【技術實現步驟摘要】
本專利技術涉及信息技術與人工智能應用，具體為一種應對校園防霸凌的語音預警系統及方法。
技術介紹
1、校園霸凌是一個全球性的社會問題，對學生的心理健康、學業成績乃至長遠的社會適應能力都可能產生負面影響，傳統的應對措施往往依賴于事后報告和干預，但這種方式難以及時阻止霸凌行為的發生和發展。因此，開發一種能夠實時監測并預警霸凌行為的技術解決方案顯得尤為迫切。近年來，隨著人工智能（ai）、物聯網（iot）以及大數據分析技術的迅速發展，構建智能語音預警系統成為可能，這為校園防霸凌提供了新的思路和技術支持。
2、當前，校園安全管理系統主要集中在視頻監控、門禁控制等物理防護層面，而針對語言暴力、心理傷害等方面的預防手段相對缺乏。雖然一些學校已經開始嘗試引入智能攝像頭進行行為分析，但對于隱蔽性較強的語言霸凌行為仍然難以有效識別。對于校園廁所不便安裝攝像頭的場所，成為霸凌活動頻發場所，現有的技術手段難以保證隱私的同時，并對霸凌行為進行有效制止，此外，傳統的人工巡邏或學生舉報方式存在滯后性和主觀性的問題，無法實現全天候、全方位的實時監控。
技術實現思路
1、（一）解決的技術問題
2、針對現有技術的不足，本專利技術提供了一種應對校園防霸凌的語音預警系統及方法，以至少解決現有技術中校園廁所不便安裝攝像頭的場所，成為霸凌活動頻發場所，現有技術手段難以保證隱私的同時，并對霸凌行為進行有效制止的問題。
3、（二）技術方案
4、為實現以上目的，本專利技術通過以下技術方
5、一種應對校園防霸凌的語音預警系統，包括：
6、數據采集模塊：用于采集校園廁所內的音頻數據和點云數據；
7、數據處理模塊：用于對所述音頻數據測算分貝數值，判斷所述分貝數值是否大于預設分貝閾值；基于所述點云數據，獲取立體點云模型和隔間點云切片；
8、霸凌分析模塊：用于基于降噪處理后的所述音頻數據、所述立體點云模型和所述隔間點云切片分別進行霸凌分析；所述霸凌分析包括：基于所述音頻數據進行語義識別和分割，獲得音頻語義；基于所述立體點云模型進行人體姿態估計、行為分類與識別和異常行為檢測，獲得行為監測結果；基于所述隔間點云切片進行面積計算，獲得點云切片面積；
9、評估調動模塊：用于基于所述音頻語義、所述行為監測結果和所述點云切片面積分別進行評估，分別獲取第一評分、第二評分和第三評分，基于所述第一評分、第二評分和第三評分計算獲得霸凌評分，將所述霸凌評分與預設的霸凌警戒閾值t作比對判斷，響應于比對判斷結果，執行預設調動。
10、進一步的，所述采集校園內的音頻數據和點云數據，包括：
11、將聲音以模擬電信號的形式捕捉下來，模擬信號隨后被送入模數轉換器，轉換為離散的數字信號，對接收到的數字信號在離散的時間點上的振幅值表示輸出為音頻數據；
12、通過捕捉三維空間反射的激光點云，獲取點云數據。
13、進一步的，所述對所述音頻數據測算分貝數值，判斷所述分貝數值是否大于預設分貝閾值，包括：
14、獲取數字信號每個時間段的振幅值對應于一個特定的聲音壓力水平，并測算校園廁所內聲音的分貝數值，依據每個時間段的分貝數值，獲得每個時間段的預設分貝閾值cf；
15、將降噪處理的所述音頻數據與所述預設分貝閾值cf比較判斷：
16、當所述音頻數據的分貝數值大于所述預設分貝閾值cf時，為警惕數值，關聯啟動激光點云掃描；
17、當所述音頻數據的分貝數值小于所述預設分貝閾值cf時，為正常數值，無需警惕，并持續監測校園廁所內音頻數據。
18、進一步的，所述基于所述點云數據，獲取立體點云模型和隔間點云切片，之前，需預處理，所述預處理包括：
19、空間點云預處理：
20、通過消除由于掃描設備誤差或環境因素導致的異常點，對高密度的點云數據進行下采樣，將多個掃描位置，通過配準算法對齊到同一個坐標系下，進行立體點云模型構建；
21、隔間點云預處理：
22、對獲取到的隔間點云進行平面檢測，對隔間點云切片；
23、從單個激光掃描儀中，獲取的三維點云數據作為輸入，分別設定參數閾值距離gth、迭代次數n和最小平面點數m；
24、隨機選取三個不共線的點p1,?p2,?p3作為初始樣本，用于定義假設的平面，根據選定的三個點p1,?p2,?p3，計算出平面方程：
25、a*x?+?b*y?+?c*z?+?f?=?0
26、式中，a,b和c分別為法向量在x軸、y軸和z軸上的投影長度；f是常數項；通過遍歷所有點云數據中的每個點，計算該點到假設平面的距離；遍歷所有點云數據中的每個點pi，計算該點到假設平面的距離?gi，公式為：
27、；
28、式中，xi、yi和zi分別為源點云中點pi在三維坐標系下的x、y和z坐標值；n為點對的數量；m為最大頂點數序數。
29、進一步的，所述隔間點云切片的獲取步驟，包括：
