CN109008961A - 婴幼儿辅助护理方法、设备、系统、服务中心及存储介质 - Google Patents

Abstract

本发明公开了一种婴幼儿辅助护理方法，涉及婴幼儿护理领域，包括：服务中心接收训练语音；其中，训练语音为附有状态标签的婴幼儿语音；基于训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，得到对应的状态标签；将状态标签发送至客户端，以便于客户端输出状态标签。该方法对婴幼儿的需求进行准确识别，减轻婴幼儿护理人员的护理负担；本发明还公开了一种服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质。

Description

婴幼儿辅助护理方法、设备、系统、服务中心及存储介质

技术领域

本发明涉及婴幼儿护理领域，特别涉及一种婴幼儿辅助护理方法、一种服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质。

背景技术

针对日常生活中面临的婴幼儿护理问题，许多家长、医护人员对于缺乏表达能力的婴幼儿充满困惑和无奈。每当面临婴幼儿哭啼、喊闹时，总是思绪乱飞、抓不住婴幼儿需求和一系列举动产生的原因，因此无法更好的照顾和护理婴幼儿，导致婴幼儿的要求无法满足哭闹不止，护理人员护理负担重。

因此，如何对婴幼儿的需求进行准确识别，减轻婴幼儿护理人员的护理负担，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种婴幼儿辅助护理方法，该方法对婴幼儿的需求进行准确识别，减轻婴幼儿护理人员的护理负担；本发明的另一目的是提供一种服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质。

为解决上述技术问题，本发明提供一种婴幼儿辅助护理方法，包括：

接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；

基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；

将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签；

将所述状态标签发送至客户端，以便于所述客户端输出所述状态标签。

优选地，所述接收训练语音包括：

接收采集的指定婴幼儿的训练语音；其中，所述训练语音为附有状态标签的所述指定婴幼儿的语音。

优选地，所述婴幼儿辅助护理方法还包括：

根据所述状态标签搜索对应的操作提示，得到提示信息；

将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。

优选地，所述婴幼儿辅助护理方法还包括：

当所述状态标签属于预警标签时，将对应的预警信息发送至客户端，以便所述客户端输出所述预警信息。

本发明公开一种服务中心，包括：

训练语音获取单元，用于接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；

识别模型训练单元，用于基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；

状态标签识别单元，用于将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签；

状态标签发送单元，用于将所述状态标签发送至客户端，以便于所述客户端输出所述状态标签。

优选地，所述服务中心还包括：提示单元，用于根据所述状态标签搜索对应的操作提示，得到提示信息；将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。

本发明公开一种婴幼儿辅助护理设备，包括：

存储器，用于存储程序；

处理器，用于执行所述程序时实现所述婴幼儿辅助护理方法的步骤。

本发明公开一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现所述婴幼儿辅助护理方法的步骤。

本发明公开一种婴幼儿辅助护理系统，包括：

客户端，用于收集婴幼儿声音数据，并对所述声音数据进行标签设置，得到训练语音并发送；接收识别得到的状态标签，并进行输出；

服务中心，用于接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签。

优选地，所述服务中心还用于根据所述状态标签搜索对应的操作提示，得到提示信息；将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。

本发明所提供的婴幼儿辅助护理方法，根据附有状态标签的婴幼儿语音训练深度学习网络，得到婴幼儿声音识别网络模型。深度学习网络可以对大量数据进行有效的联系，根据数据间的联系进行精准分析，对于不同的应用类型，婴幼儿声音识别网络模型只需修改部分参数即可实现精确识别，普适性强，而且特征提取精度高，速度快。将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，婴幼儿声音识别网络模型会对声音进行精确快速的特征提取，根据提取的特征进行相关标签的匹配，得到对应的状态标签，比如饥饿、尿床、肚子疼等，可以实现对婴幼儿语音的自动精确识别，护理人员可以根据输出的状态标签进行有针对性的精确看护，婴幼儿的需求可以及时得到满足的同时大大减轻护理负担。

本发明另一实施例中公开了获取的训练语音为单个婴幼儿的训练语音这一技术特征，通过收集一个婴幼儿不同状态下的声音，训练该婴幼儿对应的定制的网络模型，为该婴幼儿定制的网络模型对于该婴幼儿的声音识别更为精准，更具有针对性，状态标签的正确率也会大大提高，更利于护理人员的精准护理。

