CN111083284A - 车辆到站提示方法及相关产品 - Google Patents
车辆到站提示方法及相关产品 Download PDFInfo
- Publication number
- CN111083284A CN111083284A CN201911253934.5A CN201911253934A CN111083284A CN 111083284 A CN111083284 A CN 111083284A CN 201911253934 A CN201911253934 A CN 201911253934A CN 111083284 A CN111083284 A CN 111083284A
- Authority
- CN
- China
- Prior art keywords
- target
- station
- audio data
- riding
- audio
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种车辆到站提示方法及相关产品,方法包括:通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;在根据音频数据确定车辆到达的当前站点时,根据当前站点和所述目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
Description
技术领域
本申请涉及电子技术领域,特别涉及一种车辆到站提示方法及相关产品。
背景技术
随着电子设备(如:手机、平板电脑等)的大量普及应用,电子设备能够支持的应用越来越多,功能越来越强大,电子设备向着多样化、个性化的方向发展,成为用户生活中不可缺少的电子用品。
在现有的地铁乘车场景下,电子设备可通过加速度传感器检测地铁是否处于加速和减速状态,从而判断地铁进入下一站,以及提示用户到站下车,但是,用户以不同的姿势握持电子设备,电子设备检测到的加速度也会不同,导致通过加速度传感器检测的加速度数值可能会错误判断地铁处于加速或者减速状态。
发明内容
本申请实施例提供了一种车辆到站提示方法及相关产品,能够根据乘车环境下的音频数据确定车辆到站,进而更加准确地进行车辆到站提示。
第一方面,本申请实施例提供一种车辆到站提示方法,所述方法包括:
获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
采集乘车环境下一段时间内的音频数据;
在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
若所述下一站点为预设站点,进行车辆到站提示操作。
第二方面,本申请实施例提供一种车辆到站提示装置,所述车辆到站提示装置包括:
获取单元,用于获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
采集单元,用于采集乘车环境下一段时间内的音频数据;
确定单元,用于在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
提示单元,用于在所述下一站点为预设站点时,进行提示操作。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器、通信接口,以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例中提供的车辆到站提示方法及相关产品,通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;在根据音频数据确定车辆到达的当前站点时,根据当前站点和所述目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电子设备的结构示意图;
图2A是本申请实施例提供的一种车辆到站提示方法的流程示意图;
图2B是本申请实施例提供的一种特征提取的流程示意图;
图2C是本申请实施例提供的一种进行MFCC特征提取的流程示意图;
图2D是本申请实施例提供的一种确定地铁到达的当前站点的流程示意图;
图3A是本申请实施例提供的另一种车辆到站提示方法的流程示意图;
图3B是本申请实施例提供的一种进行车辆到站提示的流程示意图;
图4是本申请实施例提供的另一种车辆到站提示方法的流程示意图;
图5是本申请实施例提供的另一种电子设备的结构示意图;
图6是本申请实施例提供了一种车辆到站提示装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例的方案可用于车辆到站提示,例如,用户乘坐地铁、公交、动车、高铁、火车等车辆的场景下,车辆在到站时,会产生一些特定声音,对提醒车辆到站、车辆开门或者车辆关门等事件进行提醒,从而,本申请实施例中,可采集乘车环境下的一段时间内的音频数据,然后根据该音频数据进行音频处理,通过特定声音判断车辆到站,从而可进一步确定下一站点是否为目标站点或者中转站,并进行到站提示。
以地铁乘车场景为例,地铁到达一个站点后,会通过警铃声提示地铁门即将关闭,然后前往下一站点,由于警铃声与人说话的区别较大,因此,即使在地铁环境下人说话的声音较为嘈杂的情况下,通过识别地铁乘车环境下的警铃声的识别结果受到人说话声音的影响也较小,从而,可采集地铁乘车环境下的一段时间内的音频数据,若根据音频数据确定存在警铃声,可确定车辆到达站点,进一步地,可根据用户的乘车线路和当前到达的站点确定下一站点,假定用户需要从起始站点P乘车去目标站点Q,车辆当前到达站点X,可根据用户的乘车线路和当前到达的站点X确定下一站点Y,若下一站点Y为用户需要到达目标站点Q,可提示用户车辆即将到达目标站点Q,或者若下一站点Y为中转站点Z,可提示用户车辆即将到达中转站点Z,并提示用户换乘。如此,可更加准确地进行车辆到站提示。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(userequipment,UE),移动台(mobile station,MS),终端设备(terminal device)等等,电子设备例如可以为智能手机、平板电脑等等。为方便描述,上面提到的设备统称为电子设备。
