[发明专利]一种哭叫声音侦测方法和装置

说明书

本发明给出了一种哭叫声音侦测方法和装置，包括使用了多种哭叫声特有的讯号特征来判别，不仅提高了侦测准确度，而且不需要庞大的训练数据库及运算资源，只要对讯号本身特有的声音特征参数进行抽取并进行一些规则性的判断，在低运算的微处理器(MCU)上即可达到有效侦测的目的。另外，本提案之方法亦可当作哭叫声的第一阶段侦测，以较省力、省资源的方式，尽量提高正样本的侦测正确率，并可过滤掉大部分的负样本，在第二阶段再以有限的网络资源、后端服务器资源等，做更准确的侦测判断，即可省去大部分的网络带宽及大量的服务器负载。

技术领域

本发明涉及语音识别技术领域，尤其是一种哭叫声音侦测方法和装置。

背景技术

例如婴儿哭声、跌倒叫声、危险受惊的尖叫声甚或求救声等哭叫声音的侦测，是现阶段智慧家庭、居家生活及小区安全等场景中不可或缺的智能侦测项目之一。其使用的声音侦测方法从早期最简单的声音能量侦测，到诸如基于人声频谱特征的语音识别技术，然后再到目前被普遍使用的基于机器学习、深度学习、等类神经网络技术，前者基于声音能量侦测方法过于简单，容易误报，后者则需要搜集大量的实地场景声音数据，进行训练，在实用上需要较大的运算资源，而且各式各样的场景数据不易搜集。

本提案提出一种针对哭叫声类型的声音侦测方法，使用了哭叫声特有的讯号特征来判别，不需要庞大的训练数据库及运算资源，仅需要靠讯号本身特有的特征参数抽取及一些规则性的判断，在低运算的微处理器(MCU)上即可达到侦测的目的。

发明内容

本发明提出了一种哭叫声音侦测方法和装置，以解决上文提到的现有技术的缺陷。

在一个方面，本发明提出了一种哭叫声音侦测方法，该方法包括以下步骤：

S1：在声音采集设备未接收到声音数据时，通过设置初始侦测状态，对侦测所需的参数进行初始化以表征所述声音采集设备尚未侦测到任何声音数据的状态，当声音采集设备接收到声音数据后，对所述声音数据进行包括音框(Frame)撷取与频谱等化(Equalization)在内的前处理，生成包含若干个一定长度的音框的时域讯号；

S2：对所述时域讯号的波形数据的均方根进行计算得到所述时域讯号的能量参数，将所述时域讯号的能量参数与预设的能量阀值进行比较，判断所述时域讯号的能量参数是否超过所述能量阀值，若是，则记录所述时域讯号的长度并执行S3；

S3：从多个维度对所述时域讯号进行计算抽取声音特征参数，并储存所述声音特征参数，所述声音特征参数包括频谱峰点位置、基本频率、谐波频率位置、声音清晰度和声音纯度；

S4：分析判断所述时域讯号的长度、所述时域讯号中有声音的音框的长度以及所述声音特征参数是否满足预设的条件，若是则将所述声音数据判断为哭叫声。

以上方法使用了哭叫声特有的讯号特征来判别，不需要庞大的训练数据库及运算资源，仅需要对讯号本身特有的特征参数进行抽取并进行一些规则性的判断，即可精确地判断出哭叫声。

在具体的实施例中，所述音框(Frame)撷取具体包括：

采用包括汉明窗口(Hamming Window)在内的方法将所述声音数据撷取为若干个一定长度的音框，并在后续对所述时域讯号中的每个音框进行所述S2至所述S4中的步骤。

在具体的实施例中，所述频谱等化(Equalization)包括：

补偿所述声音采集设备接收声音数据时的失真，具体方法包括强化所述声音数据中的高频的部分。通过补偿声音采集设备接收声音数据时的失真以减少频谱上的失真。

在具体的实施例中，所述能量阀值为：

一个常数；或

所述时域讯号的最大能量乘以某一预设的百分比的值。