数和音频信息抑制系数需要以SEI净荷的形式存储在SEI中。可以理解为声源矫正私有SEI信息是对音频码流数据的私有描述性的信息。按照表2中声源矫正私有SEI净荷的内容,对候选声源的音频数据对应的音频信息增强系数和/或音频信息抑制系数进行描述。以完成对所述携带所述标记结果的音频信息进行描述,将最后形成的带有SEI信息的码流数据发送至管理端。
如图2(c)所示为携带码流私有SEI信息的音频码流数据结构示意图,数据头文件为私有SEI信息,后面顺序分区存储各候选声源的音频信息。
管理端对接收到的码流数据进行解码,通过对SEI信息中携带的音频信息增强系数和/或音频信息抑制系数的确定,对相应的声源的码流数据进行增强或抑制操作,达到对目标增强区域中音频信息的增强播放,抑制非目标增强区域中的音频信息。
表1:声源矫正私有SEI信息
起始标记 | SEI | SEI类型 | SEI净荷 | 结束符 | |
H.264 | 00 00 00 01 | 0x06 | 0xE2 | 参考下表 | 0x80 |
H.265 | 00 00 00 01 | 0x4E 0x01 | 0xE6 | 参考下表 | 0x80 |
表2:声源矫正私有SEI净荷
本发明实施例基于获取到的音频信息确定声源位置,并根据声源位置与目标增强区域的位置关系确定需要进行增强处理的目标声源,以及需要进行抑制处理的非目标声源,并确定目标声源的音频信息增强系数和非目标声源的音频信息抑制系数。通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,对非感兴趣区域的声源信息进行抑制,实现提高对采集音频信息中感兴趣音频的提取准确性,更好地进行音频追踪。并且将音频信息增强系数和音频信息抑制系数填写在码流私有SEI中,提高对音频码流数据的描述完整性,便于管理端对音频码流数据进行解码分析。
实施例三
图3是本发明实施例三中的声源音频的管理装置的结构示意图,本实施例可适用于对感兴趣区域的音频进行增强,便于提高信息提取的准确性情况。如图3所示,该装置包括:
候选声源确定模块310,用于通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
声源位置定位模块320,用于定位所述候选声源的声源位置;
声源位置判断模块330,用于根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
音频信息增强系数确定模块340,用于若所述声源位置判断模块判断为是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
本发明实施例基于获取到的音频信息确定声源位置,并根据声源位置与目标增强区域的位置关系确定需要进行增强处理的目标声源,并确定目标声源的音频信息增强系数。通过配置感兴趣区域,对感兴趣区域中的声源音频进行增强,实现提高对采集音频信息中感兴趣音频的提取准确性,更好地进行音频追踪。
可选的,所述装置还包括音频信息分区缓存模块,具体用于:
根据所述至少一个候选声源的声源位置,对所述至少一个候选声源进行标记,得到标记结果;
缓存并发送携带所述标记结果的音频信息,用于供管理端根据携带所述标记结果的音频信息确定目标增强区域;其中,携带所述标记结果的音频信息是根据标记结果将所述候选声源进行分区缓存的。
可选的,携带所述标记结果的音频信息中还缓存有所述候选声源的声源位置。
可选的,音频信息增强系数确定模块340,包括位置关系确定单元,具体用于:
根据所述目标声源与目标增强区域之间的位置关系,确定目标声源的音频信息增强系数。
可选的,位置关系确定单元,包括:
具体采用如下公式计算:
其中,di表示第i个目标声源的声源位置距离所述目标增强区域的中心位置的距离,(xi,yi)表示第i个目标声源的声源位置,(xs,ys)表示所述目标增强区域的中心位置;wi表示第i个目标声源的音频信息增强系数;D表示所述目标增强区域的两个对角点之间的距离。
可选的,所述装置还包括音频信息抑制系数确定模块,具体用于:
若否,则确定所述目标增强区域外的候选声源为非目标声源,并确定所述非目标声源的音频信息抑制系数;所述音频信息抑制系数用于供所述管理端对目标声源的音频信息进行抑制处理。
可选的,所述音频信息增强系数和/或音频信息抑制系数以私有SEI净荷的形式存储在所述携带所述标记结果的音频信息中;所述私有SEI净荷用于对所述携带所述标记结果的音频信息进行描述,以生成码流数据并传输至管理端。
本发明实施例所提供的声源音频的管理装置可执行本发明任意实施例所提供的声源音频的管理方法,具备执行声源音频的管理方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储装置28,连接不同系统组件(包括系统存储装置28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质,例如随机存取存储装置(RAM)30和/或高速缓存存储装置32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储装置28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储装置28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的声源音频的管理方法,包括:
通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
定位所述候选声源的声源位置;
根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
若是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的声源音频的管理方法,包括:
通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
定位所述候选声源的声源位置;
根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
若是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种声源音频的管理方法,其特征在于,由音频采集端执行,包括:
通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
定位所述候选声源的声源位置;
根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
若是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
2.根据权利要求1所述的方法,其特征在于,在定位所述候选声源的声源位置之后,所述方法还包括:
根据所述至少一个候选声源的声源位置,对所述至少一个候选声源进行标记,得到标记结果;
缓存并发送携带所述标记结果的音频信息,用于供管理端根据携带所述标记结果的音频信息确定目标增强区域;其中,携带所述标记结果的音频信息是根据标记结果将所述候选声源进行分区缓存的。
3.根据权利要求2所述的方法,其特征在于,携带所述标记结果的音频信息中还缓存有所述候选声源的声源位置。
4.根据权利要求1所述的方法,其特征在于,确定所述目标声源的音频信息增强系数,包括:
根据所述目标声源与目标增强区域之间的位置关系,确定目标声源的音频信息增强系数。
6.根据权利要求2所述的方法,其特征在于,在判断所述至少一个候选声源的声源位置是否在所述目标增强区域中之后,所述方法还包括:
若否,则确定所述目标增强区域外的候选声源为非目标声源,并确定所述非目标声源的音频信息抑制系数;所述音频信息抑制系数用于供所述管理端对目标声源的音频信息进行抑制处理。
7.根据权利要求6所述的方法,其特征在于,所述音频信息增强系数和/或音频信息抑制系数以私有SEI净荷的形式存储在所述携带所述标记结果的音频信息中;所述私有SEI净荷用于对所述携带所述标记结果的音频信息进行描述,以生成码流数据并传输至管理端。
8.一种声源音频的管理装置,其特征在于,由音频采集端执行,包括:
候选声源确定模块,用于通过音频采集器获取音频信息,根据所述音频信息确定至少一个候选声源;其中,所述音频采集器设置于音频采集端;
声源位置定位模块,用于定位所述候选声源的声源位置;
声源位置判断模块,用于根据从管理端接收的目标增强区域,判断所述候选声源的声源位置是否在所述目标增强区域中;
音频信息增强系数确定模块,用于若所述声源位置判断模块判断为是,则确定在所述目标增强区域中的候选声源为目标声源,并确定所述目标声源的音频信息增强系数;所述音频信息增强系数用于供所述管理端对目标声源的音频信息进行增强处理。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的声源音频的管理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的声源音频的管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010228608.5A CN113516989A (zh) | 2020-03-27 | 2020-03-27 | 声源音频的管理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010228608.5A CN113516989A (zh) | 2020-03-27 | 2020-03-27 | 声源音频的管理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113516989A true CN113516989A (zh) | 2021-10-19 |
Family
ID=78060034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010228608.5A Pending CN113516989A (zh) | 2020-03-27 | 2020-03-27 | 声源音频的管理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516989A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116913328A (zh) * | 2023-09-11 | 2023-10-20 | 荣耀终端有限公司 | 音频处理方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800325A (zh) * | 2012-08-31 | 2012-11-28 | 厦门大学 | 一种超声波辅助麦克风阵列语音增强装置 |
CN106603878A (zh) * | 2016-12-09 | 2017-04-26 | 奇酷互联网络科技(深圳)有限公司 | 语音定位方法、装置和系统 |
CN107534725A (zh) * | 2015-05-19 | 2018-01-02 | 华为技术有限公司 | 一种语音信号处理方法及装置 |
CN108877787A (zh) * | 2018-06-29 | 2018-11-23 | 北京智能管家科技有限公司 | 语音识别方法、装置、服务器及存储介质 |
CN109272998A (zh) * | 2018-09-07 | 2019-01-25 | 马鞍山问鼎网络科技有限公司 | 一种人工智能语音检测及控制方法 |
CN109831717A (zh) * | 2017-11-23 | 2019-05-31 | 深圳市优必选科技有限公司 | 一种降噪处理方法、系统及终端设备 |
CN110478901A (zh) * | 2019-08-19 | 2019-11-22 | Oppo广东移动通信有限公司 | 基于增强现实设备的交互方法及系统 |
CN110782911A (zh) * | 2018-07-30 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 音频信号处理方法、装置、设备和存储介质 |
CN110875056A (zh) * | 2018-08-30 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 语音转录设备、系统、方法、及电子设备 |
CN110890100A (zh) * | 2018-09-10 | 2020-03-17 | 杭州海康威视数字技术股份有限公司 | 语音增强、多媒体数据采集、播放方法、装置及监控系统 |
-
2020