请参阅图1,图1是本申请实施例提供的一种电子设备的结构示意图,电子设备包括控制电路和输入-输出电路,输入输出电路与控制电路连接。
其中,控制电路可以包括存储和处理电路。该存储和处理电路中的存储电路可以是存储器,例如硬盘驱动存储器,非易失性存储器(例如闪存或用于形成固态驱动器的其它电子可编程只读存储器等),易失性存储器(例如静态或动态随机存取存储器等)等,本申请实施例不作限制。存储和处理电路中的处理电路可以用于控制电子设备的运转。该处理电路可以基于一个或多个微处理器,微控制器,数字信号处理器,基带处理器,功率管理单元,音频编解码器芯片,专用集成电路,显示驱动器集成电路等来实现。
存储和处理电路可用于运行电子设备中的软件,例如播放来电提示响铃应用程序、播放短消息提示响铃应用程序、播放闹钟提示响铃应用程序、播放媒体文件应用程序、互联网协议语音(voice over internet protocol,VOIP)电话呼叫应用程序、操作***功能等。这些软件可以用于执行一些控制操作,例如,播放来电提示响铃、播放短消息提示响铃、播放闹钟提示响铃、播放媒体文件、进行语音电话呼叫以及电子设备中的其它功能等,本申请实施例不作限制。
其中,输入-输出电路可用于使电子设备实现数据的输入和输出,即允许电子设备从外部设备接收数据和允许电子设备将数据从电子设备输出至外部设备。
输入-输出电路可以进一步包括传感器。传感器可以包括环境光传感器,基于光和电容的红外接近传感器,超声波传感器,触摸传感器(例如,基于光触摸传感器和/或电容式触摸传感器,其中,触摸传感器可以是触控显示屏的一部分,也可以作为一个触摸传感器结构独立使用),加速度传感器,重力传感器,和其它传感器等。输入-输出电路还可以进一步包括音频组件,音频组件可以用于为电子设备提供音频输入和输出功能。音频组件还可以包括音调发生器以及其它用于产生和检测声音的组件。
输入-输出电路还可以包括一个或多个显示屏。显示屏可以包括液晶显示屏,有机发光二极管显示屏,电子墨水显示屏,等离子显示屏,使用其它显示技术的显示屏中一种或者几种的组合。显示屏可以包括触摸传感器阵列(即,显示屏可以是触控显示屏)。触摸传感器可以是由透明的触摸传感器电极(例如氧化铟锡(ITO)电极)阵列形成的电容式触摸传感器,或者可以是使用其它触摸技术形成的触摸传感器,例如音波触控,压敏触摸,电阻触摸,光学触摸等,本申请实施例不作限制。
输入-输出电路还可以进一步包括通信电路可以用于为电子设备提供与外部设备通信的能力。通信电路可以包括模拟和数字输入-输出接口电路,和基于射频信号和/或光信号的无线通信电路。通信电路中的无线通信电路可以包括射频收发器电路、功率放大器电路、低噪声放大器、开关、滤波器和天线。举例来说,通信电路中的无线通信电路可以包括用于通过发射和接收近场耦合电磁信号来支持近场通信(near field communication,NFC)的电路。例如,通信电路可以包括近场通信天线和近场通信收发器。通信电路还可以包括蜂窝电话收发器和天线,无线局域网收发器电路和天线等。
输入-输出电路还可以进一步包括其它输入-输出单元。输入-输出单元可以包括按钮,操纵杆,点击轮,滚动轮,触摸板,小键盘,键盘,照相机,发光二极管和其它状态指示器等。
其中,电子设备还可以进一步包括电池(未图示),电池用于给电子设备提供电能。
参阅图2A,图2A为本申请实施例提供的一种车辆到站提示方法的流程示意图,所述方法包括如下步骤:
201、获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路。
其中,目标乘车线路为由两个以上站点串联形成的线路,其中,目标乘车线路的第一个站点为用户乘车的起始站点,目标乘车线路的最后一个站点为用户乘车的目标站点。
本申请实施例中,电子设备可先获取用户乘车的目标乘车线路,例如,用户从起始站点P去往目标站点Q,可获取从起始站点P到目标站点Q之间的目标乘车线路,若需要换成车辆,目标乘车线路中还可包括中转站。
可选地,上述步骤201中,获取目标乘车线路,可包括以下步骤:
11、获取起始站点和所述目标站点;
12、根据所述起始站点和所述目标站点以及预设的乘车线路图确定目标乘车线路,所述目标乘车线路包括所述起始站点和所述目标站点在内的至少两个站点。
具体实施中,电子设备可获取用户输入的起始站点和目标站点,或者,电子设备可获取用户输入的目的地,并根据预设的乘车线路图确定最近的起始站点,以及根据该乘车线路图确定目标站点,然后,根据预设的乘车线路图确定目标乘车线路。
可选地,上述步骤201中,获取目标乘车线路,可包括以下步骤:
13、获取当前位置和乘车时间;
14、根据所述当前位置从预设的多个历史乘车线路中确定至少一个参考乘车线路;
15、根据所述乘车时间确定所述至少一个参考乘车线路中的目标乘车线路。
具体实现中,电子设备还可通过定位装置确定当前位置,并获取乘车时间,电子设备中还可存储多个历史乘车线路,多个历史乘车线路中每一历史乘车线路均为用户设定的常用乘车线路,从而,可从多个历史乘车线路中选取以当前位置作为起始位置的至少一个参考乘车线路,然后从至少一个参考乘车线路中选取历史乘车时间与上述乘车时间一致的目标乘车线路,如此,可根据用户的历史乘车习惯进行线路预测,进而确定用户的目标乘车线路。
202、采集乘车环境下的一段时间内的音频数据。
本申请实施例中,用户在进行乘车的过程中,可通过电子设备采集音频数据,具体地,电子设备可实时采集音频数据,例如,用户上车后,即可开启音频数据采集功能,电子设备开始持续进行音频数据采集,例如,用户的乘车过程持续40分钟,电子设备可持续采集40分钟时长的音频数据,然后,可对实时采集的音频数据进行采样,得到多个采样音频数据,每一采样音频数据为一段时间内的音频数据,一段时间内的音频数据例如可以是3分钟时长的音频数据,或者5分钟时长的音频数据等等,此处不作限制。
在一种可能的实施例中,电子设备还可通过加速度传感器检测加速度,然后通过加速度预测车辆是否处于减速状态,若通过加速度预测到车辆可能处于减速状态,可开始进行音频数据采集,得到一段时间内的音频数据,直到根据加速度传感器重新的加速度预测到车辆处于加速状态时,停止进行音频数据采集,直到电子设备下一次预测到车辆处于减速状态,再次开始进行音频数据采集,具体实现中,车辆即将到达一个站点时,会进行减速,从该站点出发时,会进行加速,从减速到加速之间时间间隔的时间长度例如可以是2分钟、3分钟、5分钟等等,采集的一段时间内的音频数据,可能为2分钟时长的音频数据,3分钟时长的音频数据或者5分钟时长的音频数据等等,如此,通在乘车的过程中间断性地采集音频数据,不需要持续进行音频数据采集,可节省能耗,以及减少音频数据过大产生的内存。