30、以隔間中點與激光掃描儀之間的連線作為中線，對獲取到的隔間點云數據進行切片，通過識別隔間的邊框，并計算其幾何中心來獲得隔間的幾何中心點c，通過最大迭代次數n，獲取最佳平面，以最佳平面作為間隔點云的切片。
31、進一步的，所述基于降噪處理后的所述音頻數據進行語義識別和分割，識別獲得音頻語義，包括：
32、音頻數據進行語義識別和分割：
33、通過開源網站獲取包含目標關鍵詞和短語的語音樣本及其標注；利用梅爾頻率倒譜系數從原始音頻信號中提取有用的聲學特征，通過卷積神經網絡構建神經網絡架構，使用開源網站中標注好的數據對模型進行訓練，通過優化損失函數最小化預測錯誤率，對關鍵詞激活邊界檢測，確定關鍵詞開始和結束的確切時間點。
34、進一步的，基于所述立體點云模型進行人體姿態估計、行為分類與識別和異常行為檢測，獲得行為監測結果，包括：
35、對立體點云模型進行人體姿態估計、動作特征提取和行為分類識別；
36、使用ransac算法檢測并分離出地面或其他平坦表面，采用基于深度學習的方法來進行分割，利用深度學習模型直接從點云中預測人體的活動關節點，根據檢測到的活動關節點連接形成人體骨骼結構；
37、基于所述人體骨骼結構，獲取不同行為類型的特征。
38、進一步的，基于所述音頻語義、所述行為監測結果和所述點云切片面積分別進行評估，分別獲取第一評分、第二評分和第三評分，基于所述第一評分、第二評分和第三評分計算獲得霸凌評分，包括：
39、基于所述音頻語義評估獲取第一評分：
40、通過對連續多個幀都檢測到同一個關鍵詞，并進行賦值，使用深度學習模型識別特定關鍵詞或短語，利用預訓練的情感分析模型，對每個語音片段進行情感分類，判斷說話人的情緒狀態，并獲取第一評分scoreaudio，公式為：
41、；<本文檔來自技高網...
【技術保護點】
1.一種應對校園防霸凌的語音預警系統，該系統包括：
2.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于，所述采集校園內的音頻數據和點云數據，包括：
3.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于，所述對所述音頻數據測算分貝數值，判斷所述分貝數值是否大于預設分貝閾值，包括：
4.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述基于所述點云數據，獲取立體點云模型和隔間點云切片，之前，需預處理，所述預處理包括：
5.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述隔間點云切片的獲取步驟，包括：
6.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述基于降噪處理后的所述音頻數據進行語義識別和分割，識別獲得音頻語義，包括：
7.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：基于所述立體點云模型進行人體姿態估計、行為分類與識別和異常行為檢測，獲得行為監測結果，包括：
8.根據權利要求7所
9.根據權利要求8所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述將所述霸凌評分與預設的霸凌警戒閾值T作比對判斷，響應于比對判斷結果，執行預設調動，包括：
10.一種應對校園防霸凌的語音預警方法，其特征在于：包括如下步驟：
...【技術特征摘要】
1.一種應對校園防霸凌的語音預警系統，該系統包括：
2.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于，所述采集校園內的音頻數據和點云數據，包括：
3.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于，所述對所述音頻數據測算分貝數值，判斷所述分貝數值是否大于預設分貝閾值，包括：
4.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述基于所述點云數據，獲取立體點云模型和隔間點云切片，之前，需預處理，所述預處理包括：
5.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述隔間點云切片的獲取步驟，包括：
6.根據權利要求1所述的一種應對校園防霸凌的語音預警系統，其特征在于：所述基于降噪處理后的所述...
【專利技術屬性】
技術研發人員：金旭，
申請(專利權)人：浙江華訊通科技有限公司，
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。