CN106683333B - 设备安全检测方法及装置 - Google Patents
设备安全检测方法及装置 Download PDFInfo
- Publication number
- CN106683333B CN106683333B CN201710034825.9A CN201710034825A CN106683333B CN 106683333 B CN106683333 B CN 106683333B CN 201710034825 A CN201710034825 A CN 201710034825A CN 106683333 B CN106683333 B CN 106683333B
- Authority
- CN
- China
- Prior art keywords
- sound
- upper limit
- vibration
- sound type
- audio signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 142
- 230000005236 sound signal Effects 0.000 claims abstract description 218
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims description 16
- 230000035939 shock Effects 0.000 claims description 7
- 238000009411 base construction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009429 distress Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 101100236764 Caenorhabditis elegans mcu-1 gene Proteins 0.000 description 2
- 101100346932 Mus musculus Muc1 gene Proteins 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提出一种设备安全检测方法及装置，其中，方法包括：获取用于对被检测设备进行安全检测的检测数据，其中，检测数据包括音频信号、倾斜角度信号和/或震动信号，通过检测数据确定被检测设备是否处于危险状态；若被检测设备处于危险状态，则输出告警信息。本发明中，不仅可以基于音频信号进行检测，而且还可以基于音频信号与倾斜角度信号和震动信号中的至少一个对设备的安全进行检测，而且还可以同步对音频信号、倾斜角度信号和/或震动信号进行检测，当其中一个满足输出告警信息的条件时，则发出告警信息。由于检测过程中融合了声音、倾斜角度以及震动等多个因数，克服了现有技术中单纯依赖震动传感器而存在的问题，使得检测的准确率较高。
Description
技术领域
本发明涉及设备安全技术领域，尤其涉及一种设备安全检测方法及装置。
背景技术
随着全球一体化的强化和信息化建设脚步的加快，各个行业的生产和服务效率需求不断提高，自助终端开始从银行业向其他领域快速扩张，应用范围扩张到电信、电力、医疗、航空、零售等多个行业和领域。
目前多采用震动传感器来检测自助终端的是否遭到外部暴力开启或破坏，利用震动传感器检测时，检测精度往往受到震动传感器的灵敏度的限制。一般情况下，震动传感器灵敏度越高检测到震动的可能性越高。而实际中应用中当震动传感器灵敏度高时却会导致出现频繁误报警的情况，而降低震动传感器的灵敏度，这样又使漏报率增加。当震动传感器的灵敏度降低后，当破坏者利用如螺丝刀等小型工具对自助终端的柜体、锁孔或者出卡口等位置，实施撬动等破坏行为时就极可能漏报。
发明内容
为此，本发明的第一个目的在于提出一种设备安全检测方法，用于解决现有通过震动传感器对设备的安全进行检测时，检测精度往往受到震动传感器灵敏度的限制的问题。
本发明的第二个目的在于提出一种设备安全检测装置。
为达上述目的，本发明第一方面实施例提出了一种设备安全检测方法，包括：
获取用于对被检测设备进行安全检测的检测数据，所述检测数据包括音频信号、倾斜角度信号和/或震动信号；
通过所述检测数据确定所述被检测设备是否处于危险状态；
若所述被检测设备处于危险状态，则输出告警信息。
作为本发明第一方面实施例的另一种可选的实现方式，所述通过所述检测数据确定所述被检测设备是否处于危险状态包括：
通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型；
判断所述音频信号对应的声音类型是否为指定的声音类型；
若所述音频信号对应的声音类型为指定的声音类型，则确定所述被检测设备处于危险状态。
作为本发明第一方面实施例的另一种可选的实现方式，在确定所述音频信号对应的声音类型为非指定的声音类型之后，所述方法还包括：
判断所述倾斜角度信号的倾斜上限是否超出所述音频信号对应的声音类型的第一下限阈值；所述确定所述被检测设备处于危险状态包括：
若所述倾斜上限超出所述第一下限阈值，则确定所述被检测设备处于危险状态。
作为本发明第一方面实施例的另一种可选的实现方式，在确定所述音频信号对应的声音类型为非指定的声音类型之后，所述方法还包括：
判断所述震动信号的震动上限是否超出所述音频信号对应的声音类型的第二下限阈值；
所述确定所述被检测设备处于危险状态包括：
若所述震动上限超出所述第二下限阈值，则确定所述被检测设备处于危险状态。
作为本发明第一方面实施例的一种可选的实现方式，，所述通过所述检测数据确定所述被检测设备是否危险状态，还包括：
判断所述倾斜角度信号的倾斜上限是否超出第一目标上限阈值；或者，
判断所述震动信号的震动上限是否超出第二目标上限阈值；
若所述倾斜上限超出所述第一目标上限阈值，或所述震动上限超出所述第二目标上限阈值，则确定所述被检测设备处于危险状态。
作为本发明第一方面实施例的另一种可选的实现方式，所述通过预设声音模板信息库识别所述音频信号对应的声音类型之前，所述方法还包括：
对采集到的所述音频信号进行滤波；
获取滤波后的所述音频信号的短时能量；
在所述音频信号的短时能量超过预设的短时能量时，提取所述音频信号的音频特征；
所述通过预设声音模板信息库识别所述音频信号对应的声音类型包括：
通过所述声音模板信息库识别所述音频特征对应的声音类型。
作为本发明第一方面实施例的另一种可选的实现方式，还包括：
采集不同声音类型的样本音频信号；
对所述样本音频信号进行滤波；
从滤波后的所述样本音频信号中提取样本音频特征；
利用所述样本音频特征构建所述声音模板信息库。