203、在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点。
其中,上述车辆可为一种任意一种:地铁、公交、动车、高铁、火车等等,此处不作限制。
本申请实施例中,在采集到一段时间内的音频数据后,可对该音频数据进行分析,具体地,若根据音频数据确定存在警铃声、报站声、开门提示声、关门提示声等提示声,可确定车辆到达一个站点,然后,可通过定位装置确定车辆当前到达的站点,或者,根据目标乘车线路确定车辆到达的当前站点,具体实现中,用户上车时,可确定车辆处于起始站点,进而,后面每到达一个站点,可根据目标乘车线路确定起始站点后面依次到达的站点,还可根据上一站到达的站点确定当前站点。
可选地,本申请实施例中,在所述采集车辆内的音频数据之后,还可包括以下步骤31-步骤34:
31、对所述音频数据进行特征提取,得到音频特征集;
本申请实施例中,进行音频特征提取的算法可包括以下任意一种,此处不作限制:时频特征融合算法(Time-frequency feature fusion algorithm)、尺度不变特征变换(Scale-invariant feature transform,SIFT)算法、加速稳健特征(speed up robustfeatures,SURF)算法、快速傅里叶变换(fast Fourier transform,FFT)算法等等,此处不作限制。
可选地,上述步骤31中,对所述音频数据进行特征提取,得到音频特征集,可包括以下步骤:
3101、对所述音频数据进行预加重处理,得到处理后的音频数据;
3102、将所述处理后的音频数据进行分帧加窗,得到加窗后的音频数据;
3103、对所述加窗后的音频数据进行短时能量(short time energy,STE)特征提取,得到STE特征集;对所述加窗后的音频数据进行梅尔倒谱系数(mel-frequencycepstral coefficients,MFCC)特征提取,得到MFCC特征集;
3104、将所述STE特征集和所述MFCC特征集进行特征融合,得到融合后的音频特征集。
以时频特征融合算法为例,请参阅图2B,图2B为本申请实施例提供的一种特征提取的流程示意图,其中,可首先将一段时间内的音频数据输入高通滤波器,采用高通滤波器进行预加重处理,数学表达式:H(z)=1-az-1,其中a是修正系数,a的取值范围可以是0.95-0.97。
然后,可采用汉明窗进行分帧加窗,汉明窗公式如下:
其中,n为整数,n=0,1,2,3,...M-1,M为每个窗口所包含的数据量。
其中,声音是一种随时间变化的非平稳信号,具有时变特性,但是在较短时间范围内具有平稳的特征,进行分帧加窗采用的音频采样频率可以为16000Hz,进一步地,可对加窗后的音频数据进行STE特征提取和MFCC特征提取。
在进行STE特征提取时,可输入一帧时长为1024ms音频数据,若汉明窗中的参数M为128,则一个窗口对应时长为8ms的音频数据。STE特征计算公式为:
其中,xn为每一个窗口的音频数据,wn为汉明窗,En为每一个窗口音频数据的能量值,每一帧音频数据对应得到一个元素个数为128的一维向量A,A即为每一帧音频数据的STE特征。
可选地,上述步骤3103中,对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集,可包括以下步骤:
3131、对所述加窗后的音频数据进行多精度傅里叶变换,得到变换结果;
3132、对所述变换结果进行能量计算,得到能量谱;
3133、将所述能量谱进行梅尔滤波,得到梅尔谱;
3134、对所述梅尔谱取对数,做离散余弦变化,将得到的离散余弦变化系数作为MFCC特征,得到MFCC特征集。
请参阅图2C,图2C为本申请实施例提供的一种进行MFCC特征提取的流程示意图,其中,可首先将加窗后的音频数据进行离散傅里叶变换,离散傅里叶变换的公式为:
其中,N为傅里叶变换的点数,k为傅里叶变换的频率信息,频率精度为f/N。针对每一帧1024ms的音频数据,取不同的N得到的傅里叶变换特征的时间精度和频率精度都不一样。本申请中N可分别取1024,512,256进行傅里叶变换,得到傅里叶变换结果。
然后,对傅里叶变换结果进行能量计算,具体地,计算傅里叶变换结果的实部和虚部的平方和,得到能量谱。
再然后,对能量谱进行梅尔滤波,梅尔滤波是将能量谱转化为符合人耳听觉的梅尔谱,进行梅尔滤波的数学表达式为:
其中f为频率,最后再对梅尔谱取对数,做离散余弦变化(Discrete CosineTransform,DCT),得到的DCT系数即为MFCC特征,本实施例可取128维的MFCC特征。
其中,N为1024时得到的MFCC特征为16×128的二维向量B,N为512时得到的MFCC特征为32×128二维向C,N为256时得到的MFCC特征为64×128二维向量D。
最后,将STE特征集和MFCC特征集进行特征融合,具体地,将生成的STE特征集中的特征向量A与生成MFCC特征集中的特征向量B,C,D合并,得到一个113×128的二维融合特征向量(1+16+32+64=113)。
32、对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征;
其中,可采用主成成分分析(principal component analysis,PCA)方法进行特征降维,具体实现中,上述特征提取的音频特征集中的音频特征为113×128维,特征维度过高,会导致模型的计算量非常大,也难以从如此高维度的特征中学习到较好的参数。上述采用多精度MFCC特征和时域特征STE融合之后的音频特征集含有的信息量非常大,同时也有一定的冗余,因此可通过PCA方法对音频特征集中的音频特征进行降维。假设有m条n维数据,进行PCA降维可包括以下步骤:
3201、将所述音频特征集中的多个音频特征按列组成n行m列矩阵X;
