【技術實現步驟摘要】
本申請涉及聲音檢測，尤其是涉及一種基于嬰兒哭聲的檢測方法、檢測裝置、檢測系統和可讀存儲介質。
技術介紹
1、隨著可穿戴設備以及家用家居產品的演變走向越來越智能化，人們對智能家居產品，像電視、監控等硬件設備的要求越來越高。
2、人們希望家用監控設備能時刻監控寶寶的狀態，一旦寶寶哭了或者有其他異常反饋的時候，監控設施能及時提醒父母，嬰兒哭聲檢測(baby?crying?detection，bcd)的需求由此而生。但是，相關監控產品的哭聲檢測功能依然不完善，關于哭聲報警的頻次和準確率，以及降低哭聲的誤報率，都是由設備廠商在開發階段就確定下來，并不能根據用戶的個人偏向性由用戶自己來決定。當前市場上的監控產品一方面存在會把不是嬰兒哭聲的聲音當作哭聲誤報的問題，另一方面又有哭聲漏報導致沒能及時滿足嬰兒需求的問題。不同客戶的需求不一樣，有些用戶希望盡量減少誤報，有些用戶則希望盡量不要漏報，如何根據用戶的需求進行調節，以根據實際需求平衡誤報和漏報成為一個難題。
技術實現思路
1、本申請旨在至少解決現有技術中存在的技術問題之一。為此，本申請提供了一種嬰兒哭聲的檢測方法、檢測裝置、檢測系統及計算機可讀存儲介質。
2、本申請實施方式的嬰兒哭聲的檢測方法包括：獲取音頻采樣信號；對所述音頻采樣信號處理，生成對數梅爾譜特征；將所述對數梅爾譜特征輸入至訓練好的檢測模型中進行檢測，得到哭聲檢測結果，其中，所述檢測模型包括卷積神經網絡算法、預測函數和判定閾值，所述判定閾值能夠調節，所述卷積神
3、在某些實施方式中，處理所述音頻采樣信號，生成對數梅爾譜特征，包括：以預設窗口大小對所述音頻采樣信號進行截取，得到目標音頻段；處理所述目標音頻段，得到所述對數梅爾譜特征。
4、在某些實施方式中，所述哭聲檢測結果包括正檢測結果和負檢測結果，所述判定閾值用于與所述分類結果比較得到所述哭聲檢測結果，包括：在所述分類結果小于所述判定閾值的情況下，生成所述負檢測結果；在所述分類結果大于等于所述判定閾值的情況下，生成所述正檢測結果。
5、在某些實施方式中，將所述對數梅爾譜特征輸入至訓練好的檢測模型中進行檢測，以輸出哭聲檢測結果，包括：依次將多個所述對數梅爾譜特征輸入至所述檢測模型中，生成多個預測結果，每個所述對數梅爾譜特征對應一個所述預測結果；根據多個所述預測結果和最大正預測閾值確定所述哭聲檢測結果，所述最大正預測閾值能夠調節。
6、在某些實施方式中，所述哭聲檢測結果包括正檢測結果和負檢測結果，根據多個所述預測結果和最大正預測閾值確定所述哭聲檢測結果，包括：在所述預測結果中為正的數量大于等于所述最大正預測閾值的情況下，確定所述檢測結果為所述正檢測結果；在所述預測結果中為正的數量小于所述最大正預測閾值的情況下，確定所述檢測結果為所述負檢測結果。
7、在某些實施方式中，所述檢測方法還包括：獲取嬰兒哭聲的測試集，所述測試集包括正樣例測試集和負樣例測試集，所述正樣例測試集包括哭聲正樣例數據，所述負樣例測試集包括哭聲負樣例數據；分別對所述哭聲正樣例數據和所述哭聲負樣例數據處理，以得到所述哭聲正樣例數據的正對數梅爾譜特征和所述哭聲負樣例數據的負對數梅爾譜特征；通過構建的檢測模型，在訓練階段分別對所述正對數梅爾譜特征和所述負對數梅爾譜特征進行處理，得到訓練輸出結果；基于所述訓練輸出結果，通過損失函數計算所述構建的檢測模型的損失值；根據所述損失值對所述構建的檢測模型的參數進行修正，得到所述訓練好的檢測模型。
8、在某些實施方式中，所述檢測方法還包括：對所述測試集進行擴展處理，所述擴展處理的方法包括時間偏移處理、頻譜增強處理、添加噪聲處理或添加混響處理中的至少一種。
9、在某些實施方式中，所述卷積神經網絡算法包括alexnet網絡算法、resnet網絡算法、inception網絡算法、卷積循環神經網絡算法中的至少一種。
10、在某些實施方式中，所述檢測方法還包括：根據所述哭聲檢測結果生成提醒消息；發出所述提醒消息。
11、本申請實施方式還提供一種嬰兒哭聲的檢測裝置，所述檢測裝置包括：獲取模塊、處理模塊和檢測模塊。獲取模塊用于獲取嬰兒哭聲的音頻采樣信號；處理模塊用于對所述音頻采樣信號處理得到對數梅爾譜特征；檢測模塊用于將所述對數梅爾譜特征輸入至訓練好的檢測模型中進行檢測，得到哭聲檢測結果。其中，所述檢測模型包括卷積神經網絡算法、預測函數和判定閾值，所述判定閾值能夠調節，所述卷積神經網絡算法根據所述對數梅爾譜特征生成多分類任務結果，所述預測函數根據所述多分類任務結果確定分類結果，所述判定閾值用于與所述分類結果比較得到所述哭聲檢測結果。
12、本申請實施方式還提供一種嬰兒哭聲的檢測系統，包括處理器、存儲器和計算機程序，其中，所述計算機程序被存儲在所述存儲器中，當所述計算機程序被處理器執行時，使得所述處理器執行上述實施方式中任一項所述的嬰兒哭聲的檢測方法。
13、本申請實施方式還提供一種包含計算機程序的非易失性計算機可讀存儲介質，當所述計算機程序被處理器執行時，使得所述處理器執行上述實施方式中任一項所述的嬰兒哭聲的檢測方法。
14、本申請的檢測方法、檢測裝置、檢測系統及計算機可讀存儲介質中，通過對嬰兒哭聲的采樣信號進行信號處理以生成對數梅爾譜特征，再利用卷積神經網絡算法，將多分類任務的思想應用到檢測模型中，檢測模型對輸入的對數梅爾譜特征檢測生成多分類任務結果，通過與可調節的閾值比較得到哭聲檢測結果。此外，由于采用簡單的對數梅爾譜特征和神經網絡，成本極低。如此，可以根據用戶的實際需求調節哭聲檢測的誤報和漏報情況。
15、本申請實施方式的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請實施方式的實踐了解到。
本文檔來自技高網...【技術保護點】
1.一種嬰兒哭聲的檢測方法，其特征在于，所述檢測方法包括：
2.根據權利要求1所述檢測方法，其特征在于，處理所述音頻采樣信號，生成對數梅爾譜特征，包括：
3.根據權利要求2所述的檢測方法，其特征在于，所述哭聲檢測結果包括正檢測結果和負檢測結果，所述判定閾值用于與所述分類結果比較得到所述哭聲檢測結果，包括：
4.根據權利要求2所述的檢測方法，其特征在于，將所述對數梅爾譜特征輸入至訓練好的檢測模型中進行檢測，以輸出哭聲檢測結果，包括：
5.根據權利要求4所述的檢測方法，其特征在于，所述哭聲檢測結果包括正檢測結果和負檢測結果，所述根據多個所述預測結果和最大正預測閾值確定所述哭聲檢測結果，包括：
6.根據權利要求1所述的檢測方法，其特征在于，所述檢測方法還包括：
7.根據權利要求6所述的檢測方法，其特征在于，所述檢測方法還包括：
8.根據權利要求1所述的檢測方法，其特征在于，所述卷積神經網絡算法包括AlexNet網絡算法、ResNet網絡算法、Inception網絡算法、卷積循環神經網絡算法中的至少一種。
9.根據權利要求1-8任一項所述的檢測方法，其特征在于，所述檢測方法還包括：
10.一種嬰兒哭聲的檢測裝置，其特征在于，所述檢測裝置包括：
11.一種嬰兒哭聲的檢測系統，其特征在于，包括處理器、存儲器和計算機程序，其中，所述計算機程序被存儲在所述存儲器中，當所述計算機程序被處理器執行時，使得所述處理器執行權利要求1-9中任一項所述的嬰兒哭聲的檢測方法。
12.一種包含計算機程序的非易失性計算機可讀存儲介質，其特征在于，當所述計算機程序被處理器執行時，使得所述處理器執行權利要求1-9中任一項所述的嬰兒哭聲的檢測方法。
...【技術特征摘要】
1.一種嬰兒哭聲的檢測方法，其特征在于，所述檢測方法包括：
2.根據權利要求1所述檢測方法，其特征在于，處理所述音頻采樣信號，生成對數梅爾譜特征，包括：
3.根據權利要求2所述的檢測方法，其特征在于，所述哭聲檢測結果包括正檢測結果和負檢測結果，所述判定閾值用于與所述分類結果比較得到所述哭聲檢測結果，包括：
4.根據權利要求2所述的檢測方法，其特征在于，將所述對數梅爾譜特征輸入至訓練好的檢測模型中進行檢測，以輸出哭聲檢測結果，包括：
5.根據權利要求4所述的檢測方法，其特征在于，所述哭聲檢測結果包括正檢測結果和負檢測結果，所述根據多個所述預測結果和最大正預測閾值確定所述哭聲檢測結果，包括：
6.根據權利要求1所述的檢測方法，其特征在于，所述檢測方法還包括：
7.根據權利要求6所述的檢測方法，其特征在于，...
【專利技術屬性】
技術研發人員：陳新磊，陳慶接，柴彥沖，
申請(專利權)人：深圳市睿聯技術股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。