CN108877814B - 窨井盖盗损检测方法、智能终端及计算机可读存储介质 - Google Patents

窨井盖盗损检测方法、智能终端及计算机可读存储介质 Download PDF

Info

Publication number
CN108877814B
CN108877814B CN201810502271.5A CN201810502271A CN108877814B CN 108877814 B CN108877814 B CN 108877814B CN 201810502271 A CN201810502271 A CN 201810502271A CN 108877814 B CN108877814 B CN 108877814B
Authority
CN
China
Prior art keywords
sound signal
tone
suspicious
inspection well
well cover
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
Application number
CN201810502271.5A
Other languages
English (en)
Other versions
CN108877814A (zh
Inventor
龚中良
梁力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University of Forestry and Technology
Original Assignee
Central South University of Forestry and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University of Forestry and Technology filed Critical Central South University of Forestry and Technology
Priority to CN201810502271.5A priority Critical patent/CN108877814B/zh
Publication of CN108877814A publication Critical patent/CN108877814A/zh
Application granted granted Critical
Publication of CN108877814B publication Critical patent/CN108877814B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • 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
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum

Abstract

本发明公开了一种窨井盖盗损检测方法、智能终端及其计算机可读存储介质，其方法包括：获取窨井盖周边的声音信号；获取声音信号中的响度，当响度超出预设响度值时，将声音信号标记为第一可疑声音信号；获取第一可疑声音信号的能量谱，由大到小获取排序前预设数量的峰值点位于特定频率区间的点数，当点数与预设数量的比值超出预设值时，将第一可疑声音信号标记为第二可疑声音信号；获取第二可疑声音信号的音色，将第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息。本发明提出的技术方案通过逐级判断声音信号，降低了盗损现象判断的误报率，减少了市政管理人员的工作量。

