CN110322898A - 婴儿哭声检测方法、装置及计算机可读存储介质 - Google Patents

婴儿哭声检测方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN110322898A
CN110322898A CN201910465989.6A CN201910465989A CN110322898A CN 110322898 A CN110322898 A CN 110322898A CN 201910465989 A CN201910465989 A CN 201910465989A CN 110322898 A CN110322898 A CN 110322898A
Authority
CN
China
Prior art keywords
baby
data signal
framing
crying
voiceband data
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.)
Pending
Application number
CN201910465989.6A
Other languages
English (en)
Inventor
蒋慧军
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910465989.6A priority Critical patent/CN110322898A/zh
Publication of CN110322898A publication Critical patent/CN110322898A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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 TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种人工语音语义技术领域，揭露了一种婴儿哭声检测方法，包括：利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；当判断婴儿处于哭声状态时，通过终端推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。本发明还提出一种婴儿哭声检测装置以及一种计算机可读存储介质。本发明实现了婴儿哭声的自动检测与判断。

Description

婴儿哭声检测方法、装置及计算机可读存储介质
技术领域
本发明涉及语音语义技术领域，尤其涉及一种婴儿哭声检测方法、装置及计算机可读存储介质。
背景技术
现代社会中，随着人们生活水平的不断提高，人们对生活质量的要求也越来越高，特别是对婴儿的照养的要求也越来越高。同时，现代生活的快节奏，使得人们倾注于家庭的时间有限，对应很多刚刚处于婚生阶段的家庭来说，就面临一个重大的挑战，无法分配出更多的时间来照顾孩子。父母在一天的大部分时间内很难及时了解婴儿的状态，往往在工作之余才有时间陪伴婴儿，因而无法实时守护在婴儿身边，这样便存在当婴儿哭泣时无法及时得知予以照顾的问题，给父母带来了很大不便。
目前的婴儿监听器通常是根据所接收到的声音的强度大小来判断是否有婴儿哭声出现。举例来说，婴儿监听器可以判断所接收的声音信号的强度是否大于一固定的临界值，若是大于该临界值则判断该声音信号是婴儿哭声，并发出警示信号给父母。然而，随着人们消费品质的提升，市场上的设备硬件显得过于繁琐，主流的设备是通过采集的声音临界值来判断婴儿发出的声音是否是哭声，这对对监测设备的存储能力、运算能力有一定的要求，当采集到大量数据后要对数据进行实时处理和分析。这对于低性能的设备来说显然不太能满足苛刻的处理要求。因此，开发出一种精简的低功耗的设备更能满足现代社会的要求。
发明内容
本发明提供一种婴儿哭声检测方法、装置及计算机可读存储介质，其主要目的在于当用户在进行检测婴儿哭声时，给用户呈现出高效的检测结果。
为实现上述目的，本发明提供的一种婴儿哭声检测方法，包括：
利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；
对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；
当判断婴儿处于哭声状态时，通过终端推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
可选地，所述计算所述分帧音频数据信号的基音频率，包括：
计算所述分帧音频数据信号时间τ的差分函数：
其中，s(i)为所述分帧音频数据信号，τ为时间偏移常数，N为所述汉明窗的帧长；
对所述差分函数执行归一化处理：
1τ＝0
对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值；
计算所述分帧音频数据信号的基音频率f：
f＝Fs/τfinal
其中，τfinal极小差值，Fs是基音幅值。
可选地，该方法还包括：
设置静音阈值；
根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量E：
其中S(i)为所述分帧音频数据信号，N为汉明窗帧长；