3202、将所述矩阵X的每一行进行零均值化,即减去每一行中所有元素的平均值;
3203、求出协方差矩阵∑=XXT;
3204、求出所述协方差矩阵的特征值及对应的特征向量;
3205、将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P。
3206、将每一个音频特征乘以矩阵P即可降维到k维后的特征数据。
如此,通过上述特征降维的处理,可将高维度的多个音频特征进行降维,得到降维后的音频特征集,使得后续能够更加高效地进行特征分类。
33、将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率;
其中,上述预设音频特征可以为以下任一种提示声的提示声特征:警铃声、报站声、开门提示声、关门提示声等提示声,此处不作限制。
其中,上述预设分类模型例如可以是xgboost分类模型,xgboost库是CART分类树的一种高效的集成方法库,该方法库具有以下优点:损失函数中加入正则化防止过拟合;算法流程不仅使用了一阶导数,还使用了二阶导数,损失函数更加精确;并行优化好,而且xgboost库的并行是在特征粒度上的并行,模型训练快;考虑了训练数据为稀疏值的异常情况,该方法能为缺失值或给定的值指定分支的默认方向,能够大大提升算法的效率,避免算法陷入异常值影响;支持列抽样,不仅能降低过拟合,还能减少计算,提高效率。
本申请实施例可在服务器上利用Python的xgboost库训练模型,得到训练好的xgboost分类模型,然后在电子设备上利用Java的xgboost库进行部署。
可见,通过将多个目标音频特征依次输入预设分类模型,得到多个目标音频特征属于预设音频特征的多个概率。
34、若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
其中,可预先设定预设概率阈值,该预设概率阈值例如可以是80%,85%等等,上述第一预设时间段可以由***默认设定,也可由用户自行设定。
例如,在地铁乘车场景下,地铁关门警铃声一般会持续4-6秒左右,可设定第一预设时间段为5s,若上述进行分帧加窗中音频数据窗口长度为1024ms,则输入预设分类模型的音频特征对应的音频数据时长1.056秒,M的取值可以为5,N的取值可以为小于或等于M的正整数,从而,可检测连续5秒音频数据中出现几次警铃声,若存在连续5秒中出现2次以上警铃声则判断为第一预设时间段内的连续警铃声表示地铁即将关门,进而确定地铁到达当前站点。
请参阅图2D,图2D为本申请实施例提供的一种确定地铁到达的当前站点的流程示意图,其中,可将一段时间内的音频数据进行音频特征提取,得到音频特征集,然后,将音频特征集中的多个音频特征进行PCA特征降维,得到降维后的音频特征集,之后,将降维后的音频特征集中的多个音频特征依次输入xgboost分类模型,输出多个音频特征属于地铁警铃声的多个概率,根据多个概率确定地铁是否到达一个站点。
可选地,本申请实施例中,还可包括以下步骤:
若第二预设时间段内也存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,且所述第一预设时间段和所述第二预设时间段的时间间隔小于预设时长,确定所述第一预设时间段到达的第一站点和所述第二预设时间段到达的第二站点为同一站点。
本申请实施例中,考虑到车辆行驶过程中,车辆到站发出提示声不久,可能存在来自其他声源发出的相同或者类似的提示声,例如,其他乘客的手机发出的警铃声,又或者,同一站点内的其他车辆发出的警铃声。若电子设备检测到第一预设时间段内存在M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,并确定车辆到达第一站点,紧接在经过较短时间间隔后,例如30秒后,电子设备又检测到第二预设时间段内也存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,并确定车辆到达第二站点,可能会错误判定车辆经过了两个站点,因此,电子设备可预先设定预设时长,预设时长例如可以是1分钟,2分钟,等等,此处不作限制,从而,电子设备在检测到第一预设时间段和第二预设时间段内均存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,可确定第一预设时间段到达的第一站点和第二预设时间段到达的第二站点为同一站点。
以地铁乘车场景为例,若电子设备在5:00:00-5:00:05的第一预设时间段内,检测到出现3次警铃声,可确定到达一个站点,若电子设备在5:00:35-5:00:40的第二预设时间段内,检测到出现2次警铃声,可确定到达一个站点,然后可确定第一预设时间段和第二预设时间段的时间间隔为30秒,可确定时间间隔小于预设时长1分钟,从而,可确定车辆到达的是同一站。
204、若所述下一站点为预设站点,进行车辆到站提示操作。
本申请实施例中,上述预设站点可以为用户想要到达的目标站点,或者,可以为进行换乘车辆的中转站。若确定下一站点为目标站点,可以提示用户即将到达目标站点,若确定下一站点为中转站,可提示用户在中转站进行换乘。其中,上述提示操作可包括以下至少一种:显示文字或图标等提示消息、振动提示、语音提示等等。
从而,可在用户进行乘车的过程中,通过车辆环境内的提示声,确定车辆到站,进而对车辆即将到达预设站点进行提示,相比于通过加速度传感器检测车辆减速或加速的行驶状态来预测车辆到站的方案,本方案能够更加准确地通过音频数据确定车辆到达站点,并进行到站提示。
可以看出,本申请实施例中的车辆到站提示方法,通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;在根据音频数据确定车辆到达的当前站点时,根据当前站点和所述目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
请参阅图3A,图3A为本申请实施例提供的一种车辆到站提示方法的流程示意图,所述方法包括如下步骤:
301、获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路。
302、采集乘车环境下的一段时间内的音频数据。
