本申请涉及一种人身安全监控方法、装置、电子设备和存储介质。所述方法包括：获取待识别语音，并在待识别语音中包含异常关键词时，获取与异常关键词相关联的语音片段；对所述语音片段进行声谱分析，得到多个频谱点；频谱点包括采样时间以及声音幅值；根据采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；通过预训练的异常噪音识别模型对第一目标频谱点进行识别，得到与第一目标频谱点相对应的噪音类型；根据噪音类型和异常关键词，对人身安全进行监控。采用本方法能够节约监控时所耗费的存储空间。费的存储空间。费的存储空间。
【技术实现步骤摘要】
人身安全监控方法、装置、电子设备和存储介质
[0001]本申请涉及居家养老
，特别是涉及一种人身安全监控方法、装置、电子设备和存储介质。
技术介绍
[0002]随着老年人口的不断增多，居家养老服务应运而生。居家养老服务是指由经过专业培训的服务提供者上门为居家老人提供具有一定服务时长养老服务。
[0003]当服务提供者为居家老人提供养老服务时，首先需要确认服务提供者以及居家老人的人身安全。目前，主要是利用视频监控设备对服务提供者和居家老人进行持续监控，基于监控视频确定服务提供者以及居家老人的人身安全。但是，由于监控视频所占用的存储空间较大，从而导致基于监控视频对服务提供者以及居家老人的人身安全进行监控所耗费的存储空间较大。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够节约存储空间的人身安全监控方法、装置、电子设备和存储介质。
[0005]一种人身安全监控方法，所述方法包括：
[0006]获取待识别语音，并在所述待识别语音中包含异常关键词时，获取与所述异常关键词相关联的语音片段；
[0007]对所述语音片段进行声谱分析，得到多个频谱点；所述频谱点包括采样时间以及声音幅值；
[0008]根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；
[0009]通过预训练的异常噪音识别模型对所述第一目标频谱点进行识别，得到与所述第一目标频谱点相对应的噪音类型；
[0010]根据所述噪音类型和异常关键词，对人身安全进行监控。
[0011]在其中一个实施例中，还包括：所述方法还包括：
[0012]获取异常用语集；所述异常用语集包括多条异常用语；
[0013]基于预训练的语音识别模型对所述待识语音别进行识别，得到索引网络；
[0014]通过将所述索引网络以及所述异常用语集进行字符匹配，确定与所述当前待识别语音相匹配的异常用语；
[0015]从与所述待识别语音相匹配的异常用语中提取出异常关键词。
[0016]在其中一个实施例中，所述语音识别模型包括语音分离增强模型以及目标识别模型；所述语音识别模型的训练步骤包括：
[0017]获取语音分离增强模型的第一损失函数及目标识别模型的第二损失函数；
[0018]基于所述第二损失函数进行反向传播，以对桥接在所述语音分离增强模型和目标识别模型之间的中间模型进行训练，得到鲁棒表征模型；
[0019]对所述第一损失函数和第二损失函数进行融合，得到目标损失函数；
[0020]基于所述目标损失函数对所述语音分离增强模型、鲁棒表征模型及目标识别模型进行联合训练，在满足预设收敛条件时结束训练。
[0021]在其中一个实施例中，所述根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点包括：
[0022]将采样时间连续且声音幅值均超出第一门限阈值的多个频谱点归为一个幅值聚类簇；
[0023]统计各幅值聚类簇中声音幅值超出第二门限幅值的频谱点的数量值；所述第二门限幅值大于第一门限幅值；
[0024]将数量值超出预设数量阈值的幅值聚类簇判定为目标幅值聚类簇；所述目标幅值聚类簇由第一目标频谱点组成。
[0025]在其中一个实施例中，所述方法还包括：
[0026]获取除所述第一目标频谱点之外的其他频谱点；
[0027]确定每个其他频谱点各自对应的声音频率；
[0028]根据所述声音频率，从所述其他频谱点中筛选出至少一个第二目标频谱点，得到目标频率聚类簇；
[0029]通过所述异常关键词、目标幅值聚类簇以及目标频率聚类簇，对人身安全进行监控。
[0030]在其中一个实施例中，所述根据所述噪音类型和异常关键词，对人身安全进行监控包括：
[0031]根据所述噪音类型以及异常关键词预估人身威胁置信度；
[0032]根据所述人身威胁置信度，对人身安全进行监控。
[0033]在其中一个实施例中，所述方法还包括：
[0034]当确定受到人身安全威胁时，获取定位信息；
[0035]基于所述定位信息确定室内置信度；
[0036]当所述室内置信度大于预设阈值时，获取气压信息及网络数据；
[0037]根据所述气压信息确定对应楼层，以及根据所述网络数据确定楼层区域；