本发明还提供了一种服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的婴幼儿辅助护理方法的流程图；

图2为本发明实施例提供的服务中心的结构框图；

图3为本发明实施例提供的婴幼儿辅助护理设备的结构示意图；

图4为本发明实施例提供的婴幼儿辅助护理系统的结构框图；

图5为本发明实施例提供的婴幼儿辅助护理系统中模型训练过程的信令图；

图6为本发明实施例提供的婴幼儿辅助护理系统中模型使用过程的信令图。

具体实施方式

本发明的核心是提供一种婴幼儿辅助护理方法，该方法可以对婴幼儿的需求进行准确识别，减轻婴幼儿护理人员的护理负担；本发明的另一核心是提供一种服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本实施例提供的婴幼儿辅助护理方法的流程图；该方法可以包括：

步骤s110、接收训练语音。

虽然婴幼儿语言和肢体缺乏表达能力，但是在声音的表现上存在一定的规律，比如在饥饿和难受时产生的声音存在明显区别，这样就能够根据区别特征得到相应的特征数据标签。

其中，训练语音为附有状态标签的婴幼儿语音，在此对标签的定义方法不做限定，标签的定义可以是来自客户端自定义的定制化数据，即来自护理人员的自定义，也可以是来自大数据系统内部已存在的适用于大多数情况的通用标签等，可以根据需要自行设定。另外，对标签类别的设定方法也不做限定，比如标签可以设定为两层，比如根据护理紧急程度进行划分后再根据行为类型进行划分，例如标签可以划分为日常—起身，日常—拥抱，紧急—肚子疼，紧急—头疼等；标签也可以直接根据日常行为类型进行划分，比如可以划分为：饥饿、太冷、过热、食物太烫、起身、拥抱、尿床、头疼、肚子疼等。

训练语音可以为单个婴幼儿的训练语音，也可以为多个婴幼儿的训练语音，在此不做限定。另外，不论训练语音是来自一个婴幼儿或是多个婴幼儿，为保证模型的识别精度，训练语音的数量应保证尽量大。

步骤s120、基于训练语音训练深度学习网络，得到婴幼儿声音识别网络模型。

婴幼儿利用声音表达需求和意愿时存在不同的特征，利用该特征进行深度学习的训练和推理，结合现有的先进语音和自然语言识别模型，创建婴幼儿声音识别网络模型。训练样本为已经得到对应状态标签的婴幼儿语音，将婴幼儿语音输入至搭建的识别网络中，将输出的识别结果与该条语音对应的标签进行比对以及网络参数的优化，可以得到训练好的网络模型。具体地，声音识别网络模型的训练方法可以包括以下步骤：

步骤一：搭建声音识别网络；

步骤二：将训练语音输入至声音识别网络，得到识别结果；其中，训练语音为附有状态标签的婴幼儿语音；

步骤三：根据识别结果以及对应的状态标签优化声音识别网络的参数；

步骤四：当识别结果的准确率超过阈值时，将此时的声音识别网络作为训练后的声音识别网络模型。在此对深度学习网络的网络类型以及网络中具体层次的设置不做限定，针对婴幼儿护理过程中的语音识别可能会在训练过程中需要不断调整网络层次和结构，也可能根据客户具体的生活环境随时调整网络结构(去燥、加强、降低等)，因此深度学习网络的具体结构可以自行设置，只要可以实现对婴幼儿语音的特征识别效果即可。

将模型训练完成后，可以通过训练后的模型进行识别。需要说明的是，在模型训练完成进行识别过程后也可以进行重新训练或优化，比如当出现识别错误时，客户端可以反馈修正的语音以及正确的结果，以便训练模块进行重新训练优化模型参数，以提高模型训练的准确度。

步骤s130、将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，得到对应的状态标签。

在护理过程中，可以将待识别的婴幼儿声音比如哭声、闹声、喊声等输入至训练好的婴幼儿声音识别网络中，婴幼儿声音识别网络接收到客户端发送的数据后，对该声音数据进行特征提取并匹配相应的标签(客户自定义或大数据系统生成)，通过对婴幼儿需求的自动识别提示家长或者医护人员对其进行相关的护理，例如饥饿、太冷、过热、起身、拥抱、尿床、头疼、肚子疼等日常行为，可以大大减轻家长和医护人员的护理负担，并能够提升医护水平及其延续性(医护人员的更换)，更好的帮助管理婴幼儿的成长。