Description

窨井盖盗损检测方法、智能终端及计算机可读存储介质
技术领域
本发明涉及窨井盖盗损识别技术领域，尤其涉及一种窨井盖盗损检测方法、智能终端及计算机可读存储介质。
背景技术
窨井盖对保护井下设施免受破坏和保证路面交通安全起着重要作用，盗损窨井盖行为严重影响了过往行人和车辆的生命财产安全。目前，窨井盖的防盗损检测装置主要利用振动传感器和GPS芯片检测到的幅值进行监测。将振动传感器和GPS芯片安装于窨井盖背面，当窨井盖遭受偷盗或遭受铁器及其他硬物敲击产生异常振动时，将传感器检测到的幅值与阈值对比，若幅值超出阈值则传感器立刻发出报警信号。但是，过往行人和车辆同样会使窨井盖产生正常振动，振动传感器不能区分异常振动和正常振动，给窨井盖防盗损检测造成困难，容易造成错误判断。
发明内容
本发明的主要目的在于提供一种窨井盖盗损检测方法、智能终端及计算机可读存储介质，旨在解决现有技术中振动传感器不能区分异常振动和正常振动，给窨井盖防盗损检测造成困难，容易造成错误判断的问题。
为实现上述目的，本发明提供的一种基于声音信号特征识别的窨井盖盗损检测方法，包括：
获取窨井盖周边的声音信号；
获取所述声音信号中的响度，当所述响度超出预设响度值时，将所述声音信号标记为第一可疑声音信号；
获取所述第一可疑声音信号的能量谱，统计所述能量谱中峰值点的能量值并按从大到小的顺序排序，获取排序前预设数量的所述峰值点位于特定频率区间的点数，当所述点数与所述预设数量的比值超出预设值时，将所述第一可疑声音信号标记为第二可疑声音信号；
获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息。
优选地，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤包括：
获取所述第二可疑声音信号的音色的特征向量矩阵；
当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中任一声音信号的特征向量矩阵相匹配时，发出报警信息。
优选地，所述第二可疑声音信号的音色的所述特征向量矩阵为Mel频率倒谱系数。
优选地，所述Mel频率倒谱系数的获取步骤包括：
对所述第二可疑声音信号进行预加重、分帧和加窗；
对所述第二可疑声音信号的每帧进行快速傅里叶变换，求得所述第二可疑声音信号的第一频率幅度谱；
根据所述第一频率幅度谱求得第一能量谱；
设计Mel滤波器组，将所述第一能量谱通过所述Mel滤波器组，获得输出数据；
对所述输出数据求对数以及离散余弦变换，求得所述Mel频率倒谱系数。
优选地，所述当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中所有声音信号的特征向量矩阵相匹配时，发出报警信息的步骤包括：
将所述声音信号的Mel频率倒谱系数记作F，样本数据库M中的特征向量矩阵记作Mk，F和Mk分别是m×d和n×d的矩阵，m和n是帧数，d是每一帧的维数，k为样本数据库中的某一个特征向量；
计算F中每一个分量和Mk中每一个分量之间的距离，形成一个m×n的距离矩阵dist(m，n)；
根据所述dist(m，n)计算累积距离矩阵D(m，n)；
根据所述D(m，n)得到F和Mk最小累积距离dFM；
当所述dFM小于预设最小累积距离，则匹配成功，发出报警信息。
优选地，所述获取所述取第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤之前包括：
建立声音信号的样本数据库，所述样本数据库中包括各类已知的窨井盖被盗损的声音信号的音色信息。
优选地，所述能量谱的计算步骤包括：
通过快速傅里叶变换得到所述第一可疑声音信号的第二频率幅度谱；
对所述第二频率幅度谱的模值进行平方后获得所述能量谱。
优选地，所述响度由所述声音信号中的声压级表征。
为实现上述目的，本发明提供的一种智能终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
为实现上述目的，本发明提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
本发明提出的技术方案中，通过对声音信号中的响度大小进行初步判断后获得第一可疑信号；然后对第一可疑声音信号的能量谱中的能量值由大至小排序，对排序前预设数量的峰值点位于特定频率区间的比例进行判断后获得第二可疑声音信号；最后通过对第二可疑声音信号的音色与样本数据库中声音信号的音色进行逐一比对，最终确定窨井盖获得的声音信号是否为窨井盖被盗损时的声音信号，若比对成功则发出报警信息。通过对获取的声音信号的逐级判断，获得窨井盖正在被盗损时的报警信息，而非遭受盗损后的报警信息，减少了窨井盖的盗损，节约社会资源和市政成本，同时通过逐级判断，降低了盗损现象判断的误报率，减少市政管理人员的工作量。
附图说明
图1为本发明基于声音信号特征识别的窨井盖盗损检测方法的一实施例的流程示意图；
图2为第一可疑声音信号的能量谱的示意图；
图3为获取Mel频率倒谱系数的流程示意图；
图4为动态时间规整法的最优路径规划示意图；
图5为本发明智能终端一实施例的模块结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参照图1，图1为本发明一实施例提出的基于声音信号特征识别的窨井盖盗损检测方法。在该实施例中，基于声音信号特征识别的窨井盖盗损检测方法包括：
步骤S100，获取窨井盖周边的声音信号。
窨井盖遭受硬物敲击后不可避免产生声音，声音采集器设置在窨井盖的背面，获取窨井盖周边的声音信号。
步骤S200，获取所述声音信号中的响度，当所述响度超出预设响度值时，将所述声音信号标记为第一可疑声音信号。
