廣告信息識(shí)別系統(tǒng)的研究與設(shè)計(jì)

宋明杰 楊闖 王瑞祥 劉朝暉 閻少宏

摘 要：以廣告信息監(jiān)測(cè)為主要目的，完成了信息監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu)和功能的設(shè)計(jì)，基于音頻匹配算法（DTW）的語音識(shí)別技術(shù)，開發(fā)了一套針對(duì)廣告信息識(shí)別的信息管理系統(tǒng)。該系統(tǒng)包括一套完整的軟硬件設(shè)施，為廣告監(jiān)播部門和人員提供實(shí)用、功能豐富的管理工具，實(shí)現(xiàn)廣告信息的識(shí)別、監(jiān)測(cè)、預(yù)警、報(bào)告等的智能化處理，經(jīng)過隨機(jī)抽取樣本的檢測(cè)，準(zhǔn)確率基本穩(wěn)定在86%，經(jīng)驗(yàn)證效果顯著。

關(guān)鍵詞：廣告；監(jiān)播系統(tǒng)；語音識(shí)別；信息監(jiān)測(cè)

21世紀(jì)是信息的時(shí)代，信息成為各個(gè)領(lǐng)域乃至各個(gè)國(guó)家的重要戰(zhàn)略資源，信息的安全傳播是信息安全的重要組成部分，關(guān)系到國(guó)家安全和社會(huì)穩(wěn)定。隨著經(jīng)濟(jì)的發(fā)展，廣告成為社會(huì)生活的重要組成部分，而其帶來的社會(huì)問題也更加突出，特別是虛假?gòu)V告信息和非法小電臺(tái)播報(bào)的非法信息，嚴(yán)重影響人們的日常生活，并為社會(huì)帶來很多不穩(wěn)定因素，廣告檢測(cè)、監(jiān)測(cè)成為監(jiān)管部門亟待解決的問題。由于廣播信息具有傳播范圍廣、制作成本低、部分非法電臺(tái)較隱蔽等特點(diǎn)，電波信號(hào)不易察覺，且大量?jī)?chǔ)存將消耗很大的儲(chǔ)存資源。目前，廣播監(jiān)管僅局限于對(duì)異常電臺(tái)頻率的監(jiān)管。

基于上述分析，設(shè)計(jì)了電臺(tái)廣播信息識(shí)別（監(jiān)播）系統(tǒng)，考慮到數(shù)據(jù)量大和電臺(tái)數(shù)眾多，分別開發(fā)和使用了數(shù)據(jù)預(yù)處理系統(tǒng)、多路分頻器和實(shí)時(shí)信息分析系統(tǒng)平臺(tái)，并進(jìn)行了性能分析，為實(shí)現(xiàn)人工智能廣告信息監(jiān)播提供解決方案。

1 工作原理及算法

1.1 語音識(shí)別原理

語音識(shí)別技術(shù)經(jīng)過近40年的發(fā)展，已經(jīng)成為聲學(xué)、數(shù)字信號(hào)處理、概率統(tǒng)計(jì)、語言學(xué)、人工智能等多學(xué)科交叉的一項(xiàng)綜合性技術(shù)，基于語音識(shí)別技術(shù)研發(fā)的系統(tǒng)成功應(yīng)用于很多場(chǎng)景，為語音識(shí)別技術(shù)在廣告信息監(jiān)播領(lǐng)域的應(yīng)用作重要鋪墊。

語音識(shí)別系統(tǒng)整體上由兩大部分組成：訓(xùn)練和識(shí)別。訓(xùn)練時(shí)對(duì)預(yù)先收集的海量語音、語音數(shù)據(jù)庫(kù)進(jìn)行信號(hào)處理和建模，提取語音識(shí)別系統(tǒng)所需的“語言模型”和“聲學(xué)模型”。識(shí)別過程是對(duì)用戶輸入的音頻資料提取特征向量，利用訓(xùn)練好的“語言模型”和“聲學(xué)模型”進(jìn)行統(tǒng)計(jì)模式識(shí)別，得到其包含的文字信息。線性預(yù)測(cè)（LPC）、梅爾倒譜系數(shù)（MFCC）等作為特征向量的組成部分。

