[发明专利]一种环境声音分类分析方法、装置和介质

说明书

本申请公开了一种环境声音分类分析方法、装置和介质，其中的方法包括：对语音训练数据进行数据增强；进行数据预处理并对环境声音进行特征提取，得到特征向量；采用深度CNN网络对所述特征向量进行模型训练，获得所述环境声音的多分类模型并输出。本申请采用了数据增强的方法，通过实验表明其训练效果相比没有数据增强有了较大提升，提高了系统的实用价值。

技术领域

本申请涉及声音分类领域，尤其是一种环境声音分类分析方法、装置和介质。

背景技术

环境声音分类的使用任务能够应用于分类不同的乐器、机器人导航、医疗或医疗问题、客户或买家提醒、犯罪警报系统、语音活动识别、基于音频的灾难识别、环境监测等。声音分类可以参与到许多应用中，这表明了它的重要性。声音的分类是为了识别小的音频剪辑或录音的声音类别。对从音频信号中得到的接收到的信息进行了详细的分析。认识到周围声音的环境并立即采取行动以降低风险是非常重要的。

相关技术采用的环境声音分类技术多为通过提取环境声音的mfcc及机器学习分类方法实现，这种方法较为简单，并且由于环境声音的噪音较多，对环境声音分类分析的精确度较低。

因此，相关技术存在的上述技术问题亟待解决。

发明内容

本申请旨在解决相关技术中的技术问题之一。为此，本申请实施例提供一种环境声音分类分析方法、装置和介质，能够较为准确地对环境声音进行分类和分析。

根据本申请实施例一方面，提供一种环境声音分类分析方法，所述方法包括：

对语音训练数据进行数据增强；

进行数据预处理并对环境声音进行特征提取，得到特征向量；

采用深度CNN网络对所述特征向量进行模型训练，获得所述环境声音的多分类模型并输出。

在其中一个实施例中，所述对语音训练数据进行数据增强，至少包括：

移动正音高：对所述环境声音的数据集中每个音频信号的音高都增加一个正因子；

移动负音高：对所述环境声音的数据集中每个音频信号的音高都增加一个负因子；

静音修剪：修剪音频剪辑的静音部分，只保留包含声音的部分；

快速拉伸时间：将数据集的每个声音剪辑的时间拉伸到原来的2倍；

缓慢拉伸时间：将数据集的每个声音剪辑的时间拉伸到原来的0.7倍；

添加白噪声：在所述环境声音的数据集中添加白噪声。

在其中一个实施例中，所述数据预处理包括增加端点检测和去静音功能。

在其中一个实施例中，所述对环境声音进行特征提取，包括：

采用Log-MEL特征提取方法对环境声音进行特征提取。

在其中一个实施例中，采用Log-MEL特征提取方法对环境声音进行特征提取后，所述方法还包括：

得到梅尔频谱图和梅尔倒谱系数；

将所述梅尔频谱图和梅尔倒谱系数进行特征融合。

在其中一个实施例中，得到梅尔频谱图和梅尔倒谱系数后，所述方法还包括：

将所述梅尔频谱图和梅尔倒谱系数输入深度CNN网络进行模型训练。

在其中一个实施例中，在所述对语音训练数据进行数据增强前，所述方法还包括：

获取环境声音；

对所述环境声音进行滤波处理，过滤环境噪音。