作为本发明第一方面实施例的另一种可选的实现方式，还包括：
在采集不同声音类型的样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号；
获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将所述加和平均值作为该声音类型对应的第一上限阈值；
获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将所述加和平均值作为该声音类型对应的第二上限阈值。
作为本发明第一方面实施例的另一种可选的实现方式，所述在采集不同声音类型的样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号之后，所述方法还包括：
将所有声音类型的所述第一上限阈值进行加权，得到所述第一目标上限阈值；
将所有声音类型的所述第二上限阈值加权，得到所述第二目标上限阈值。
作为本发明第一方面实施例的另一种可选的实现方式，所述在采集不同声音类型的样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号之后，所述方法还包括：
获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第一下限阈值；
获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第二下限阈值。
为达上述目的，本发明第二方面实施例提出了一种设备安全检测装置，包括：
数据获取模块，用于获取用于对被检测设备进行安全检测的检测数据，其中，所述检测数据包括音频信号、倾斜角度信号和/或震动信号；
确定模块，用于通过所述检测数据确定所述被检测设备是否处于危险状态；
输出模块，用于若所述被检测设备处于危险状态，则输出告警信息。
作为本发明第二方面实施例的另一种可选的实现方式，所述确定模块，包括：
声音识别单元，用于通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型；
判断单元，用于判断所述音频信号对应的声音类型是否为指定的声音类型；
确定单元，用于若所述音频信号对应的声音类型为指定的声音类型，则确定所述被检测设备处于危险状态。
作为本发明第二方面实施例的另一种可选的实现方式，所述判断单元，还用于确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述倾斜角度信号的倾斜上限是否超出所述音频信号对应的声音类型的第一下限阈值；
所述确定单元，具体用于若所述倾斜上限超出所述第一下限阈值，则确定所述被检测设备处于危险状态。
作为本发明第二方面实施例的另一种可选的实现方式，所述判断单元，还用于在确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述震动信号的震动上限是否超出所述音频信号对应的声音类型的第二下限阈值；
所述确定单元，具体用于若所述震动上限超出所述第二下限阈值，则确定所述被检测设备处于危险状态。
作为本发明第二方面实施例的另一种可选的实现方式，所述判断单元，还用于判断所述倾斜角度信号的倾斜上限是否超出第一目标上限阈值；或者，判断所述震动信号的震动上限是否超出第二目标上限阈值；
所述确定单元，具体用于若所述倾斜上限超出所述第一目标上限阈值，或所述震动上限超出所述第二目标上限阈值，则确定所述被检测设备处于危险状态。
作为本发明第二方面实施例的另一种可选的实现方式，所述声音识别单元，包括：
滤波子单元，用于对采集到的所述音频信号进行滤波；
获取子单元，用于获取滤波后的所述音频信号的短时能量；
提取子单元，用于在所述音频信号的短时能量超过预设的短时能量时，提取所述音频信号的音频特征；
识别子单元，用于通过所述声音模板信息库识别所述音频特征对应的声音类型。
作为本发明第二方面实施例的另一种可选的实现方式，还包括：
信息库构建模块，用于采集不同声音类型的样本音频信号，对所述样本音频信号进行滤波，从滤波后的所述样本音频信号中提取样本音频特征，利用所述样本音频特征构建所述声音模板信息库。
作为本发明第二方面实施例的另一种可选的实现方式，还包括：
记录模块，用于在所述信息库构建模块采集不同声音类型的所述样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号；
阈值获取模块，用于获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将所述加和平均值作为该声音类型对应的第一上限阈值，以及获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将所述加和平均值作为该声音类型对应的第二上限阈值。
作为本发明第二方面实施例的另一种可选的实现方式，所述阈值获取模块，还用于将所有声音类型的所述第一上限阈值进行加权，得到所述第一目标上限阈值，以及将所有声音类型的所述第二上限阈值加权，得到所述第二目标上限阈值。
作为本发明第二方面实施例的另一种可选的实现方式，所述阈值获取模块，还用于获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第一下限阈值，以及获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第二下限阈值。
本发明实施例的设备安全检测方法及装置，由于检测数据包括音频信号、倾斜角度信号和/或震动信号，不仅可以基于音频信号进行检测，而且还可以基于音频信号与采集到的倾斜角度信号和震动信号中至少一个，对设备的安全进行检测，而且还可以同步对音频信号、倾斜角度信号和/或震动信号进行检测，当其中一个满足输出告警信息的条件时，则发出告警信息。由于检测过程中融合了声音、倾斜角度以及震动等多个因数，使得检测的准确率较高，而且克服了现有技术中单纯依赖震动传感器而存在的问题，降低了误报率。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种设备安全检测方法的流程示意图；
图2为本发明实施例提供的另一种设备安全检测方法的流程示意图；
图3为本发明实施例提供的一种通过预设声音模板信息库识别音频信号对应的声音类型的流程示意图；
图4为本发明实施例提供的一种预先构建声音模板信息库的流程示意图；
图5为本发明实施例提供的另一种设备安全检测方法的流程示意图；
图6为本发明实施例提供的另一种设备安全检测方法的流程示意图；
图7为本发明实施例提供的另一种设备安全检测方法的流程示意图；
图8为本发明实施例提供的一种设备安全检测装置的结构示意图；
