[发明专利]音频监控中基于深度随机森林的声音事件分类方法

权利要求书

1.一种音频监控中基于深度随机森林的声音事件分类方法，其特征在于，包括以下步骤：

步骤S1：从监控的音频文件中提取梅尔能量特征，并将其处理成特征序列；

步骤S2:对每一类声音事件训练一个深度随机森林分类器,通过组合多个二分类模型，形成最终的深度随机森林声音事件分类模型；

步骤S3:使用最终的深度随机森林声音事件分类模型对声音事件进行预测，得到声音事件的预测概率;

步骤S4:根据得到的预测概率，进行事件分类后处理,得到声音事件分类结果；

所述步骤S1具体为：

步骤S11:将音频监控文件使用时长1.2秒，每隔0.02秒的滑动窗口进行切分，得到N个音频片;

步骤S12:将切分得到的每个音频片段内，按照帧长40ms，帧移20ms进行划分，得到61个音频帧；

步骤S13:对每个音频帧计算梅尔能量特征，得到每帧123维特征；

步骤S14:将61帧合成一个数据，最终得到N*61*123的特征，将得到的特征数据处理成N*7503维序列格式，构成特征序列；

所述训练深度随机森林分类器,具体为：

步骤S21:对于级联森林中第一层级联层，输入7503维原始特征；通过对森林中所有树求平均，该森林将输出一个2维类预测概率；

步骤S22:若每层级联层包含12个森林，则在第一层级联层的末端将得到7527维的特征向量，由12个2维类向量级联7503维原始特征向量得到；

步骤S23:每个级联层接收其前一级处理的特征信息，并且级联原始特征后作为下一层的输入特征，下一级联层使用该输入特征进行训练，级联层层数将持续进行纵向深度拓展；

步骤S24:每个个级联层训练完成后，将使用验证集判断性能是否得到提升，没有提升则级联层层数将停止纵向深度拓展；

所述步骤S3具体为：

步骤S31:通过计算不同类别的训练样例在叶子结点上所占的百分比，每一颗树都会产生一个预测概率;

步骤S32:将同一个森林的所有树的预测概率做平均，输出类预测概率；

所述步骤S4具体为：

步骤S41:将预测概率阈值设置为0.5，判断每1.2秒时长的音频片段数据里某一声音事件类出现次数是否大于等于10，若是，则分类出该声音事件的类别；

步骤S42:对事件进行平滑处理，合并相邻连续事件，同时设置允许存在的最小事件长度为0.05秒，如果事件长度小于0.05秒，则删除该事件，最终得到分类结果。