[发明专利]婴儿哭声识别方法、装置、电子设备及存储介质

权利要求书

1.一种婴儿哭声识别方法，其特征在于，所述方法包括：

获取待处理婴儿哭声音频，将所述待处理婴儿哭声音频划分为多段音频；

通过预训练的神经网络对多段所述音频进行特征提取，得到多个音频特征；

根据多个所述音频特征构建特征图；

通过预训练的图卷积神经网络对所述特征图进行分类，得到对所述待处理婴儿哭声音频的哭声识别结果。

2.如权利要求1所述的方法，其特征在于，所述通过预训练的神经网络对多段所述音频进行特征提取，得到多个音频特征，包括：

提取多段所述音频的谱图；

通过预训练的神经网络对多个所述谱图进行特征提取，得到多个音频特征。

3.如权利要求1所述的方法，其特征在于，所述根据多个所述音频特征构建特征图，包括：

计算多个所述音频特征中任一音频特征与其他音频特征之间的相似度；

根据所述相似度确定与所述任一音频特征相似的目标音频特征；

将所述任一音频特征和所述目标音频特征分别作为不同的节点，在所述不同的节点之间建立连接边，以及将所述不同的节点之间的相似度作为所述连接边的权重值，得到所述特征图。

4.如权利要求3所述的方法，其特征在于，所述根据所述相似度确定与所述任一音频特征相似的目标音频特征，包括：

对计算得到的多个所述相似度进行排序；

根据从前到后的顺序选取至少两个相似度对应的至少两个其他音频特征作为所述目标音频特征。

5.如权利要求1所述的方法，其特征在于，所述神经网络为深度残差网络。

6.如权利要求1所述的方法，其特征在于，所述通过预训练的图卷积神经网络对所述特征图进行分类之前，所述方法还包括：

获取初始图卷积神经网络；

通过半监督学习方式对所述初始图卷积神经网络进行训练，得到所述图卷积神经网络。

7.如权利要求1至6中任一项所述的方法，其特征在于，所述获取待处理婴儿哭声音频，包括：

获取监控设备采集的监控信息；

识别所述监控信息中是否包含婴儿哭声；

若所述监控信息中包含婴儿哭声，从所述监控信息中提取婴儿哭声作为所述待处理婴儿哭声音频；

所述得到对所述待处理婴儿哭声音频的哭声识别结果之后，所述方法还包括：

若所述待处理婴儿哭声音频的哭声识别结果为所述待处理婴儿哭声音频为预设类别的哭声，发送预警消息。

8.一种婴儿哭声识别装置，其特征在于，所述装置包括：

音频获取模块，用于获取待处理婴儿哭声音频，将所述待处理婴儿哭声音频划分为多段音频；

特征提取模块，用于通过预训练的神经网络对多段所述音频进行特征提取，得到多个音频特征；

图构建模块，用于根据多个所述音频特征构建特征图；

分类模块，用于通过预训练的图卷积神经网络对所述特征图进行分类，得到对所述待处理婴儿哭声音频的哭声识别结果。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1至7中任意一项所述的婴儿哭声识别方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的婴儿哭声识别方法的步骤。