图9为本发明实施例提供的另一种设备安全检测装置的结构示意图；
图10为本发明实施例提供的一种确定模块12的结构示意图；
图11为本发明实施例提供的一种声音识别单元121的结构示意图；
图12为本发明实施例所提供的一种设备安全检测系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的设备安全检测方法及装置。
图1为本发明实施例提供的一种设备安全检测方法的流程示意图。如图1所示，该设备安全检测方法包括以下步骤：
S101、获取用于对被检测设备进行安全检测的检测数据，所述检测数据包括音频信号、倾斜角度信号和/或震动信号。
S102、通过检测数据确定被检测设备是否处于危险状态。
如果确定出被检测设备处于危险状态，则执行S103；否则，返回执行S101。
S103、输出告警信息。
具体地，在被检测设备上安装有拾音装置，通过该拾音装置能够对该设备本体和周围的声音进行收集，得到音频信号。一般情况下，被检测设备正常使用状态下，采集到的音频信号中一般不会携带干扰或者杂音。例如，正常开锁的音频信号可能对应一个锁打开的一个短时声音。而当恶意撬锁时所采集的音频信号可能对应一个具有波动或者杂音的短时声音。本实施例中，可以在获取到音频信号后，根据该音频信号判断被检测设备是否处于危险状态。当处于文危险状态时，则可以输出告警信息。
进一步地，为了提高对被检测设备的安全检测的精确性，还可以在被检测设备上安装有双轴倾角传感器和/或震动传感器。通过双轴倾角传感器对被检测设备水平和竖直方向上的倾斜情况进行检测，可以从双轴倾角传感器采集倾斜角度信号。通过震动传感器对设备的震动情况进行检测，可以从震动传感器中采集震动信号。
当根据音频信号未确定出被检测设备处于危险状态时，可以进一步地根据采集到的倾斜角度信号和/或震动信号进行判断。例如，可以预先设置第一阈值，当倾斜角度信号的倾斜上限超出第一阈值，则可以确定出被检测设备处于危险状态，则可以输出告警信息。再例如，预先设置第二阈值，当震动信号的震动上限超出第二阈值，则可以确定出被检测设备处于危险状态，则可以输出告警信息。
实际应用中，音频信号、倾斜角度信号和/或震动信号为同步检测，当其中一个信号满足输出告警信息时，则会发出告警信息。例如，当震动信号的震动上限较大，超出第二阈值时，就会发出告警信息。
当确定出被检测设备未处于危险状态时，则返回执行S101。
优选地，震动传感器可以为压电式的震动传感器，该震动传感器利用压电晶体的压电效应进行震动检测，即输出电荷信号与外力成正比，该震动传感器除了测量震动之外，还可以对外力的动态激振力进行判断。
在从双轴倾角传感器和震动传感器上获取到的倾斜角度信号和震动信号是模拟信号，需要对模拟的倾斜角度信号和震动信号进行模数转换，得到数字的倾斜角度信号和震动信号。
本实施例提供的设备安全检测方法，由于检测数据包括音频信号、倾斜角度信号和/或震动信号，不仅可以基于音频信号进行检测，而且还可以基于音频信号结合传感器采集到的倾斜角度信号和/或者震动信号，对设备的安全进行检测，而且还可以同步对音频信号、倾斜角度信号和/或震动信号进行检测，当其中一个信号满足输出告警信息时，则会发出告警信息。由于对设备进行安全检测时，融合声音、设备倾斜以及设备震动等因数，使得检测的准确率较高，而且克服了现有技术中单纯依赖震动传感器而存在的问题，降低了误报率。
图2为本发明实施例提供的另一种设备安全检测方法的流程示意图。如图2所示，该设备安全检测方法包括以下步骤：
S201、获取用于对被检测设备进行安全检测的检测数据。
其中，检测数据包括音频信号。
S202、通过预设声音模板信息库识别音频信号对应的声音类型。
其中，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型。
图3为本发明实施例提供的一种通过预设声音模板信息库识别音频信号对应的声音类型的流程示意图。如图3所示，该通过预设声音模板信息库识别音频信号对应的声音类型包括以下步骤：
S301、对采集到的音频信号进行滤波。
实际应用中，通过设置在被检测设备上的拾音装置手机的音频信号，往往会携带一些噪声或者出现被检测设备周围的人声等，可以对该音频信号进行滤波，从音频信号中滤出噪声或人声等。
S302、获取滤波后的音频信号的短时能量。
将滤波后的音频信号进行短时能量特征分析，获取到该音频信号的短时能量、短时平均幅度和/或短时过零率曲线等。
S303、在短时音频信号超过预设的短时能量时，提取音频信号的音频特征。
在进行短时能量特征分析后，可以根据该短时能量特征分析后的结果，判断是否对音频信号进行音频特征提取。一般情况下，当短时能量较小时，说明该音频信号的分贝很小，就可以不用对音频信号进行后续处理。本实施例中，预先设置一个短时能量阈值，当音频信号的短时能量超过短时能量阈值时，才会提取出该音频信号的音频特征。
S304、通过声音模板信息库识别所述音频特征对应的声音类型。
本实施例中，预先构建有一个声音模板信息库。在该信息库中存储有多个声音模板。每个声音模板对应识别一种声音类型。在获取到音频信号的音频特征后，可以利用该音频特征在声音模板信息库中进行匹配，得到与该音频特征匹配的声音模板，进而识别出与该音频特征对应的声音类型。
图4为本发明实施例提供的一种构建声音模板信息库的流程示意图。如4所示，该构建声音模板信息库包括以下步骤：
S401、采集不同声音类型的样本音频信号。
为了形成一个包括不同声音类型的声音模板信息库，可以预先对被检测设备在各种情况下发出的声音进行收集，不同情况下发出的声音对应不同的声音类型。在采集不同声音类型的样本音频信号时，需要对每个种情况下的声音进行多次收集。例如，可以10次在设备外壳被撞击的情况下收集设备外壳撞击声。测试人员可以以不同的力度对设备外壳的不同部位进行撞击，以形成多个设备外壳撞击声，即形成多个设备外壳撞击的训练音频信号。进一步地，可以记录每次对设备外壳进行撞击时产生的倾斜角度信号，该倾斜角度信号为样本倾斜角度信号。进一步地，可以记录每次对设备外壳进行撞击时产生的震动信号，该震动信号为样本震动信号。可选地，利用同一声音类型下采集到的样本倾斜角度信号，形成该声音类型的倾斜约束，利用同一声音类型下采集到的样本震动信号，形成该声音类型的震动约束。
本实施例中，需要对各种情况下被检测设备发出的声音进行收集。被检测设备在不同情况下发出的不同类型的声音如表1所示。
表1
S402、对样本音频信号进行滤波。
在获取到样本音频信号后，样本音频信号中可能包含有噪声或者人声等信息，则对样本音频信号进行滤波，以滤出无关信息。
S403、从滤波后的样本音频信号中提取样本音频特征。
在滤波完成后，从滤波后的样本音频信号中提取样本音频特征。
S404、利用样本音频特征构建声音模板信息库。
