[發明專利]音頻監控中基于深度隨機森林的聲音事件分類方法

有效

• 申請號: 201911112306.5
• 申請日: 2019-11-14
• 公開（公告）號: CN110808070B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 余春艷;劉煌;李明達
• 申請（專利權）人: 福州大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/21;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種音頻監控中基于深度隨機森林的聲音事件分類方法，其特征在于，包括以下步驟：

步驟S1：從監控的音頻文件中提取梅爾能量特征，并將其處理成特征序列；

步驟S2:對每一類聲音事件訓練一個深度隨機森林分類器,通過組合多個二分類模型，形成最終的深度隨機森林聲音事件分類模型；

步驟S3:使用最終的深度隨機森林聲音事件分類模型對聲音事件進行預測，得到聲音事件的預測概率;

步驟S4:根據得到的預測概率，進行事件分類后處理,得到聲音事件分類結果；

所述步驟S1具體為：

步驟S11:將音頻監控文件使用時長1.2秒，每隔0.02秒的滑動窗口進行切分，得到N個音頻片;

步驟S12:將切分得到的每個音頻片段內，按照幀長40ms，幀移20ms進行劃分，得到61個音頻幀；

步驟S13:對每個音頻幀計算梅爾能量特征，得到每幀123維特征；

步驟S14:將61幀合成一個數據，最終得到N*61*123的特征，將得到的特征數據處理成N*7503維序列格式，構成特征序列；

所述訓練深度隨機森林分類器,具體為：

步驟S21:對于級聯森林中第一層級聯層，輸入7503維原始特征；通過對森林中所有樹求平均，該森林將輸出一個2維類預測概率；

步驟S22:若每層級聯層包含12個森林，則在第一層級聯層的末端將得到7527維的特征向量，由12個2維類向量級聯7503維原始特征向量得到；

步驟S23:每個級聯層接收其前一級處理的特征信息，并且級聯原始特征后作為下一層的輸入特征，下一級聯層使用該輸入特征進行訓練，級聯層層數將持續進行縱向深度拓展；

步驟S24:每個個級聯層訓練完成后，將使用驗證集判斷性能是否得到提升，沒有提升則級聯層層數將停止縱向深度拓展；

所述步驟S3具體為：

步驟S31:通過計算不同類別的訓練樣例在葉子結點上所占的百分比，每一顆樹都會產生一個預測概率;

步驟S32:將同一個森林的所有樹的預測概率做平均，輸出類預測概率；

所述步驟S4具體為：

步驟S41:將預測概率閾值設置為0.5，判斷每1.2秒時長的音頻片段數據里某一聲音事件類出現次數是否大于等于10，若是，則分類出該聲音事件的類別；

步驟S42:對事件進行平滑處理，合并相鄰連續事件，同時設置允許存在的最小事件長度為0.05秒，如果事件長度小于0.05秒，則刪除該事件，最終得到分類結果。