一种异常声音信号的检测方法及装置制造方法及图纸

本发明专利技术公开了一种异常声音信号的检测方法及装置。本发明专利技术方法包括：检测装置获取待检测声音信号；根据预设的时间划分规则，将该声音信号从时域上划分为N个相邻的声音片段；计算N个声音片段中每个声音片段的信号能量，按照预设的能量等级划分规则，确定N个声音片段分别对应的能量等级；检测装置根据第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定用于表示该声音信号能量等级的变化特征的第一特征向量；检测装置计算第一特征向量与已知的用于表示异常声音信号能量等级的变化特征的特征向量的契合度，在契合度达到预设标准时，判断该声音信号为异常声音信号。本发明专利技术能够实现异常声音信号的有效检测。

【技术实现步骤摘要】
一种异常声音信号的检测方法及装置
本专利技术涉及通信
，尤其涉及一种异常声音信号的检测方法及装置。
技术介绍
随着社会的发展，人们对公共场所安全防范的要求越来越高，对公共场所的安全监控技术的需求也在逐渐增强。视频监控是目前应用最为广泛的公共场所安全监控技术。但是由于设备以及工程安装条件的限制，单一视频监控摄像机的覆盖范围小，且不可避免存在一定的监控死角。同时，由于智能感知技术的缺乏，视频监控系统无法及时准确的感知并记录威胁公共安全的事件，往往沦为了事后查阅的工具。威胁公共安全事件的发生常常伴随有各种异常声音，比如爆炸声、尖叫声、枪声、玻璃破碎声等。因此，结合异常声音识别和视频监控是实现公共场所安全智能监控的发展趋势之一。通用的异常声音识别的技术方案是先利用经典的语音端点检测技术从输入声音信号中检测出异常声音信号，然后利用模式分类方法对所检测出的异常声音信号进行分类，得到分类结果，识别异常声音信号的类别。图1示出了通用的异常声音识别方案的架构示意图，如图1所示，端点检测模块(101)从输入的声音信号中检测出异常声音信号，再输入识别模块(102)进行分类得到分类结果，确定具体的异常声音信号类别。目前端点检测通常是通过对时域、频域或倒谱域的简单统计特征进行阈值判定来检测出异常声音信号。由于公共场所的声音信号不仅包括各种异常声音，还有复杂的环境噪声，因此，通过端点检测所检测出的异常声音信号中，既包含有真实的异常声音信号，也混杂了大量的环境声音信号。直接对这些声音信号进行分类，不仅需要耗费大量的系统资源，而且会导致分类错误。因此，如何实现对异常声音信号的有效检测，是业界所亟待研究和解决的问题。
技术实现思路
本申请提供一种异常声音信号的检测方法及装置，用以实现对异常声音信号的有效检测。第一方面，本申请提供一种异常声音信号的检测方法，该方法包括：检测装置获取待检测声音信号；所述检测装置根据预设的时间划分规则，将所述待检测声音信号从时域上划分为N个相邻的声音片段；N为大于或等于1的正整数；所述检测装置计算所述N个声音片段中每个声音片段的信号能量，按照预设的能量等级划分规则，确定所述N个声音片段分别对应的能量等级；所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量；所述第一特征向量用于表示所述声音信号能量等级的变化特征；i为大于0小于N的正整数；所述检测装置计算所述第一特征向量与第一类特征向量的契合度，在所述第一特征向量与所述第一类特征向量的契合度达到预设标准时，判断所述声音信号为异常声音信号；所述第一类特征向量为已知的用于表示异常声音信号能量等级的变化特征的特征向量。可以看到，本申请所提供的异常声音信号的检测方案，基于异常声音信号具有区别于背景声音信号的能量变化的特点，对待检测的声音信号的变化过程在时间尺度上进行分割，并在幅值尺度上量化各个时间段的声音信号能量，从而得到待检测声音信号能量变化特点的量化结果，通过比较待检测声音信号能量变化特点的量化结果与已知的异常信号能量变化特点的量化结果，判断待检测的声音信号是否为异常声音信号，因而能够实现对异常声音信号的有效检测。