具体地，由于窨井盖遭受盗损时产生的声音的响度有大小之分，因而将声音的响度作为第一级的判断标准。当声音信号的响度大于预设响度值时，则将该声音信号标记为第一可疑信号；若不大于预设响度值，则视为非可疑信号。
步骤S300，获取所述第一可疑声音信号的能量谱，统计所述能量谱中峰值点的能量值并按从大到小的顺序排序，获取排序前预设数量的所述峰值点位于特定频率区间的点数，当所述点数与所述预设数量的比值超出预设值时，将所述第一可疑声音信号标记为第二可疑声音信号。
具体地，可以通过以下步骤计算能量谱：(1)通过快速傅里叶变换得到所述第一可疑声音信号的第二频率幅度谱；(2)对所述第二频率幅度谱的模值进行平方后获得所述能量谱。
能量谱，也称为能量谱密度，是指用密度的概念表示信号能量在各频率点的分布情况。也即是说，对能量谱在频域上积分就可以得到信号的能量。能量谱是信号幅度谱的模的平方。通过能量谱中前预设数量峰值点在特定频率区间的比例，达到快速判断声音信号是否为可疑声音信号的目的。
不同的声音信号其能量基于频率的分布有所不同，经过第一级声音响度的判断后得到第一可疑声音信号，首先对第一可疑声音信号的能量谱中峰值点的能量值进行从大到小的排序，选取该排序中位于前预设数量的峰值点，统计这预设数量的峰值点位于特定频率区间的点数，当点数超过预设值时，将该第一可疑声音信号标记为第二可疑声音信号。请参照图2，以某种第一可疑声音信号的能量谱为例，其特定频率区间为40-600Hz，预设数量确定为20，设定预设值为0.6，当该声音信号的前20个峰值点位于特定频率区间内的个数与预设数量的比值小于等于0.6时，该声音信号为非可疑声音信号，若大于0.6时，则将第一可疑声音信号标记为第二可疑声音信号。
S400，获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息。
具体地，样本数据库中存放有已知的窨井盖被盗取的声音信息，将第二可疑声音信号与样本数据库中的所有已知的声音信号进行逐一比对，当第二可疑声音信号与样本数据库中的某一个声音信号相匹配时，表明窨井盖正在被盗损，立即发出报警信息，以阻止盗损的发生。
本发明提出的技术方案中，通过对声音信号中的响度大小进行初步判断后获得第一可疑信号；然后对第一可疑声音信号的能量谱中的能量值由大至小排序，对排序前预设数量的峰值点位于特定频率区间的比例进行判断后获得第二可疑声音信号；最后通过对第二可疑声音信号的音色与样本数据库中声音信号的音色进行逐一比对，最终确定窨井盖获得的声音信号是否为窨井盖被盗损时的声音信号，若比对成功则发出报警信息。通过对获取的声音信号的逐级判断，获得窨井盖正在被盗损时的报警信息，而非遭受盗损后的报警信息，减少了窨井盖的盗损，节约社会资源和市政成本，同时通过逐级判断，降低了盗损现象判断的误报率，减少市政管理人员的工作量。
在本发明基于声音信号特征识别的窨井盖盗损检测方法的另一实施例中，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤包括：
步骤S410，获取所述第二可疑声音信号的音色的所述特征向量矩阵。
具体地，所述第二可疑声音信号的音色的特征向量矩阵为Mel频率倒谱系数，请参照图3，通过以下步骤可以获取Mel频率倒谱系数：
A，对所述第二可疑声音信号进行预加重、分帧和加窗；
B，对所述第二可疑声音信号的每帧进行快速傅里叶变换，求得所述第二可疑声音信号的第一频率幅度谱；
C，根据所述第一频率幅度谱求得第一能量谱；
D，设计Mel滤波器组，将所述第一能量谱通过所述Mel滤波器组，获得输出数据；
E，对所述输出数据求对数以及离散余弦变换，求得所述Mel频率倒谱系数。
MFCC即Mel频率倒谱系数，Mel频率倒谱的频带划分是在Mel刻度上等距划分的，它比用于正常的对数倒频谱中的线性间隔的频带更能近似人类的听觉系统。这种频率可以更好的用于区分声音。通过对声音信号的预加重、分帧和加窗后，进行快速傅里叶变换求得第一频率幅度谱，并根据第一频率幅度谱求第一能量谱，最后对第一能量谱通过Mel滤波器组后的输出数据求对数以及做离散余弦变换之后，声音信号就能通过一系列的倒谱向量来描述。
步骤S420，当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中所有声音信号的特征向量矩阵相匹配时，发出报警信息。
决定音色的特征向量很多，可提取声信号的Mel频率倒谱系数、基频和谱质心等参量进行音色的识别，识别方法可采用小波分析或者BP神经网络进行模式匹配，从而达到音色判断的目的。通过音色的特征向量，以模式匹配的方式对声音信号进行判断，可以提高声音判断的准确性。
进一步地，所述当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中所有声音信号的特征向量矩阵相匹配时，发出报警信息的步骤包括：
步骤421，将所述声音信号的Mel频率倒谱系数记作F，样本数据库M中的特征向量矩阵记作Mk，F和Mk分别是m×d和n×d的矩阵，m和n是帧数，d是每一帧的维数，k为样本数据库中的某一个特征向量；
步骤422，计算F中每一个分量和Mk中每一个分量之间的距离，形成一个m×n的距离矩阵dist(m，n)；
步骤423，根据所述dist(m，n)计算累积距离矩阵D(m，n)；
步骤424，根据所述D(m，n)得到F和Mk最小累积距离dFM；
步骤425，当所述dFM小于预设最小累积距离，则匹配成功，发出报警信息。
本实施方式中，模式匹配的方式具体为动态时间规整法，其步骤如下：
获取声音信号的MFCC记作F，样本数据库M中的声音信号的MFCC记作Mk。F和Mk分别是m×d和n×d的数组，m和n是帧数，d是每一帧的维数，k为样本数据库中的某一个特征向量。
计算F和Mk每帧之间的距离，并创建帧距离矩阵dist。dist是m×n的矩阵，其数值由F和M进行数组计算得来。
由dist计算累积距离矩阵D，D也是m×n的矩阵。令D(1,1)＝dist(1,1)，D的第一行和第一列分别由dist的第一行和第一列累加得到，
