CN109319351A - 一种具有声音识别功能的智能垃圾桶 - Google Patents

Abstract

本发明公开了一种具有声音识别功能的智能垃圾桶，该智能垃圾桶包括桶体和安装在所述桶体上的声音识别系统，声音识别系统包括声音采集装置、声音识别装置和报警装置；声音采集装置用于采集所述智能垃圾桶周围环境的声音信号；声音识别装置用于提取所述声音信号的特征参数，并与预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置进行报警。与现有技术相比，通过设置在垃圾桶上的声音识别系统，能够对垃圾桶附近有诸如呼救等声音信息，及时进行报警，同时该声音识别系统识别出诸如呼救等声音信息时，还能够开启布设在垃圾桶外围面上的摄像装置，以实现对周围环境的监控，提升了社会治安水平。

Description

一种具有声音识别功能的智能垃圾桶

技术领域

本发明涉及环卫领域，具体涉及一种具有声音识别功能的智能垃圾桶。

背景技术

垃圾桶在环卫领域具有举足轻重的作用，特别是在城市里面尤其如此。正是由于城市的道路分布的大量的垃圾桶，使得道路能够比较清洁。现有的垃圾桶结构非常简单，功能上也仅仅是用于收容垃圾。因此，如何充分利用垃圾桶的功能，成为环卫界所要解决的课题之一。

发明内容

针对上述问题，本发明提供一种具有声音识别功能的智能垃圾桶。

本发明的目的采用以下技术方案来实现：

一种具有声音识别功能的智能垃圾桶，该智能垃圾桶包括桶体和安装在所述桶体上的声音识别系统，所述声音识别系统包括声音采集装置、声音识别装置和报警装置；所述声音采集装置，用于采集所述智能垃圾桶周围环境的声音信号；所述声音识别装置，用于提取所述声音信号的特征参数，并与预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置进行报警。

优选地，所述声音采集装置是声学传感器。

优选地，所述声音识别装置包括语音检测模块、语音处理模块、语音识别模块和存储器；所述语音检测模块，用于对所述声音信号进行语音检测，以获取语音帧；所述语音处理模块，用于对所述语音帧进行降噪；所述语音识别模块，用于从降噪后的语音帧中提取特征参数，并与所述存储器中预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置进行报警。

优选地，所述智能垃圾桶还包括安装在所述桶体上的摄像装置，所述摄像装置用以拍摄所述智能垃圾桶周围环境的照片或视频，所述摄像装置与所述声音识别装置电性连接，以在所述声音识别装置的匹配结果显示所述声音信号中包含特定词，启动所述摄像装置。

优选地，所述摄像装置为多个，并间隔地布设在所述智能垃圾桶的外周面上。

本发明的有益效果为：与现有技术相比，通过在垃圾桶上的声音识别系统，能够对垃圾桶附近有诸如呼救等声音信息，及时进行报警，同时该声音识别系统识别出诸如呼救等声音信息时，还能够开启布设在垃圾桶外围面上的摄像装置，以实现对周围环境的监控，提升了社会治安水平。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明实施例中具有声音识别系统的智能垃圾桶的电路原理框图；

图2是本发明声音识别装置的框架结构图。

附图标记：声音采集装置1；声音识别装置2；报警装置3；摄像装置4；语音检测模块21；语音处理模块22；语音识别模块23；存储器24；数字化处理单元231；端点检测单元232；特征识别单元233。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，一种具有声音识别功能的智能垃圾桶，该智能垃圾桶包括桶体和安装在所述桶体上的声音识别系统，所述声音识别系统包括声音采集装置1、声音识别装置2和报警装置3；所述声音采集装置1，用于采集所述智能垃圾桶周围环境的声音信号；所述声音识别装置2，用于提取所述声音信号的特征参数，并与预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置3进行报警。

优选地，所述声音采集装置1是声学传感器。

优选地，参见图2，所述声音识别装置2包括语音检测模块21、语音处理模块22、语音识别模块23和存储器24；所述语音检测模块21，用于对所述声音信号进行语音检测，以获取语音帧；所述语音处理模块22，用于对所述语音帧进行降噪；所述语音识别模块23，用于从降噪后的语音帧中提取特征参数，并与所述存储器24中预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置23进行报警。

优选地，所述存储器24中用于存储特定词的特征参数，该特定词的特征参数可以为“救命”、“报警”、“火警”、“杀人”等警示性词语的特征参数。

优选地，所述智能垃圾桶还包括安装在所述桶体上的摄像装置4，所述摄像装置4用以拍摄所述智能垃圾桶周围环境的照片或视频，所述摄像装置与所述声音识别装置2电性连接，以在所述声音识别装置2的匹配结果显示所述声音信号中包含特定词，启动所述摄像装置4。

优选地，所述摄像装置4为多个，并间隔地布设在所述智能垃圾桶的外周面上。

本发明的有益效果为：与现有技术相比，通过设置在垃圾桶上的声音识别系统，能够对垃圾桶附近有诸如呼救等声音信息，及时进行报警，同时该声音识别系统识别出诸如呼救等声音信息时，还能够开启布设在垃圾桶外围面上的摄像装置4，以实现对周围环境的监控，提升了社会治安水平。

