[發明專利]一種嬰兒哭聲檢測方法及裝置

在審

• 申請號: 201810065385.8
• 申請日: 2018-01-23
• 公開（公告）號: CN110085216A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 葛鳳培;張少甫;顏永紅
• 申請（專利權）人: 中國科學院聲學研究所;北京中科信利技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/02
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;楊青

本發明涉及一種嬰兒哭聲檢測方法及裝置，包括：對預獲取的樣本訓練集中的語音數據進行感知線性預測系數PLP特征提取,獲取與樣本訓練集中的語音數據對應的語音特征；利用深度神經網絡算法，對樣本訓練集中的語音數據和與語音數據對應的語音特征進行訓練，獲取嬰兒哭聲的聲學模型；對測試語音數據進行PLP特征提取后，帶入嬰兒哭聲的聲學模型中進行學習，獲取后驗概率；根據后驗概率，確定測試語音數據是否為嬰兒哭聲對應的語音數據。利用上述方式獲取的嬰兒哭聲的聲學模型對測試語音數據進行分類，獲取與所述語音數據中每一幀語音數據對應的語音類型后驗概率，然后根據語音類型后驗概率確定測試語音數據是否為嬰兒哭聲對應的語音數據，將會更加精確。

技術領域

本發明涉及信號處理技術領域，特別涉及一種嬰兒哭聲檢測方法及裝置。

背景技術

由于嬰兒啼哭聲與語音信號的相似之處，有越來越多的研究人員采用語音信號處理技術對啼哭聲進行初步處理。再采用模式識別技術對經過初步處理后的嬰兒哭聲進行判斷。嬰兒哭聲識別系統的建立需要三步，分別是預處理、特征提取和分類算法的建立。其中重點是特征參數的提取和分類算法的建立。由于嬰兒哭聲跟成人的語音都是由結構相似的發聲器官產生，所以可以采用類似于語音信號提取和識別的算法提取并識別嬰兒哭聲。不過，因為嬰兒所處的環境中還有其他聲音，對于嬰兒哭聲的識別帶來一定困難，例如各種公共環境聲音。無法精準對實現對嬰兒哭聲的準確識別，現有的支持向量機(Support VectorMachine，簡稱SVM)學習算法對于嬰兒哭聲和其他聲音的分離精度較低，且可處理的數據量有限，進一步導致嬰兒哭聲的檢測不夠準確。

發明內容

本發明的目的在于，克服現階段語音信號嬰兒哭聲檢測技術所存在的缺陷，包括SVM學習算法對嬰兒哭聲和其他聲音都是分離精度低，且可處理的數據量有限，進一步導致嬰兒哭聲的檢測不夠準確的問題，提供一種嬰兒哭聲檢測方法及裝置。

為解決上述技術問題，本發明的技術方案所提供的一種嬰兒哭聲檢測方法，該方法包括：

對預獲取的樣本訓練集中的語音數據進行感知線性預測系數(PerceptualLinear Prediction，簡稱PLP)的特征提取,獲取與樣本訓練集中的語音數據對應的語音特征；

利用深度神經網絡算法，對樣本訓練集中的語音數據對應的語音特征進行訓練，獲取嬰兒哭聲的聲學模型；

對測試語音數據進行PLP特征提取后，帶入嬰兒哭聲的聲學模型中進行計算，獲取測試語音數據中每一幀語音數據對應的語音類型的后驗概率，其中，語音類型包括至少兩種，每一種語音類型對應一個后驗概率；

根據測試語音數據中每一幀語音數據對應的語音類型的后驗概率，確定測試語音數據是否為嬰兒哭聲對應的語音數據。

優選地，根據測試語音中每一幀對應4個類別的后驗概率，取概率最大的一類作為這一幀的類別，然后統計一段測試語音中類別為嬰兒哭聲的幀數，根據嬰兒哭聲的幀數與測試語音總幀數的比例是否大于某一閾值判斷這段測試語音是否為嬰兒哭聲。

本發明提供的一種嬰兒哭聲檢測方法，優點在于：利用PLP方式進行特征提取，并基于深度神經網絡算法對樣本訓練集中的語音數據進行訓練和分類，可以實現對于大數據集、復雜環境下的哭聲很好的檢測，從而獲取精度高的檢測結果，因此利用上述方式獲取的嬰兒哭聲的聲學模型對測試語音數據進行分類，獲取測試語音數據中每一幀語音數據對應的語音類型的后驗概率，然后根據測試語音數據中每一幀語音數據對應的語音類型的后驗概率確定測試語音數據是否為嬰兒哭聲對應的語音數據，將會更加精確。