D(i,1)＝dist(i,1)+D(i-1,1)
2≤i≤m
D(1,j)＝dist(1,j)+D(1,j-1)
2≤j≤n
从第2行第2列开始，D(i,j)只可能由3个点中的一个值累加得到，分别是D(i-1,j)、D(i,j-1)、D(i-1,j-1)。取其最小值与dist(i,j)相加作为位置(i,j)的累积距离，计算公式如下：
Figure BDA0001670222140000071
填充累积距离矩阵D之后，从D中位置(m,n)倒序寻找一条最小累积距离的路径，将路径点的位置作为最优路径记录至R中。R是r×2的矩阵，r为最优路径经过的点的个数，请参照图4，图4是最优路径规划示意图。
F和M的最小累积距离是D(m,n)，R中记录的是最优路径点。D(m,n)除以r就可以得到F和M的距离，记为dFM。依次计算F与各样本数据库中特征向量的距离dFM。对比各dFM值的大小，如果dFM的最小值小于设定的阈值，则M所属的声音信号为窨井盖被盗损时的声音信号。
进一步地，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤之前包括：
建立声音信号的样本数据库，所述样本数据库中包括各类已知的窨井盖被盗损的声音信号的音色信息。
本实施例中，通过若干实验或从互联网查询等方式，建立窨井盖遭受各种方式盗损时声音信号的数据库，盗损方式包括打砸，锯或者炸等，得到特征向量矩阵，用于与实际窨井盖接收到的声音信号进行对比，达到判断窨井盖是否正在被盗损的目的。各盗损方式根据盗损的工具或实施者的不同，包含若干具体实施方式，如在打砸方式中，包含铁锤的敲击、铁棍的敲击、石头的敲击等。每一种具体实施方式都有与之对应的特征向量，获取的窨井盖周边的声音信号与所有的具体实施方式对应的特征向量进行逐一比对，当声音信号与某一类盗损方式中的具体实施方式相匹配的数量超过预设匹配数量时，表明此时获取的声音信号为该类盗损方式的声音信号。通过建立各盗损方式下的具体实施方式，当获取的声音信号与某一类盗损方式的匹配度达到预设匹配值时，将获取的声音信号判定为该类盗损方式的声音信号，以达到精准分析声音信号的目的。
进一步地，所述响度由所述声音信号中的声压级表征。
声压指有效声压，即在一定时间间隔内将瞬时声压对时间求方均根值所得。声音信号的有效声压与空气中基准声压之比，取以10为底的对数，再乘以20，即为声压级，单位为dB。响度预设值设置为90dB，当获取的声音信号的声压级大于90dB时，则将获取的声音信号标记为第一可疑声音信号。
本发明还提供一种智能终端，请参照图5，在一实施例中，该智能终端包括存储器100、处理器200及存储在存储器100上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意实施例的所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
步骤S100，获取窨井盖周边的声音信号。
窨井盖遭受硬物敲击后不可避免产生声音，声音采集器设置在窨井盖的背面，获取窨井盖周边的声音信号。
步骤S200，获取所述声音信号中的响度，当所述响度超出预设响度值时，将所述声音信号标记为第一可疑声音信号。
步骤S300，获取所述第一可疑声音信号的能量谱，统计所述能量谱中峰值点的能量值并按从大到小的顺序排序，获取排序前预设数量的所述峰值点位于特定频率区间的点数，当所述点数与所述预设数量的比值超出预设值时，将所述第一可疑声音信号标记为第二可疑声音信号。
S400，获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息。
本发明提出的技术方案中，通过对声音信号中的响度大小进行初步判断后获得第一可疑信号；然后对第一可疑声音信号的能量谱中的能量值由大至小排序，对排序前预设数量的峰值点位于特定频率区间的比例进行判断后获得第二可疑声音信号；最后通过对第二可疑声音信号的音色与样本数据库中声音信号的音色进行逐一比对，最终确定窨井盖获得的声音信号是否为窨井盖被盗损时的声音信号，若比对成功则发出报警信息。通过对获取的声音信号的逐级判断，获得窨井盖正在被盗损时的报警信息，而非遭受盗损后的报警信息，减少了窨井盖的盗损，节约社会资源和市政成本，同时通过逐级判断，降低了盗损现象判断的误报率，减少市政管理人员的工作量。
进一步地，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤包括：
获取所述第二可疑声音信号的音色的所述特征向量矩阵；
当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中任一声音信号的特征向量矩阵相匹配时，发出报警信息。
进一步地，所述第二可疑声音信号的音色的特征向量矩阵为Mel频率倒谱系数。
所述Mel频率倒谱系数的获取步骤包括：
对所述第二可疑声音信号进行预加重、分帧和加窗；
对所述第二可疑声音信号的每帧进行快速傅里叶变换，求得所述第二可疑声音信号的第一频率幅度谱；
根据所述第一频率幅度谱求得第一能量谱；
设计Mel滤波器组，将所述第一能量谱通过所述Mel滤波器组，获得输出数据；
对所述输出数据求对数以及离散余弦变换，求得所述Mel频率倒谱系数。
进一步地，所述当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中任一声音信号的特征向量矩阵相匹配时，发出报警信息的步骤包括：
将所述声音信号的Mel频率倒谱系数记作F，样本数据库M中的特征向量矩阵记作Mk，F和Mk分别是m×d和n×d的矩阵，m和n是帧数，d是每一帧的维数，k为样本数据库中的某一个特征向量；
计算F中每一个分量和Mk中每一个分量之间的距离，形成一个m×n的距离矩阵dist(m，n)；