1.2 改進(jìn)的DTW算法

本次試驗(yàn)采用了一種整體路徑約束DTW算法（ADTW），利用平行四邊形限制動(dòng)態(tài)規(guī)整范圍，如下圖1所示：

平行四邊形之外的路徑點(diǎn)對(duì)應(yīng)的幀匹配距離不需要計(jì)算，也無需保存所有的距離和積累距離矩陣，充分利用這兩個(gè)特性，可以減少計(jì)算量和儲(chǔ)存空間，可提高識(shí)別速率、節(jié)約存儲(chǔ)空間。把實(shí)際的動(dòng)態(tài)彎折分為三段：和，其中：

和都取最相近的整數(shù)。由此也得出對(duì)M和N長(zhǎng)度的限制條件：

當(dāng)不能滿足以上條件時(shí)，則認(rèn)為兩者差別過大，無法進(jìn)行動(dòng)態(tài)彎折匹配。此時(shí)，在x軸上的每一幀不需要與y軸上的每一幀進(jìn)行匹配比較，而只需與y軸上間的數(shù)據(jù)幀進(jìn)行比較，兩者的計(jì)算公式如下：

當(dāng)出現(xiàn)的情況時(shí)彎折匹配三段分別是和。對(duì)于x軸上每前進(jìn)一幀，盡管與之比較的y軸上的幀數(shù)不同，但彎折特性是一樣的，積累距離矩陣更新可用以下公式實(shí)現(xiàn)：

模版匹配ADTW算法提高了原有的DTW算法，限制了識(shí)別區(qū)域，在保證正確的前提下大大減少了計(jì)算量，節(jié)約了存儲(chǔ)空間，提高了運(yùn)行速度。

2 系統(tǒng)組成和軟件設(shè)計(jì)

廣告信息識(shí)別系統(tǒng)主要包括信號(hào)采集模塊、存儲(chǔ)磁盤列陣、廣告樣本數(shù)據(jù)庫(kù)、音頻匹配服務(wù)器、監(jiān)管數(shù)據(jù)庫(kù)、操作員終端和自動(dòng)警報(bào)系統(tǒng)?？紤]到信息采集時(shí)數(shù)據(jù)占用空間巨大，而硬盤對(duì)于大數(shù)據(jù)的存儲(chǔ)速度隨數(shù)據(jù)量和時(shí)間的增加而減小，因此采用循環(huán)分散式存儲(chǔ)技術(shù)，將采集到的信息分成信息塊，一次存放在不同的磁盤中。下圖2給出了系統(tǒng)結(jié)構(gòu)圖：

2.1 多路分頻器（VGA分頻器）

VGA分頻器又稱VGA信號(hào)寬帶矩陣切換器，將多路電視、電臺(tái)信號(hào)從輸入通道切換到相應(yīng)的信道上，使各路信號(hào)之間彼此獨(dú)立地進(jìn)入到信號(hào)調(diào)節(jié)器中，保證信號(hào)的獨(dú)立性，并減少長(zhǎng)距離信號(hào)傳輸造成的信號(hào)衰減現(xiàn)象。

2.2 信號(hào)解調(diào)器

經(jīng)分頻器分發(fā)出來的載波信號(hào)在計(jì)算機(jī)識(shí)別之前，需經(jīng)過解調(diào)器將載波信號(hào)還原為計(jì)算機(jī)可以識(shí)別的“0”和“1”信號(hào)，或模擬信號(hào)，這個(gè)過程稱為“解調(diào)”，也稱A/D轉(zhuǎn)換。

2.3 信號(hào)采集服務(wù)列陣

信號(hào)采集服務(wù)器主要進(jìn)行語音識(shí)別的準(zhǔn)備設(shè)備，完成原始數(shù)據(jù)的采集、備份，音頻特征的建模，為后續(xù)的語音識(shí)別做準(zhǔn)備工作，主要有以下功能特點(diǎn)：

語音信號(hào)采用G.722的高壓縮格式，占用磁盤空間小，失真率低；

采用磁盤列陣存儲(chǔ)方式，存儲(chǔ)速度快；

支持分段節(jié)目錄制；

具有很好的擴(kuò)展性，方便存儲(chǔ)識(shí)別擴(kuò)容。

2.4 廣告監(jiān)管服務(wù)器

廣告識(shí)別服務(wù)器是整個(gè)廣告信息識(shí)別的核心組件，完成語音文件匹配、識(shí)別結(jié)果保存和語音識(shí)別數(shù)據(jù)庫(kù)的更新。功能特點(diǎn)如下：

語音識(shí)別廣告準(zhǔn)確率穩(wěn)定在85%左右（主要受方言和普通話標(biāo)準(zhǔn)程度的影響）；

高性能運(yùn)算平臺(tái)，具有高穩(wěn)定性和可靠性，免維護(hù)，可7×24h不間斷運(yùn)行；

并行優(yōu)化運(yùn)算，可對(duì)數(shù)據(jù)進(jìn)行快速、穩(wěn)定處理。

2.5 操作員終端

系統(tǒng)中，相關(guān)廣告人員的日常工作都在操作員終端上進(jìn)行，由隨系統(tǒng)開發(fā)的操作員終端軟件提供簡(jiǎn)潔、明了的人機(jī)交互界面（圖3為操作員終端界面），功能如下：

以波形和文字相結(jié)合的方式顯示選擇監(jiān)管頻道的聲音文件，使聲音看得見；

支持拖拽定位功能，可快速尋找定位廣告位置；

對(duì)新的廣告樣本進(jìn)行特征提取并建立新的廣告樣本，更新語音識(shí)別數(shù)據(jù)庫(kù)；

監(jiān)管數(shù)據(jù)的查看，生成報(bào)表。

3 結(jié)論

本文針對(duì)廣告信息識(shí)別的特點(diǎn)和要求，利用梅爾倒譜系數(shù)等10個(gè)參數(shù)作為特征參數(shù)，構(gòu)建語音識(shí)別算法，針對(duì)廣告監(jiān)播的特點(diǎn)和要求，設(shè)計(jì)出一套改進(jìn)監(jiān)播體系，然后簡(jiǎn)單介紹了各部分的組成及功能，從整體的性能分析來看，監(jiān)播系統(tǒng)的優(yōu)點(diǎn)突出：如識(shí)別率高、數(shù)據(jù)處理速度快、原始數(shù)據(jù)保存妥善；系統(tǒng)的高穩(wěn)定性和升級(jí)的擴(kuò)展性，支持關(guān)鍵詞搜索等等。隨著市場(chǎng)的快速發(fā)展和技術(shù)的不斷提升，越來越多的新技術(shù)可應(yīng)用到本系統(tǒng)中，使系統(tǒng)更加適應(yīng)市場(chǎng)需求，并有較好的市場(chǎng)前景預(yù)期。

參考文獻(xiàn)

[1]沈昌祥，張煥國(guó).信息安全總述[J].中國(guó)科學(xué) E輯：信息科學(xué)，2007，37（2）：129-150.

[2]李志華，張憲平.我國(guó)電視廣告的當(dāng)代特征和發(fā)展策略[D].山西大學(xué)，2012.

[3]劉瀟，和應(yīng)民.語音識(shí)別關(guān)鍵技術(shù)研究[D].哈爾濱工程大學(xué)，2006.

[4]徐剛，周志芳.語音信號(hào)近似度模型匹配研究[D].華北電力大學(xué)，2013.

[5]雷靜.語音識(shí)別技術(shù)的研究和基本實(shí)現(xiàn)[D].武漢理工大學(xué)，2002.

（作者單位：華北理工大學(xué) 數(shù)學(xué)建模創(chuàng)新實(shí)驗(yàn)室）