CN105232051B - 一种基于异常语音识别技术的儿童自主监测系统 - Google Patents

Abstract

本发明公开了一种基于异常语音识别技术的儿童自主监测系统，包括儿童端、家长智能终端及异常语音训练开发端；所述儿童端设置控制模块、信息存储模块及依次连接的语音采集模块、异常语音识别模块、GPS定位模块及GSM通信模块，所述控制模块分别与异常语音识别模块、GPS定位模块、信息存储模块、语音采集模块及GSM通信模块连接，所述信息存储模块分别与异常语音识别模块、GPS定位模块及GSM通信模块连接；所述家长智能终端分别与控制模块及GSM模块通信；所述异常语音训练开发端向所述异常语音识别模块提供更新及维护功能；本发明具有两种工作模式，可以延长儿童端的使用时间。

Description

一种基于异常语音识别技术的儿童自主监测系统

技术领域

本发明涉及监测领域，具体涉及一种基于异常语音识别技术的儿童自主监测系统。

背景技术

儿童安全一直以来都是家长和社会关心的重要话题。儿童的年龄及其认知能力有限的特点决定了其在安全方面的监护需求大，而如今在许多场合儿童的安全情况不易得到监控。这正是许多家长所担心的。

如今可穿戴设备盛行，目前市场上有不少可穿戴设备是针对儿童设计的，他们的基本功能一般是防止儿童走失、监测儿童周边的环境。它们虽然在外观上各有差异，但功能上大多都保留了GPS定位功能、GSM通话功能以及查看时间和设定闹钟等基本功能。一些产品除了上述提到的基本功能外，还增加了10秒录音以及危险区域划定的功能，同时加入一些儿童运动监测的功能。

但是现有产品有明显的局限性：都是需要家长端主动控制儿童端设备进行GPS定位或对儿童周边环境录音监测。这样的设备在很大程度上依赖家长端主动发起监测指令，而又不能在儿童真正需要求助时联系家长。这样会导致一方面，家长需要不时地对儿童端发起监测以确定儿童的环境安全性，对家长的解放程度远远不够；另一方面，可能在儿童真正遇到危险的时候，家长并不知情，因而并不会主动发起监测，使安全监测功能失去作用。因此，针对这种局限性，我们迫切需要一种能自主监测儿童安全的系统和方法。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于异常语音识别技术的儿童自主监测系统。

本发明采用如下技术：

一种基于异常语音识别技术的儿童自主监测系统，包括儿童端、家长智能终端及异常语音训练开发端；

所述儿童端设置控制模块、信息存储模块及依次连接的语音采集模块、异常语音识别模块、GPS定位模块及GSM通信模块，所述控制模块分别与异常语音识别模块、GPS定位模块、信息存储模块、语音采集模块及GSM通信模块连接，所述信息存储模块分别与异常语音识别模块、GPS定位模块及GSM通信模块连接；

所述家长智能终端分别与控制模块及GSM模块通信；

所述异常语音训练开发端向所述异常语音识别模块提供更新及维护功能；

所述语音采集模块不断采集儿童周边语音信息，传输异常语音识别模块处理，所述异常语音识别模块识别是否为异常语音，如果是则调用GPS定位，同时将此次异常语音的时间信息、异常语音信息及GPS定位信息存储到信息存储模块，控制模块调用GSM通信模块，将信息存储模块的信息发送到家长智能终端，同时向智能家长端拨号报警，信息存储模块存储拨号信息。

所述儿童端包括两种工作模式，一种是正常工作模式，用于儿童离开家长状态，此时语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块开启；另一种是省电模式，适用于儿童在家长身边，此时所述语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块为关闭状态。

所述家长智能终端具体为智能手机或平板电脑，用于接收异常语音的种类和发生的具体地点，并且通过接听电话第一时间听取儿童周边的语音情况。

所述控制模块集成蓝牙模块，所述家长智能终端还包括蓝牙模块及GSM通信模块，用于在近距离时通过调用蓝牙与儿童端连接。

所述控制模块还包括用于控制蓝牙模块开启闭合的实体键。

所述异常语音识别模块采用两级分类器，第一级分类器利用梅尔频率倒谱系数表征语音的声学特征，并使用梅尔频率倒谱系数的第一维系数进行语音活动检测，确定语音的起始点和终点，对活动语音利用Teager能量算子可初步判断是正常语音还是异常语音，第二级分类器对第一分类器确定的异常语音提取特征向量，并使用第二级分类器建立的异常语音HMM模型进行匹配计算得到距离测度值，最后用K平均最邻近准则来决策具体是哪一种异常语音。

