網(wǎng)絡(luò)音頻數(shù)據(jù)分類標(biāo)注與前處理系統(tǒng)構(gòu)建.pdf

1、近年來,互聯(lián)網(wǎng)的迅速發(fā)展和網(wǎng)絡(luò)音頻數(shù)據(jù)量的急劇上升使得對網(wǎng)絡(luò)音頻數(shù)據(jù)的分類處理需求日益復(fù)雜。網(wǎng)絡(luò)多媒體數(shù)據(jù)的獲取與預(yù)處理則是各種音頻處理應(yīng)用的共同基礎(chǔ)。本文的研究內(nèi)容是網(wǎng)絡(luò)多媒體數(shù)據(jù)的獲取、音頻剝離解碼和基于音頻分類標(biāo)注的預(yù)處理,并設(shè)計和開發(fā)一個網(wǎng)絡(luò)音頻數(shù)據(jù)分類標(biāo)注與前處理系統(tǒng)。具體工作內(nèi)容如下:
　　(1)在網(wǎng)絡(luò)數(shù)據(jù)獲取方面,搜索指定范圍內(nèi)的多媒體數(shù)據(jù),對于可直接下載的網(wǎng)絡(luò)數(shù)據(jù)則直接下載,并以文件為單位進(jìn)行后續(xù)的音頻幀剝離與解碼

2、、類別標(biāo)注和識別檢索等處理;對于只能在線播放的網(wǎng)絡(luò)流媒體數(shù)據(jù),則首先對網(wǎng)絡(luò)流媒體協(xié)議進(jìn)行解析,根據(jù)所用協(xié)議類型,生成基于實時流傳輸協(xié)議RTSP(RealTimeStreamingProtocol)的虛擬客戶端,并以流的形式將數(shù)據(jù)下載。平臺采用ffmpeg實現(xiàn)對主流多媒體編碼格式和實時流媒體的音頻剝離與解碼。
　　(2)在音頻數(shù)據(jù)類別標(biāo)注方面,采用了支持向量機(jī)(SupportVectorMachine,SVM)方法對音頻數(shù)據(jù)進(jìn)行類別

3、判定,首先將音頻數(shù)據(jù)分為靜音類和非靜音類,再對非靜音類劃分為語音類和非語音類,其中語音類再劃分成純語音類和非純語音類,非語音類則劃分為音樂類和環(huán)境類。制定了一個具體的標(biāo)注規(guī)范,將對應(yīng)文件的音頻類別及其起止時間標(biāo)注在文件的末尾。
　　(3)在系統(tǒng)設(shè)計方面,采用自頂向下的模塊化設(shè)計方法,從系統(tǒng)的需求出發(fā)進(jìn)行分析,將系統(tǒng)分為數(shù)據(jù)獲取、節(jié)目管理、解碼信息和文件結(jié)構(gòu)信息提取、伴音剝離、音頻分類與標(biāo)注、結(jié)果輸出與外部功能掛載七大模塊,設(shè)計了各