优选地，所述的对所述声音信号进行语音检测，以获取语音帧，具体是：

(1)对采集的声音信号进行分帧、加窗和快速傅里叶变换处理，并计算每一帧声音信号的幅度谱；

(2)基于得到的幅度谱，利用下方的判决函数计算每一帧声音信号的判决函数值，其中，判决函数为：

式中，Γ(i)为第i帧声音信号的判决函数值，i＝1，2，…，I，I为帧的个数，|X_i+1(k)|、|X_i(k)|、|X_i-1(k)|和|X_i+j(k)|分别为第(i+1)帧、第i帧、第(i-1)帧、第(i+j)帧的幅度谱，M为预设的帧数，k为频点；

(3)根据得到各个帧的判决函数值以及语音帧的起始帧和终止帧的判决条件，确定语音帧的起始帧和终止帧，具体地，若从第i帧开始，连接R帧声音信号均满足Γ(i+r)≥λ且|X_i+r(k)|≥A，此时第i帧为语音帧的起始帧，若从第s帧开始，且i、s满足s≥i+R，连续R帧声音信号均满足Γ(s+r)＜λ且|X_s+r(k)|＜A，此时第s帧为语音帧的终止帧；此时第i帧和第s帧之间的声音信号即为语音帧，其中，|X_i+r(k)|为第(i+r)帧声音信号的幅度谱，|X_s+r(k)|为第(s+r)帧声音信号的幅度谱，A为设定的幅度谱阈值，λ为预设的判决阈值，r＝1，2，…，R，R为预设的帧数。

有益效果：在上述实施方式中，通过对采集的声音信号进行分帧、加窗和快速傅里叶变换后，计算每一帧声音信号的幅度谱，之后基于得到幅度谱，利用判决函数计算每一帧声音信号的判决函数值，基于得到的判决函数值以及语音帧的起始帧和终止帧的判决条件，依次对每一帧是否属于语音帧进行判定，该方法实现了对采集的声音信号中的语音帧的准确检测，且该检测方法简单易实现，计算复杂度低，减低了语音处理模块22和语音识别模块23的负担，即语音处理模块22和语音识别模块23只需针对语音帧进行处理，提高了整个声音识别系统的工作效率，从而能够在识别出垃圾桶附近有诸如呼救等声音信息时，及时进行报警，提升了社会治安水平。

优选地，基于得到的语音帧，对所述语音帧进行降噪，具体地，

(1)获取所述语音帧中每一帧的幅度谱、相位谱、功率谱密度值以及噪声的平均功率谱密度值；

(2)根据得到的功率谱密度值以及噪声的平均功率谱密度值，利用下式计算各个帧的增益因子：

式中，g(k，d)为第d帧语音帧的增益因子，d＝1，2，…，D，D为语音帧的帧数，P_y(k，d)为第d帧的功率谱密度值，P_σ(k)为噪声的平均功率谱密度值，ζ为预设的衰减因子，其满足0＜ζ＜1，η为预设的增益补偿因子，k为频点；

(3)根据计算得到的增益因子以及幅度谱，计算语音帧中各个帧的幅度谱的估计值：

式中，为第d帧的幅度谱的估计值，|X_d(k)|为第d帧的幅度谱；

(4)对得到的语音帧的各个帧的幅度谱的估计值以及相位谱进行傅里叶逆变换，恢复时域语音信号；

(5)对得到的时域语音信号进行去窗和叠加处理，即可得到降噪后的语音信号。

有益效果：上述实施例中，通过计算语音帧中各个帧的增益因子，进而自适应的对各个帧的幅度谱进行估计，得到语音帧各个帧的幅度谱的估计值，之后再对各个帧进行傅里叶逆变换、去窗、叠加处理，即可得到该语音帧降噪处理后的时域语音信号。该算法能够有效抑制语音帧中的随机噪声，同时增强了非噪声部分，而且根据各个帧的幅度谱与噪声的平均功率谱密度值的关系，选择相应的式子以得到各个帧的增益因子，实现对各个帧的自适应去噪，使得降噪后的语音帧中保留非噪声部分的细节特征，进而有利于后续从降噪后的语音帧中提取特征参数，提高了该声音识别系统的识别准确度，当垃圾桶附近有诸如呼救等声音信息时，能够准确地识别出特定词，进而及时进行报警，提升了社会治安水平。

优选地，所述语音识别模块23包括数字化处理单元231、端点检测单元232和特征提取单元233；所述数字化处理单元231用于对降噪后的语音信号进行分帧、加窗和快速傅里叶变换，得到每一帧语音信号的频谱；所述端点检测单元，用于对数字化处理后的语音信号进行端点检测，得到有效语音段；所述特征识别单元233用于提取有效语音段的特征参数并与预存储的特定词的特征参数进行匹配，若匹配结果显示包含特定词时，启动所述报警装置23进行报警。

优选地，所述对数字化处理后的语音信号进行端点检测，得到有效语音段，具体是对数字化处理后的语音信号的每帧语音信号进行端点检测，判断各个帧的语音信号是否是有效语音帧，所有有效语音帧构成的集合即为有效语音段。

