[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

本發明公開了一種基于語音和群智感知的人群數量監測方法，通過對收集的語音片段取MFCC和Pitch等語音特征參數，再基于Pitch和MFCC聯合特征參數進行性別識別、個體區分和人數統計，最后將人數統計的結果以熱力圖形式進行可視化顯示。這樣彌補了簡單利用Pitch線性區分男女的不足，實現了人群規模監測，也提高了人群規模統計的快速性、準確性。

技術領域

本發明屬于群智感知技術領域，更為具體地講，涉及一種基于語音和群智感知的人群數量監測方法。

背景技術

智能移動設備的快速發展為群智感知的應用奠定了基礎。群智感知是指普通用戶的移動設備(手機、平板電腦等)作為基本感知單元，通過移動互聯網進行有意識或無意識的協作，實現感知任務分發與感知數據收集，完成大規模的、復雜的社會感知任務。群智感知在社會感知的應用方面有很多。例如，Ubigreen項目跟蹤用戶活動對環境帶來的影響，鼓勵用戶綠色出行；BikeNet項目采集自行車用戶的騎行數據，讓參與者分享最喜愛的騎行路線與環境狀況；im2GPS項目利用互聯網數百萬計的GPS標記圖片，估計用戶的地理位置信息。

以語音為載體的群智感知，可廣泛應用于城市熱點感知、人群監測等。例如：通過人群監測，可以判斷：一家餐館是否顧客盈門？演講中演講者與聽眾的互動是否熱烈？某個人在日常生活中是否社交活動非常活躍？該應用是利用用戶手機自帶的錄音功能收集周邊講話人的語音數據，對其分析處理后計算出說話人數。

然而，目前語音群智感知應用的人群統計準確率不高，其主要原因在于性別誤判和相同性別下不同個體的區分度不夠。以典型的Crowd++系統為例，它在性別識別中只是使用基頻(Pitch)閾值法區分男女，忽略了中性人群Pitch重疊區域的處理，性別誤判導致了統計誤差累加。更重要的是，在相同性別下，它采用的基于MFCC的距離度量方法根本不能有效區分不同個體。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于語音和群智感知的人群數量監測方法，通過Pitch和MFCC聯合特征參數進行性別識別，完成人數統計，實現了人群規模統計的快速性和準確性。

為實現上述發明目的，本發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'(K'≤K)幀語音的K'個p求均值

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；