所述异常语音训练开发端采用两级监督式训练法，第一级区分正常语音和可疑的异常语音，第二级确定异常语音的种类。

所述异常语音包括哭声、尖叫声及玻璃破碎声。

本发明的有益效果：

本发明通过儿童端的语音采集模块、控制模块、异常语音识别模块、GPS定位模块、信息存储模块、GSM通信模块与家长端手机接收模块的协同工作，以及外围的异常语音训练模块提供语音库更新与维护，可以形成一整套儿童安全自主监测系统，通过两种工作模式的切换，可以在儿童安全时及时切换到省电模式，延长儿童端的使用时间。

附图说明

图1是本发明的结构框图；

图2是本发明的异常语音训练开发端的训练流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1所示，一种基于异常语音识别技术的儿童自主监测系统，包括儿童端、家长智能终端及异常语音训练开发端；

所述儿童端佩戴在儿童身上，对儿童周边信息情况进行采集、处理分析、判断和与家长智能终端进行信息交互；

所述儿童端设置控制模块、信息存储模块及依次连接的语音采集模块、异常语音识别模块、GPS定位模块及GSM通信模块，所述控制模块分别与异常语音识别模块、GPS定位模块、信息存储模块、语音采集模块及GSM通信模块连接，所述信息存储模块分别与异常语音识别模块、GPS定位模块及GSM通信模块连接；

所述家长智能终端分别与控制模块及GSM模块通信；

所述异常语音训练开发端向所述异常语音识别模块提供更新及维护功能；

所述儿童端设备包括两种工作模式，其中一种是正常工作模式，另一种是省电模式，两种工作模式切换可人为自由设置，也可以定时自动切换。当孩子一直在家长身边时，该儿童端设备可设为省电模式，此时所述语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块为关闭状态；当孩子独自出去玩等不在家长身边时的情况，该儿童端的设备设为正常工作模式，此时所述语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块开启，所述语音采集模块将不断拾取儿童周边语音信息，交予异常语音识别模块处理。

所述语音采集模块不断采集儿童周边语音信息，传输异常语音识别模块处理，所述异常语音识别模块识别是否为异常语音，如果是则调用GPS定位，同时将此次异常语音的时间信息、异常语音种类信息及GPS定位信息存储到信息存储模块，控制模块调用GSM通信模块，将信息存储模块的信息发送到家长智能终端，同时向智能家长端拨号报警，信息存储模块存储拨号信息。

所述异常语音包括哭声、呵斥声，尖叫声，爆炸声，玻璃破碎声，枪声等。

本实施例儿童端可以采用安卓开发的手环，则控制模块为安卓处理器，安卓处理器上集成蓝牙模块，采用SD卡作为信息存储模块，麦克风为语音采集模块，异常语音识别模块由异常语音训练端训练开发及提供技术支持。

异常语音识别模块就是分类器决策模块，通过语音采集模块不断从环境中采集语音，进入异常语音识别模块的第一级识别，若识别结果为异常语音，则进入第二级识别，并具体识别是哪一种异常语音，识别完毕后，在控制模块的控制下，异常语音识别模块将识别的异常语音种类信息存储到信息存储模块。

儿童端的GPS定位模块在异常语音识别模块识别出具体异常语音后，在控制模块的控制下开始工作，该模块能获取当前异常语音发生地点的经纬度和具体街道位置信息，同时将位置信息写入信息存储模块。

控制模块调用信息存储模块上存储的异常语音种类信息，GPS定位的经纬度信息和具体街道位置信息，整合以上三种信息并加载到GSM通信模块发送到家长端，同时儿童端GSM通信模块请求与家长端GSM通信模块建立实时通信，即拨号操作。

家长智能终端，可以是一部智能手机，家长智能终端可以收到定位短信和拨号报警来电，一方面可以及时提醒家长儿童端出现异常语音，同时家长还收到了异常语音的种类和发生的具体地点，另一方面家长可通过接听电话在异常语音发生后的第一时间继续关注儿童周边的语音情况。

本实施例中控制模块即安卓处理器，作为整个儿童端设备的核心控制部分，控制着正常模式和省电模式的切换，安卓处理器又控制着麦克风、GPS定位模块、GSM通信模块、异常语音识别模块和SD卡的协调运作；在省电模式下，安卓处理器控制着设备主要模块处于关闭状态，大大提高了续航能力。