- 2020-03-27 CN CN202010228608.5A patent/CN113516989A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800325A (zh) * | 2012-08-31 | 2012-11-28 | 厦门大学 | 一种超声波辅助麦克风阵列语音增强装置 |
CN107534725A (zh) * | 2015-05-19 | 2018-01-02 | 华为技术有限公司 | 一种语音信号处理方法及装置 |
CN106603878A (zh) * | 2016-12-09 | 2017-04-26 | 奇酷互联网络科技(深圳)有限公司 | 语音定位方法、装置和系统 |
CN109831717A (zh) * | 2017-11-23 | 2019-05-31 | 深圳市优必选科技有限公司 | 一种降噪处理方法、系统及终端设备 |
CN108877787A (zh) * | 2018-06-29 | 2018-11-23 | 北京智能管家科技有限公司 | 语音识别方法、装置、服务器及存储介质 |
CN110782911A (zh) * | 2018-07-30 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 音频信号处理方法、装置、设备和存储介质 |
CN110875056A (zh) * | 2018-08-30 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 语音转录设备、系统、方法、及电子设备 |
CN109272998A (zh) * | 2018-09-07 | 2019-01-25 | 马鞍山问鼎网络科技有限公司 | 一种人工智能语音检测及控制方法 |
CN110890100A (zh) * | 2018-09-10 | 2020-03-17 | 杭州海康威视数字技术股份有限公司 | 语音增强、多媒体数据采集、播放方法、装置及监控系统 |
CN110478901A (zh) * | 2019-08-19 | 2019-11-22 | Oppo广东移动通信有限公司 | 基于增强现实设备的交互方法及系统 |
Non-Patent Citations (1)
Title |
---|
崔玮玮: "基于麦克风阵列的声源定位与语音增强方法研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 2, pages 77 - 78 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116913328A (zh) * | 2023-09-11 | 2023-10-20 | 荣耀终端有限公司 | 音频处理方法、电子设备及存储介质 |
CN116913328B (zh) * | 2023-09-11 | 2023-11-28 | 荣耀终端有限公司 | 音频处理方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260870B (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
US20200075012A1 (en) | Methods, apparatuses, systems, devices, and computer-readable storage media for processing speech signals | |
US20210044930A1 (en) | Method, apparatus, computer device and storage medium for stay point recognition | |
CN109669663B (zh) | 音区幅值获取方法、装置、电子设备及存储介质 | |
CN111399642A (zh) | 手势的识别方法、装置、移动终端和存储介质 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN112601173B (zh) | 5g定位真值检测与攻击溯源方法、系统、设备及应用 | |
CN112492207A (zh) | 一种基于声源定位控制摄像头转动的方法和装置 | |
CN113516989A (zh) | 声源音频的管理方法、装置、设备和存储介质 | |
CN110688873A (zh) | 多目标追踪方法及人脸识别方法 | |
CN111220988A (zh) | 一种地图数据处理方法、装置、设备和介质 | |
CN110007276A (zh) | 一种声源定位方法及系统 | |
CN109388758B (zh) | 人口迁徙目的确定方法、装置、设备及存储介质 | |
CN107729347A (zh) | 同义标签的获取方法、装置、设备及计算机可读存储介质 | |
CN109446433B (zh) | 一种兴趣点失效校验方法、装置、服务器及存储介质 | |
WO2021151354A1 (zh) | 一种单词识别方法、装置、计算机设备和存储介质 | |
CN108959435B (zh) | 一种用于为用户提供资源信息的方法与设备 | |
US9800973B1 (en) | Sound source estimation based on simulated sound sensor array responses | |
CN113156373B (zh) | 声源定位方法、数字信号处理装置及音频系统 | |
CN116996337B (zh) | 基于物联网及麦克风切换技术的会议数据管理系统及方法 | |
CN113759331B (zh) | 一种雷达定位方法、装置、设备及存储介质 | |
KR101812967B1 (ko) | 허위 신호원 제거 방법 | |
CN111862053B (zh) | 查找缝隙的方法、装置、设备及介质 | |
CN115910042B (zh) | 识别格式化音频文件的信息种类的方法和装置 | |
CN116364065A (zh) | 样本数据确定方法、装置、电子设备及存储介质 |
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 |