[發明專利]聲音識別方法和系統

在審

• 申請號: 201811290201.4
• 申請日: 2018-10-31
• 公開（公告）號: CN109243496A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 沈松
• 申請（專利權）人: 東方智測（北京）科技有限公司
• 主分類號: G10L25/84
• 分類號: G10L25/84;G10L25/30;G10L25/51;G10L21/0208;G10L21/04;H04L29/08;G10L21/0216
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 闞梓瑄;袁禮君

1.一種聲音識別方法，其特征在于，包括：

實時獲取聲音，所述聲音包括交通噪聲；

將所述聲音轉換為離散數字信號以及特征量；

根據所述離散數字信號以及所述特征量實時優化深度學習神經網絡模型；

利用深度學習神經網絡模型對所述聲音進行識別。

2.如權利要求1所述的方法，其特征在于，實時獲取聲音包括：

實時采集環境聲音；以及

在所述環境聲音滿足第一條件時，實時獲取所述聲音。

3.如權利要求1所述的方法，其特征在于，將所述聲音轉換為離散數字信號以及特征量包括：

通過模數轉換器得到離散數字信號；

通過數字信號處理提取所述聲音的特征向量。

4.如權利要求1所述的方法，其特征在于，根據所述離散數字信號以及所述特征量實時優化深度學習神經網絡模型，包括：

將所述離散數字信號以及所述特征量輸入深度學習神經網絡模型；

獲取深度學習神經網絡模型的輸出向量，所述輸出向量為所述聲音與多個預定聲音類型的相似度；

根據所述輸出向量確定所述聲音的類型標簽；

根據所述離散數字信號、所述特征量以及所述樣本標簽優化深度學習神經網絡模型。

5.如權利要求4所述的方法，其特征在于，根據所述輸出向量確定所述聲音的類型標簽包括：

當判斷所述輸出向量中每一個元素的極值大于或等于閾值時，確定所述聲音的類型標簽；

當判斷輸出向量中每一個元素的數值均小于閾值時，確定所述聲音的類型標簽。

6.如權利要求1所述的方法，其特征在于，所述特征量包括下述特征中的至少一種：時域特征量；頻域特征量；時頻特征量。

7.如權利要求5所述的方法，其特征在于，還包括：

根據深度學習神經網絡模型的輸出向量調整閾值。

8.如權利要求1所述的方法，其特征在于，利用深度學習神經網絡模型對所述聲音進行識別包括：

將所述聲音輸入所述深度學習神經網絡模型以獲取相似度；

根據所述相似度確定所述聲音標簽；

其中，所述聲音標簽包括：喇叭聲、警笛聲、急剎聲、撞擊聲、爆炸聲、喊叫聲。

9.一種聲音識別系統，其特征在于，包括：

至少一個前端系統，用于實時采集環境聲音；并將所述聲音轉換為離散數字信號以及特征量；利用深度學習神經網絡模型對所述聲音進行識別；以及

后端云中心，用于根據所述離散數字信號以及所述特征量實時優化深度學習神經網絡模型。

10.如權利要求9所述的系統，其特征在于，所述后端云中心還用于在判斷深度學習神經網絡模型的輸出向量中每一個元素的極值大于或等于閾值時，確定所述聲音的類型標簽；以及在判斷所述輸出向量中每一個元素的數值均小于閾值時，確定所述聲音的類型標簽。