303、对所述音频数据进行特征提取,得到音频特征集。
304、对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征。
305、将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率。
306、若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,根据所述当前站点和所述目标乘车线路确定下一站点其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
307、若所述下一站点为预设站点,进行车辆到站提示操作。
举例说明,请参阅图3B,图3B为本申请实施例提供的一种进行车辆到站提示的流程示意图,电子设备中可预先存储乘车线路图,用户进行乘车时,电子设备可获取用户的目标乘车线路,然后,电子设备可通过麦克风采集一段时间内的音频数据,并通过该一段音频数据确定声音是否为车辆到站的提示声,例如地铁关门的警铃声,若是,根据车辆到达的当前站点确定下一站点,若下一站点为目标站点,则提示用户即将到达目标站点,若不是,确定下一站点是否为中转站,若下一站点为中转站,可提示用户在中转站进行换乘。
其中,上述步骤301-307的具体实现过程可参照步骤201-步骤204中相应的描述,在此不再赘述。
可以看出,本申请实施例中,通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;对音频数据进行特征提取,得到音频特征集;对音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,将多个目标音频特征依次输入预设分类模型,得到多个目标音频特征属于预设音频特征的多个概率,若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,根据当前站点和目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
请参阅图4,图4为本申请实施例提供的一种车辆到站提示方法的流程示意图,所述方法包括如下步骤:
401、获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路。
402、采集乘车环境下的一段时间内的音频数据。
403、对所述音频数据进行预加重处理,得到处理后的音频数据。
404、将所述处理后的音频数据进行分帧加窗,得到加窗后的音频数据。
405、对所述加窗后的音频数据进行STE特征提取,得到STE特征集;对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集。
406、将所述STE特征集和所述MFCC特征集进行特征融合,得到融合后的音频特征集。
407、对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征。
408、将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率。
409、若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,根据所述当前站点和所述目标乘车线路确定下一站点其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
410、若所述下一站点为预设站点,进行车辆到站提示操作。
其中,上述步骤401-410的具体实现过程可参照步骤201-步骤204中相应的描述,在此不再赘述。
可以看出,本申请实施例中,通过采用时频融合特征算法进行音频特征提取,以及,对音频特征集中的多个音频特征进行降维处理,得到降维后的音频特征集,如此,可提高对目标音频特征处理的效率,以及提高车辆到站提示的准确性。
以下是实施上述车辆到站提示方法的装置,具体如下:
与上述一致地,请参阅图5,图5是本申请实施例提供的一种电子设备500的结构示意图,该电子设备500包括:处理器510、通信接口530和存储器520;电子设备500还包括一个或多个程序521,所述一个或多个程序521被存储在所述存储器520中,并且被配置成由所述处理器执行,所述程序521包括用于执行以下步骤的指令:
获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
采集乘车环境下的一段时间内的音频数据;
在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
若所述下一站点为预设站点,进行车辆到站提示操作。
在一个可能的示例中,在所述采集车辆内的音频数据之后,所述程序521还包括用于执行以下步骤的指令:
对所述音频数据进行特征提取,得到音频特征集;
对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征;
将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率;
若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
在一个可能的示例中,所述程序521还包括用于执行以下步骤的指令:
若第二预设时间段内也存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,且所述第一预设时间段和所述第二预设时间段的时间间隔小于预设时长,确定所述第一预设时间段到达的第一站点和所述第二预设时间段到达的第二站点为同一站点。
在一个可能的示例中,在所述对所述音频数据进行特征提取,得到音频特征集方面,所述程序521包括用于执行以下步骤的指令:
对所述音频数据进行预加重处理,得到处理后的音频数据;
将所述处理后的音频数据进行分帧加窗,得到加窗后的音频数据;
对所述加窗后的音频数据进行STE特征提取,得到STE特征集;对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集;
将所述STE特征集和所述MFCC特征集进行特征融合,得到融合后的音频特征集。