在一种可能的实现方式中，所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量，包括：所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定所述N个声音片段所对应的共N-1次能量等级变化；所述检测装置根据所述N个声音片段分别对应的能量等级，确定出M+1个递增能量等级，能量等级值分别为从0到M；M为大于或等于0的正整数；所述检测装置对所述M+1个能量等级中的任意一个能量等级j，按照下式计算所述N-1次能量等级变化中变化得到该能量等级j的能量等级变化的占比：其中，nk→j表示所述N-1次能量等级变化中能量等级由k变化到j出现的次数；k、j取遍小于等于M的所有非负整数；所述检测装置根据所述M+1个能量等级分别对应的占比，构造出第一特征向量(P0,…、Pj,…,PM)。可以看到，检测装置通过上述过程可以得到待检测声音信号所对应的M+1个能量等级中的每个能量等级对应的占比，从而使用所得到的每个能量等级对应的占比构造出用于表示待检测声音信号能量变化特征的第一特征向量，实现对待检测声音信号能量变化特点的量化。在一种可能的实现方式中，所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量，包括：所述检测装置根据所述N个声音片段分别对应的能量等级，确定出M+1个递增能量等级，能量等级值分别为从0到M；M为大于或等于0的正整数；所述检测装置确定所述M+1个能量等级对应的能量等级变化状态xy；其中，xy表示能量等级由x变化到y，x、y取遍小于等于M的所有非负整数；所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定所述N个声音片段对应的共N-1个能量等级变化状态；所述检测装置对任意一个状态xy，按照下式计算所述N-1个状态中所述任意一个状态xy的占比：其中，nxy表示所述N-1个状态中所述任意一个状态xy出现的次数；所述检测装置根据每个状态在所述N-1个状态中的占比，得到状态变化概率矩阵；所述检测装置对所述状态变化概率矩阵中的任意一列元素进行累加，得到所述任意一列对应的累加和；所述检测装置根据所述状态变化概率矩阵的M+1个列分别对应的累加和，构造出第一特征向量。可以看到，检测装置通过上述过程可以得到待检测声音信号所对应的共N-1个能量等级变化状态中的每个能量等级变化状态对应的占比，从而通过对所得到的每个能量等级变化状态对应的占比，构造出用于表示待检测声音信号能量变化特征的第一特征向量，实现对待检测声音信号能量变化特点的量化。在一种可能的实现方式中，所述检测装置计算所述第一特征向量与第一类特征向量的契合度，在所述第一特征向量与所述第一类特征向量的契合度达到预设标准时，判断所述声音信号为异常声音信号，包括：所述检测装置按照下式计算所述第一特征向量与已知特征向量集合中的每个特征向量之间的距离：其中，v表示所述第一特征向量，vq表示所述已知特征向量集合中的一个特征向量，p表示距离类型，p＝1或2，p＝1表示曼哈顿距离，p＝2表示欧式距离；所述已知特征向量集合中的任意特征向量为第一类特征向量或者为第二类特征向量；所述第二类特征向量为已知的用于表示正常声音信号能量等级的变化特征的特征向量；所述检测装置确定所述已知特征向量集合中与所述第一特征向量距离最近的K个特征向量；所述K为预设数值；所述检测装置分别确定所述K个特征向量是否为所述第一类特征向量；若所述检测装置确定所述K个特征向量中半数或半数以上为所述第一类特征向量，则所述检测装置确定所述第一特征向量与所述第一类特征向量的契合度达到预设标准，所述检测装置判断所述声音信号为异常声音信号。可以看到，检测装置在确定出用于表示待检测声音信号能量变化特征的第一特征向量之后，可以通过计算该第一特征向量与已知的用于表示异常声音信号能量等级的变化特征的第一类特征向量之间的距离，以及计算该第一特征向量与已知的用于表示正常声音信本文档来自技高网...

