[发明专利]到站提醒方法、装置、终端及存储介质

权利要求书

1.一种到站提醒方法，其特征在于，所述方法包括：

当处于交通工具时，通过麦克风采集环境音；

对所述环境音对应的音频数据进行分帧处理，得到音频帧；

对所述音频帧进行加窗处理，得到音频窗口，所述音频窗口中包含n个连续的所述音频帧，n为大于等于2的整数；

对所述音频窗口内的所述音频帧进行特征提取，得到所述音频窗口对应的音频特征矩阵；

将所述音频特征矩阵输入声音识别模型，得到所述声音识别模型输出的目标警铃声识别结果，所述目标警铃声识别结果用于指示所述音频帧中是否包含目标警铃声，所述声音识别模型是采用循环神经网络RNN的二分类模型，所述目标警铃声为开门警铃声或关门警铃声，所述目标警铃声在获取交通工具线路图时获取得到，或，预先通过终端采集得到，且所述终端存储有所述目标警铃声的音频特征矩阵，所述目标警铃声的音频特征矩阵通过分帧处理和特征提取得到；

当预定时长内包含所述目标警铃声的音频帧的个数达到个数阈值时，确定所述环境音中包含所述目标警铃声；

当识别出所述环境音中包含目标警铃声时，对已行驶站数进行加一操作；

当所述已行驶站数达到目标站数时，进行到站提醒，所述目标站数为起始站点与目标站点之间的站数，所述目标站点是中转站点或目的地站点。

2.根据权利要求1所述的方法，其特征在于，所述声音识别模型包括门控循环单元GRU层、注意力机制层、全连接层和分类层；

所述将所述音频特征矩阵输入声音识别模型，得到所述声音识别模型输出的目标警铃声识别结果，包括：

对所述音频特征矩阵进行列分解，得到n个音频特征向量，各个所述音频特征向量的维度相同；

通过所述GRU层和所述注意力机制层，对n个所述音频特征向量进行特征提取，得到目标特征向量；

通过所述全连接层和所述分类层，对所述目标特征向量进行分类，得到所述目标警铃声识别结果。

3.根据权利要求2所述的方法，其特征在于，所述通过所述GRU层和所述注意力机制层，对n个所述音频特征向量进行特征提取，得到目标特征向量，包括：

将n个所述音频特征向量输入所述GRU层，得到各个所述音频特征向量对应的候选特征向量；

将n个所述候选特征向量输入所述注意力机制层，得到各个所述候选特征向量对应的向量权重，所述向量权重经过归一化处理；

根据所述候选特征向量和所述向量权重，确定所述目标特征向量。

4.根据权利要求1所述的方法，其特征在于，所述声音识别模型根据正负样本训练，并且以焦点损失focalloss为损失函数，通过梯度下降算法训练得到。

5.根据权利要求1至4任一所述的方法，其特征在于，所述对已行驶站数进行加一操作，包括：

获取上一警铃识别时刻，所述上一警铃识别时刻为上一次识别出所述环境音中包含所述目标警铃声的时刻；

若所述上一警铃识别时刻与当前警铃识别时刻之间的时间间隔大于时间间隔阈值，则对所述已行驶站数进行加一操作。