[發明專利]一種基于卷積神經網絡的寵物止吠裝置與方法

在審

• 申請號: 201711407047.X
• 申請日: 2017-12-22
• 公開（公告）號: CN108157219A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 孫憲福;于波;馮漢炯;閆澤濤;劉春燕;陳紹信;何睿
• 申請（專利權）人: 深圳市航天華拓科技有限公司;深圳航天科技創新研究院
• 主分類號: A01K15/02
• 分類號: A01K15/02;G06N3/04
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 孫偉

本發明提供了一種基于卷積神經網絡的寵物止吠方法，包括以下步驟：S1、準備訓練樣本，選擇若干段寵物叫吠聲作為模型的訓練數據；S2、預處理，對原始的寵物叫吠聲進行預處理；S3、計算語譜圖；S4、將語譜圖輸入卷積神經網絡；S5、訓練模型；S6、寵物身份識別；S7、止吠聲音觸發，播放止吠聲音。本發明還提供了一種基于卷積神經網絡的寵物止吠裝置。本發明的有益效果是：將卷積神經網絡應用到寵物止吠方法中，提升了止吠的靈活性和抗干擾性，且不會對寵物造成傷害，另外還可以對寵物進行身份識別。

技術領域

本發明涉及止吠方法，尤其涉及一種基于卷積神經網絡的寵物止吠裝置與方法。

背景技術

傳統止吠方法除了給寵物(如狗)做手術切割聲帶、佩戴寵物用口罩以外，還有使用簡式電子止吠器，如振動型、超聲波或電擊型的。

傳統方法缺點如下：

(1)不靈活、容易對寵物造成傷害等。

(2)無法對觸發叫吠聲的寵物身份識別。

發明內容

為了解決現有技術中的問題，本發明提供了一種基于卷積神經網絡的寵物止吠裝置與方法。

本發明提供了一種基于卷積神經網絡的寵物止吠裝置，包括麥克風、運算放大器、嵌入式處理器、存儲器、功率放大器和喇叭，其中，所述麥克風的輸出端與所述運算放大器的輸入端連接，所述運算放大器的輸出端與所述嵌入式處理器的輸入端連接，所述嵌入式處理器與所述存儲器連接，所述嵌入式處理器的輸出端與所述功率放大器的輸入端連接，所述功率放大器的輸出端與所述喇叭的輸入端連接。

本發明還提供了一種基于卷積神經網絡的寵物止吠方法，包括以下步驟：

S1、準備訓練樣本，選擇若干段寵物叫吠聲作為模型的訓練數據；

S2、預處理，對原始的寵物叫吠聲進行預處理；

S3、計算語譜圖；

S4、將語譜圖輸入卷積神經網絡；

S5、訓練模型；

S6、寵物身份識別；

S7、止吠聲音觸發，播放止吠聲音。

作為本發明的進一步改進，步驟S2中的預處理包括預加重、分幀加窗、叫吠聲音端點檢測。

作為本發明的進一步改進，步驟S4中的卷積神經網絡包括卷積層、降采樣層和全連接層；卷積層作為卷積神經網絡的第一層，直接對二維語譜圖信號進行卷積操作；卷積核濾波器大小選擇5X5模板，通過不同的卷積核濾波器作用得到的結果構成了特征圖；每個卷積核濾波器共享相同的參數，包括相同的權重矩陣和偏置項，采用的卷積層數學模型如下：

y＝f(x*k+b)

其中，x是輸入信號，k是卷積核，*是卷積操作，b是偏置項，f是sigmoid函數，y是輸出特征圖；

降采樣層部署在卷積層之后，降采樣濾波器選擇2X2模板，采樣策略取4個像素對應的最大值，全連接層將得分值送給分類器。

作為本發明的進一步改進，在步驟S5中，模型訓練在計算機PC上完成的，通過前向傳播和后向傳播，調整參數使訓練模型達到最優。為了在PC上訓練的模型，也能較好的部署在計算資源相對匱乏的嵌入式移動端，需對權值量化精簡模型，生成Android支持的APK模型文件。

作為本發明的進一步改進，在步驟S6中，訓練后的apk模型文件部署在權利要求1所述的基于卷積神經網絡的寵物嵌入式Android止吠裝置中，該寵物止吠裝置中麥克風采集寵物叫吠聲音信號，提取聲音語譜圖，將其作為卷積神經網絡模型的輸入，得到得分概率值，該得分概率值同設定閾值比較來判別,大于閾值，待檢測寵物身份得到確認，否則未確認。