根据所述dist(m，n)计算累积距离矩阵D(m，n)；
根据所述D(m，n)得到F和Mk最小累积距离dFM；
当所述dFM小于预设最小累积距离，则匹配成功，发出报警信息。
进一步地，所述获取所述取第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤之前包括：
建立声音信号的样本数据库，所述样本数据库中包括各类已知的窨井盖被盗损的声音信号的音色信息。
进一步地，所述能量谱的计算步骤包括：
通过快速傅里叶变换得到所述第一可疑声音信号的第二频率幅度谱；
对所述第二频率幅度谱的模值进行平方后获得所述能量谱。
优选地，所述响度由所述声音信号中的声压级表征。
本发明提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意实施例所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第X实施例”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一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，包括：
获取窨井盖周边的声音信号；
获取所述声音信号中的响度，当所述响度超出预设响度值时，将所述声音信号标记为第一可疑声音信号；
获取所述第一可疑声音信号的能量谱，统计所述能量谱中峰值点的能量值并按从大到小的顺序排序，获取排序前预设数量的所述峰值点位于特定频率区间的点数，当所述点数与所述预设数量的比值超出预设值时，将所述第一可疑声音信号标记为第二可疑声音信号，其中，所述能量谱的计算步骤包括：通过快速傅里叶变换得到所述第一可疑声音信号的第二频率幅度谱；对所述第二频率幅度谱的模值进行平方后获得所述能量谱；
获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息。
2.如权利要求1所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤包括：
获取所述第二可疑声音信号的音色的特征向量矩阵；
当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中任一声音信号的特征向量矩阵相匹配时，发出报警信息。
3.如权利要求2所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述第二可疑声音信号的音色的特征向量矩阵为Mel频率倒谱系数。
4.如权利要求3所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述Mel频率倒谱系数的获取步骤包括：
对所述第二可疑声音信号进行预加重、分帧和加窗；
对所述第二可疑声音信号的每帧进行快速傅里叶变换，求得所述第二可疑声音信号的第一频率幅度谱；
根据所述第一频率幅度谱求得第一能量谱；
设计Mel滤波器组，将所述第一能量谱通过所述Mel滤波器组，获得输出数据；
对所述输出数据求对数以及离散余弦变换，求得所述Mel频率倒谱系数。
5.如权利要求4所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述当采用模式匹配的方式确定所述特征向量矩阵与样本数据库中任一声音信号的特征向量矩阵相匹配时，发出报警信息的步骤包括：
将所述声音信号的Mel频率倒谱系数记作F，样本数据库M中的特征向量矩阵记作Mk，F和Mk分别是m×d和n×d的矩阵，m和n是帧数，d是每一帧的维数，k为样本数据库中的某一个特征向量；
计算F中每一个分量和Mk中每一个分量之间的距离，形成一个m×n的距离矩阵dist(m，n)；
根据所述dist(m，n)计算累积距离矩阵D(m，n)；
根据所述D(m，n)得到F和Mk最小累积距离dFM；
当所述dFM小于预设最小累积距离，则匹配成功，发出报警信息。
6.如权利要求1-5任一项所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述获取所述第二可疑声音信号的音色，将所述第二可疑声音信号的音色与样本数据库中的声音信号的音色进行逐一比对，若匹配成功，则发出报警信息的步骤之前包括：
建立声音信号的样本数据库，所述样本数据库中包括各类已知的窨井盖被盗损的声音信号的音色信息。
7.如权利要求1-5任一项所述的基于声音信号特征识别的窨井盖盗损检测方法，其特征在于，所述响度由所述声音信号中的声压级表征。
8.一种智能终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于声音信号特征识别的窨井盖盗损检测方法的步骤。
CN201810502271.5A 2018-05-23 2018-05-23 窨井盖盗损检测方法、智能终端及计算机可读存储介质 Active CN108877814B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810502271.5A CN108877814B (zh) 2018-05-23 2018-05-23 窨井盖盗损检测方法、智能终端及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810502271.5A CN108877814B (zh) 2018-05-23 2018-05-23 窨井盖盗损检测方法、智能终端及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108877814A CN108877814A (zh) 2018-11-23
CN108877814B true CN108877814B (zh) 2020-12-29

