[发明专利]一种用于楼宇安防的异常声音快速检方法

说明书

技术领域

本发明涉及一种用于楼宇安防的异常声音快速检方法。具体应用在智能楼宇的安防领域，以提高异常声音检测的处理速度。 

背景技术

[0002] 目前，安防监控系统，多是以视频监控与报警联动为代表的治安防控体系，几乎沦为一种提供事后取证录像的工具。在这种安防监控系统中，一般采用传统的系统配置模式: 即集中式地建设监控中心，将视频数据上传至集中式设置的视频服务器，并在该集中节点进行数据存储; 在视频采集点上，一般采用视频采集器，控制多路视频摄像头。该视频采集器采用宽带线路，或是采用无线网卡，在带宽不足的情况下，可能会采用多路无线线路捆绑的方式连接公众互联网，与同样连接在互联网上的视频监控中心进行数据传输。但这种监控系统，都具有一些固有的局限性:对于安全威胁的响应速度关系到一个安全系统的整体性能。传统的电视监控系统通常都由安全工作人员对安全威胁作出响应和处理，这对于处理一般性的、实时响应要求较低的安全威胁来说已经足够。但是很多情况下，在威胁发生时，需要安全系统的多个功能部分，甚至多个安全相关的部门在最短的时间内协调配合，共同处理危机。这时候，监控系统的响应速度将直接关系到用户的人身或财产的损失情况。 

利用声音、视频等信息对场景进行多模态自动判断是安防领域的发展趋势。声音处理方法目前偏重于人的语音识别，主要包括身份识别和内容识别，对于情感识别只有少量研究。本发明异常声音识别主要针对典型室内危险情况，如呼救、争吵和其他异常情况的声音数据进行快速检测，这种检测是在线实时的。相当于后台处理的初步筛选。 

发明内容

本发明是针对楼宇室内环境异常声音快速检测的要求，设计了一种在线实时检测方法。 

本发明的技术核心是：声音信号的每一个切片数据时间段为一个数据特征提取周期，在信号采集的同时，利用本发明设计的方法进行特征数据的迭代计算，采样完毕则完成数据特征提取。 

本文中的特定信号是具有明显特征，便于提取和进一步分析的信号，定义如下。 

定义1 某特定信号 可以展开为马克劳林级数阶多项式， 

(1)

若具有个根，则称为目标信号。记。

定义2 设要识别的信号称为源信号，记为。 

定义3   设为的个根，若，且使得，则称为的样本信号。 

定义4   设为的根的序列，若，其中，()，则称为的零根差集。 

定义5 设区间由数 () 划分成个子区间，满足，的条件，对于每一个子区间用函数来表示该区间的特征值， 

                    (2)

则称为该区间的特征值函数。子区间在区间中位置称为区间序，用来表示。

定义6 由的零根差集在区间子区间上的特征值组成的向量，称为的零根差特征。 

为了研究特征量的物理意义，特做以下情况的分析。设的周期为，那么的根可以表示，则，那么，中有, , ,。 

定理1  若为单一频率的周期信号，其零根差特征集中只能有一个子区间上的特征值非0，其他的为0。 

推理1若为单一频率的周期信号，其零根差特征集的非0值对应的子区间序越小，对应的频率越高。 

推理2若其零根差特征集中有大于1个子区间上的特征值非0，那么一定不是单一频率信号。 

定义7 若子区间的范围为，那么，称为子区间对应的中心频率。 

定理2 若有两个非0的零根差特征，那么包含的信号频率大部分介于小区间序区间的中心频率和大区间序区间的中心频率之间。 

推理3若有多个非0的零根差特征，那么包含的信号频率大部分介于小区间序区间的中心频率和大区间序区间的中心频率之间。 

定理3 对于目标信号，其样本信号的特征值一定相同。 

推理4若信号与目标信号的特征值不同，那么一定不是的样本函数。 

因此，零根差特征部分反映了在某段时间内的频率特征。 

若在一段时间内，某信号表示为 

         (3)

式中，其对应的零根差特征为，那么对于就由零根差特征矩阵

          (4)

部分反映了信号在时间段内的频谱特征，称为类频谱特征矩阵。

推理5 对于目标信号，其样本信号的类频谱特征矩阵一定相同。 

识别判据 

定义8  若信号与信号根差特征值相同，那么在特定的情况下，存在一个固定的概率值，表征是样本信号的概率，那么称为样本信号概率。