我有一段跳绳的音频如何识别里面跳了多少下?

[woshichuanqilz]

每次的声音还是比较有规律的, 就是有没有音频模糊匹配的方法,可以识别这个音频里面一共跳了多少下?

找到了一个这个库, 但是感觉这个库比较大, 有没有比较简单的实现的方法。

用上面那可库的实现方法就是, 从开始一点一点的截取音频, 直到找到一个匹配, 然后在从新开始截取, 这样不断的循环下去。

[peterpei]

音频波
找相似的波普。。

[kingda]

总时间长度除以单次长度……哈哈~

[mdluo]

Fingerprinting 是用来做精准匹配音频的，核心算法是特征提取和 Hash 累积匹配，跟你说的 “从开始一点一点的截取音频, 直到找到一个匹配” 相差挺远的。而且 FP 也不是用来做一个没有原始特征的这种模糊识别的算法，你这种需求直接从频谱里找竖向的峰值就好了。

这个 dejavu 只用了一个 local max 来找特征，算是最 naive 的方法了，实际的比如 Shazam 的 FP 算法要复杂的多。不过你只是找跳绳的声音参考这个的 get_2D_peaks 基本上也足够了。

[blaxmirror]

提供一个思路，如果杂音不明显的话，用软件直接先转成音频的波形图（应该也有库可以完成这一步吧），然后画一条线看看，有多少个波峰超过这条线，就转换成了图形的问题。
如果能导出音频的波形图数据出来，那也可以说是数学问题了。（可以参考各种 xx 色谱的计算机处理）

仅供参考

[ai277014717]

可以用机器学习。

[picasso250]

傅里叶变换

第一项的周期就是结果.

[douglas1997]

@ai277014717 训练样本呢？

[ai277014717]

@douglas1997 自己在不同环境差异明显最佳，录一些跳绳的声音就可以采集样本。具体怎么计算我也不懂。斯坦福公开课机器学习第一节就有经过机器学习后将 KTV 声音分离的介绍，原理是用两个 mic。

[sitiao]

1. 把跳绳的声音一段段切出来，10 段~20 段就可以了，作为模板；模板越多越好；最好选取不同人、不同跳绳的录音；
2. 模板片段提取 MFCC 系数，每个片段的 MFCC 系数做一下平均，作为整个片段的模板；多个模板可以再以下聚类，缩减一下模板数量，假设最后剩下 N 模板。
3. 测试片段的 MFCC 特征序列与 N 模板算一下余弦相似度，每个 MFCC 系数与任意一个模板的相似度超过阈值 t1，则标记为 1，未超过的标记为 0 ；
4. 对测试片段标记为 0~1 的序列做一个 5~10 点平滑，基本就可以用了。

比较简单粗暴，估计误识别会很高。

[sitiao]

@mdluo 说的是对的，那个库适合做音频指纹检索，对这个 case 不太适合。

[onevcat]

傅立叶变换就好了啊...信号与处理...想起了那些奋战在“电灯比油灯进步多了”的日子- -

[chenyu8674]

https://zhuanlan.zhihu.com/p/19763358

[bogun]

用这个库要谨慎一点，库的作者已经不维护了，不过他的效率挺好的，通过短时傅里叶变换，然后过滤找到峰值点，在生成指纹，它是用来做音频识别的，跟你的场景不一样，你可以利用它的算法提出单次跳绳的峰值点，然后进行匹配，需要你自己实现。

[contmonad]

这不能用傅立叶变换吧？跳绳频率不一定是均匀的。我觉得 #4 的方法就可以。这个问题应该不难，很多年前就有波形声音转 midi 的软件了，而这个只相当于把鼓点找出来

[contmonad]

https://github.com/CarlSouthall/ADTLib

[gamecreating]

把声音波段弄出来 很轻松

[timetolo]

要想非常稳健、鲁棒性很好地去搞定这个看上去并不起眼的问题，可能需要两个研究生去搞定

第一步就是降噪，环境噪音太大怎么没办？
第二步，blabla

[zxiso]

傅立叶变化。。先把波分开。然后就好找了