[发明专利]一种声像联合的监控方法及系统

说明书

技术领域

本发明属于一种工业环境监控技术，特别地，涉及一种声像联合的监控方法及系统。

背景技术

目前工业环境下使用的视频监控设备主要由视频摄像头和监控显示终端组成，通过值班员对监控场所的各个场景的持续、循环的查看，判断异常情况。近些年，随着图像处理技术的进步，具有一定智能分析功能的视频实时分析系统也得到成功的应用。例如：利用连续帧的对比，判断视频场景内是否存在运动物体，来提醒值班人员的注意力；或者通过添加红外探测装置，判断是否有人或车辆的存在等等。这些措施不同程度地帮助值班人员提高警惕，提升监控力度。

但目前使用的视频监控设备绝大多数缺乏声音监控功能，即使有极少数的监控系统提供了声音传输通道，供值班人员在必要时切换到相应的通道进行监听，但因为现有技术条件下监控人员根本来不及监听各个位置的声音，因此应用很不充分，存在着“看得见，听不着”的问题。在多个视场频繁切换的过程中，值班人员容易疲劳，也难以辨认有安全隐患的地点。而另一方面，根据调查，现实中绝大部分的事故、灾难发生前都有大量的、早期的声音信息可供预警。单纯的视频监控受到功能、视角的限制难以奏效，贻误救援时机。

发明内容

本发明要提供一种声像联合的监控方法及系统，以克服现有技术存在的仅使用视频监控值班人员容易疲劳，难以辨认有安全隐患的地点，同时视频监控受到功能、视角的限制难以奏效，导致不能及时发现隐患，贻误救援时机的问题。

为克服现有技术存在的问题，本发明的技术方案是：一种声像联合的监控方法，是采用声音信号与视频信号同时使用来进行环境监测，利用声音信号的识别结果引导值班人员有选择地观察视频窗口，帮助值班人员对重点、嫌疑区域进行重点观测；声音信号的处理首先包括特征提取、模型训练、声音分类、在线学习这些步骤，最后为危险等级评估步骤：

一、特征提取步骤：

(a)短时特征：选取MFCC的阶数为L时，特征向量可表示为，

M＝[c₁，c₂，Λ，c_L]

(b)全局特征：提取以下的特征，它们各自的数学定义如下，

设待处理的声音单元被分为N个帧，P＝(p₁，p₂，Λ，p_k)是各个帧的基频：其中k为本段数据中存在基频的帧数。

1)基频的均值：w1=1kΣl=1kpl]]>

2)基频变化率：w₂＝max(p₂-p₁，p₃-p₂，Λ，p_k-p_k-1)

3)基频的标准离差：w3=1kΣl=1k(pl-w1)2]]>