[发明专利]一种装修事件检测方法、装置、计算机设备及介质

说明书

本发明公开了一种装修事件检测方法、装置、计算机设备及介质，所述方法包括麦克风或麦克风阵列实时采集声音获取待检测的声音信息；提取声音信息的声学特征；构建ResCNN神经网络模型；将所述声学特征输入所述ResCNN神经网络模型，获得装修声概率p；将所述装修声概率p与真实的结果进行比较，构造交叉熵损失函数；根据所述交叉熵损失函数对所述ResCNN神经网络模型进行训练；利用训练好的ResCNN神经网络模型进行装修声预测，若判断为装修声，则根据麦克风的设备编号识别装修事件发生的位置。本发明可有效地判断是否发生装修及识别装修地，通过联合ResCNN神经网络架构和交叉熵损失函数，不但提高装修声识别率，精确地识别某段声音是否为装修声，而且减小整个模型大小。

技术领域

本发明涉及装修领域，具体涉及一种装修事件检测方法、装置、计算机设备及介质。

背景技术

营造良好的家居生活，装修是其中一个重要的环节。人们根据自己的喜好去对雇用装修公司来对房屋进行装修，装修成自己喜欢的风格，以提升房屋的美感以及自己居住的舒适感。然而，装修的同时会影响到邻居休息，导致因为社区装修而发生很多的争吵事件。为了避免这一情况的再次发生，现在很多小区有明确规定时间段进行房屋装修，但并不是所有的装修公司都会按照小区规定的时间进行装修，有些装修公司会因为赶进度悄悄装修，进而影响到楼层近的居民的休息。为了防止不正当的装修行为造成扰民的影响，有必要对装修事件进行监测。

发明内容

本发明的目的在于对非装修期间的装修行为进行有效、精准地定位，以便及时制止装修行为，避免装修噪声扰民。鉴于此，本发明提供一种装修事件检测方法及装置，通过音频事件检测以及声源定位技术，及时检测到具体是哪个房间在进行装修，并能通知物业及时去处理。

为此，本发明提供的一种装修事件检测方法，包括如下步骤：

步骤一，通过麦克风或麦克风阵列实时采集声音获取待检测的声音信息；

步骤二，从所述声音信息提取声音信息的声学特征；

步骤三，构建ResCNN神经网络模型；

步骤四，将所述声学特征输入所述ResCNN神经网络模型，获得装修声预测概率p；

步骤五，将所述装修声预测概率p与真实的结果进行比较，构造交叉熵损失函数；

步骤六，根据所述交叉熵损失函数对所述ResCNN神经网络模型进行训练；

步骤七，利用训练好的ResCNN神经网络模型进行装修声预测，判断装修声预测概率p是否大于等于设定阈值，若是则所述声音信息判断为装修声，若概率p小于设定阈值，则所述声音信息判断为非装修声。

进一步的，所述提取声音信息的声学特征过程包括将时域信号转换成时域-频域信息。在发明实施例中，优选地，采用短时傅里叶变换和梅尔频率倒谱系数将时域信号转换成时域-频域信息。

优选的，步骤四后，还将所述装修声预测概率p进行softmax分类(1-p，p)，即概率p为0～1的二分类。

在本发明实施例中，按照如下构建ResCNN神经网络模型，卷积网络核的层数为16层：

第1层使用5×5的卷积核，通道数为64，步长为2；

3-8层为3个ResBlock残差块，卷积核为3×3，通道数为64，步长为1；

第9层使用5×5的卷积核，通道数为128，步长为2；

10-15层为3个ResBlock残差块，卷积核为3×3，通道数为128，步长为1；

接着在时间轴方向上做平均；

第16层为全连接层，输出节点数为512。