本实施例中，预先构建一个训练模型，该训练模型可以基于神经网络等机器学习的算法进行构建。在获取到样本音频特征后，将样本音频特征输入到预设的训练模型中进行训练，从而可以形成各声音类型对应的声音模板。本实施例中，按照表1采集样本音频信号进行训练后，得到的声音模板如表2所示。进一步地，在获取到训练的声音模板后，可以利用所有的声音模板，构建一个声音模板信息库。
表2
| 序号 | 声音模板 |
| 1 | 设备外壳的撞击声 |
| 2 | 设备外壳缝隙撬动声 |
| 3 | 设备门锁撬动声 |
| 4 | 设备移动式滚轮声 |
| 5 | 显示器破碎声 |
| 6 | 呼救声 |
S203、判断音频信号对应的声音类型是否为指定的声音类型。
本实施例中，可以从预先构建的声音模板信息库中选取部分声音类型作为指定的声音类型。当采集到的音频信号对应的声音类型为指定的声音类型时，则需要输出告警信息。例如，显示屏的玻璃破碎声和/或呼救声，这些情况下相对来被检测设备来说，破坏性比较大，则可以直接输出告警信息，即显示屏的玻璃破碎声和/或呼救声将作为指定的声音类型。
如果音频信号对应的声音类型为指定的声音类型，则执行S204。而如果音频信号对应的声音类型非指定的声音类型，则可以将检测数据丢弃，返回执行S201。
S204、确定被检测设备处于危险状态，输出告警信息。
当确定被检测设备处于危险状态时，则可以直接输出告警信息，以提醒被检测设备的管理人员注意。
本实施例提供的设备安全检测方法，获取用于对被检测设备进行安全检测的检测数据，其中，检测数据包括音频信号，基于音频信号对被检测设备的安全进行检测，当音频信号对应的声音类型为指定的声音类型时，可以确定该设备处于危险状态，需要输出告警信息。本实施例中，通过多次采集的样本数据，并且基于构建的训练模型进行训练后，得到声音模板信息库，然后基于该声音模板信息库对音频信号进行识别，从而识别音频信号所对应的声音类型的准确率较高，进而通过被检测设备所发出的声音，识别被检测设备是否处于危险状态的准确率也会得到提升。
图5为本发明实施例提供的另一种设备安全检测方法的流程示意图。如图5所示，该设备安全检测方法包括以下步骤：
S501、获取用于对被检测设备进行安全检测的检测数据。
其中，检测数据包括音频信号，以及倾斜角度信号和震动信号中的一个。
本实施例中，以检测数据中包括音频信号和倾斜角度信号为例进行处理过程的介绍。下图6中对应的实施例中以检测数据中包括音频信号和震动信号为例进行处理过程的介绍。
获取检测数据的具体过程可参加上述实施例中相关内容的记载，此处不再赘述。
S502、判断检测数据中的倾斜角度信号的倾斜上限是否超出第一目标上限阈值。
由上表1可知，在构建声音模板信息库的过程中，在收集不同声音类型的样本音频信号的同时收集所伴随的样本倾斜角度信号和样本震动信号。
对同一声音类型的所有样本倾斜角度信号的倾斜上限进行提取，获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将该加和平均值作为该声音类型对应的第一上限阈值。进一步地，将所有声音类型的第一上限阈值进行加权，得到第一目标上限阈值。
从检测数据的倾斜角度信号中提取出倾斜上限，将该提取出的倾斜上限与第一目标上限阈值进行比较。如果判断出该提取出的倾斜上限未超出第一目标上限阈值，则执行S503。如果判断出该提取出的倾斜上限超出第一目标上限阈值，则说明被检测设备的倾斜程度较大，出现倾倒的概率较高，表明被检测设备处于危险状态，则可以执行S506即输出告警信息，以提醒被检测设备的管理人员注意。
S503、通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型。
具体过程可参见上述实施例中相关内容的记载，此处不再赘述。
S504、判断音频信号对应的声音类型是否为指定的声音类型。
具体判断过程可参见上述实施例中相关内容的记载，此处不再赘述。
如果音频信号对应的声音类型非指定的声音类型，则执行S505。如果音频信号对应的声音类型为指定的声音类型，则执行S506。
S505、判断倾斜角度信号的倾斜上限是否超出音频信号对应的声音类型的第一下限阈值。
对同一声音类型的所有样本倾斜角度信号的倾斜下限进行提取，获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将该加和平均值作为该声音类型对应的第一下限阈值。
如果倾斜角度信号的倾斜上限超出第一下限阈值，则执行S506。如果倾斜角度信号的倾斜上限未超出音频信号对应的声音类型的第一下限阈值，则执行S507丢弃该检测数据。
S506、确定被检测设备处于危险状态，输出告警信息。
S507、丢弃检测数据。
将检测数据丢弃后，返回执行S501继续对被检测设备进行安全检测。
本实施例中，从被检测设备上同时采集音频信号和倾斜角度信号，基于音频信号和倾斜角度信号，来确定被检测设备是否处于危险状态，使得准确性更高，克服了现有技术中单纯依赖震动传感器而存在的问题，可以降低误报率降低，并且在确定出存在风险时智能报警输出。
图6为本发明实施例提供的另一种设备安全检测方法的流程示意图。如图6所示，该设备安全检测方法包括以下步骤：
S601、获取用于对被检测设备进行安全检测的检测数据。
其中，检测数据包括音频信号，以及倾斜角度信号和震动信号中的一个。
本实施例中，以检测数据中包括音频信号和震动信号为例进行处理过程的介绍。
S602、判断检测数据中的震动信号的震动上限是否超出第二目标上限阈值。
由上表1可知，在构建声音模板信息库的过程中，在收集不同声音类型的样本音频信号的同时收集所伴随的样本倾斜角度信号和样本震动信号。
对同一声音类型的所有样本震动信号的震动上限进行提取，获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将该加和平均值作为该声音类型对应的第二上限阈值。将所有声音类型的第二上限阈值加权，得到第二目标上限阈值。
从检测数据的震动信号中提取出震动上限，将该提取出的震动上限与第二目标上限阈值进行比较。如果判断出该提取出的震动上限未超出第二目标上限阈值，则执行S603。如果判断出该提取出的震动上限超出第二目标上限阈值，则说明被检测设备当前的震动剧烈，表明被检测设备处于危险状态，则可以执行S606即输出告警信息，以提醒被检测设备的管理人员注意。
S603、通过预设声音模板信息库识别所述音频信号对应的声音类型。
其中所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型。
具体过程可参见上述实施例中相关内容的记载，此处不再赘述。
S604、判断音频信号对应的声音类型是否为指定的声音类型。
具体判断过程可参见上述实施例中相关内容的记载，此处不再赘述。
