[發(fā)明專利]音頻監(jiān)控中基于深度隨機(jī)森林的聲音事件分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911112306.5
• 申請(qǐng)日: 2019-11-14
• 公開（公告）號(hào): CN110808070B
• 公開（公告）日: 2022-05-06
• 發(fā)明（設(shè)計(jì)）人: 余春艷;劉煌;李明達(dá)
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G10L25/51
• 分類號(hào): G10L25/51;G10L25/21;G06K9/62
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種音頻監(jiān)控中基于深度隨機(jī)森林的聲音事件分類方法，包括以下步驟：步驟S1：從監(jiān)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(duì)每一類聲音事件訓(xùn)練一個(gè)深度隨機(jī)森林分類器,通過組合多個(gè)二分類模型，形成最終的深度隨機(jī)森林聲音事件分類模型；步驟S3:使用最終的深度隨機(jī)森林聲音事件分類模型對(duì)聲音事件進(jìn)行預(yù)測(cè)，得到聲音事件的預(yù)測(cè)概率;步驟S4:根據(jù)得到的預(yù)測(cè)概率，進(jìn)行事件分類后處理,得到聲音事件分類結(jié)果。本發(fā)明基于隨機(jī)森林的音頻事件淺層檢測(cè)方法和深度結(jié)構(gòu)相結(jié)合，能夠有效的對(duì)重疊聲音事件進(jìn)行檢測(cè)并快速分類。

技術(shù)領(lǐng)域

本發(fā)明涉及監(jiān)控系統(tǒng)中音頻信號(hào)處理方法，具體涉及一種音頻監(jiān)控中基于深度隨機(jī)森林的聲音事件分類方法。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們可獲取的音頻數(shù)據(jù)呈爆炸式增長(zhǎng)。如何從龐大、雜亂的音頻數(shù)據(jù)中找出感興趣的音頻信息，是目前許多研究者關(guān)注的焦點(diǎn)。音頻事件分類與檢測(cè)是音頻信息檢索的重要基礎(chǔ)，可以幫助解決感興趣音頻事件檢出、分類等問題。

安全監(jiān)控系統(tǒng)是維護(hù)社會(huì)秩序、打擊犯罪的強(qiáng)有力手段。傳統(tǒng)的安全監(jiān)控主要是基于視頻圖像。雖然城市中攝像頭越來越多，但是安全保障還有待進(jìn)一步提升。傳統(tǒng)視頻監(jiān)控不能對(duì)某些異常情況及時(shí)地發(fā)出警報(bào)，而且需要一定的外部條件如光照、目標(biāo)物體、清晰度等。基于音頻事件檢測(cè)的音頻監(jiān)控能夠?qū)崟r(shí)檢測(cè)現(xiàn)場(chǎng)的聲音，對(duì)一些異常音頻事件如尖叫聲、槍聲進(jìn)行監(jiān)測(cè)，彌補(bǔ)視頻監(jiān)控的不足。因此，音頻監(jiān)控可以輔助視頻監(jiān)控，結(jié)合兩者的優(yōu)勢(shì)組成多模安全監(jiān)控系統(tǒng)，音頻事件檢測(cè)是音頻監(jiān)控的核心模塊。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種音頻監(jiān)控中基于深度隨機(jī)森林的聲音事件分類方法，能夠有效的對(duì)重疊聲音事件進(jìn)行檢測(cè)并快速分類。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種音頻監(jiān)控中基于深度隨機(jī)森林的聲音事件分類方法，包括以下步驟：

步驟S1：從監(jiān)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(duì)每一類聲音事件訓(xùn)練一個(gè)深度隨機(jī)森林分類器,通過組合多個(gè)二分類模型，形成最終的深度隨機(jī)森林聲音事件分類模型；;

步驟S3:使用最終的深度隨機(jī)森林聲音事件分類模型對(duì)聲音事件進(jìn)行預(yù)測(cè)，得到聲音事件的預(yù)測(cè)概率;

步驟S4:根據(jù)得到的預(yù)測(cè)概率，進(jìn)行事件分類后處理,得到聲音事件分類結(jié)果。

進(jìn)一步的，所述步驟S1具體為：

步驟S11:將音頻監(jiān)控文件使用時(shí)長(zhǎng)1.2秒，每隔0.02秒的滑動(dòng)窗口進(jìn)行切分，得到N個(gè)音頻片;

步驟S12:將切分得到的每個(gè)音頻片段內(nèi)，按照幀長(zhǎng)40ms，幀移20ms進(jìn)行劃分，得到61個(gè)音頻幀；

步驟S13:對(duì)每個(gè)音頻幀計(jì)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(gè)數(shù)據(jù)，最終得到N*61*123的特征，將得到的特征數(shù)據(jù)處理成N*7503維序列格式，構(gòu)成特征序列。

進(jìn)一步的，所述訓(xùn)練深度隨機(jī)森林分類器,具體為：

步驟S21:對(duì)于級(jí)聯(lián)森林中第一層級(jí)聯(lián)層，輸入7503維原始特征；通過對(duì)森林中所有樹求平均，該森林將輸出一個(gè)2維類預(yù)測(cè)概率；

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

步驟S23:每個(gè)級(jí)聯(lián)層接收其前一級(jí)處理的特征信息，并且級(jí)聯(lián)原始特征后作為下一層的輸入特征，下一級(jí)聯(lián)層使用該輸入特征進(jìn)行訓(xùn)練，級(jí)聯(lián)層層數(shù)將持續(xù)進(jìn)行縱向深度拓展。