[0038]根据所述楼层区域、异常关键词以及与所述异常关键词相关联的语音片段生成报警信息。
[0039]一种人身安全监控装置，所述装置包括：
[0040]语音片段获取模块，用于获取待识别语音，并在所述待识别语音中包含异常关键词时，获取与所述异常关键词相关联的语音片段；
[0041]噪音类型确定模块，用于对所述语音片段进行声谱分析，得到多个频谱点；所述频谱点包括采样时间以及声音幅值；根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；通过预训练的异常噪音识别模型对所述第一目标频谱点进行识别，得到与所述第一目标频谱点相对应的噪音类型；
[0042]监控模块，用于根据所述噪音类型和异常关键词，对的人身安全进行监控。
[0043]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0044]获取待识别语音，并在所述待识别语音中包含异常关键词时，获取与所述异常关键词相关联的语音片段；
[0045]对所述语音片段进行声谱分析，得到多个频谱点；所述频谱点包括采样时间以及声音幅值；
[0046]根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；
[0047]通过预训练的异常噪音识别模型对所述第一目标频谱点进行识别，得到与所述第一目标频谱点相对应的噪音类型；
[0048]根据所述噪音类型和异常关键词，对人身安全进行监控。
[0049]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0050]获取待识别语音，并在所述待识别语音中包含异常关键词时，获取与所述异常关键词相关联的语音片段；
[0051]对所述语音片段进行声谱分析，得到多个频谱点；所述频谱点包括采样时间以及声音幅值；
[0052]根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；
[0053]通过预训练的异常噪音识别模型对所述第一目标频谱点进行识别，得到与所述第一目标频谱点相对应的噪音类型；
[0054]根据所述噪音类型和异常关键词，对人身安全进行监控。
[0055]上述人身安全监控方法、装置、电子设备和存储介质，通过获取异常关键词，可以基于异常关键词获取相关联的语音片段；通过获取语音片段，可以对语音片段进行声谱分析，得到多个频谱点；通过确定各频谱点中的采样时间以及声音幅值，可以基于声音幅值以及采样时间从多个频谱点中筛选出可能为异常噪音的第一目标频谱点，从而异常噪音识别模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人身安全监控方法，其特征在于，所述方法包括：获取待识别语音，并在所述待识别语音中包含异常关键词时，获取与所述异常关键词相关联的语音片段；对所述语音片段进行声谱分析，得到多个频谱点；所述频谱点包括采样时间以及声音幅值；根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点；通过预训练的异常噪音识别模型对所述第一目标频谱点进行识别，得到与所述第一目标频谱点相对应的噪音类型；根据所述噪音类型和异常关键词，对人身安全进行监控。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取异常用语集；所述异常用语集包括多条异常用语；基于预训练的语音识别模型对所述待识语音别进行识别，得到索引网络；通过将所述索引网络以及所述异常用语集进行字符匹配，确定与所述当前待识别语音相匹配的异常用语；从与所述待识别语音相匹配的异常用语中提取出异常关键词。3.根据权利要求2所述的方法，其特征在于，所述语音识别模型包括语音分离增强模型以及目标识别模型；所述语音识别模型的训练步骤包括：获取语音分离增强模型的第一损失函数及目标识别模型的第二损失函数；基于所述第二损失函数进行反向传播，以对桥接在所述语音分离增强模型和目标识别模型之间的中间模型进行训练，得到鲁棒表征模型；对所述第一损失函数和第二损失函数进行融合，得到目标损失函数；基于所述目标损失函数对所述语音分离增强模型、鲁棒表征模型及目标识别模型进行联合训练，在满足预设收敛条件时结束训练。4.根据权利要求1所述的方法，其特征在于，所述根据所述采样时间和声音幅值从多个频谱点中筛选出第一目标频谱点包括：将采样时间连续且声音幅值均超出第一门限阈值的多个频谱点归为一个幅值聚类簇；统计各幅值聚类簇中声音幅值超出第二门限幅值的频谱点的数量值；所述第二门限幅值大于第一门限幅值；将数量值超出预设数量阈值的幅值聚类簇判定为目标幅值聚类簇；所述目标幅值聚类簇由第一目标频谱点组成。5.根...
【专利技术属性】
技术研发人员：廖光朝，
申请(专利权)人：音数汇元上海智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。