声音检测异常

　　最近，我们将为室内紧急情况提供遇险声音检测系统. 这是两篇好论文.

　　优秀论文:

　　1. 监督分级异常声音检测系统的设计与实现. 叶建杰撰写. 您可以浏览CNKI.

　　2. 智能监控前端系统中异常声音检测的实现张露露等.

　　顾名思义，异常声音检测是指检测现实生活中的异常声音，例如*敏*感*词*声，爆炸，哭声，尖叫声等，属于公共安全监控类别.

　　传统的公共安全监视使用*敏*感*词*，但是*敏*感*词*只能监视特定的固定场景，并且受到光线的很大影响. 因此，在电影中，*敏*感*词*分子只要知道相机的位置，就可以轻松避开相机. 或用布覆盖相机.

　　随着移动互联网的发展，各种可穿戴安全产品陆续出现，但它们都是主要的定位卡. 360°儿童手表可以录制，但是父母需要积极拨动手表进行录制. 这种应用场景是父母希望知道孩子何时拨动手表以使其记录10秒钟. 这段10秒的录音可以让父母知道孩子的环境吗？更不用说主动拨手表的父母了，何时打电话的问题. 父母只有在记住时才打电话，也许孩子已经处于危险之中. 360°儿童手表还可以让儿童在遇到危险时求助. 所谓的危险必须是孩子有意识并意识到需要寻求帮助. 因此，这种父母主动拨号或孩子主动寻求帮助的方法是被动的.

　　如果使用异常声音判断孩子是否安全，该怎么办？因为声音是全向的并且不受光线影响，所以理论上可以检测到异常声音. 但是，异常声音的类型太复杂. 更不用说哭，尖叫，*敏*感*词*声和其他不同的异常声音了，甚至*敏*感*词*声也可能是手*敏*感*词*，步*敏*感*词*等. 并且在现实生活中干扰太多，因此仍然很难准确确定异常声音.

　　该领域当前有两种解决方案，一种称为异常声音检测，另一种称为异常声音分类. 所谓的异常声音检测是指检测是否存在异常声音，但无法确定是哪种异常声音. 异常声音分类是对异常声音进行分类，从而知道检测到哪种异常声音. 显然，这种方法可以限制检测到的异常声音的类型.

　　异常声音检测的一般方法是对背景环境声音进行建模，所有与模型不匹配的异常声音均为异常声音. 异常声音分类是对异常声音进行建模，而与模型匹配的都是某些异常声音. . 这两种方法的原理实际上是从语音识别中得出的，实质上是训练分类器. 语音识别的关键在于分类器的辨别力，即模型的准确性，而准确性又取决于所选的声学特征和声音模型.

　　除MPEG-7外，常用的声学功能是MFCC. 我们听到的声音收录太多无用的信息. MFCC使用24维特征系数来表示声音帧. 当然，除了GMM等之外，常用的声音模型当然是HMM. 因此，使用这种方法的难度与语音识别的难度相同.

　　在实时检测中，准确检测异常声音的开始和结束也很重要. 因为如果起点和终点不准确，将不可避免地影响模型的准确性，从而影响识别率.

　　参考: