[发明专利]健康智能检测方法、装置、电子设备及可读存储介质

权利要求书

1.一种健康智能检测方法，其特征在于，所述方法包括：

获取音频信号，并对所述音频信号进行预处理，得到检测信号；

将所述检测信号转化为数字矩阵；

将得到的数字矩阵作为检测样本，输入健康智能检测模型中，以获取检测结果；其中，所述健康智能检测模型是采用迁移学习和卷积神经网络对训练样本进行训练得到的；

其中，所述将所述检测音频信号转化为数字矩阵包括：

将所述检测音频信号进行分帧和移帧，得到多帧检测信号；

通过傅里叶变换，确定各帧检测信号的功率谱和周期图；

对各帧检测信号的功率谱和周期图进行梅尔滤波变换，得到各帧检测信号的梅尔频谱能量；

对各帧检测信号的梅尔频谱能量进行离散余弦变换，得到数字矩阵；

所述健康智能检测模型是采用下述方法训练得到的：采集获取训练音频样本和测试音频样本，所述训练音频样本包括人类语音音频、情感语音音频和训练用咳嗽音频，所述测试音频样本为测试用咳嗽音频；

依次对所述人类语音音频、情感语音音频、训练用咳嗽音频和测试用咳嗽音频进行训练，并调整所述健康智能检测模型的参数，以得到最终的健康智能检测模型。

2.根据权利要求1所述的方法，其特征在于，所述音频信号为咳嗽声；

所述获取音频信号，并对所述音频信号进行预处理，得到检测信号包括：

通过检测终端的音频采集设备获取时长为3-30s的咳嗽声音信号；

对所述咳嗽声音信号进行杂音清理，以删除其中无效、不相关、损坏或不完整的信号，将清理后的咳嗽声音信号作为检测信号。

3.根据权利要求1所述的方法，其特征在于，所述数字矩阵的形状是根据选择的参数确定的，选择的参数至少包括采样频率、跟踪持续时间和系数数目。

4.根据权利要求1所述的方法，其特征在于，所述健康智能检测模型的结构是多个不同的卷积神经网络连接在一起形成的；且各卷积神经网络都是通过迁移学习改进的。

5.根据权利要求4所述的方法，其特征在于，所述健康智能检测模型的各卷积神经网络的全连接层和卷积层的数量和参数是基于迁移学习进行训练确定的。

6.一种健康智能检测装置，其特征在于，该装置包括：

获取单元，用于获取音频信号，并对所述音频信号进行预处理，得到检测音频信号；

信号处理单元，用于将所述检测音频信号转化为数字矩阵；

检测单元，用于将得到的数字矩阵作为检测样本，输入健康智能检测模型中，以获取检测结果；其中，所述健康智能检测模型是采用迁移学习和卷积神经网络对训练样本进行训练得到的；

其中，信号处理单元，具体用于将所述检测音频信号进行分帧和移帧，得到多帧检测信号；

通过傅里叶变换，确定各帧检测信号的功率谱和周期图；

对各帧检测信号的功率谱和周期图进行梅尔滤波变换，得到各帧检测信号的梅尔频谱能量；

对各帧检测信号的梅尔频谱能量进行离散余弦变换，得到数字矩阵；

所述健康智能检测模型是采用下述方法训练得到的：采集获取训练音频样本和测试音频样本，所述训练音频样本包括人类语音音频、情感语音音频和训练用咳嗽音频，所述测试音频样本为测试用咳嗽音频；

依次对所述人类语音音频、情感语音音频、训练用咳嗽音频和测试用咳嗽音频进行训练，并调整所述健康智能检测模型的参数，以得到最终的健康智能检测模型。

7.一种电子设备，包括：处理器；以及

被安排成存储计算机可执行指令的存储器，其特征在于，所述可执行指令在被执行时使所述处理器执行所述权利要求1~5所述方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，其特征在于，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~5所述方法。