其中，对数字化处理后的语音信号的每帧语音信号进行端点检测，判断各个帧的语音信号是否是有效语音帧。以第p帧语音信号为例，具体实现方法为：

(1)将该帧语音信号划分为(2L+1)个均匀的、互不重叠子带，根据所述子带的频谱能量生成子带功率谱熵概率密度，其子带的功率谱熵的概率密度的计算式子为： 其中，pl_t为第t个子带的功率谱熵的概率密度，E(t)、E(l)分别为第t个子带、第1个子带的频谱能量，t＝1，2，…，(2L+1)，将(2L+1)个子带按照频谱能量值进行降序排列后，表示从排序好的子带频率能量序列取中间值；

(2)对得到的子带的功率谱熵的概率密度进行加权处理，得到该帧语音信号的子带加权功率谱熵，其子带加权功率谱熵的计算式子为：其中，H_p为第p帧语音信号的子带加权功率谱熵，pl_max为最大功率谱熵的概率密度，pl_min为最小功率谱熵的概率密度，pl_t为第t个子带的功率谱熵的概率密度；

(3)将得到的该帧语音信号的子带加权功率谱熵与预设的语音端点判决阈值进行比较，若子带加权功率谱熵大于预设的语音段端点判决阈值，则判断该帧语音信号为有效语音帧，反之，则该帧语音信号为噪声帧。

有益效果：通过将每帧语音信号均等的划分为多个子带，并利用上述实施例中的式子计算各个子带的功率谱熵的概率密度，进而根据得到的各个子带的功率谱熵的概率密度以计算每帧语音信号的子带加权功率谱熵，进而完成端点检测工作，该算法提高了端点检测的鲁棒性，能够实现对有效语音段的准确检测，同时该端点检测算法简单、易实现，能够快速完成对有效语音段的提取，以便于后续对特定词的识别和匹配。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种具有声音识别功能的智能垃圾桶，其特征是，包括桶体和安装在所述桶体上的声音识别系统，所述声音识别系统包括声音采集装置、声音识别装置和报警装置；

所述声音采集装置，用于采集所述智能垃圾桶周围环境的声音信号；

所述声音识别装置，用于提取所述声音信号的特征参数，并与预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置进行报警。

2.根据权利要求1所述的智能垃圾桶，其特征是，所述声音采集装置是声学传感器。

3.根据权利要求1所述的智能垃圾桶，其特征是，所述声音识别装置包括语音检测模块、语音处理模块、语音识别模块和存储器；

所述语音检测模块，用于对所述声音信号进行语音检测，以获取语音帧；

所述语音处理模块，用于对所述语音帧进行降噪；

所述语音识别模块，用于从降噪后的语音帧中提取特征参数，并与所述存储器中预存储的特定词的特征参数进行匹配，若匹配结果显示所述声音信号中包含特定词，启动所述报警装置进行报警。

4.根据权利要求1所述的智能垃圾桶，其特征是，所述智能垃圾桶还包括安装在所述桶体上的摄像装置，所述摄像装置用以拍摄所述智能垃圾桶周围环境的照片或视频，所述摄像装置与所述声音识别装置电性连接，以在所述声音识别装置的匹配结果显示所述声音信号中包含特定词，启动所述摄像装置。

5.根据权利要求4所述的智能垃圾桶，其特征是，所述摄像装置为多个，并间隔地布设在所述智能垃圾桶的外周面上。

6.根据权利要求3所述的智能垃圾桶，其特征是，所述的对所述声音信号进行语音检测，以获取语音帧，具体是：

(1)对采集的声音信号进行分帧、加窗和快速傅里叶变换处理，并计算每一帧声音信号的幅度谱；

(2)基于得到的幅度谱，利用下方的判决函数计算每一帧声音信号的判决函数值，其中，判决函数为：

式中，Γ(i)为第i帧声音信号的判决函数值，i＝1,2,…,I，I为帧的个数，|X_i+1(k)|、|X_i(k)|、|X_i-1(k)|和|X_i+j(k)|分别为第(i+1)帧、第i帧、第(i-1)帧、第(i+j)帧的幅度谱，M为预设的帧数，k为频点；

(3)根据得到各个帧的判决函数值以及语音帧的起始帧和终止帧的判决条件，确定语音帧的起始帧和终止帧，具体地，若从第i帧开始，连接R帧声音信号均满足Γ(i+r)≥λ且|X_i+r(k)|≥A，此时第i帧为语音帧的起始帧，若从第s帧开始，且i、s满足s≥i+R，连续R帧声音信号均满足Γ(s+r)＜λ且|X_s+r(k)|＜A，此时第s帧为语音帧的终止帧；此时第i帧和第s帧之间的声音信号即为语音帧，其中，|X_i+r(k)|为第(i+r)帧声音信号的幅度谱，|X_s+r(k)|为第(s+r)帧声音信号的幅度谱，A为设定的幅度谱阈值，λ为预设的判决阈值，r＝1,2,…,R，R为预设的帧数。