[发明专利]一种基于声音特征识别的快速录像检索方法及系统

说明书

技术领域

本发明属于视频监控领域，尤其涉及一种基于声音特征识别的快速录像检索方法及系统。

背景技术

网络视频监控平台是安防系统的重要组成部分，它使用户能够通过IP网络实现视频监控及视频图像的录制。网络视频监控平台能够将视频信息数字化，并通过有线或者无线IP网络进行传输。网络视频监控平台已经成为当前视频监控领域的主流技术，在网络视频监控中，可以把监控场景的视频数据传输到监控中心，使被监控场景的情况一目了然，同时可以存储被监控场景的视频数据和声音数据，这样可以为事后某件事件的调查取证提供查询依据。

当前网络视频监控系统的应用，一般是视频采集设备将采集的视频数据通过网络输入到后端监控中心，存储在存储服务器中，如网络数字硬盘录像机NVR等，以往的存储主要依靠时间，报警类别，定时，手动等，实现多种情况的录像存储。事后通过调阅录像来回放事发现场，这种全程回放需要消耗大量的时间，不利于案件的迅速侦破。一种较好的方法是，应用人脸识别或者车牌识别等算法获得监控场景的特征信息，以此作为检索关键字实现监控场景视频数据存储，事后通过检索该关键字可以快速定位录像，从而获得事件发生的完整录像。然而在某些情况下，比如遮挡、光线暗或者强光等发生时，获取的监控场景视频数据质量较差，难以应用图像处理技术提取监控场景特征信息。

当前声音检测系统在视频监控中的应用也越来越广泛。异常声音检测与识别技术在智能视频监控系统中已得到初步应用。异常声音检测与识别技术可以有效克服传统视频监控存在视场盲区的不足。因此具有较大的市场应用前景。不过在网络视频监控系统中，应用声音信号特征提取算法实现声音信号分类，以及基于此的检索还是一个空白。声音信号分类也叫做声音信号识别，可以设计模式识别系统。一个模式识别系统至少包括特征提取和分类器这两个环节，特征提取可以从信号中提取一些参量并形成特征向量，分类器可以把特征向量映射为某个类别号。

发明内容

本发明实施例的目的在于提供一种基于声音特征识别的快速录像检索方法及系统，旨在解决实际监控场景中，视频录像不能发现异常发生的弊端，在遮挡、光线暗或者强光等发生时，获取的监控场景视频数据质量较差或者感兴趣区域被遮挡，难以应用图像处理技术提取监控场景特征信息的问题。

另外还可以解决传统视频监控录像检索中，仅仅依靠时间点、报警类别等检索存储的录像，需要全程回放录像消耗大量的时间，不能及时采取有效措施的问题。

一种基于声音特征识别的快速录像检索方法，包括如下步骤：

(1)采集监控场景声音数据；

(2)提取监控场景声音数据的特征信息；

(3)对所有监控场景声音数据匹配相应的通道号和时间信息，连同带有通道号和时间信息的录像构建数据库；

(4)在所述的数据库中以所述的特征信息为索引检索监控场景声音数据，根据检索到的监控场景声音数据的通道号和时间信息在所述的数据库中检索并确定相匹配的录像。

步骤(1)中，采集监控场景声音数据可以利用麦克风等现有的音频采集或输入设备。所述的监控场景声音数据是按照时间段或数据量划分的多个音频数据文件，对于采集得到的每个监控场景声音数据依据声音特征提取技术获得监控场景声音数据特征信息；就声音特征提取技术而言可以利用现有技术，根据需要以及监控场景的特点进行提取，例如提取说话人说话特征信息，汽车行驶声声音特征信息，撞击声声音特征信息等。

作为优选，在步骤(2)中，根据特征信息对监控场景声音数据进行分类；例如根据不同的特征信息分成人说话、汽车行驶声或撞击声等不同的类别。这样可以在后期的检索过程中直接针对某类特征信息的监控场景声音数据进行检索，加快检索速度，缩小检索范围。

作为优选，步骤(2)中，根据特征信息对监控场景声音数据进行分类时，采用自动分类，首先可以利用人工神经网络等理论建立分类器，即分类数学模型，对该分类器进行训练后，利用分类器对监控场景声音数据进行自动分类。

步骤(3)中，建立以监控场景声音数据分类信息、通道号(对应特定的音频采集设备以及特定的视频采集设备)、时间信息为索引关键字的文件头，存储与其相匹配的监控现场录像。

步骤(3)中所述的数据库泛指相关的数据的集合，数据库各部分的数据可以存放在相同或不同的硬件介质中。