专利交易市场

本发明公开了一种基于注意力机制和Bi‑LSTM的伪装语音检测方法，包括：S1.提取语音样本中与语音相对应的语音特征数据，并将提取出的语音特征数据转换为语音图像数据；S2.采用双向长短期记忆网络Bi‑LSTM对转换得到的语音图像数据进行处理，得到图像数据的深度特征；S3.采用注意力机制对所述得到的深度特征进行计算，得到注意力的概率分布；S4.采用DNN分类器对得到的注意力概率分布进行分类，得到最终的伪装语言检测结果。本发明将提取出来的特征数据转换成图像数据，再将图像数据作为双向长短期记忆网络的输入得到深度特征，然后用注意力模型对深度特征进行计算并得到注意力概率分布，最后用支持向量机模型对输出结果进行分类，得到欺骗检测结果。

本公开实施例公开了一种语音信号的特征获取方法及装置，方法包括：对待分析的语音信号进行时频化处理，获取语音信号的语谱图；统计获取语谱图内各能量点的方向信息；根据语谱图内各能量点的方向信息，基于核密度估计算法建立形式背景，形式背景以能量点作为对象，能量点所含有的方向区间作为属性，用于描述语谱图中能量点与其所含有的方向区间之间的对应关系；根据形式背景，建立语音信号的方向共生属性拓扑图，方向共生属性拓扑图用于描述形式背景中属性对之间的共生关系。本技术方案可以用图的形式显示语音信号更加详细的方向信息，检测精度高，可解释性强，能有效分析语音信号的语谱图内能量点的方向值复杂多变的情况。

本公开提供了一种视频处理方法、装置、计算机设备及可读存储介质，其中，该方法包括：确定待处理视频中的目标视频帧图像、以及与所述目标视频帧图像对应的目标音频信号；对所述目标视频帧图像进行第一编码处理，得到图像特征数据；以及对所述目标音频信号进行第二编码处理，得到音频特征数据；对所述图像特征数据以及所述音频特征数据进行特征融合处理，得到融合特征数据；基于所述融合特征数据进行解码处理，得到所述目标视频帧图像中与所述音频信号对应的发声对象的像素点在所述目标视频帧图像中的第一位置信息。本公开实施例可以提高对待处理视频中发声对象的定位精准度。

本发明实施例公开了一种音频信号处理方法及装置，包括：获取参考音频信号，其中，所述参考音频信号包括M个音源的M组音频信号，所述M为正整数；检测所述M是否大于或等于预设阈值；若检测到所述M大于或等于预设阈值，则对所述参考音频信号执行全频段动态范围控制FDRC操作以获取目标音频信号；输出所述目标音频信号。采用本发明实施例，有利于提升音频信号处理效率和音频播放的流畅性。

本发明公开了一种基于语音频谱融合特征的手机来源识别方法，其对每个手机对应的语音库中的每个语音样本中的每帧进行快速傅里叶变换，获取每帧的前一半加1个频率点的频率值的幅值；然后根据频率值及幅值，获取每个语音样本的统计平均信息量特征、统计平均对数谱特征和统计平均相位谱特征，组成频谱融合特征；接着将所有手机对应的所有语音样本的频谱融合特征组成频谱融合特征矩阵；之后对频谱融合特征矩阵进行归一化和特征选择，得到最优特征矩阵，即获得每个语音样本的最终频谱融合特征；最后对所有语音样本的最终频谱融合特征进行模型训练和测试样本识别；优点是识别准确率高、稳定性好，且泛化能力强。