感冒检测系统、设备、车辆和存储介质技术方案

提供了一种感冒检测系统、设备、车辆和存储介质。感冒检测系统包括：语音片段采样模块，用于获取采样到的受检者的第一多个非静默语音片段；语音片段处理模块，用于处理第一多个非静默语音片段，得到第一多个沙哑置信度；第一置信度模块，用于对在第一时间段内采样到的第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征；第二置信度模块，用于对在第二时间段内采样到的所第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征；结果检测模块，用于对第一置信度特征和第二置信度特征进行分析处理，得到感冒检测结果。感冒检测结果。感冒检测结果。

【技术实现步骤摘要】
感冒检测系统、设备、车辆和存储介质


[0001]本公开涉及人工智能领域，特别是涉及一种感冒检测系统、计算机设备、车辆、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]近年来，随着社会经济和科技增长，人们的生活水平得到不断提升，私家车数量的不断提升，人们用车的频数和时长也有了显著提升。当人们健康意识提升，车内健康问题成为不可忽视的重要问题。生活节奏的加快和工作强度的增加，使得人们的抵抗力减弱、长期处于亚健康状态、生病的概率增加。因此让人们及时了解自己的身体状况是非常有必要的。

技术实现思路

[0003]提供一种缓解、减轻或甚至消除上述问题中的一个或多个的机制将是有利的。
[0004]根据本公开的一方面，提供了一种感冒检测系统，包括：语音片段采样模块，用于获取在多个时间点处采样到的受检者的第一多个非静默语音片段；语音片段处理模块，用于利用第一深度神经网络模型处理所述第一多个非静默语音片段，得到第一多个沙哑置信度，其中，所述第一多个沙哑置信度与所述第一多个非静默语音片段一一对应，所述第一多个沙哑置信度中的每个沙哑置信度表征相应非静默语音片段包括所述受检者由感冒引起的声音沙哑的声学特征的概率；第一置信度模块，用于对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征，其中，所述第一置信度特征表征在所述第一时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；第二置信度模块，用于对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征，其中，所述第二时间段的时长小于所述第一时间段的时长，所述第二置信度特征表征所述第二时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；结果检测模块，用于利用第二深度神经网络模型对所述第一置信度特征和所述第二置信度特征进行分析处理，得到所述第二深度神经网络模型输出的感冒检测结果。
[0005]根据本公开的另一方面，提供了一种计算机设备，包括：至少一个处理器；以及至少一个存储器，其上存储有计算机程序，其中，所述计算机程序在被所述至少一个处理器执行时，使所述至少一个处理器实现包括以下各项的操作：获取在多个时间点处采样到的受检者的第一多个非静默语音片段；利用第一深度神经网络模型处理所述第一多个非静默语音片段，得到第一多个沙哑置信度，其中，所述第一多个沙哑置信度与所述第一多个非静默语音片段一一对应，所述第一多个沙哑置信度中的每个沙哑置信度表征相应非静默语音片段包括所述受检者由感冒引起的声音沙哑的声学特征的概率；对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征，其中，所述第一置信度特征表征在所述第一时间段
内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计信息；对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征，其中，所述第二时间段的时长小于所述第一时间段的时长，所述第二置信度特征表征所述第二时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计信息；利用第二深度神经网络模型对所述第一置信度特征和所述第二置信度特征进行分析处理，得到所述第二深度神经网络模型输出的感冒检测结果。
[0006]根据本公开的又另一方面，提供了一种车辆，包括上述感冒检测系统或上述计算机设备。
[0007]根据本公开的再另一方面，提供了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，使所述处理器实现包括以下各项的操作：获取在多个时间点处采样到的受检者的第一多个非静默语音片段；利用第一深度神经网络模型处理所述第一多个非静默语音片段，得到第一多个沙哑置信度，其中，所述第一多个沙哑置信度与所述第一多个非静默语音片段一一对应，所述第一多个沙哑置信度中的每个沙哑置信度表征相应非静默语音片段包括所述受检者由感冒引起的声音沙哑的声学特征的概率；对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征，其中，所述第一置信度特征表征在所述第一时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征，其中，所述第二时间段的时长小于所述第一时间段的时长，所述第二置信度特征表征所述第二时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；利用第二深度神经网络模型对所述第一置信度特征和所述第二置信度特征进行分析处理，得到所述第二深度神经网络模型输出的感冒检测结果。