【技术保护点】
一种异常声音信号的检测方法，其特征在于，该方法包括：检测装置获取待检测声音信号；所述检测装置根据预设的时间划分规则，将所述待检测声音信号从时域上划分为N个相邻的声音片段；N为大于或等于1的正整数；所述检测装置计算所述N个声音片段中每个声音片段的信号能量，按照预设的能量等级划分规则，确定所述N个声音片段分别对应的能量等级；所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量；所述第一特征向量用于表示所述声音信号能量等级的变化特征；i为大于0小于N的正整数；所述检测装置计算所述第一特征向量与第一类特征向量的契合度，在所述第一特征向量与所述第一类特征向量的契合度达到预设标准时，判断所述声音信号为异常声音信号；所述第一类特征向量为已知的用于表示异常声音信号能量等级的变化特征的特征向量。

【技术特征摘要】
1.一种异常声音信号的检测方法，其特征在于，该方法包括：检测装置获取待检测声音信号；所述检测装置根据预设的时间划分规则，将所述待检测声音信号从时域上划分为N个相邻的声音片段；N为大于或等于1的正整数；所述检测装置计算所述N个声音片段中每个声音片段的信号能量，按照预设的能量等级划分规则，确定所述N个声音片段分别对应的能量等级；所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量；所述第一特征向量用于表示所述声音信号能量等级的变化特征；i为大于0小于N的正整数；所述检测装置计算所述第一特征向量与第一类特征向量的契合度，在所述第一特征向量与所述第一类特征向量的契合度达到预设标准时，判断所述声音信号为异常声音信号；所述第一类特征向量为已知的用于表示异常声音信号能量等级的变化特征的特征向量。2.如权利要求1所述的方法，其特征在于，所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量，包括：所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定所述N个声音片段所对应的共N-1次能量等级变化；所述检测装置根据所述N个声音片段分别对应的能量等级，确定出M+1个递增能量等级，能量等级值分别为从0到M；M为大于或等于0的正整数；所述检测装置对所述M+1个能量等级中的任意一个能量等级j，按照下式计算所述N-1次能量等级变化中变化得到该能量等级j的能量等级变化的占比：其中，nk→j表示所述N-1次能量等级变化中能量等级由k变化到j出现的次数；k、j取遍小于等于M的所有非负整数；所述检测装置根据所述M+1个能量等级分别对应的占比，构造出第一特征向量(P0,…、Pj,…,PM)。3.如权利要求1所述的方法，其特征在于，所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定第一特征向量，包括：所述检测装置根据所述N个声音片段分别对应的能量等级，确定出M+1个递增能量等级，能量等级值分别为从0到M；M为大于或等于0的正整数；所述检测装置确定所述M+1个能量等级对应的能量等级变化状态xy；其中，xy表示能量等级由x变化到y，x、y取遍小于等于M的所有非负整数；所述检测装置根据所述声音信号中第i个声音片段到第i+1个声音片段对应的能量等级的变化，确定所述N个声音片段对应的共N-1个能量等级变化状态；所述检测装置对任意一个状态xy，按照下式计算所述N-1个状态中所述任意一个状态xy的占比：其中，nxy表示所述N-1个状态中所述任意一个状态xy出现的次数；所述检测装置根据每个状态在所述N-1个状态中的占比，得到状态变化概率矩阵；所述检测装置对所述状态变化概率矩阵中的任意一列元素进行累加，得到所述任意一列对应的累加和；所述检测装置根据所述状态变化概率矩阵的M+1个列分别对应的累加和，构造出第一特征向量。4.如权利要求1-3中任一项所述的方法，其特征在于，所述检测装置计算所述第一特征向量与第一类特征向量的契合度，在所述第一特征向量与所述第一类特征向量的契合度达到预设标准时，判断所述声音信号为异常声音信号，包括：所述检测装置按照下式计算所述第一特征向量与已知特征向量集合中的每个特征向量之间的距离：其中，v表示所述第一特征向量，vq表示所述已知特征向量集合中的一个特征向量，p表示距离类型，p＝1或2，p＝1表示曼哈顿距离，p＝2表示欧式距离；所述已知特征向量集合中的任意特征向量为第一类特征向量或者为第二类特征向量；所述第二类特征向量为已知的用于表示正常声音信号能量等级的变化特征的特征向量；所述检测装置确定所述已知特征向量集合中与所述第一特征向量距离最近的K个特征向量；所述K为预设数值；所述检测装置分别确定所述K个特征向量是否为所述第一类特征向量；若所述检测装置确定所述K个特征向量中半数或半数以上为所述第一类特征向量，则所述检测装置确定所述第一特征向量与所述第一类特征向量的契合度达到预设标准，所述检测装置判断所述声音信号为异常声音信号。5.如权利要求1-4中任一项所述的方法，其特征在于，所述预设的能量等级划分规则包括：设置M+1个递增能量等级，能量等级值分别为从0到M，其中任意一个能量等级J对应的信号能量变化范围为0≤J≤M，M为大于或等于0的正整数；b为用以采样声音信号的模数转换器的采样位数；根据所述M+1个递增能量等级分别对应的信号能量变化范围，确定声音片段的信号能量所落入的信号能量变化范围；将确定出的信号能量变化范围对应的能量等级确定为所述声音片段对应的能量等级。6.如权利要求1-5中任一项所述的方法，其特征在于，所述声音片段的信号能量为所述声音片段的总信号能量在所述声音片段持续时长上的平均值。7.一种异常声音信号的检测装置，其特征在于，该检测装...

【专利技术属性】
技术研发人员：秦宇，唐少华，杨利平，龚卫国，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44