如果音频信号对应的声音类型非指定的声音类型，则执行S605。如果音频信号对应的声音类型为指定的声音类型，则执行S606。
S605、判断震动信号的震动上限是否超出音频信号对应的声音类型的第二下限阈值。
对同一声音类型的所有样本震动信号的震动下限进行提取，获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将该加和平均值作为该声音类型对应的第二下限阈值。
如果震动信号的震动上限超出第二下限阈值，则执行S606。如果震动信号的震动上限未超出音频信号对应的声音类型的第二下限阈值，则丢弃该检测数据。
S606、确定被检测设备处于危险状态，输出告警信息。
S607、丢弃检测数据。
将检测数据丢弃后，返回执行S501继续对被检测设备进行安全检测。
本实施例中，从被检测设备上同时采集音频信号和震动号，基于音频信号和震动角度信号，来确定被检测设备是否处于危险状态，使得准确性更高，克服了现有技术中单纯依赖震动传感器而存在的问题，可以降低误报率降低，并且在确定出存在风险时智能报警输出。
图7为本发明实施例提供的另一种设备安全检测的应用示意图。如图7所示，该安全设备检测方法包括以下步骤：
S701、采集检测数据。
其中，检测数据中包括音频信号、倾斜角度信号和震动信号。
本实施例中可以同步地根据音频信号、倾斜角度信号和/或震动信号，对被检测设备的安全情况进行检测，当其中一个信号满足输出告警信息时，则会发出告警信息。
S702、检测用于安全检测的相应模块所处的使能状态。
在检测之间，可以对用于检测当前设备的装置的状态进行检测，识别该装置是否处于正常工作状态。
S703、判断倾斜角度信号的倾斜上限是否超出第一目标上限阈值。
如果判断倾斜角度信号的倾斜上限未超出第一目标上限阈值，则执行S704；否则，执行S710。
S704、判断震动信号的震动上限是否超出第二目标上限阈值。
如果判断震动上限未超出第二目标上限阈值，则执行S705；否则，执行S710。
S705、对音频信号进行滤波和短时能量分析。
S706、当音频信号的短时能量超出预设的短时能量时，则提取音频信号的音频特征。
本实施例中，如果音频信号的短时能量较小，则可以丢弃掉不对该音频信号进行后续处理。
S707、从声音模板信息库中获取音频信号的音频特征对应的声音类型。
音频信号对应的声音类型可以为撞击声、门缝撬动声、门锁撬动声、设备移动声、显示器的玻璃破碎声和呼救声中的一种。当音频信号对应的声音类型为撞击声、门缝撬动声、门锁撬动声和移动式滚轮声中的任意一种时，则执行S708。而当音频信号对应的声音类型为显示器的玻璃破碎声和呼救声中的一种时，则执行S710。
S708、判断倾斜角度信号的倾斜上限是否超出音频信号对应的声音类型的第一下限阈值。
本实施例中，每个声音类型具有一个用于判断倾斜角度信号的第一上限阈值和一个用于判断震动信号的第二上限阈值。
如果判断出倾斜上限未超出音频信号对应的声音类型的第一下限阈值，则执行S709；否则，执行S710。
S709、判断震动信号的震动上限是否超出第二下限阈值。
如果判断出震动上限未超出第二下限阈值，则执行S710；否则，将检测数据丢弃，返回执行S701继续对被检测设备的安全进行检测。
S710、输出告警信号。
根据上述过程检测到被检测设备被恶意破坏，则可以直接输出告警信号，以提醒被检测设备的管理人员注意。
本实施例中，需要从被检测设备上同时采集音频信号、倾斜角度信号和震动信号，在对被检测设备的危险状态进行判断时，融合了声音、设备的倾斜角度以及设备的震动情况等多个因素，使得检测更加适应实际的应用场景，检测结果的准确性更高，克服了现有技术中单纯依赖震动传感器而存在的问题，并且在确定出存在风险时智能报警输出。
图8为本发明实施例提供的一种设备安全检测装置的结构示意图。如图8所示，该设备安全检测装置包括：数据获取模块11、确定模块12和输出模块13。
其中，数据获取模块11，用于获取用于对被检测设备进行安全检测的检测数据，其中，所述检测数据包括音频信号、倾斜角度信号和/或震动信号。
确定模块12，用于通过所述检测数据确定所述被检测设备是否处于危险状态。
输出模块13，用于若所述被检测设备处于危险状态，则输出告警信息。
图9为本发明实施例提供的一种设备安全检测装置的结构示意图。如图9所示，在上述实施例的基础之上，该设备安全检测装置还包括：信息库构建模块14、记录模块15和阈值获取模块16。
本实施例中，数据获取模块11包括：拾音单元111、震动传感器112和双轴倾角检测传感器113。其中，拾音单元111用于采集音频信号，震动传感器112用于采集震动信号，双轴倾角检测传感器113用于采集倾斜角度信号。
图10为本发明实施例提供的一种确定模块12的结构示意图。该确定模块12包括：声音识别单元121、判断单元122和确定单元123。
声音识别单元121，用于通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型。
判断单元122，用于判断所述音频信号对应的声音类型是否为指定的声音类型。
确定单元123，用于若所述音频信号对应的声音类型为指定的声音类型，则确定所述被检测设备处于危险状态。
进一步地，判断单元122，还用于确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述倾斜角度信号的倾斜上限是否超出所述音频信号对应的声音类型的第一下限阈值。
确定单元123，具体用于若所述倾斜上限超出所述第一下限阈值，则确定所述被检测设备处于危险状态。
进一步地，判断单元122，还用于在确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述震动信号的震动上限是否超出所述音频信号对应的声音类型的第二下限阈值。
确定单元123，具体用于若所述震动上限超出所述第二下限阈值，则确定所述被检测设备处于危险状态。
进一步地，判断单元122，还用于判断所述倾斜角度信号的倾斜上限是否超出第一目标上限阈值；或者，判断所述震动信号的震动上限是否超出第二目标上限阈值。
确定单元123，具体用于若所述倾斜上限超出所述第一目标上限阈值，或所述震动上限超出所述第二目标上限阈值，则确定所述被检测设备处于危险状态。
图11为本发明实施例提供的一种声音识别单元121的结构示意图。声音识别单元121，包括：滤波子单元1211、获取子单元1212、提取子单元1213和识别子单元1214。
其中，滤波子单元1211，用于对采集到的所述音频信号进行滤波。
获取子单元1212，用于获取滤波后的所述音频信号的短时能量。
提取子单元1213，用于在所述音频信号的短时能量超过预设的短时能量时，提取所述音频信号的音频特征。
识别子单元1214，用于通过所述声音模板信息库识别所述音频特征对应的声音类型。
信息库构建模块14，用于采集不同声音类型的样本音频信号，对所述样本音频信号进行滤波，从滤波后的所述样本音频信号中提取样本音频特征，利用所述样本音频特征构建所述声音模板信息库。
记录模块15，用于在所述信息库构建模块采集不同声音类型的所述样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号。
阈值获取模块16，用于获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将所述加和平均值作为该声音类型对应的第一上限阈值，以及获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将所述加和平均值作为该声音类型对应的第二上限阈值。
进一步地，阈值获取模块16，还用于将所有声音类型的所述第一上限阈值进行加权，得到所述第一目标上限阈值，以及将所有声音类型的所述第二上限阈值加权，得到所述第二目标上限阈值。
进一步地，阈值获取模块16，还用于获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第一下限阈值，以及获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第二下限阈值。
本实施例中，由于检测数据包括音频信号、倾斜角度信号和/或震动信号，不仅可以基于音频信号进行检测，而且还可以基于音频信号与采集到的倾斜角度信号和震动信号中至少一个，对设备的安全进行检测，而且还可以同步对音频信号、倾斜角度信号和/或震动信号进行检测，当其中一个满足输出告警信息的条件时，则发出告警信息。由于检测过程中融合了声音、倾斜角度以及震动等多个因数，使得检测的准确率较高，而且克服了现有技术中单纯依赖震动传感器而存在的问题，降低了误报率。
图12为本发明实施例提供的一种设备安全检测系统的结构示意图。如图12所示，该设备安全检测装置包括：微控制单元(Microcontroller Unit，简称MCU)1、拾音装置2、双轴倾角检测传感器3、震动传感器4、电源5和报警装置6。
其中，MCU 1，用于执行上述实施例中提供的设备安全检测方法。具体地，MCU 1，用于从拾音组装置2、双轴倾角检测传感器3和震动传感器4上获取检测数据，其中，检测数据包括音频信号、倾斜角度信号和/或震动信号。
进一步地，MUC 1通过所述检测数据确定所述被检测设备是否处于危险状态，若所述被检测设备处于危险状态，则输出告警信息。
电源5采用蓄电池，用于在主电源出现故障时作为备用电源向设备安全检测装置供电。或者，在被检测设备的主电源被切断之后，可以切换到该电源5为设备安全检测系统进行供电，以保证设备安全检测系统可以持续地检测被检测设备。
报警装置6，用于从MUC 1中获取安全决策进行输出，例如当安全决策为输出报警信号时，则该报警装置6就可以进行报警。
本实施例提供的设备安全检测系统，由于检测数据包括音频信号、倾斜角度信号和/或震动信号，不仅可以基于音频信号进行检测，而且还可以基于音频信号与采集到的倾斜角度信号和震动信号中至少一个，对设备的安全进行检测，而且还可以同步对音频信号、倾斜角度信号和/或震动信号进行检测，当其中一个满足输出告警信息的条件时，则发出告警信息。由于检测过程中融合了声音、倾斜角度以及震动等多个因数，使得检测的准确率较高，而且克服了现有技术中单纯依赖震动传感器而存在的问题，降低了误报率。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种设备安全检测方法，其特征在于，包括：
获取用于对被检测设备进行安全检测的检测数据，所述检测数据包括音频信号，以及倾斜角度信号和震动信号中的至少一个；
通过所述检测数据确定所述被检测设备是否处于危险状态；
若所述被检测设备处于危险状态，则输出告警信息；
所述通过所述检测数据确定所述被检测设备是否处于危险状态包括：
通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型；
判断所述音频信号对应的声音类型是否为指定的声音类型；
若所述音频信号对应的声音类型为指定的声音类型，则确定所述被检测设备处于危险状态；
在确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述倾斜角度信号的倾斜上限是否超出所述音频信号对应的声音类型的第一下限阈值，若所述倾斜上限超出所述第一下限阈值，则确定所述被检测设备处于危险状态；和/或者，
判断所述震动信号的震动上限是否超出所述音频信号对应的声音类型的第二下限阈值，若所述震动上限超出所述第二下限阈值，则确定所述被检测设备处于危险状态；
所述通过所述检测数据确定所述被检测设备是否危险状态，还包括：
判断所述倾斜角度信号的倾斜上限是否超出第一目标上限阈值；其中，所述第一目标上限阈值是通过下述方式得到的：在收集不同声音类型的样本音频信号的同时，收集所伴随的样本倾斜角度信号；对同一声音类型的所有样本倾斜角度信号的倾斜上限进行提取，获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将所述加和平均值作为对应声音类型对应的第一上限阈值；以及将所有声音类型的第一上限阈值进行加权，得到第一目标上限阈值，和/或者，
判断所述震动信号的震动上限是否超出第二目标上限阈值，所述第二目标上限阈值是通过下述方式得到的：在收集不同声音类型的样本音频信号的同时，收集所伴随的样本震动信号；对同一声音类型的所有样本震动信号的震动上限进行提取，获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将所述加和平均值作为对应声音类型对应的第二上限阈值；以及将所有声音类型的第二上限阈值进行加权，得到第二目标上限阈值；
若所述倾斜上限超出所述第一目标上限阈值，和/或所述震动上限超出所述第二目标上限阈值，则确定所述被检测设备处于危险状态；
在所述检测数据包括音频信号和倾斜角度信号时，若所述倾斜上限未超出所述第一目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤；
在所述检测数据包括音频信号和震动信号时，若所述震动上限未超出所述第二目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤；
若所述检测数据包括音频信号、倾斜角度信号和震动信号时，若所述倾斜上限未超出所述第一目标上限阈值，且所述震动上限未超出所述第二目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤。
