基于锚空间的音频场景识别

摘要

音频场景是指由若干时间上相邻语义上相关的声学事件组成的，可以用特定语义标签来描述的一段音频。音频 场景识别是对音频内容在这个较高的语义层次的理解和识别。本文通过在长时上对音频特征进行建模，提出了基于锚空间模型的音频场景识别方法。在锚空间的构造中，本文提出了基于高斯混合模型（Gaussian Mixture Model，GMM）的锚学习方法以及基于稀疏限制的坐标分解算法。通过在实际网络多媒体数据上的实验表明，本方法能够有效的识别并检索出目标音频场景。