步骤s140、将状态标签发送至客户端，以便于客户端输出状态标签。

需要说明的是，在模型训练完成后可以直接利用训练好的模型进行识别，即执行完步骤s110以及步骤s120得到婴幼儿声音识别网络模型后，在进行婴幼儿辅助护理的过程中，只需利用训练好的模型执行步骤s130以及s140进行声音识别，无需在每次进行辅助护理的过程中重复执行步骤s110以及步骤s120。

由于部分护理人员在得到婴幼儿的状态标签后可能仍然无法得知如何进行处理，为保障状态标签的合理利用，婴幼儿的需求能及时进行满足，也为了缓解部分新护理人员的护理压力，优选地，可以根据状态标签搜索对应的操作提示，得到提示信息；将提示信息输出，比如当得到的标签为“饿了”时，搜索冲奶粉的注意事项并进行输出。护理人员在得到提示信息后可以对各种情况进行合理的处理。

另外，为保证婴幼儿突然出现的紧急情况能被及时处理，保障婴幼儿的安全，优选地，还可以预定义的标签根据处理的紧急程度进行分类，当计算匹配得到的状态标签属于紧急程度较高的预警标签时，通过输出预警信息来提示护理人员进行及时处理。

基于上述介绍，本实施例提供的婴幼儿护理方法根据附有状态标签的婴幼儿语音训练深度学习网络，得到婴幼儿声音识别网络模型。深度学习网络可以对大量数据进行有效的联系，根据数据间的联系进行精准分析，对于不同的应用类型，婴幼儿声音识别网络模型只需修改部分参数即可实现精确识别，普适性强，而且特征提取精度高，速度快。将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，婴幼儿声音识别网络模型会对声音进行精确快速的特征提取，根据提取的特征进行相关标签的匹配，得到对应的状态标签，比如饥饿、尿床、肚子疼等，可以实现对婴幼儿语音的自动精确识别，护理人员可以根据输出的状态标签进行有针对性的精确看护，婴幼儿的需求可以及时得到满足的同时大大减轻护理负担。

上述实施例中介绍训练语音可以为单个婴幼儿的训练语音，也可以为多个婴幼儿的训练语音。其中，由于不同婴幼儿个体间可能会存在差异，为提高训练的网络模型识别的精确度，以满足客户需求，可以为客户提供定制化服务，优选地，接收训练语音具体可以为：接收采集的指定婴幼儿的训练语音；其中，训练语音为附有状态标签的指定婴幼儿的语音。

客户可以自己进行训练(客户提供数据，服务中心提供训练为服务模式)，生成客户定制化的网络。不同的婴幼儿的语言表达方式可能不同，但是同一个婴幼儿的语言表达方式是大致相同的，通过获取大量针对于一个婴幼儿的数据进行训练，通过相同以及不同标签间中特征的分析，排除其他婴幼儿的干扰，得到的网络模型也可以更精准地识别出该婴幼儿的特有的，细节化的特征，可以大大提高识别的精准程度。

当然也可以为客户提供基础的大众化、训练好的网络作为基础服务(即根据大量不同婴幼儿的训练语音作为样本进行训练得到的模型)，后续再根据客户提供的数据不断修正、改进得到客户定制化的网络模型。

请参考图2，图2为本发明实施例提供的服务中心的结构框图；可以包括：训练语音获取单元200、识别模型训练单元210、状态标签识别单元220以及状态标签发送单元230。本实施例提供的服务中心可与上述婴幼儿辅助护理方法相互对照。

其中，训练语音获取单元200主要用于接收训练语音；其中，训练语音为附有状态标签的婴幼儿语音；

识别模型训练单元210主要用于基于训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；

状态标签识别单元220主要用于将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，得到对应的状态标签；

状态标签发送单元230主要用于将状态标签发送至客户端，以便于客户端输出状态标签。

其中，优选地，训练语音获取单元200具体可以为特定训练语音获取单元，用于接收采集的指定婴幼儿的训练语音；其中，训练语音为附有状态标签的指定婴幼儿的语音。其中，指定婴幼儿指一个婴幼儿，即接收的训练语音均为该婴幼儿的训练语音。

优选地，服务中心可以还包括：提示单元，用于根据状态标签搜索对应的操作提示，得到提示信息；将提示信息发送至客户端，以便客户端输出提示信息。

优选地，服务中心可以还包括：预警单元，用于当状态标签属于预警标签时，将对应的预警信息发送至客户端，以便客户端输出预警信息。

本实施例提供的服务中心可以实现对婴幼儿的需求进行准确识别，减轻婴幼儿护理人员的护理负担。

本实施例提供一种婴幼儿辅助护理设备，包括：存储器以及处理器。

其中，存储器用于存储程序；

处理器用于执行程序时实现如婴幼儿辅助护理方法的步骤，具体可参照上述婴幼儿辅助护理方法的介绍。

请参考图3，为本实施例提供的婴幼儿辅助护理设备的结构示意图，该护理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备，加入异构加速计算设备组建高性能计算装置，例如：GPU、FPGA、ASIC等其他形式的计算方法)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在护理设备301上执行存储介质330中的一系列指令操作。

护理设备301还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上面图1所描述的婴幼儿辅助护理方法中的步骤可以由婴幼儿辅助护理设备的结构实现。

请参考图4，图4为本实施例提供的婴幼儿辅助护理系统的结构框图；该系统可以包括：客户端400以及服务中心410。

其中，客户端400主要用于收集婴幼儿声音数据，并对声音数据进行标签设置，得到训练语音；接收识别得到的状态标签，并进行输出。

服务中心410主要用于接收训练语音；其中，训练语音为附有状态标签的婴幼儿语音；基于训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；将待识别的婴幼儿声音输入至婴幼儿声音识别网络模型，得到对应的状态标签；将状态标签发送至客户端，以便于客户端输出状态标签。

客户端负责收集护理对象产生的声音数据，并将数据发送给数据中心(首次出现的标签定义需要客户端输入)，随后接收标签反馈并进行相应的护理操作。服务中心负责对客户端发送来的数据进行处理，并利用自身的计算能力得到状态标签(如饥饿、尿床等)，另外，服务中心还可以利用自身存储和网络资源为客户端提供极可能多的服务(例如护理姿势、量化数据和预警提示等)。

该系统中包含的客户端400和服务中心410可以以多种形式存在，比如客户端可以是智能手机装载的APP，也可以是专门定制的语音收集和数据处理设备(例如机器人、智能音箱、集成的监控系统等)。服务中心所需要的语音识别系统不特别指定某一具体网络模型，可以为实现该目的行为的所有语音识别网络和模型。

客户端400与服务中心410进行数据交互，共同实现对婴幼儿的辅助护理的过程如下所示，具体可以分为模型训练过程以及模型应用过程，图5为婴幼儿辅助护理系统中模型训练过程的信令图，主要包括以下步骤：

步骤s511、客户端收集婴幼儿声音数据。

客户端收集声音数据的过程不做限定，可以直接录音，也可以以实时监控的方式等。

步骤s512、客户端对声音数据进行标签设置，得到训练语音。

该过程的标签定义可以是来自客户端自定义的定制化数据，也可以是来自大数据系统内部已存在的适用于大多数情况的通用标签，在此对标签定义过程不做限定。得到的训练语音为附有标签的婴幼儿声音数据。

步骤s513、客户端向服务中心发送训练语音。

在此对发送方式不做限定，比如可以将收集的训练语音(含标签)数据通过APP等形式发送给服务中心。

步骤s521、服务中心接收训练语音。

步骤s522、服务中心基于训练语音训练深度学习网络，得到婴幼儿声音识别网络模型。

服务中心接收到客户端发送的数据后，服务中心通过已有的语音识别系统对该“录音+标签”进行训练产生特征，并匹配相应的标签(客户自定义或大数据系统生成)，并将数据处理的结果与预定义的标签进行比对分析，根据大量比对分析的结果对深度学习网络中的结构以及参数进行不断修正，得修正后的婴幼儿声音识别网络模型，该模型可以实现对婴幼儿声音的精准特征提取。

