[发明专利]语音监控方法、装置、设备及计算机可读介质

说明书

本发明提出一种语音监控方法、装置、设备和计算机可读介质，所述方法包括：获取目标人物周边的语音信息；对获取的语音信息进行分析识别，确定所述目标人物发生危险的概率；如果所述发生危险的概率大于设定阈值，则发送提醒信息至设定的设备。本发明实施例可以针对目标人物周边的语音信号进行采集分析，当判断出现对目标人物不利的情况时可以及时发信息至对应的设备中，从而可以避免目标人物发生危险。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种语音监控方法、装置、设备及计算机可读介质。

背景技术

由于某些特定人群(如儿童、智力较低人群)的整体的认知水平比较低，如果监护人不在身旁时，容易遭受到不法人员的拐骗，也有可能会遭受到其他人员的欺凌。而目前大部分的产品大都是监控目标对象的位置以防止丢失，但无法实时监测目标对象目前是否处于被拐骗或欺凌的情况。

发明内容

本发明实施例提供一种语音监控方法、装置、设备及计算机可读介质，以解决或缓解现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种语音监控方法，包括：

获取目标人物周边的语音信息；

对获取的语音信息进行分析识别，确定所述目标人物发生危险的概率；

如果所述发生危险的概率大于设定阈值，则发送提醒信息至设定的设备。

在一种实施方式中，所述对获取的语音信息进行分析识别，确定所述目标人物发生危险的概率，包括：

将所述语音信息进行语音识别，生成对应的文本信息；

生成所述文本信息的文本向量；

将所述文本向量输入预先构建的判断模型，接收所述判断模型输出的所述目标人物发生危险的概率。

在一种实施方式中，所述生成所述文本信息的文本向量，包括：

对所述文本信息进行分词处理，分别对分词后的词语进行向量值计算，获得至少一个词语向量；

将所述至少一个词语向量进行拼接，得到所述文本向量。

在一种实施方式中，所述判断模型为卷积神经网络模型或循环卷积神经网络模型；

所述目标人物发生危险的概率由所述判断模型的卷积层对文本向量进行处理后得到。

在一种实施方式中，所述判断模型的建立包括以下步骤：

获取预设数量的对话文本样本，以及各个对话文本样本对应的意图主题词；

将所述对话文本样本和意图主题词输入至所述判断模型中进行多次迭代训练；

如果迭代训练后的训练误差小于预置的期望误差，则结束训练过程。

第二方面，本发明实施例提供了一种语音监控装置，包括：

获取模块，用于获取目标人物周边的语音信息；

识别模块，用于对获取的语音信息进行分析识别，确定所述目标人物发生危险的概率；

提醒模块，用于如果所述发生危险的概率大于设定阈值，则发送提醒信息至设定的设备。

在一种实施方式中，所述识别模块包括：

文本生成子模块，用于将所述语音信息进行语音识别，生成对应的文本信息；

向量生成子模块，用于生成所述文本信息的文本向量；

概率输出子模块，用于将所述文本向量输入预先构建的判断模型，接收所述判断模型输出的所述目标人物发生危险的概率。