[發明專利]音聲數據檢測裝置、音聲監控系統及其方法

有效

• 申請號: 201210045216.0
• 申請日: 2012-02-24
• 公開（公告）號: CN103295584A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 劉昆;吳偉國
• 申請（專利權）人: 索尼公司
• 主分類號: G10L25/45
• 分類號: G10L25/45;G10L25/87
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 郭定輝

技術領域

本發明涉及用于音聲數據處理的音聲數據檢測裝置、音聲監控系統及其方法。

背景技術

近年來，為了保障整個家居環境內的人身財產安全，將監控器用于監控家庭以及周圍環境得到了飛速發展。

家庭監控系統不僅通過拍攝圖像來監控環境，還可以采集環境音聲數據，并通過檢測這些聲音的類型來確定居室中是否發生了異常情況。例如，需要監控家庭中的嬰兒房的時候，檢測到嬰兒的啼哭聲則可判斷發生了異常情況并通知業主；而在安全監控的需求下，檢測到玻璃破碎聲，尖叫聲，長時間狗叫聲，物體跌落聲等可以判斷發生了異常并進行報警。因此，需要研究如何對采集到的音聲數據進行檢測，并準確從中分辨出異常聲音。

此外，對于采集生態環境音頻數據進行分析，以研究環境中的生物類型等其他應用領域，也需要能夠對音聲數據進行處理以準確分類的技術，因此該領域是業內科技人員關注的熱點課題。

現有的聲音識別/檢測技術對采集到的聲音信號整體進行快速傅里葉變換，獲取到聲音的頻譜，在此基礎上提取聲音的頻率隨時間的變化率、頻譜能量分布等聲音信號的特征數據，進行檢測識別。然而，有些聲音事件的持續時間很短，比如狗叫聲，如果按上述的現有技術將整個音頻流直接放到檢測系統中進行檢測的話，會產生很多的漏檢，而無法從中分辨出存在的特定聲音。

發明內容

本發明是在考慮到上述問題的情況下做出的。本發明提供音聲數據檢測裝置和音聲監控系統，其在對輸入的音聲數據進行檢測分析前，通過譜聚類方法對音聲數據流進行分段處理，得到多個單一類型的音聲數據段再進行檢測，從而避免短時聲音事件的漏檢。

根據本發明的一個方面，提供一種音聲數據檢測裝置，包括：音聲數據接收部件，被配置為接收輸入的音聲數據流；音聲數據處理部件，被配置為利用譜聚類方法對所述音聲數據流進行分段處理，以將所述音聲數據流分割為多個單一類型的音聲數據段；以及聲音檢測部件，被配置為針對所述音聲數據段提取檢測特征，并利用預先建立的檢測模型對該音聲數據段的類型進行檢測。。

在根據本發明的音聲數據檢測裝置中，所述音聲數據處理部件包括分窗處理部件，被配置為對所述音聲數據流進行分窗處理，以得到多窗音聲數據，并將每一窗音聲數據劃分為多個樣本以用于譜聚類，其中每一樣本包含多幀數據。

在根據本發明的音聲數據檢測裝置中，所述分窗處理部件被配置為根據不定長分析窗對所述音聲數據流進行分窗處理，以保證每一窗音聲數據內包含的聲音事件的完整性。

在根據本發明的音聲數據檢測裝置中，所述分窗處理部件被配置為以預定時長作為初始窗長，每次遞增固定步長并以初始窗邊界為中心滑動尋找能量包絡的最小極值點作為最終窗邊界，其中所述極值點不包括由于微小擾動產生的極值點。

在根據本發明的音聲數據檢測裝置中，所述音聲數據處理部件還包括：拉普拉斯矩陣構建部件，被配置為構建表示由所述分窗處理部件處理得到的窗音聲數據的多個樣本的拉普拉斯矩陣；以及聚類部件，被配置為對所述拉普拉斯矩陣的特征向量空間中的特征向量進行聚類處理并將聚類結果映射到所述多個樣本上，以將該窗音聲數據劃分為一個或多個單一類型的所述音聲數據段。

在根據本發明的音聲數據檢測裝置中，所述聚類部件被配置為根據所述拉普拉斯矩陣的前三大特征值的相對大小關系，確定聚類處理中涉及的聚類數目。

在根據本發明的音聲數據檢測裝置中，所述聚類部件被配置為根據所述拉普拉斯矩陣的前兩大特征值的差值與第二大和第三大特征值的差值之比，來確定聚類數目。

在根據本發明的音聲數據檢測裝置中，在構建拉普拉斯矩陣之前，所述拉普拉斯矩陣構建部件被配置為對所述多個樣本的能量特征進行歸一化處理，然后映射到指數空間以提高能量特征間的區分性，以用于構建拉普拉斯矩陣。

在根據本發明的音聲數據檢測裝置中，所述能量特征為時域能量特征，以及采用以下映射函數將每一樣本中的每幀的時域能量特征映射到所述指數空間，