模型应用过程，即应用婴幼儿辅助护理系统进行实际婴幼儿辅助护理过程如下，图6所示为婴幼儿辅助护理系统中模型使用过程的信令图。

步骤s514、客户端收集待识别的婴幼儿声音。

婴幼儿声音可以实时采集，以便实时对婴幼儿的各种情况进行及时处理，当然，也可以非实时数据，在此不做限定。

步骤s515、客户端发送婴幼儿声音至服务中心。

步骤s523、服务中心接收婴幼儿声音。

步骤s524、服务中心将婴幼儿声音输入至婴幼儿声音识别网络模型，得到对应的状态标签。

服务中心接收到客户端发送的数据后，对该声音数据进行特征提取并匹配系统中相应的标签。

步骤s525、将状态标签发送至客户端。

服务中心将数据处理的结果反馈给客户端，该结果包含基本的标签数据，也可以包含其他一系列的增值服务，增值服务比如婴幼儿辅助管理预警提示、成长关怀、温馨提示等，是否包含增值服务在此不做限定。

步骤s516、客户端接收状态标签，并进行输出。

客户端收到服务中心的结果反馈后，将其输出，护理人员可以根据反馈结果对婴幼儿进行相应的护理操作。

本实施例提供了一种面向缺乏表达能力的婴幼儿并基于人工智能深度学习中语音识别技术的婴幼儿辅助护理系统，包括服务中心(计算、存储和解决方案集成)以及客户端，通过将客户终端采集的信息进行模型训练提取特征数据并匹配客户提供的数据标签或系统内部数据标签，最终将在客户端输出相应的护理解决方案。

该系统为护理人员(比如家长和医护人员)通过对婴幼儿声音的特征提取，判断婴幼儿产生此类声音的原因，并将结果(可以连同相应的解决方案)反馈给护理人员，为护理人员提供了智能化、定制化、自动化和一体化的日常护理解决方案。该系统能够更好的服务于婴幼儿家长和医护人员，减轻相应的护理负担，并保持护理的连续性和一致性(护理人员的更换)。

本实施例公开一种可读存储介质，其上存储有程序，程序被处理器执行时实现如婴幼儿辅助护理方法的步骤，具体可参照上述婴幼儿辅助护理方法的介绍。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的婴幼儿辅助护理方法、服务中心、婴幼儿辅助护理设备、婴幼儿辅助护理系统及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种婴幼儿辅助护理方法，其特征在于，包括：

服务中心接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；

基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；

将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签；

将所述状态标签发送至客户端，以便于所述客户端输出所述状态标签。

2.如权利要求1所述的婴幼儿辅助护理方法，其特征在于，所述接收训练语音包括：

接收采集的指定婴幼儿的训练语音；其中，所述训练语音为附有状态标签的所述指定婴幼儿的语音。

3.如权利要求1所述的婴幼儿辅助护理方法，其特征在于，还包括：

根据所述状态标签搜索对应的操作提示，得到提示信息；

将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。

4.如权利要求1所述的婴幼儿辅助护理方法，其特征在于，还包括：

当所述状态标签属于预警标签时，将对应的预警信息发送至客户端，以便所述客户端输出所述预警信息。

5.一种服务中心，其特征在于，包括：

训练语音获取单元，用于接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；

识别模型训练单元，用于基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；

状态标签识别单元，用于将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签；

状态标签发送单元，用于将所述状态标签发送至客户端，以便于所述客户端输出所述状态标签。

6.如权利要求5所述的服务中心，其特征在于，还包括：提示单元，用于根据所述状态标签搜索对应的操作提示，得到提示信息；将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。

7.一种婴幼儿辅助护理设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于执行所述程序时实现如权利要求1至4任一项所述婴幼儿辅助护理方法的步骤。

8.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1至4任一项所述婴幼儿辅助护理方法的步骤。

9.一种婴幼儿辅助护理系统，其特征在于，包括：

客户端，用于收集婴幼儿声音数据，并对所述声音数据进行标签设置，得到训练语音并发送；接收识别得到的状态标签，并进行输出；

服务中心，用于接收训练语音；其中，所述训练语音为附有状态标签的婴幼儿语音；基于所述训练语音训练深度学习网络，得到婴幼儿声音识别网络模型；将待识别的婴幼儿声音输入至所述婴幼儿声音识别网络模型，得到对应的状态标签。

10.如权利要求9所述的婴幼儿辅助护理系统，其特征在于，所述服务中心还用于根据所述状态标签搜索对应的操作提示，得到提示信息；将所述提示信息发送至客户端，以便所述客户端输出所述提示信息。