技術(shù)領(lǐng)域

本發(fā)明涉及一種用于樓宇安防的異常聲音快速檢方法。具體應(yīng)用在智能樓宇的安防領(lǐng)域，以提高異常聲音檢測的處理速度。

背景技術(shù)：

[0002]目前，安防監(jiān)控系統(tǒng)，多是以視頻監(jiān)控與報(bào)警聯(lián)動為代表的治安防控體系，幾乎淪為一種提供事后取證錄像的工具。在這種安防監(jiān)控系統(tǒng)中，一般采用傳統(tǒng)的系統(tǒng)配置模式:即集中式地建設(shè)監(jiān)控中心，將視頻數(shù)據(jù)上傳至集中式設(shè)置的視頻服務(wù)器，并在該集中節(jié)點(diǎn)進(jìn)行數(shù)據(jù)存儲;在視頻采集點(diǎn)上，一般采用視頻采集器，控制多路視頻攝像頭。該視頻采集器采用寬帶線路，或是采用無線網(wǎng)卡，在帶寬不足的情況下，可能會采用多路無線線路捆綁的方式連接公眾互聯(lián)網(wǎng)，與同樣連接在互聯(lián)網(wǎng)上的視頻監(jiān)控中心進(jìn)行數(shù)據(jù)傳輸。但這種監(jiān)控系統(tǒng)，都具有一些固有的局限性:對于安全威脅的響應(yīng)速度關(guān)系到一個安全系統(tǒng)的整體性能。傳統(tǒng)的電視監(jiān)控系統(tǒng)通常都由安全工作人員對安全威脅作出響應(yīng)和處理，這對于處理一般性的、實(shí)時響應(yīng)要求較低的安全威脅來說已經(jīng)足夠。但是很多情況下，在威脅發(fā)生時，需要安全系統(tǒng)的多個功能部分，甚至多個安全相關(guān)的部門在最短的時間內(nèi)協(xié)調(diào)配合，共同處理危機(jī)。這時候，監(jiān)控系統(tǒng)的響應(yīng)速度將直接關(guān)系到用戶的人身或財(cái)產(chǎn)的損失情況。

利用聲音、視頻等信息對場景進(jìn)行多模態(tài)自動判斷是安防領(lǐng)域的發(fā)展趨勢。聲音處理方法目前偏重于人的語音識別，主要包括身份識別和內(nèi)容識別，對于情感識別只有少量研究。本發(fā)明異常聲音識別主要針對典型室內(nèi)危險情況，如呼救、爭吵和其他異常情況的聲音數(shù)據(jù)進(jìn)行快速檢測，這種檢測是在線實(shí)時的。相當(dāng)于后臺處理的初步篩選。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是針對樓宇室內(nèi)環(huán)境異常聲音快速檢測的要求，設(shè)計(jì)了一種在線實(shí)時檢測方法。

本發(fā)明的技術(shù)核心是：聲音信號的每一個切片數(shù)據(jù)時間段為一個數(shù)據(jù)特征提取周期，在信號采集的同時，利用本發(fā)明設(shè)計(jì)的方法進(jìn)行特征數(shù)據(jù)的迭代計(jì)算，采樣完畢則完成數(shù)據(jù)特征提取。

本文中的特定信號是具有明顯特征，便于提取和進(jìn)一步分析的信號，定義如下。

定義1某特定信號可以展開為馬克勞林級數(shù)階多項(xiàng)式，

(1)

若具有個根，則稱為目標(biāo)信號。記。

定義2設(shè)要識別的信號稱為源信號，記為。

定義3設(shè)為的個根，若，且使得，則稱為的樣本信號。

定義4設(shè)為的根的序列，若，其中，()，則稱為的零根差集。

定義5設(shè)區(qū)間由數(shù)()劃分成個子區(qū)間，滿足，的條件，對于每一個子區(qū)間用函數(shù)來表示該區(qū)間的特征值，

(2)

則稱為該區(qū)間的特征值函數(shù)。子區(qū)間在區(qū)間中位置稱為區(qū)間序，用來表示。

定義6由的零根差集在區(qū)間子區(qū)間上的特征值組成的向量，稱為的零根差特征。

為了研究特征量的物理意義，特做以下情況的分析。設(shè)的周期為，那么的根可以表示，則，那么，中有,,,。

定理1若為單一頻率的周期信號，其零根差特征集中只能有一個子區(qū)間上的特征值非0，其他的為0。

推理1若為單一頻率的周期信號，其零根差特征集的非0值對應(yīng)的子區(qū)間序越小，對應(yīng)的頻率越高。

推理2若其零根差特征集中有大于1個子區(qū)間上的特征值非0，那么一定不是單一頻率信號。

定義7若子區(qū)間的范圍為，那么，稱為子區(qū)間對應(yīng)的中心頻率。

定理2若有兩個非0的零根差特征，那么包含的信號頻率大部分介于小區(qū)間序區(qū)間的中心頻率和大區(qū)間序區(qū)間的中心頻率之間。

推理3若有多個非0的零根差特征，那么包含的信號頻率大部分介于小區(qū)間序區(qū)間的中心頻率和大區(qū)間序區(qū)間的中心頻率之間。

定理3對于目標(biāo)信號，其樣本信號的特征值一定相同。

推理4若信號與目標(biāo)信號的特征值不同，那么一定不是的樣本函數(shù)。

因此，零根差特征部分反映了在某段時間內(nèi)的頻率特征。

若在一段時間內(nèi)，某信號表示為

(3)

式中，其對應(yīng)的零根差特征為，那么對于就由零根差特征矩陣

(4)

部分反映了信號在時間段內(nèi)的頻譜特征，稱為類頻譜特征矩陣。

推理5對于目標(biāo)信號，其樣本信號的類頻譜特征矩陣一定相同。

識別判據(jù)

定義8若信號與信號根差特征值相同，那么在特定的情況下，存在一個固定的概率值，表征是樣本信號的概率，那么稱為樣本信號概率。

若信號與信號在每一段上的根差特征值相同，樣本信號概率分別是，那么是樣本信號的概率為

(5)

若足夠大，且，那么接近1。

定義9對于若存在一個分段數(shù)足夠大的信號，有相同的類頻譜特征矩陣，那么是的樣本信號的概率接近1，則稱類頻譜特征矩陣為到的概率判據(jù)。

在工程實(shí)際中，由于存在采樣誤差，放大電路溫漂等影響直接使用判據(jù)會造成漏判，因此還需要對類頻譜特征矩陣作歸一化和容錯處理。

對于，點(diǎn)乘為常數(shù)，使得，為常數(shù)，以減少放大電路溫漂對識別的影響。那么若滿足

(6)

則認(rèn)為信號為的樣本信號。式中為負(fù)容錯矩陣和為正容錯矩陣，分別表示為。

，

(7)

，

(8)

算法設(shè)計(jì)

對于，若采樣的頻率為，算法處理段連續(xù)的時間信號，每段的時間長度均為，每段的采樣點(diǎn)數(shù)為，那么算法的在線處理流程為：

STEP1:新數(shù)據(jù)是否為過零點(diǎn)數(shù)據(jù)，滿足以下任意條件,

(1)且

(2)且

(3)且

如果不滿足則結(jié)束，等待下一個數(shù)據(jù).

STEP2:計(jì)算與上一個過零點(diǎn)時間的根差。

使用函數(shù)，計(jì)算零根差特征，并記入根差值特征矩陣

STEP4:判斷，如果是則=0，準(zhǔn)備計(jì)算下一段。

判斷，如果是則把新生成的與目標(biāo)信號的根差值特征矩陣按照識別判據(jù)判斷，輸出結(jié)果.等待下一個識別周期。

對于新的采樣數(shù)據(jù)首先判斷是否是過零點(diǎn)，如果是則計(jì)算零根差，并且更新根差值特征矩陣。如果處理完段連續(xù)的時間信號，則利用容錯矩陣來判斷所得的根差值特征矩陣與目標(biāo)信號的根差值特征矩陣的范圍，最后判定是否為目標(biāo)信號。

附圖說明

圖1本發(fā)明方法應(yīng)用的實(shí)物圖；

圖2是本方法分析的報(bào)警聲音的圖譜；

圖3是本方法分析的破玻聲音的圖譜。

具體實(shí)施方式

在8位CPU系統(tǒng)應(yīng)用傳統(tǒng)的算法對于8K的采樣頻率是無法實(shí)時在線處理的，因此本文應(yīng)用有序零根差算法設(shè)計(jì)了特種聲音在線識別裝置，實(shí)物圖如圖1所示。單片機(jī)采用51系列的STC12C5616AD。通過駐極體電容式傳聲器把變成點(diǎn)參數(shù)，通過音頻電路放大器把信號變?yōu)?~5V的電壓信號，STC12C5616AD自帶12位AD，變成數(shù)字信號。STC12C5616AD使用11.0592M晶振，采樣頻率8K，8位采樣精度。

在本算法中，首先建立目標(biāo)信號的概率判據(jù)。利用采集數(shù)據(jù)做出類頻譜圖。

從圖2中可以看出報(bào)警聲音的頻率特征值主要表現(xiàn)在和，的數(shù)據(jù)范圍在100-140，的數(shù)據(jù)范圍在10-40，其他都為0。從圖3中可以看出玻璃破碎的聲音主要表現(xiàn)在、和。從而建立目標(biāo)特征矩陣。使用C51編寫識別程序。編寫占用內(nèi)部RAM94.2字節(jié)外部RAM共63字節(jié)，程序大小2704字節(jié)。采樣后零根差特征值的計(jì)算時間為92us，滿足實(shí)現(xiàn)8K采樣頻率的實(shí)時處理要求，歸一化類頻譜特征矩陣計(jì)算和判斷的時間為4.9ms滿足音頻信號監(jiān)控要求。