[发明专利]基于音频分析与深度学习的争吵识别方法

权利要求书

1.基于音频分析与深度学习的争吵识别方法，其特征在于，包括以下步骤：

S1：采集与应用场景相匹配的语音样本，包括争吵与非争吵两类数据；

S2：根据语音样本制作用于情感识别的争吵语音数据集，并构建深度神经网络进行训练，得到情感识别模型；具体包括以下步骤：

S21：根据语音样本制作用于情感识别的争吵语音数据集；

S22：对争吵语音数据集进行语音特征的提取，并对每一帧分别进行z-score标准化，得到语音特征序列组；

S23：根据语音特征序列组最大的序列长度对其他序列进行补零，将不定长序列转化为定长序列，得到定长特征序列组；

S24：根据定长特征序列组构建基于长短时记忆网络LSTM和注意力机制的深度神经网络；

S25：对深度神经网络进行训练，得到情感识别模型；

S3：根据语音样本制作用于相关性分析的对话语音数据集，得到相关性系数数据表，并构建支持向量机分类器进行训练，得到对话相关性分类模型；

S4：采集待检测音频，针对情感识别模型、对话相关性分类模型对待检测音频进行预处理，提取语音特征和相关性系数；

S5：将语音特征输入情感识别模型，判断语音情感是否符合争吵的特点；若是，执行步骤S6；否则判断为非争吵语音；

S6：将相关性系数输入对话相关性分类模型，判断语音是否处于对话的状态；若是，则判断为争吵语音，否则判断为非争吵语音。

2.根据权利要求1所述的基于音频分析与深度学习的争吵识别方法，其特征在于，在所述步骤S24中，所述定长特征序列组的数据标签进行独热编码One-Hot Encoding转换。

3.根据权利要求1所述的基于音频分析与深度学习的争吵识别方法，其特征在于，在所述步骤S24中，所述的深度神经网络具体包括：

输入层：输入步骤S23中得到的定长特征序列组，并对“0”值进行过滤；

单向LSTM层：含有与特征序列维度一一对应的神经元，对时序信息进行初步提取，返回全部输出的特征序列；

双向LSTM层：连接新的单向LSTM层，与上一层单向LSTM层输出一一对应，用于进一步时间信息建模，经过双向传播，返回全部输出的特征序列；

注意力机制层：从双向LSTM层输出的每一时间步中发现序列的依赖关系；

第一全连接层：含有多个神经元，执行全连接运行，输出为：

F＝f(W·t+b)

其中，W为全连接层的权重值；所述t为全连接层的输入；b为全连接层的偏置层；所述f(·)为ReLu激活函数，公式为f(x)＝max(0,x)，所述x为该函数的自变量；

第一Dropout层：连接在第一全连接层后，重叠率为0.3，为了避免过拟合；

第二全连接层：含有多个神经元；

第二Dropout层：连接在第二全连接层后，重叠率为0.2；

输出层：该层神经元个数为2，通过sigmoid回归算法将特征映射到目标的两个分类，即愤怒/不愤怒；其中，sigmoid函数值在0～1之间，其函数形式为：

f(x)＝1/(1+e^-x)

其中，x为该函数的自变量。