[发明专利]鼾声识别方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种鼾声识别方法，其特征在于，包括：

获取用户在睡眠期间的声音数据；

将所述声音数据输入至预设神经网络的第一卷积模块，得到第一特征输出；

对所述声音数据进行频谱化处理，并将频谱化处理结果输入至所述预设神经网络的第二卷积模块，得到第二特征输出；

将所述第一特征输出和所述第二特征输出拼接，得到融合特征输出；

利用所述预设神经网络的分类模块对所述融合特征输出进行预测，得到所述声音对应的鼾声识别结果。

2.根据权利要求1所述的鼾声识别方法，其特征在于，所述第一卷积模块包括依次连接的多个第一卷积子模块和全局平均池化层，所述第一卷积子模块包括依次连接的一维卷积层、第一激活函数层、批量归一化层及第一最大池化层；

所述将所述声音数据输入至预设神经网络的第一卷积模块，得到第一特征输出，包括：

将所述声音数据输入至所述多个第一卷积子模块，以逐步进行特征提取、线性激活、归一化及降维处理，得到数据特征表示；

利用所述全局平均池化层对所述数据特征表示进行下采样，得到第一特征输出。

3.根据权利要求1所述的鼾声识别方法，其特征在于，所述对所述声音数据进行频谱化处理，并将频谱化处理结果输入至所述预设神经网络的第二卷积模块，得到第二特征输出，包括：

基于梅尔频率倒谱系数对所述声音数据进行处理，得到频谱特征输出；

将所述频谱特征输出输入至所述预设神经网络的第二卷积模块，得到第二特征输出。

4.根据权利要求3所述的鼾声识别方法，其特征在于，所述第二卷积模块包括依次相连的多个第二卷积子模块，所述第二卷积子模块包括依次连接的二维卷积层、第二激活函数层及第二最大池化层；

所述将所述频谱特征输出输入至所述预设神经网络的第二卷积模块，得到第二特征输出，包括：

将所述频谱特征输出输入至所述依次相连的多个第二卷积子模块，以进行逐步卷积和池化，得到第二特征输出。

5.根据权利要求1所述的鼾声识别方法，其特征在于，所述将所述第一特征输出和所述第二特征输出拼接，得到融合特征输出，包括：

对所述第二特征输出进行扁平化处理；

将所述第一特征输出与扁平化处理后的第二特征输出拼接，得到融合特征输出。

6.根据权利要求1所述的鼾声识别方法，其特征在于，所述将所述第一特征输出和所述第二特征输出拼接，得到融合特征输出，包括：

对所述第一特征输出的维度大小进行调整，以使调整后的第一特征输出的维度大小与所述第二特征输出相同；

将所述第二特征输出与所述调整后的第一特征输出拼接，得到融合特征输出。

7.根据权利要求1所述的鼾声识别方法，其特征在于，所述预设神经网络通过多种噪音数据和多个用户在睡眠期间的声音数据训练得到。

8.根据权利要求1所述的鼾声识别方法，其特征在于，所述方法还包括：

当获取到所述用户在睡眠期间的多段声音数据时，利用所述多段声音数据更新所述预设神经网络。

9.一种鼾声识别装置，其特征在于，包括：

获取模块，用于获取用户在睡眠期间的声音数据；

第一卷积处理模块，用于将所述声音数据输入至预设神经网络的第一卷积模块，得到第一特征输出；

第二卷积处理模块，用于对所述声音数据进行频谱化处理，并将频谱化处理结果输入至所述预设神经网络的第二卷积模块，得到第二特征输出；

拼接模块，用于将所述第一特征输出和所述第二特征输出拼接，得到融合特征输出；

识别模块，用于利用所述预设神经网络的分类模块对所述融合特征输出进行预测，得到所述声音对应的鼾声识别结果。

10.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行如权利要求1-8任一项所述的鼾声识别方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在处理器上运行时执行如权利要求1-8任一项所述的鼾声识别方法。