在一个可能的示例中,在所述对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集方面,所述程序521包括用于执行以下步骤的指令:
对所述加窗后的音频数据进行多精度傅里叶变换,得到变换结果;
对所述变换结果进行能量计算,得到能量谱;
将所述能量谱进行梅尔滤波,得到梅尔谱;
对所述梅尔谱取对数,做离散余弦变化,将得到的离散余弦变化系数作为MFCC特征,得到MFCC特征集。
在一个可能的示例中,在所述获取目标乘车线路方面,所述程序521包括用于执行以下步骤的指令:
获取起始站点和所述目标站点;
根据所述起始站点和所述目标站点以及预设的乘车线路图确定目标乘车线路,所述目标乘车线路包括所述起始站点和所述目标站点在内的至少两个站点。
在一个可能的示例中,在所述获取目标乘车线路方面,所述程序521包括用于执行以下步骤的指令:
获取当前位置和乘车时间;
根据所述当前位置从预设的多个历史乘车线路中确定至少一个参考乘车线路;
根据所述乘车时间确定所述至少一个参考乘车线路中的目标乘车线路。
可以看出,本申请实施例中的电子设备,电子设备通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;在根据音频数据确定车辆到达的当前站点时,根据当前站点和所述目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
请参阅图6,图6是本实施例提供的一种车辆到站提示装置600的结构示意图,应用于电子设备,所述电子设备包括设置于不同位置的多个环境光传感器,所述车辆到站提示装置600包括获取单元601、采集单元602、确定单元603和提示单元604,其中,
所述获取单元601,用于获取单元,用于获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
所述采集单元602,用于采集乘车环境下一段时间内的音频数据;
所述确定单元603,用于在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
所述提示单元604,用于在所述下一站点为预设站点时,进行提示操作。。
可选地,在所述采集车辆内的音频数据之后,所述确定单元603还用于:
对所述音频数据进行特征提取,得到音频特征集;
对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征;
将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率;
若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
可选地,所述确定单元603还用于:
若第二预设时间段内也存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,且所述第一预设时间段和所述第二预设时间段的时间间隔小于预设时长,确定所述第一预设时间段到达的第一站点和所述第二预设时间段到达的第二站点为同一站点。
可选地,在所述对所述音频数据进行特征提取,得到音频特征集方面,所述确定单元603具体用于:
对所述音频数据进行预加重处理,得到处理后的音频数据;
将所述处理后的音频数据进行分帧加窗,得到加窗后的音频数据;
对所述加窗后的音频数据进行STE特征提取,得到STE特征集;对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集;
将所述STE特征集和所述MFCC特征集进行特征融合,得到融合后的音频特征集。
可选地,在所述对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集方面,所述确定单元603具体用于:
对所述加窗后的音频数据进行多精度傅里叶变换,得到变换结果;
对所述变换结果进行能量计算,得到能量谱;
将所述能量谱进行梅尔滤波,得到梅尔谱;
对所述梅尔谱取对数,做离散余弦变化,将得到的离散余弦变化系数作为MFCC特征,得到MFCC特征集。
可选地,所述获取单元601具体用于:
获取起始站点和所述目标站点;
根据所述起始站点和所述目标站点以及预设的乘车线路图确定目标乘车线路,所述目标乘车线路包括所述起始站点和所述目标站点在内的至少两个站点。
可选地,所述获取单元601具体用于:
获取当前位置和乘车时间;
根据所述当前位置从预设的多个历史乘车线路中确定至少一个参考乘车线路;
根据所述乘车时间确定所述至少一个参考乘车线路中的目标乘车线路。
可以看出,本申请实施例中所描述的车辆到站提示装置,通过获取目标乘车线路,目标乘车线路为由两个以上站点串联形成的线路;采集乘车环境下一段时间内的音频数据;在根据音频数据确定车辆到达的当前站点时,根据当前站点和所述目标乘车线路确定下一站点;若下一站点为预设站点,进行车辆到站提示操作,如此,通过根据乘车环境下的音频数据确定车辆到站,进而在确定下一站为预设站点时,更加准确地进行车辆到站提示。
可以理解的是,本实施例的车辆到站提示装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种车辆到站提示方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种车辆到站提示方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种车辆到站提示方法,其特征在于,所述方法包括:
获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
采集乘车环境下的一段时间内的音频数据;
在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
若所述下一站点为预设站点,进行车辆到站提示操作。
2.根据权利要求1所述的方法,其特征在于,在所述采集车辆内的音频数据之后,所述方法还包括:
对所述音频数据进行特征提取,得到音频特征集;
对所述音频特征集中的多个音频特征进行降维,得到降维后的音频特征集,所述降维后的音频特征集包括多个目标音频特征;
