[發明專利]一種識別特征聲音的方法和裝置

在審

• 申請號: 201810801712.1
• 申請日: 2018-07-20
• 公開（公告）號: CN110751942A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 李俊玲;王博
• 申請（專利權）人: 北京京東金融科技控股有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/04;G10L15/06;G10L15/10;G10L15/26;G10L15/24
• 代理公司: 11219 中原信達知識產權代理有限責任公司
• 代理人: 張一軍;李陽

1.一種識別特征聲音的方法，其特征在于，包括：

對待檢測聲音數據進行拆分處理，并截取出至少一段單元聲音數據；

從所述至少一段單元聲音數據中，確定出屬于特征聲音的單元聲音數據；

根據所述屬于特征聲音的單元聲音數據之間的時間距離，對其進行合并以得到特征聲音片段。

2.根據權利要求1所述的方法，其特征在于，所述對待檢測聲音數據進行拆分處理，并截取出至少一段單元聲音數據的步驟包括：

根據滑動窗口對待檢測聲音數據進行拆分處理；

截取出單元聲音數據，所述單元聲音數據為每個滑動窗口中包括的聲音數據。

3.根據權利要求1所述的方法，其特征在于，從所述至少一段單元聲音數據中，確定出屬于特征聲音的單元聲音數據的步驟包括：

通過訓練的檢測模型，確定每段單元聲音數據為特征聲音的概率；

根據預設的概率閾值，從所述至少一段單元聲音數據中，標注出屬于特征聲音的單元聲音數據。

4.根據權利要求3所述的方法，其特征在于，在通過訓練的檢測模型，確定每段單元聲音數據為特征聲音的概率之前，還包括：

獲取標注后的訓練數據，其中標注為1的訓練數據為特征聲音，標注為0的訓練數據為非特征聲音；

搭建包括3層二維卷積神經網絡以及兩層全連接層的網絡模型，其中，最后一層全連接層包含有采用sigmoid激活函數的神經元；

基于所述訓練數據和所述網絡模型，訓練得到檢測模型，其中目標損失函數Loss為：

Loss＝-∑targets*log(predict)

targets表示真實值，取值為0或者1；predict表示預測值。

5.根據權利要求3所述的方法，其特征在于，

根據預設的概率閾值，從所述至少一段單元聲音數據中，標注出屬于特征聲音的單元聲音數據的步驟包括：

判斷單元聲音數據為特征聲音的概率是否大于預設的概率閾值，如果大于，則將該單元聲音數據標注為1；否則標注為0；

根據所述屬于特征聲音的單元聲音數據之間的時間距離，對其進行合并以得到特征聲音片段的步驟包括：

按照時間順序，將連續標注為1的單元聲音數據進行合并，以得到至少一段的初步特征聲音片段。

6.根據權利要求5所述的方法，其特征在于，在按照時間順序，將連續標注為1的單元聲音數據進行合并之后，還包括：

判斷所述至少一段的步特征聲音片段之間的時間距離是否小于預設的距離偏移量；如果小于，則將其進行合并以得到特征聲音片段。

7.根據權利要求1所述的方法，其特征在于，在對待檢測聲音數據進行拆分處理，并截取出至少一段單元聲音數據之前，還包括：

對所述待檢測聲音進行加重處理；

通過漢明窗對所述加重處理后的待檢測聲音進行加窗處理。

8.根據權利要求2所述的方法，其特征在于，所述滑動窗口的尺寸為0.3s-0.7s，所述滑動窗口的步長為70ms-85ms；和/或，

所述特征聲音為豬咳嗽聲。

9.一種識別特征聲音的裝置，其特征在于，包括：

單元聲音數據截取模塊，用于對待檢測聲音數據進行拆分處理，并截取出至少一段單元聲音數據；

特征聲音確定模塊，用于從所述至少一段單元聲音數據中，確定出屬于特征聲音的單元聲音數據；

特征聲音片段確定模塊，用于根據所述屬于特征聲音的單元聲音數據之間的時間距離，對其進行合并以得到特征聲音片段。

10.根據權利要求9所述的裝置，其特征在于，所述單元聲音數據截取模塊，還用于根據滑動窗口對待檢測聲音數據進行拆分處理；截取出單元聲音數據，所述單元聲音數據為每個滑動窗口中包括的聲音數據。