[發(fā)明專利]基于聲音特征識別的語言沖突監(jiān)測方法、介質(zhì)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202010929819.1
• 申請日: 2020-09-07
• 公開（公告）號: CN112151066A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計）人: 朱逸;黃晶晶;袁飛;程恩
• 申請（專利權(quán)）人: 廈門大學(xué)
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/15;G10L25/24;G10L25/03;G10L25/78
• 代理公司: 廈門創(chuàng)象知識產(chǎn)權(quán)代理有限公司 35232
• 代理人: 陳文戎;尤懷成

本發(fā)明公開了一種基于聲音特征識別的語言沖突監(jiān)測方法、介質(zhì)及設(shè)備，其中方法包括：提取每個歷史語音數(shù)據(jù)對應(yīng)的第一聲音特征參數(shù)，并根據(jù)第一聲音特征參數(shù)生成第一聲音特征向量；根據(jù)第一聲音特征向量訓(xùn)練得到語言沖突識別模型；對待檢測語音數(shù)據(jù)進行預(yù)處理，以生成對應(yīng)的短幀聲音信號，并對短幀聲音信號進行端點檢測，以提取人聲語音信號；對人聲語音信號進行特征提取，以提取第二聲音特征參數(shù)，并根據(jù)第二聲音特征參數(shù)生成第二聲音特征向量；將第二聲音特征向量輸入到語言沖突識別模型中，以通過語言沖突識別模型判斷待檢測語音數(shù)據(jù)是否存在語言沖突；能夠?qū)崿F(xiàn)對語言沖突的準確識別，并且，識別效率高，進而防止沖突事件的發(fā)生。

技術(shù)領(lǐng)域

本發(fā)明涉及語音監(jiān)測技術(shù)領(lǐng)域，特別涉及一種基于聲音特征識別的語言沖突監(jiān)測方法、一種計算機可讀存儲介質(zhì)以及一種計算機設(shè)備。

背景技術(shù)

在現(xiàn)實生活中，尤其對于服務(wù)行業(yè)而言，服務(wù)人員與客戶之間發(fā)生語言沖突的事件時有發(fā)生，而如果管理人員對類似的語言沖突不加以及時制止的話；往往容易導(dǎo)致吵架甚至打架事件的發(fā)生，造成嚴重的后果。

相關(guān)技術(shù)中，多采用先將語音轉(zhuǎn)換為文本，然后提取和識別文本是否存在不文明關(guān)鍵詞的形式來判斷語言沖突；然而，這種方式對于語言沖突的識別準確率低，并且，識別效率低下，難以有效制止沖突事件的發(fā)生。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決上述技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的一個目的在于提出一種基于聲音特征識別的語言沖突監(jiān)測方法，能夠?qū)崿F(xiàn)對語言沖突的準確識別，并且，識別效率高，進而防止沖突事件的發(fā)生。

本發(fā)明的第二個目的在于提出一種計算機可讀存儲介質(zhì)。

本發(fā)明的第三個目的在于提出一種計算機設(shè)備。

為達到上述目的，本發(fā)明第一方面實施例提出了一種基于聲音特征識別的語言沖突監(jiān)測方法，包括以下步驟：獲取多個歷史語音數(shù)據(jù)，并對每個歷史語音數(shù)據(jù)進行特征提取，以提取每個歷史語音數(shù)據(jù)對應(yīng)的第一聲音特征參數(shù)，以及根據(jù)所述第一聲音特征參數(shù)生成第一聲音特征向量；將所述第一聲音特征向量輸入到支持向量機中進行模型的訓(xùn)練，以訓(xùn)練得到語言沖突識別模型；獲取待檢測語音數(shù)據(jù)，并對所述待檢測語音數(shù)據(jù)進行預(yù)處理，以生成對應(yīng)的短幀聲音信號，以及根據(jù)基于共振峰的語音端點檢測算法對所述短幀聲音信號進行端點檢測，以提取所述短幀聲音信號中的人聲語音信號；對所述人聲語音信號進行特征提取，以提取所述人聲語音信號對應(yīng)的第二聲音特征參數(shù)，并根據(jù)所述第二聲音特征參數(shù)生成第二聲音特征向量；將所述第二聲音特征向量輸入到所述語言沖突識別模型中，以通過所述語言沖突識別模型判斷所述待檢測語音數(shù)據(jù)是否存在語言沖突。

根據(jù)本發(fā)明實施例的基于聲音特征識別的語言沖突監(jiān)測方法，首先，獲取多個歷史語音數(shù)據(jù)，并對每個歷史語音數(shù)據(jù)進行特征提取，以提取每個歷史語音數(shù)據(jù)對應(yīng)的第一聲音特征參數(shù)，以及根據(jù)第一聲音特征參數(shù)生成第一聲音特征向量；接著，將第一聲音特征向量輸入到支持向量機中進行模型的訓(xùn)練，以訓(xùn)練得到語言沖突識別模型；然后，獲取待檢測語音數(shù)據(jù)，并對待檢測語音數(shù)據(jù)進行預(yù)處理，以生成對應(yīng)的短幀聲音信號，以及根據(jù)基于共振峰的語音端點檢測算法對短幀聲音信號進行端點檢測，以提取短幀聲音信號中的人聲語音信號；接著，對人聲語音信號進行特征提取，以提取人聲語音信號對應(yīng)的第二聲音特征參數(shù)，并根據(jù)第二聲音特征參數(shù)生成第二聲音特征向量；然后，將第二聲音特征向量輸入到語言沖突識別模型中，以通過語言沖突識別模型判斷待檢測語音數(shù)據(jù)是否存在語言沖突；從而實現(xiàn)對語言沖突的準確識別，并且，識別效率高，進而防止沖突事件的發(fā)生。

另外，根據(jù)本發(fā)明上述實施例提出的基于聲音特征識別的語言沖突監(jiān)測方法還可以具有如下附加的技術(shù)特征：

可選地，所述第一聲音特征參數(shù)包括：共振峰特征向量、短時平均能量特征和梅爾倒譜系數(shù)特征向量。