如图2所示，异常语音训练开发端及异常语音识别模块，采用以下训练及检测方法：

对几种异常语音的识别的过程就是对它们进行分类，外围的异常语音训练模块，就是分类器设计模块，我们采用两级监督式训练法在PC机上进行训练，第一级的目的是区分正常语音和可疑的异常语音，第二级的作用是确定异常语音的种类。训练的整个过程就是将一定量的种类已知的异常语音样本输入学习机器，让机器学习到识别的经验，训练结果的好坏直接影响到分类的准确性。其中第一级分类器使用高斯混合模型的模型训练算法不断更新正常语音数据库，利用梅尔频率倒谱系数(MFCC)表征语音的声学特征，并使用MFCC的第一维系数改进了语音活动检测算法，准确确定语音的起始点和终点，对活动语音利用Teager能量算子即可初步判断是正常语音还是异常语音。第二级分类器建立在基于参数模型的隐马尔科夫模型(HMM)上，因为HMM可以吸收环境和语音源引起的特征参数的变动，实现非特定语音源的语音识别。用大量已知的异常语音样本y_i经过特征选择与提取后得到一定数量的特征向量利用一定数量的特征向量和对应的样本组成的数据对作为训练样本去训练学习机器，从而建立从特征向量判断样本类别y的一个数学模型，即获得了HMM模型的相关参数。对第一级分类器决策为异常语音的活动语音提取特征向量，并根据第二级分类器设计阶段建立的异常语音HMM模型进行匹配计算得到距离测度值，最后采用K平均最邻近(K-NN)准则来决策出具体是哪一种异常语音。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于异常语音识别技术的儿童自主监测系统，其特征在于，包括儿童端、家长智能终端及异常语音训练开发端；

所述儿童端设置控制模块、信息存储模块及依次连接的语音采集模块、异常语音识别模块、GPS定位模块及GSM通信模块，所述控制模块分别与异常语音识别模块、GPS定位模块、信息存储模块、语音采集模块及GSM通信模块连接，所述信息存储模块分别与异常语音识别模块、GPS定位模块及GSM通信模块连接；

所述家长智能终端分别与控制模块及GSM通信模块通信；

所述异常语音训练开发端向所述异常语音识别模块提供更新及维护功能；

所述语音采集模块不断采集儿童周边语音信息，传输到异常语音识别模块处理，所述异常语音识别模块识别是否为异常语音，如果是则调用GPS定位，同时将此次异常语音的时间信息、异常语音信息及GPS定位信息存储到信息存储模块，控制模块调用GSM通信模块，将信息存储模块的信息发送到家长智能终端，同时向家长智能终端拨号报警，信息存储模块存储拨号信息；

所述异常语音识别模块采用两级分类器，第一级分类器利用梅尔频率倒谱系数表征语音的声学特征，并使用梅尔频率倒谱系数的第一维系数进行语音活动检测，确定语音的起始点和终点，对活动语音利用Teager能量算子可初步判断是正常语音还是异常语音，第二级分类器对第一分类器确定的异常语音提取特征向量，并使用第二级分类器建立的异常语音HMM模型进行匹配计算得到距离测度值，最后用K平均最邻近准则来决策具体是哪一种异常语音。

2.根据权利要求1所述的监测系统，其特征在于，所述儿童端包括两种工作模式，一种是正常工作模式，用于儿童离开家长状态，此时语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块开启；另一种是省电模式，适用于儿童在家长身边，此时所述语音采集模块、GSM通信模块、GPS定位模块、异常语音识别模块为关闭状态。

3.根据权利要求1所述的监测系统，其特征在于，所述家长智能终端具体为智能手机或平板电脑，用于接收异常语音的种类和发生的具体地点，并且通过接听电话第一时间听取儿童周边的语音情况。

4.根据权利要求1所述的监测系统，其特征在于，所述控制模块集成蓝牙模块，所述家长智能终端还包括蓝牙模块及GSM通信模块，用于在近距离时通过调用蓝牙与儿童端连接。

5.根据权利要求4所述的监测系统，其特征在于，所述控制模块还包括用于控制蓝牙模块开启闭合的实体键。

6.根据权利要求1所述的监测系统，其特征在于，所述异常语音训练开发端采用两级监督式训练法，第一级区分正常语音和可疑的异常语音，第二级确定异常语音的种类。

7.根据权利要求1所述的监测系统，其特征在于，所述异常语音包括哭声、尖叫声及玻璃破碎声。