将所述多个目标音频特征依次输入预设分类模型,得到所述多个目标音频特征属于预设音频特征的多个概率,其中,每一所述目标音频特征对应一个概率;
若第一预设时间段内存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第一目标概率,确定车辆到达当前站点,其中,所述多个概率包括所述M个概率,M和N为正整数,所述M大于或等于所述N。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若第二预设时间段内也存在连续M个目标音频特征对应的M个概率中包括大于预设概率阈值的N个第二目标概率,且所述第一预设时间段和所述第二预设时间段的时间间隔小于预设时长,确定所述第一预设时间段到达的第一站点和所述第二预设时间段到达的第二站点为同一站点。
4.根据权利要求2或3所述的方法,其特征在于,所述对所述音频数据进行特征提取,得到音频特征集,包括:
对所述音频数据进行预加重处理,得到处理后的音频数据;
将所述处理后的音频数据进行分帧加窗,得到加窗后的音频数据;
对所述加窗后的音频数据进行STE特征提取,得到STE特征集;对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集;
将所述STE特征集和所述MFCC特征集进行特征融合,得到融合后的音频特征集。
5.根据权利要求4所述的方法,其特征在于,所述对所述加窗后的音频数据进行MFCC特征提取,得到MFCC特征集,包括:
对所述加窗后的音频数据进行多精度傅里叶变换,得到变换结果;
对所述变换结果进行能量计算,得到能量谱;
将所述能量谱进行梅尔滤波,得到梅尔谱;
对所述梅尔谱取对数,做离散余弦变化,将得到的离散余弦变化系数作为MFCC特征,得到MFCC特征集。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述获取目标乘车线路,包括:
获取起始站点和所述目标站点;
根据所述起始站点和所述目标站点以及预设的乘车线路图确定目标乘车线路,所述目标乘车线路包括所述起始站点和所述目标站点在内的至少两个站点。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述获取目标乘车线路,包括:
获取当前位置和乘车时间;
根据所述当前位置从预设的多个历史乘车线路中确定至少一个参考乘车线路;
根据所述乘车时间确定所述至少一个参考乘车线路中的目标乘车线路。
8.一种车辆到站提示装置,其特征在于,所述车辆到站提示装置包括:
获取单元,用于获取目标乘车线路,所述目标乘车线路为由两个以上站点串联形成的线路;
采集单元,用于采集乘车环境下一段时间内的音频数据;
确定单元,用于在根据所述音频数据确定车辆到达的当前站点时,根据所述当前站点和所述目标乘车线路确定下一站点;
提示单元,用于在所述下一站点为预设站点时,进行提示操作。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253934.5A CN111083284B (zh) | 2019-12-09 | 2019-12-09 | 车辆到站提示方法、装置、电子设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253934.5A CN111083284B (zh) | 2019-12-09 | 2019-12-09 | 车辆到站提示方法、装置、电子设备以及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111083284A true CN111083284A (zh) | 2020-04-28 |
CN111083284B CN111083284B (zh) | 2021-06-11 |
Family
ID=70313990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911253934.5A Active CN111083284B (zh) | 2019-12-09 | 2019-12-09 | 车辆到站提示方法、装置、电子设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111083284B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201980A (zh) * | 2007-12-19 | 2008-06-18 | 北京交通大学 | 一种基于语音情感识别的远程汉语教学*** |
CN101241699A (zh) * | 2008-03-14 | 2008-08-13 | 北京交通大学 | 一种远程汉语教学中的说话人确认*** |
CN102799899A (zh) * | 2012-06-29 | 2012-11-28 | 北京理工大学 | 基于svm和gmm的特定音频事件分层泛化识别方法 |
CN103617742A (zh) * | 2013-11-27 | 2014-03-05 | 南通芯迎设计服务有限公司 | 一种站点信息提示装置 |
CN104063741A (zh) * | 2014-06-04 | 2014-09-24 | 惠州Tcl移动通信有限公司 | 一种基于无线通讯设备的地铁路线提示方法及*** |
CN104978868A (zh) * | 2015-06-15 | 2015-10-14 | 小米科技有限责任公司 | 到站提醒方法及装置 |
CN105391848A (zh) * | 2015-10-12 | 2016-03-09 | 广东欧珀移动通信有限公司 | 基于移动终端的报站方法和移动终端 |
CN105577943A (zh) * | 2016-02-03 | 2016-05-11 | 上海卓易科技股份有限公司 | 一种公交报站提示方法、***以及移动终端 |
CN106558232A (zh) * | 2015-09-30 | 2017-04-05 | 中国电信股份有限公司 | 一种用户到站提醒方法、***和到站提醒服务器 |
CN106710283A (zh) * | 2016-12-28 | 2017-05-24 | 上海与德信息技术有限公司 | 一种基于移动终端的报站提醒方法及装置 |
CN106782565A (zh) * | 2016-11-29 | 2017-05-31 | 重庆重智机器人研究院有限公司 | 一种声纹特征识别方法及*** |
JP6381411B2 (ja) * | 2014-11-04 | 2018-08-29 | 三菱電機株式会社 | 放送受信システム及びそのリスト作成方法 |
-
2019
- 2019-12-09 CN CN201911253934.5A patent/CN111083284B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201980A (zh) * | 2007-12-19 | 2008-06-18 | 北京交通大学 | 一种基于语音情感识别的远程汉语教学*** |
CN101241699A (zh) * | 2008-03-14 | 2008-08-13 | 北京交通大学 | 一种远程汉语教学中的说话人确认*** |
CN102799899A (zh) * | 2012-06-29 | 2012-11-28 | 北京理工大学 | 基于svm和gmm的特定音频事件分层泛化识别方法 |
CN103617742A (zh) * | 2013-11-27 | 2014-03-05 | 南通芯迎设计服务有限公司 | 一种站点信息提示装置 |
CN104063741A (zh) * | 2014-06-04 | 2014-09-24 | 惠州Tcl移动通信有限公司 | 一种基于无线通讯设备的地铁路线提示方法及*** |
JP6381411B2 (ja) * | 2014-11-04 | 2018-08-29 | 三菱電機株式会社 | 放送受信システム及びそのリスト作成方法 |
CN104978868A (zh) * | 2015-06-15 | 2015-10-14 | 小米科技有限责任公司 | 到站提醒方法及装置 |
CN106558232A (zh) * | 2015-09-30 | 2017-04-05 | 中国电信股份有限公司 | 一种用户到站提醒方法、***和到站提醒服务器 |
CN105391848A (zh) * | 2015-10-12 | 2016-03-09 | 广东欧珀移动通信有限公司 | 基于移动终端的报站方法和移动终端 |
CN105577943A (zh) * | 2016-02-03 | 2016-05-11 | 上海卓易科技股份有限公司 | 一种公交报站提示方法、***以及移动终端 |
CN106782565A (zh) * | 2016-11-29 | 2017-05-31 | 重庆重智机器人研究院有限公司 | 一种声纹特征识别方法及*** |
CN106710283A (zh) * | 2016-12-28 | 2017-05-24 | 上海与德信息技术有限公司 | 一种基于移动终端的报站提醒方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111083284B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110164469B (zh) | 一种多人语音的分离方法和装置 | |
CN109558512B (zh) | 一种基于音频的个性化推荐方法、装置和移动终端 | |
CN109903773B (zh) | 音频处理方法、装置及存储介质 | |
CN108320744A (zh) | 语音处理方法和装置、电子设备、计算机可读存储介质 | |
US20200029156A1 (en) | Method for Processing Information and Electronic Device | |
CN110798718B (zh) | 一种视频推荐方法以及装置 | |
US20240038238A1 (en) | Electronic device, speech recognition method therefor, and medium | |
CN110097895B (zh) | 一种纯音乐检测方法、装置及存储介质 | |
CN111050370A (zh) | 网络切换方法、装置、存储介质及电子设备 | |
CN110972112B (zh) | 地铁运行方向的确定方法、装置、终端及存储介质 | |
CN110364156A (zh) | 语音交互方法、***、终端及可读存储介质 | |
CN107948729B (zh) | 富媒体处理方法、装置、存储介质和电子设备 | |
CN111477243B (zh) | 音频信号处理方法及电子设备 | |
CN108831508A (zh) | 语音活动检测方法、装置和设备 | |
CN110517677B (zh) | 语音处理***、方法、设备、语音识别***及存储介质 | |
CN112751648A (zh) | 一种丢包数据恢复方法和相关装置 | |
CN108600559B (zh) | 静音模式的控制方法、装置、存储介质及电子设备 | |
JP5018120B2 (ja) | 携帯端末、プログラム及び携帯端末への表示画面制御方法 | |
CN111081275B (zh) | 基于声音分析的终端处理方法、装置、存储介质及终端 | |
CN106790942A (zh) | 语音信息智能保存方法及装置 | |
CN114333804B (zh) | 音频分类识别方法、装置、电子设备及存储介质 | |
CN111613246A (zh) | 一种音频分类提示方法以及相关设备 | |
CN110944056A (zh) | 交互方法、移动终端及可读存储介质 | |
CN109240486B (zh) | 一种弹出消息处理方法、装置、设备及存储介质 | |
CN110992953A (zh) | 一种语音数据处理方法、装置、***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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |