基于声谱图分割的拼接音频检测和定位方法和系统

技术特征：
1.一种基于声谱图分割的拼接音频检测和定位方法，其特征在于，包括以下步骤：按照音频拼接篡改定位的最小定位区域长度l
slr
，将待测音频划分成若干个待检测的音频片段s
g
；提取音频片段s
g
的声谱图特征f
g
，并根据网络输入的大小将t个音频片段s
g
拼接成一个音频片段s
′
g
，并将相应的声谱图特征f
g
拼接成一个待输入网络中的声谱图特征f
′
g
；将拼接成的声谱图特征f
′
g
输入到训练好的拼接音频检测和定位网络中，计算拼接成的音频片段s
′
g
对应的二值预测掩模；计算每个音频片段s
g
的二值预测掩模中样点为拼接样点的个数占总的样点的个数的比例ρ；比较ρ和预先设置的判定阈值t值的大小，进而判断该音频片段s
g
是否为拼接的片段；对于划分的n个音频片段s
′
g
，依次判断待测音频的所有音频片段s
g
是否是拼接的片段。2.根据权利要求1所述的方法，其特征在于，所述提取音频片段s
g
的声谱图特征f
g
，是从音频片段s
g
中提取梅尔频谱系数特征作为声谱图特征。3.根据权利要求2所述的方法，其特征在于，所述声谱图特征的提取流程包括：首先，利用预加权模块强增信号在高频率处的能量，并利用长度为2048个样本、重叠512个样本的周期汉明窗计算预加权的信号的短时傅里叶变换；然后，利用梅尔滤波器将能量映射到梅尔频率刻度，并取对数来制作功率图；最后，使用离散余弦变换计算包含重要能量的变换后的系数，即梅尔频谱系数。4.根据权利要求1所述的方法，其特征在于，所述拼接音频检测和定位网络的基本网络架构为修改的fcn-vgg16，该架构由vgg16编码器和带残差结构的解码器组成，vgg16编码器的目标是捕获声学特征的上下文表示，解码器的目标是将中间特征映射转换为二值预测掩模。5.根据权利要求4所述的方法，其特征在于，所述vgg16编码器通过将vgg块堆叠起来构成，其中每个vgg块由两到三个卷积块组成，然后是一个max-pooling层；卷积块由卷积层、批处理归一化层和线性单元激活函数组成；所述解码器由两个转置卷积层和一个softmax激活函数组成，利用从第四个vgg块到第一个转置卷积的跳跃连接，将低层学到的特征聚合到高层，最终softmax激活函数用于计算元素来自拼接音频段的概率。6.根据权利要求1所述的方法，其特征在于，所述二值预测掩模中1表示拼接的样点，0表示原始的样点；所述比例ρ的计算公式如下：其中，num表示集合中元素的个数。7.根据权利要求1所述的方法，其特征在于，所述比较ρ和预先设置的判定阈值t值的大小，进而判断该音频片段s
g
是否为拼接的片段，包括：当ρ＞t时，该音频片段s
g
为拼接片段，否则，该音频片段s
g
为原始片段。8.一种采用权利要求1～7中任一权利要求所述方法的基于声谱图分割的拼接音频检测和定位系统，其特征在于，包括：检测片段划分模块，用于按照音频拼接篡改定位的最小定位区域长度l
slr
，将待测音频
划分成若干个待检测的音频片段s
g
；预处理模块，用于提取音频片段s
g
的声谱图特征f
g
，并根据网络输入的大小将t个音频片段s
g
拼接成一个音频片段s
′
g
，并将相应的声谱图特征f
g
拼接成一个待输入网络中的声谱图特征f
′
g
；计算二值预测掩模模块，用于将拼接成的声谱图特征f
′
g
输入到训练好的拼接音频检测和定位网络中，计算拼接成的音频片段s
′
g
对应的二值预测掩模；计算元素比值模块，用于计算每个音频片段s
g
的二值预测掩模中样点为拼接样点的个数占总的样点的个数的比例ρ；拼接片段判断模块，用于比较ρ和预先设置的判定阈值t值的大小，进而判断该音频片段s
g
是否为拼接的片段；对于划分的n个音频片段s
′
g
，依次判断待测音频的所有音频片段s
g
是否是拼接的片段。9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1～7中任一权利要求所述方法的指令。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一权利要求所述的方法。

技术总结
本发明涉及一种基于声谱图分割的拼接音频检测和定位方法和系统。该方法包括：按照音频拼接篡改定位的最小定位区域长度，将待测音频划分成若干个待检测的音频片段S


技术研发人员：张振宇 赵险峰 易小伟
受保护的技术使用者：中国科学院信息工程研究所
技术研发日：2022.04.08
技术公布日：2022/7/29