[發明專利]一種基于語音和群智感知的人群數量監測方法

有效

• 申請號: 201611014719.6
• 申請日: 2016-11-15
• 公開（公告）號: CN106782496B
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 陽小龍;洪鷺燕;孫奇福
• 申請（專利權）人: 北京科技大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/20;G10L17/26;G10L25/90
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于語音和群智感知的人群數量監測方法，其特征在于，包括以下步驟：

(1)、提取MFCC和Pitch特征參數，并將這兩個特征參數融合成聯合均值

(1.1)、將收集的語音S切分為t秒的若干個片段，S＝{S₁,S₂,...}；

(1.2)、MFCC向量處理

設第k個語音片段S_k中包含K幀語音，從每幀語音中提取n維的MFCC向量m₀,m₁,…,m_n-1，將K個MFCC向量求均值再將作為語音片段S_k的MFCC特征參數；

其中，m_ij表示語音片段S_k的第i幀MFCC向量的第j維MFCC系數；

(1.3)、Pitch向量處理

設每幀語音中提取的Pitch值為p，語音片段S_k中共計提取出K個p，比較每個p值是否在50～450Hz之間，如果在則保留該幀語音，如果不在則刪除該幀語音；

將保留的K'幀語音的K'個p求均值K'≤K；

再比較是否在50～450Hz之間，如果在，則保留該語音片段S_k，并將作為語音片段S_k的Pitch特征參數；如果不在，則刪除該語音片段S_k；

(1.4)、將MFCC和Pitch特征參數融合成聯合均值向量

在n維MFCC向量均值的第n+1維位置處增加Pitch向量均值的對數組成n+1維的聯合均值向量

(2)、基于MFCC和Pitch特征參數的性別識別

(2.1)、定義一個人數統計集合R，并初始R為1；以第一個語音片段S₁為基準，在語音S中依次挑選兩個語音片段S₁、S₂，并按照步驟(1)所述特征參數提取方法進行處理；

(2.2)、將MFCC和Pitch特征參數歸一化到同一量級，再對這兩個歸一化值加權求和，如下：

其中，S_mfcc表示MFCC向量均值的n維系數的和，F_pitch表示Pitch向量均值表示S_mfcc的均值；λ_mfcc表示男女S_mfcc調節參數；λ_pitch表示男女Pitch分界值；α表示權重調節系數，用于調節MFCC和Pitch歸一化值在加權和中所占的比例；

(2.3)、根據S大小分別識別這兩段語音的性別，如果S>0時，則識別為男性；否則為女性；

(2.4)、判斷這兩語音片段的性別是否相同，如果性別不同，則R+1，并返回步驟(2.1)，重新挑選下一個語音片段與S₁比較；如果性別相同，則進行進入步驟(3)；

(3)、相同性別下基于聯合均值向量的不同個體區分

(3.1)、在相同性別下，利用余弦相似法計算兩語音片段的聯合均值向量的余弦相似度d_cs

其中，P、Q分別代表兩個語音片段的聯合均值向量||表示取模；

(3.2)、相同性別下的不同個體區分

若余弦相似度d_cs大于預設的上限閾值θ_d，即d_cs＞θ_d，則判斷這兩段語音片段來自不同的個體，則將R+1，并返回步驟(2.1)，重新挑選下一個語音片段與S₁比較；若余弦相似度d_cs小于預設的下限閾值θ_s，即則這兩段語音片段來自同一個體，再進入步驟(4)；若相似度d_cs介于θ_d和θ_s之間，即θ_s≤d_cs≤θ_d，則R不變，并返回步驟(2.1)，重新挑選下一個語音片段與S₁比較；

(4)、相同個體的正向聚類

(4.1)、利用Pitch的K-L散度方法計算兩語音片段的K-L散度d_kl

其中p、q表示兩個語音片段特征參數Pitch的均值向量；σ表示兩個語音片段特征參數Pitch方差；I表示單位矩陣；

(4.2)、判斷散度d_kl是否小于預設的閾值T，如果d_kl小于T，將兩語音片段的特征參數進行合并；如果d_kl大于等T，則R不變，并返回步驟(2.1)，重新挑選下一個語音片段與S₁比較；

其中，兩語音片段的特征參數進行合并的方法為：

設語音片段S₁共有幀特征參數，幀特征參數；語音片段S₂共有幀特征參數，幀特征參數；

通過正向聚類的特征歸并后，語音片段S₁共有幀特征參數，幀特征參數；

正向聚類后的新聯合均值向量為：

(5)、判斷以語音片段S₁為基準時，所有語音片段是否都與S₁比較完成，如果未比較完成，則返回步驟(2.1)，重新挑選下一個語音片段與S₁比較；如果比較完成，則以語音片段S₂為基準，進入一下輪語音片段的比較，并依次類推，直到所有的語音片段兩兩比對結束。