2.根据权利要求1所述的方法，其特征在于，所述通过预设声音模板信息库识别所述音频信号对应的声音类型之前，所述方法还包括：
对采集到的所述音频信号进行滤波；
获取滤波后的所述音频信号的短时能量；
在所述音频信号的短时能量超过预设的短时能量时，提取所述音频信号的音频特征；
所述通过预设声音模板信息库识别所述音频信号对应的声音类型包括：
通过所述声音模板信息库识别所述音频特征对应的声音类型。
3.根据权利要求2所述的方法，其特征在于，还包括：
采集不同声音类型的样本音频信号；
对所述样本音频信号进行滤波；
从滤波后的所述样本音频信号中提取样本音频特征；
利用所述样本音频特征构建所述声音模板信息库。
4.根据权利要求3所述的方法，其特征在于，在采集不同声音类型的样本音频信号的同时，记录每个样本音频信号所伴随的样本倾斜角度信号和样本震动信号之后，所述方法还包括：
获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第一下限阈值；
获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第二下限阈值。
5.一种设备安全检测装置，其特征在于，包括：
数据获取模块，用于获取用于对被检测设备进行安全检测的检测数据，其中，所述检测数据包括音频信号，以及倾斜角度信号和震动信号中的至少一个；
确定模块，用于通过所述检测数据确定所述被检测设备是否处于危险状态；
输出模块，用于若所述被检测设备处于危险状态，则输出告警信息；所述确定模块，包括：
声音识别单元，用于通过预设声音模板信息库识别所述音频信号对应的声音类型，所述预设声音模板信息库中包括多个声音模板，每个声音模板对应识别一种声音类型；
判断单元，用于判断所述音频信号对应的声音类型是否为指定的声音类型；
确定单元，用于若所述音频信号对应的声音类型为指定的声音类型，则确定所述被检测设备处于危险状态；
所述判断单元，还用于确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述倾斜角度信号的倾斜上限是否超出所述音频信号对应的声音类型的第一下限阈值；
所述确定单元，具体用于若所述倾斜上限超出所述第一下限阈值，则确定所述被检测设备处于危险状态；
所述判断单元，还用于在确定所述音频信号对应的声音类型为非指定的声音类型之后，判断所述震动信号的震动上限是否超出所述音频信号对应的声音类型的第二下限阈值；
所述确定单元，具体用于若所述震动上限超出所述第二下限阈值，则确定所述被检测设备处于危险状态；
所述判断单元，还用于判断所述倾斜角度信号的倾斜上限是否超出第一目标上限阈值，其中，所述第一目标上限阈值是通过下述方式得到的：在收集不同声音类型的样本音频信号的同时，收集所伴随的样本倾斜角度信号；对同一声音类型的所有样本倾斜角度信号的倾斜上限进行提取，获取同一声音类型的所有样本倾斜角度信号的倾斜上限的加和平均值，将所述加和平均值作为对应声音类型对应的第一上限阈值；以及将所有声音类型的第一上限阈值进行加权，得到第一目标上限阈值；和/或者，判断所述震动信号的震动上限是否超出第二目标上限阈值，所述第二目标上限阈值是通过下述方式得到的：在收集不同声音类型的样本音频信号的同时，收集所伴随的样本震动信号；对同一声音类型的所有样本震动信号的震动上限进行提取，获取同一声音类型的所有样本震动信号的震动上限的加和平均值，将所述加和平均值作为对应声音类型对应的第二上限阈值；以及将所有声音类型的第二上限阈值进行加权，得到第二目标上限阈值；
所述确定单元，具体用于若所述倾斜上限超出所述第一目标上限阈值，和/或所述震动上限超出所述第二目标上限阈值，则确定所述被检测设备处于危险状态；
在所述检测数据包括音频信号和倾斜角度信号时，若所述倾斜上限未超出所述第一目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤；
在所述检测数据包括音频信号和震动信号时，若所述震动上限未超出所述第二目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤；
若所述检测数据包括音频信号、倾斜角度信号和震动信号时，若所述倾斜上限未超出所述第一目标上限阈值，且所述震动上限未超出所述第二目标上限阈值，则执行所述通过预设声音模板信息库识别所述音频信号对应的声音类型的步骤。
6.根据权利要求5所述的装置，其特征在于，所述声音识别单元，包括：
滤波子单元，用于对采集到的所述音频信号进行滤波；
获取子单元，用于获取滤波后的所述音频信号的短时能量；
提取子单元，用于在所述音频信号的短时能量超过预设的短时能量时，提取所述音频信号的音频特征；
识别子单元，用于通过所述声音模板信息库识别所述音频特征对应的声音类型。
7.根据权利要求6所述的装置，其特征在于，还包括：
信息库构建模块，用于采集不同声音类型的样本音频信号，对所述样本音频信号进行滤波，从滤波后的所述样本音频信号中提取样本音频特征，利用所述样本音频特征构建所述声音模板信息库。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括阈值获取模块，所述阈值获取模块用于获取同一声音类型的所有样本倾斜角度信号的倾斜下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第一下限阈值，以及获取同一声音类型的所有样本震动信号的震动下限的加和平均值，将所述加和平均值作为该声音类型对应的所述第二下限阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710034825.9A CN106683333B (zh) | 2017-01-18 | 2017-01-18 | 设备安全检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710034825.9A CN106683333B (zh) | 2017-01-18 | 2017-01-18 | 设备安全检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106683333A CN106683333A (zh) | 2017-05-17 |
| CN106683333B true CN106683333B (zh) | 2020-03-17 |
Family