Family

ID=64333135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810502271.5A Active CN108877814B (zh) 2018-05-23 2018-05-23 窨井盖盗损检测方法、智能终端及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108877814B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148423A (zh) * 2019-04-18 2019-08-20 广东思派康电子科技有限公司 一种计算机可读存储介质及能用于防盗的语音交互音箱
CN111260835B (zh) * 2020-01-19 2022-08-09 上海瑞皇管业科技股份有限公司 城市综合管廊监控报警系统及其控制方法
CN112466076A (zh) * 2020-12-12 2021-03-09 江西洪都航空工业集团有限责任公司 一种智能井盖防盗损的方法
CN112991328A (zh) * 2021-04-15 2021-06-18 新疆爱华盈通信息技术有限公司 井盖检测方法及基于智慧灯杆的井盖监测系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143341B (zh) * 2013-05-23 2015-10-21 腾讯科技（深圳）有限公司 爆音检测方法和装置
CN104900228B (zh) * 2015-04-30 2018-11-16 重庆理工大学 一种可疑开门声音的识别方法
CN106121376A (zh) * 2016-02-26 2016-11-16 安朗杰安防技术（中国）有限公司 用于监听锁具的开锁声音的方法以及相应锁具
CN107610707B (zh) * 2016-12-15 2018-08-31 平安科技（深圳）有限公司 一种声纹识别方法及装置

Also Published As

Publication number Publication date
CN108877814A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108877814B (zh) 窨井盖盗损检测方法、智能终端及计算机可读存储介质
US5973998A (en) Automatic real-time gunshot locator and display system
CN112560822B (zh) 一种基于卷积神经网络的道路声信号分类方法
JP4242422B2 (ja) 突発事象の記録・解析システム
CN111261189B (zh) 一种车辆声音信号特征提取方法
CN106355893A (zh) 用于实时定位鸣笛的机动车的方法及系统
KR20040024870A (ko) 음성 기록의 자동 확인
CN111739542B (zh) 一种特征声音检测的方法、装置及设备
Mitilineos et al. A two-level sound classification platform for environmental monitoring
CN112532941A (zh) 车辆源强监测方法、装置、电子设备及存储介质
KR101519255B1 (ko) 차량 주변 소리 알림 시스템 및 그 방법
US9098458B1 (en) Method and apparatus for profiling and identifying the source of a signal
KR20120103286A (ko) 오디오 신호를 이용하여 차량에 대한 관심 대상 이벤트를 감지하기 위한 방법 및 장치
CN113436646A (zh) 一种采用联合特征与随机森林的伪装语音检测方法
CN112307360B (zh) 基于搜索引擎的区域性事件检测方法、装置和搜索引擎
Shabtai et al. Room volume classification from room impulse response using statistical pattern recognition and feature selection
Luitel et al. Sound event detection in urban soundscape using two-level classification
Vozáriková et al. Surveillance system based on the acoustic events detection
Astapov et al. A multistage procedure of mobile vehicle acoustic identification for single-sensor embedded device
CN111524536B (zh) 信号处理方法和信息处理设备
JP2003202260A (ja) 音源識別装置および突発事象検出装置並びに突発事象自動記録装置
EP1070961A1 (en) Test apparatus
JP5772957B2 (ja) 音響処理装置、音響処理システム、ビデオ処理システム、制御方法および制御プログラム
CN113178198A (zh) 一种基于毫米波感知的非接触式声纹生物认证方法
JP2000275096A (ja) 音源種別識別装置

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