[发明专利]人声智能检测方法、装置及计算机可读存储介质

权利要求书

1.一种人声智能检测方法，其特征在于，所述方法包括：

数据处理层接收包括正样本集和负样本集的训练集和标签集，其中，所述正样本集包括人声数据以及所述负样本集不包括人声数据，对所述训练集进行包括预加重和加窗分帧的预处理操作，将所述预处理操作完成的训练集输入至人声检测模型，将所述标签集输入至损失函数；

所述人声检测模型接收所述预处理操作完成的训练集并进行训练得到训练值，并将所述训练值输入至所述损失函数，所述损失函数基于所述标签集和所述训练值计算得到损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时，所述人声检测模型退出训练；

接收输入的声音数据并输入至所述人声检测模型，利用所述人声检测模型判断所述声音数据是否包括人声并输出判断结果。

2.如权利要求1所述的人声智能检测方法，其特征在于，所述数据处理层接收包括正样本集和负样本集的训练集和标签集，包括：

提取预设音频数据集AudioSet中包括的多条人工标记的声音剪辑片段做为所述负样本集；

录制多种采样频率的人声，构建所述正样本集；

基于所述正样本集和所述负样本集建立对应的标签集。

3.如权利要求2所述的人声智能检测方法，其特征在于，对所述训练集进行包括预加重和加窗分帧的预处理操作，包括：

基于数字滤波器对所述训练集的声音频率进行预加重，所述预加重的方法为：

H(z)＝1-μz^-1

其中，H(z)为所述预加重后的训练集，z为所述声音频率，μ为预加重系数；

基于所述预加重后的训练集，根据汉明窗法进行加窗分帧处理，所述汉明窗法ω(n)为：

其中，n为所述预加重后的训练集，N为所述汉明窗法的窗长，cos为余弦函数。

4.如权利要求1至3中任意一项所述的人声智能检测方法，其特征在于，所述人声检测模型接收所述预处理操作完成的训练集并进行训练得到训练值，包括：

将所述训练集输入至所述人声检测模型的第一层卷积层进行卷积操作，得到第一卷积数据集，并将所述第一卷积数据集输入至第一层池化层；

所述第一层池化层对所述第一卷积数据集进行最大化池化操作，得到第一降维数据集，并将所述第一降维数据集输入至第二层卷积层进行所述卷积操作，得到第二卷积数据集，将所述第二卷积数据集输入至第二层池化层进行所述最大化池化操作，得到第二降维数据集，并将所述第二降维数据集输入至全连接层；

所述全连接层结合激活函数对所述第二降维数据集执行计算，得到所述训练值。

5.如权利要求4所述的人声智能检测方法，其特征在于，所述卷积操作为：

其中ω’为输出数据，ω为输入数据，k为卷积核的大小，s为所述卷积操作的步幅，p为数据补零矩阵；

所述激活函数为：

其中y为所述第二降维数据集，e为无限不循环小数。

6.一种人声智能检测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的人声智能检测程序，所述人声智能检测程序被所述处理器执行时实现如下步骤：

数据处理层接收包括正样本集和负样本集的训练集和标签集，其中，所述正样本集包括人声数据以及所述负样本集不包括人声数据，对所述训练集进行包括预加重和加窗分帧的预处理操作，将所述预处理操作完成的训练集输入至人声检测模型，将所述标签集输入至损失函数；

所述人声检测模型接收所述预处理操作完成的训练集并进行训练得到训练值，并将所述训练值输入至所述损失函数，所述损失函数基于所述标签集和所述训练值计算得到损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时，所述人声检测模型退出训练；

接收输入的声音数据并输入至所述人声检测模型，所述人声检测模型判断所述声音数据是否包括人声并输出判断结果。