ID=58859226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710034825.9A Active CN106683333B (zh) | 2017-01-18 | 2017-01-18 | 设备安全检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106683333B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101791534B1 (ko) * | 2017-05-30 | 2017-10-30 | 주식회사 달콤 | 커피 제조 장치에서 발생된 이벤트를 관리자 단말에 통지하는 장치 및 이의 동작 방법 |
| CN108109338B (zh) * | 2017-12-27 | 2020-12-04 | 南京地平线机器人技术有限公司 | 异常报警方法、异常报警装置、和电子设备 |
| CN111368677B (zh) * | 2020-02-26 | 2023-06-02 | 国网上海市电力公司 | 一种改进过零数分析的目标检测与识别方法 |
| CN111599377B (zh) * | 2020-04-03 | 2023-03-31 | 厦门快商通科技股份有限公司 | 基于音频识别的设备状态检测方法、系统及移动终端 |
| CN112019257A (zh) * | 2020-08-31 | 2020-12-01 | 成都星联芯通科技有限公司 | 一种基于卫星物联网的野外卫星多模终端 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030067390A1 (en) * | 2001-10-04 | 2003-04-10 | Karen Fitzgerald | Vibrating monitor system |
| CN101098199A (zh) * | 2006-06-29 | 2008-01-02 | 中国科学院半导体研究所 | 一种智能监控系统 |
| CN201502128U (zh) * | 2009-09-10 | 2010-06-09 | 苏州市育达金属制品有限公司 | 新型防盗板材及该板材之间的连接结构 |
| CN201629014U (zh) * | 2009-12-24 | 2010-11-10 | 北京市电力公司 | 电力设备防盗器 |
| CN102023604A (zh) * | 2010-11-24 | 2011-04-20 | 陕西电力科学研究院 | 一种输电线路智能防外力破坏在线监测系统 |
| CN104408846A (zh) * | 2014-10-29 | 2015-03-11 | 国家电网公司 | 防盗系统 |
| CN205845275U (zh) * | 2016-06-04 | 2016-12-28 | 安徽航天信息科技有限公司 | 一种自助终端机的报警系统 |
-
2017
- 2017-01-18 CN CN201710034825.9A patent/CN106683333B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106683333A (zh) | 2017-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106683333B (zh) | 设备安全检测方法及装置 | |
| CN107590439B (zh) | 基于监控视频的目标人物识别追踪方法和装置 | |
| WO2019159103A1 (en) | Gunshot detection system with ambient noise modeling and monitoring | |
| CN109616140B (zh) | 一种异常声音分析系统 | |
| JP4945297B2 (ja) | 端末監視装置 | |
| CN107133135B (zh) | 一种基于统计学与声音定位的键盘按键检测方法 | |
| EP3147902B1 (en) | Sound processing apparatus, sound processing method, and computer program | |
| KR20100137460A (ko) | 신호 인식을 갖는 침입 감지 시스템 | |
| CN107958669A (zh) | 一种声纹识别的方法及装置 | |
| CN104954543A (zh) | 自动报警方法、装置及移动终端 | |
| CN107105092A (zh) | 一种基于动态时间规整的人体跌倒识别方法 | |
| CN110209281B (zh) | 对运动信号进行处理的方法、电子设备和介质 | |
| Droghini et al. | A Combined One‐Class SVM and Template‐Matching Approach for User‐Aided Human Fall Detection by Means of Floor Acoustic Features | |
| CN110536213A (zh) | 用于监视的系统和方法 | |
| CN110969805A (zh) | 一种安全检测方法、装置和系统 | |
| EP2263533A1 (en) | Enhancing security and emergency functionalities in mobile phones based on detection of physical shocks | |
| JP6087542B2 (ja) | 話者認識装置、話者認識方法及び話者認識プログラム | |
| CN110800053A (zh) | 基于音频数据获取事件指示的方法和设备 | |
| JP5627962B2 (ja) | 異常検知装置 | |
| JP4886461B2 (ja) | 異常監視装置 | |
| JP2015055835A (ja) | 話者認識装置、話者認識方法及び話者認識プログラム | |
| JP5599064B2 (ja) | 音認識装置および音認識方法 | |
| EP2833321A1 (en) | Information processing device, information processing method and program | |
| WO2013190551A1 (en) | Method of classifying glass break sounds in an audio signal | |
| JP2013225248A (ja) | 音識別システム、音識別装置、音識別方法およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |