[發明專利]一種基于加性間距膠囊網絡的家庭活動聲音事件分類方法

有效

• 申請號: 201911145336.6
• 申請日: 2019-11-21
• 公開（公告）號: CN110968729B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 王章權;劉半藤;鄭啟航;施佳椰;陳友榮
• 申請（專利權）人: 浙江樹人學院（浙江樹人大學）
• 主分類號: G06F16/65
• 分類號: G06F16/65;G06K9/62
• 代理公司: 紹興市寅越專利代理事務所(普通合伙) 33285
• 代理人: 鄧愛民

本發明提供了一種基于加性間距膠囊網絡的家庭活動聲音事件分類方法，研究基于加性間距膠囊網絡模型，對未知類別音頻樣本進行分類；首先處理待訓練音頻輸出，構建樣本對，再將對數Mel譜圖信號類別向量作為樣本，使用膠囊神經網絡模型作為骨干，利用Transition層結合膠囊神經網絡模型與加性間距SoftMax損失函數，構建出加性間距膠囊網絡模型，使用梯度下降法優化加性間距膠囊網絡模型參數，最終使用優化后模型對未知類別樣本進行分類；本發明提供的方法具有高效率、穩定性強、精度高等優點，能夠滿足家庭活動聲音事件分類的基本要求，具有較高的應用價值。

技術領域：

本發明涉及一種家庭活動識別方法，尤其涉及一種基于加性間距膠囊網絡的家庭活動聲音事件分類方法。

背景技術：

經濟的發展和醫療水平的提高使得人類壽命越來越長，發達國家甚至包括中國等新興發展中國家均面臨嚴重的人口老齡化問題,根據聯合國的一份報告，2015年至2030年間，60歲以上的老年人數量預計將增長56％，到2050年將達到近21億。傳統醫療保健的成本將按比例增長，因此對老年人健康狀況、日常生活活動進行遠程檢測是十分必要的。這可以通過包括聲學在內的多種感測模態進行監測，研究基于聲學的聲音事件分類方法，對于提升智能家居中的安全性、舒適性是十分必要的。

傳統的聲音事件分類，較依賴于人工預處理特征，如人工選取MFCC的濾波器個數、音調質心特征能量等。這些傳統方法在目前應用中缺乏效率與實用性。基于深度學習的聲音事件分類方法利用神經網絡進行自動特征提取與結果分類，因此近年來基于卷積神經網絡(CNN)的深度學習的方法在聲音分類中應用廣泛，但是CNN模型難以提取到特征間的空間關系，對于家庭活動音頻信號中的時序關系無法充分利用，模型識別準確率難以提高。因此迫切需要一種高效率、穩定性強、精度高的家庭活動聲音事件分類算法。

發明內容：

為克服傳統家庭活動聲音事件分類方法存在效率低、速度慢、精度低的問題，本發明提供一種基于加性間距膠囊網絡的家庭活動聲音事件分類方法，該方法直接對家庭活動音頻信號對數Mel譜圖進行識別，能夠避免傳統特征提取算法速度效率低問題，可以提高算法的效率。

為了實現上述發明目的，本發明所采用的技術方案為：

一種基于加性間距膠囊網絡的家庭活動聲音事件分類方法，內容包括：

步驟1：判斷音頻樣本的時長并裁剪至符合要求，使用對數Mel濾波器對裁剪好的音頻進行濾波，將濾波后的音頻樣本與標簽編碼組成樣本對，所有音頻樣本處理后形成的樣本對構建成樣本數據集；

步驟2：以膠囊神經網絡模型作為骨干，利用Transition層與膠囊神經網絡模型的結合計算加性間距SoftMax損失函數，構建出加性間距膠囊網絡模型；

步驟3：將預先構建好的樣本對作為加性間距膠囊網絡模型的輸入，經過迭代優化網絡參數獲得訓練好的加性間距膠囊網絡模型；

步驟4：判斷待分類音頻樣本的時長并進行裁剪至符合要求，使用對數Mel濾波器對裁剪好的待分類音頻進行濾波，將濾波后的待分類音頻輸入訓練好的加性間距膠囊網絡模型進行分類。

進一步設置，所述步驟1中樣本對的構建方法如下：

1.1判斷音頻樣本的時長是否符合設定值，時長不足設定值的予以補全至設定值，時長超過設定值的予以裁剪至設定值；

1.2對符合時長要求的音頻樣本進行STFT變換；

1.3使用Mel對數濾波器對STFT變換后的音頻樣本進行濾波；

1.4將濾波后的音頻樣本從幅度單位轉換為分貝單位，獲得輸入樣本；

1.5處理輸入標簽，將標簽值轉換為向量，得到向量化標簽編碼；

1.6將1.4中獲得的輸入樣本與1.5中獲得的標簽編碼組成樣本對進行保存。