網絡音頻數據分類標注與前處理系統(tǒng)構建.pdf

1、近年來,互聯(lián)網的迅速發(fā)展和網絡音頻數據量的急劇上升使得對網絡音頻數據的分類處理需求日益復雜。網絡多媒體數據的獲取與預處理則是各種音頻處理應用的共同基礎。本文的研究內容是網絡多媒體數據的獲取、音頻剝離解碼和基于音頻分類標注的預處理,并設計和開發(fā)一個網絡音頻數據分類標注與前處理系統(tǒng)。具體工作內容如下:
　　(1)在網絡數據獲取方面,搜索指定范圍內的多媒體數據,對于可直接下載的網絡數據則直接下載,并以文件為單位進行后續(xù)的音頻幀剝離與解碼

2、、類別標注和識別檢索等處理;對于只能在線播放的網絡流媒體數據,則首先對網絡流媒體協(xié)議進行解析,根據所用協(xié)議類型,生成基于實時流傳輸協(xié)議RTSP(RealTimeStreamingProtocol)的虛擬客戶端,并以流的形式將數據下載。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)在音頻數據類別標注方面,采用了支持向量機(SupportVectorMachine,SVM)方法對音頻數據進行類別

3、判定,首先將音頻數據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注規(guī)范,將對應文件的音頻類別及其起止時間標注在文件的末尾。
　　(3)在系統(tǒng)設計方面,采用自頂向下的模塊化設計方法,從系統(tǒng)的需求出發(fā)進行分析,將系統(tǒng)分為數據獲取、節(jié)目管理、解碼信息和文件結構信息提取、伴音剝離、音頻分類與標注、結果輸出與外部功能掛載七大模塊,設計了各