[发明专利]基于声音信号图像化的综合管廊风险识别方法和系统

权利要求书

1.一种基于声音信号图像化的综合管廊风险识别方法，其特征在于，包括以下步骤：

采集综合管廊内部的多类灾害对应的声音信号，作为样本声音信号，其中，所述样本声音信号存储于综合管廊声音信息灾害库；

对所述样本声音信号进行图像化处理，以生成所述样本声音信号的声音语谱图，并将所述声音语谱图作为所述样本声音信号的样本图像，并基于所述样本声音信号对应的灾害信息对所述样本图像进行检测框标注；

基于所述样本图像和对应的标注检测框，对构建的基于深度学习目标检测算法的灾害识别模型进行训练，以生成训练好的目标灾害识别模型；

采集所述综合管廊当前待识别的声音序列，所述声音序列中包括多个待识别声音信号；

生成所述待识别的声音序列对应的待识别声音语谱图，并将所述待识别声音语谱图输入所述目标灾害识别模型中，以输出所述待识别声音序列对应的灾害识别结果。

2.根据权利要求1所述的方法，其特征在于，所述采集综合管廊内部的多类灾害对应的声音信号，作为样本声音信号，包括：

采集所述综合管廊各类灾害发生前期和发生过程中的真实声音信号；

对所述综合管廊各类灾害发生前期和发生过程中的声音进行模拟，以生成模拟声音信号；

基于所述真实声音信号和所述模拟声音信号，生成所述样本声音信号。

3.根据权利要求1或2任一项所述的方法，其特征在于，所述基于所述真实声音信号和所述模拟声音信号，生成所述样本声音信号，包括：

对所述真实声音信号和所述模拟声音信号，进行预加重处理操作、分帧处理操作、加窗处理操作和降噪处理操作，以生成所述样本声音信号。

4.根据权利要求1所述的方法，其特征在于，所述方法，还包括：

基于所述样本声音信号的所述声音语谱图，制作对应的虚拟声音语谱图；

将所述声音语谱图和所述虚拟声音语谱图作为所述样本图像，并根据所述样本声音信号对应的灾害信息，对所述样本图像进行检测框标注。

5.根据权利要求1所述的方法，其特征在于，所述基于所述样本图像和对应的标注检测框，对构建的基于深度学习目标检测算法的灾害识别模型进行训练，以生成训练好的目标灾害识别模型，包括：

所述基于深度学习目标检测算法的灾害识别模型的特征提取骨架、检测层、融合层等网络结构根据所述样本图像的特征复杂程度与所述检测框标注结果的尺寸分布情况确定。

6.根据权利要求1所述的方法，其特征在于，所述生成所述待识别的声音序列的待识别声音语谱图，并将所述待识别声音语谱图输入所述目标灾害识别模型中，以输出所述待识别声音序列对应的灾害识别结果，包括：

将所述待识别声音语谱图输入所述目标灾害识别模型中，以输出所述待识别声音语谱图对应的预测检测框；

获取被所述目标灾害识别模型漏检的标注检测框i，并获取所述标注检测框i相邻的预测检测框i-1和预测检测框i+1；

基于所述预测检测框i-1和预测检测框i+1的属性信息，确定所述标注检测框i对应的预测检测框i的属性信息；

根据所述预测检测框i的属性信息，输出所述目标灾害识别模型漏检的所述待识别声音序列中的灾害识别结果。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

灾害识别后，获取所述待识别声音语谱图上目标检测框的属性信息；

根据每个所述目标检测框的属性信息，确定所述目标检测框的平均长度、平均高度和平均间隔长度。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

灾害识别后，获取所述待识别声音语谱图的图像尺寸；

根据所述平均长度和所述图像尺寸，预测灾害发生时目标声音信号的平均持续时间；

根据所述目标检测框的属性信息和所述图像尺寸，获取所述目标声音信号所在的频段范围；

根据所述平均间隔长度和所述图像尺寸，获取相邻的所述目标声音信号的平均间隔时长。