[0008]根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使所述处理器实现包括以下各项的操作：获取在多个时间点处采样到的受检者的第一多个非静默语音片段；利用第一深度神经网络模型处理所述第一多个非静默语音片段，得到第一多个沙哑置信度，其中，所述第一多个沙哑置信度与所述第一多个非静默语音片段一一对应，所述第一多个沙哑置信度中的每个沙哑置信度表征相应非静默语音片段包括所述受检者由感冒引起的声音沙哑的声学特征的概率；对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征，其中，所述第一置信度特征表征在所述第一时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征，其中，所述第二时间段的时长小于所述第一时间段的时长，所述第二置信度特征表征所述第二时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；利用第二深度神经网络模型对所述第一置信度特征和所述第二置信度特征进行分析处理，得到所述第二深度神经网络模型输出的感冒检测结果。
[0009]根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
[0010]在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：
[0011]图1是图示出根据示例性实施例的可以在其中实施本文描述的各种方法的示例系统的示意图；
[0012]图2是图示出根据示例性实施例的感冒检测系统的示意性框图；
[0013]图3是图示出图2的感冒检测系统的语音片段处理模块的示意性框图；
[0014]图4是图示出图2的感冒检测系统的示例工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种感冒检测系统，包括：语音片段采样模块，用于获取在多个时间点处采样到的受检者的第一多个非静默语音片段；语音片段处理模块，用于利用第一深度神经网络模型处理所述第一多个非静默语音片段，得到第一多个沙哑置信度，其中，所述第一多个沙哑置信度与所述第一多个非静默语音片段一一对应，所述第一多个沙哑置信度中的每个沙哑置信度表征相应非静默语音片段包括所述受检者由感冒引起的声音沙哑的声学特征的概率；第一置信度模块，用于对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，以生成第一置信度特征，其中，所述第一置信度特征表征在所述第一时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；第二置信度模块，用于对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非静默语音片段分别对应的第三多个沙哑置信度进行处理，以生成第二置信度特征，其中，所述第二时间段的时长小于所述第一时间段的时长，所述第二置信度特征表征所述第二时间段内所述受检者的声音包括由感冒引起的声音沙哑的声学特征的概率的统计特征；结果检测模块，用于利用第二深度神经网络模型对所述第一置信度特征和所述第二置信度特征进行分析处理，得到所述第二深度神经网络模型输出的感冒检测结果。2.根据权利要求1所述的系统，其中，所述获取在多个时间点处采样到的受检者的第一多个非静默语音片段，包括：获取所述受检者的语音音频流；在所述多个时间点处对所述语音音频流进行采样，以得到多个采样语音片段；利用语音识别模型处理所述多个采样语音片段中的每个采样语音片段，以输出所述每个采样语音片段相应的非静默语音片段，从而得到所述第一多个非静默语音片段。3.根据权利要求1所述的系统，其中，所述语音片段处理模块包括：声学特征提取模块，用于提取所述第一多个非静默语音片段中的每个非静默语音片段的声学特征向量；声学特征处理模块，用于将所述每个非静默语音片段的声学特征向量输入所述第一深度神经网络模型，得到所述第一深度神经网络模型输出的该非静默语音片段的沙哑概率，所述沙哑概率表征该非静默语音片段的声学特征向量表征由感冒引起的声音沙哑的声学特征的概率；置信度评测模块，用于根据所述沙哑概率和预设置信区间生成该非静默语音片段的沙哑置信度，以得到所述第一多个沙哑置信度。4.根据权利要求1所述的系统，其中，所述对在第一时间段内采样到的所述第一多个非静默语音片段中的第二多个非静默语音片段分别对应的第二多个沙哑置信度进行处理，包括：以第一采样率对所述第二多个沙哑置信度进行采样，得到第一采样置信度集合，并对所述第一采样置信度集合中的沙哑置信度进行统计处理，并且其中，所述对在第二时间段内采样到的所述第一多个非静默语音片段中的第三多个非
静默语音片段分别对应的第三多个沙哑置信度进行处理，包括：以第二采样率对所述第三多个沙哑置信度采样，得到第二采样置信度集合，并对所述第二采样置信度集合中的沙哑置信度进行统计处理。5.根据权利要求4所述的系统，其中，所述对所述第一采样置信度集合中的沙哑置信度进行统计处理，包括：计算所述第一采样置信度集合中的沙哑置信度的最大值、最小值、平均值和均方差中的至少一个，并根据计算结果提取出所述第一置信度特征，并且其中，所述对所述第二采样置信度集合中的沙哑置信度进行统计处理，包括：计算所述第二采样置信度集合中的沙哑置信度的最大值、最小值、平均值和均方差中的至少一个，以根据计算结果提取出所述第二置信度特征。6.根据权利要求1
‑
5中任一项所述的系统，其中，所述第一深度神经网络模型包括卷积神经网络结构、长短时记忆神经网络结构、时延神经网络结构中的至少一个，并且其中，所述第二深度神经网络模型基于卷积神经网络结构、长短时记忆神经网络结构、时延神经网络结构中的至少一个。7.一种计算机设备，包括：至少一个处理器；以及至少一个存储器，其上存储有计算机程序，其中，所述计算机程序在被所述至少一个处理器执行时，使...

【专利技术属性】
技术研发人员：徐培来，
申请(专利权)人：北京宾理信息科技有限公司，
类型：发明
国别省市：