[发明专利]一种哭声分类方法、装置、服务器和可读存储介质

说明书

本发明实施例涉及音频检测领域，公开了一种哭声分类方法、装置、服务器和可读存储介质。本发明中，哭声分类方法，包括：获取训练数据集，数据集包括多个音频训练信号，每个音频训练信号对应有分类标签；提取各音频训练信号的梅尔域倒谱系数MFCC特征，基于音频训练信号的MFCC特征，训练获得用于确定音频训练信号是否为哭声的第一模型；提取各音频训练信号的对数梅尔频谱Logmel特征，基于Logmel特征，训练获得用于对哭声分类的第二模型；利用第一模型判断采集到的音频信号是否为哭声；响应于判定为哭声，利用第二模型对采集到的音频信号分类。本申请提供一种新的哭声分类方法，自动对哭声进行分类，且准确率高。

技术领域

本发明实施例涉及音频检测领域，特别涉及哭声分类方法、装置、服务器和可读存储介质。

背景技术

婴幼儿因为不擅长语言表达，所以通常使用哭声反映自己悲哀病痛，哭声也是婴幼儿提出各种要求和意愿的表达形式，充满着丰富的感情色彩。父母可以通过察颜辨声来熟悉和了解孩子的这种奇特的语言，根据婴幼儿哭声的高低、强弱、面部表情及手舞足蹈的程度来综合判断，细心观察，正确地理解和寻找啼哭声中所表达的真正含义和原因。而年轻父母由于经验不足等原因，往往无法较好地识别哭声的含义，需要借助用于哭声分类的电子设备等进行自动地识别。

现有的儿童哭声分类方法，主要是将采集到的音频信号进行傅里叶变换(FFT)后统计基频频率和能量波形，凭借基频和波形来对哭声进行分类，将基频频率和能量最大值大于阈值的哭声判断为疼痛类哭声；将基频频率最大值小于阈值且波形平稳的哭声判断为饥饿类哭声；波形平稳且每帧能量低于饥饿类哭声的声音判断为困乏类哭声。

本申请的发明人发现现有技术中至少存在如下问题：阈值的划分是分类效果好坏的关键，但是并不存在一种科学的阈值划分方法，阈值划分主要靠经验和小范围的实验，阈值设定并不客观。同样地，波形平稳度也存在较强的主观性。另外，受音色、音量、音调等因素的影响，不同儿童在不同情况下的哭声千差万别，小范围的实验统计在大数据上可能并不适用，仅仅通过设置阈值和观察波形平稳度的方法，并不能够客观地对大数据进行哭声识别。该因此，方法过于简单，主观性较强，广泛使用时准确率不高。

发明内容

本发明实施方式的目的在于提供一种哭声分类方法、装置、服务器和可读存储介质，使得提供一种新的哭声分类方法，自动对哭声进行分类，且准确率高。

为解决上述技术问题，本发明的实施方式提供了一种哭声分类方法，包括：获取训练数据集，数据集包括多个音频训练信号，每个所述音频训练信号对应有分类标签；提取各所述音频训练信号的梅尔域倒谱系数MFCC特征，基于音频训练信号的MFCC特征，训练获得用于确定音频训练信号是否为哭声的第一模型；提取各所述音频训练信号的对数梅尔频谱Logmel特征，基于Logmel特征，训练获得用于对哭声分类的第二模型；利用所述第一模型判断采集到的音频信号是否为哭声；响应于判定为哭声，利用所述第二模型对采集到的音频信号分类。

本发明的实施方式还提供了一种哭声分类装置，包括：获取模块，用于获取训练数据集，数据集包括多个音频训练信号，每个所述音频训练信号对应有分类标签；第一提取模块，用于提取各所述音频训练信号的梅尔域倒谱系数MFCC特征，基于音频训练信号的MFCC特征，训练获得用于确定音频训练信号是否为哭声的第一模型；第二提取模块，用于提取各所述音频训练信号的对数梅尔频谱Logmel特征，基于Logmel特征，训练获得用于对哭声分类的第二模型；第一处理模块，用于利用所述第一模型判断采集到的音频信号是否为哭声；第二处理模块，用于响应于判定为哭声，利用所述第二模型对采集到的音频信号分类。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的哭声分类方法。