当所述分帧音频数据信号的能量E小于所设置的静音阈值时，不进行所述分帧音频数据信号的基频计算，并直接判断婴儿不处于哭声状态；及
当所述分帧音频数据信号的能量E大于或等于所设置的静音阈值时，进行所述分帧音频数据信号的基频计算。
可选的，根据所述基音频率判断所述婴儿是否处于哭声状态，包括：
当所述分帧音频数据信号的基音频率在预设频率范围内，且持续时长超过预设时长时，则判断检测出哭声，并当从检测出哭声开始的连续时间内，检测出预设次数以上的哭声，判断婴儿处于哭声状态。
可选地，该方法还包括，包括：
当所述分帧音频数据信号的基音频率处于第一频率值区间范围内时，判断所述婴儿的哭声属于第一原因；
当所述分帧音频数据信号的基音频率处于第二频率值区间范围内时，判断所述婴儿的哭声属于第二原因；
当所述分帧音频数据信号的基音频率处于第三频率值区间范围内时，判断所述婴儿的哭声属于第三原因；
当所述分帧音频数据信号的基音频率处于第四频率值区间范围内时，判断所述婴儿的哭声属于第四原因。
此外，为实现上述目的，本发明还提供一种婴儿哭声检测装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的婴儿哭声检测程序，所述婴儿哭声检测程序被所述处理器执行时实现如下步骤：
利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；
对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；
当判断婴儿处于哭声状态时，通过终端推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
可选地，所述计算所述分帧音频数据信号的基音频率，包括：
计算所述分帧音频数据信号时间τ的差分函数：
其中，s(i)为所述分帧音频数据信号，τ为时间偏移常数，N为所述汉明窗的帧长；
对所述差分函数执行归一化处理：
1τ＝0
对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值；
计算所述分帧音频数据信号的基音频率f：
f＝Fs/τfinal
其中，τfinal极小差值，Fs是基音幅值。
可选地，所述婴儿哭声检测程序被所述处理器执行时还实现如下步骤：
设置静音阈值；
根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量E：
其中S(i)为所述分帧音频数据信号，N为汉明窗帧长；
当所述分帧音频数据信号的能量E小于所设置的静音阈值时，不进行所述分帧音频数据信号的基频计算，并直接判断婴儿不处于哭声状态；及
当所述分帧音频数据信号的能量E大于或等于所设置的静音阈值时，进行所述分帧音频数据信号的基频计算。
可选地，根据所述基音频率判断所述婴儿是否处于哭声状态，包括：
当所述分帧音频数据信号的基音频率在预设频率范围内，且持续时长超过预设时长时，则判断检测出哭声，并当从检测出哭声开始的连续时间内，检测出预设次数以上的哭声，判断婴儿处于哭声状态。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有婴儿哭声检测程序，所述婴儿哭声检测程序可被一个或者多个处理器执行，以实现如上所述的婴儿哭声检测方法的步骤。
本发明提出的婴儿哭声检测方法、装置及计算机可读存储介质，通过采用PCM数据流的形式收集婴儿实时的音频数据信号，对所述婴儿实时的音频数据信号进行处理并计算所述音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态，从而在检测婴儿哭声时呈现出高效的检测结果。
附图说明
图1为本发明一实施例提供的婴儿哭声检测方法的流程示意图；
图2为本发明一实施例提供的婴儿哭声检测装置的内部结构示意图；
图3为本发明一实施例提供的婴儿哭声检测装置中婴儿哭声检测程序的模块示意图。
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
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，所述“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其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。
进一步地，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明提供一种婴儿哭声检测方法。参照图1所示，为本发明一实施例提供的婴儿哭声检测方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，婴儿哭声检测方法包括：
S1、利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号。
本发明较佳实施例中，所述婴儿音频监测器包含外部壳体和内部监测组件。所述外部壳体用于保证所述婴儿音频监测器整体结构的稳定性。所述内部监测组件包含处理器、主板等，还包括用于采集婴儿声音的声音传感器和预存婴儿实时的音频数据信号的存储模块。
本发明较佳实施例通过声音传感器的录音接口获取所述婴儿实时音频数据信号的PCM数据流。所述录音接口的采样率可以设定为16KHz、16bit、单声道。所述录音接口是类似于话筒的装置，用于实时感知环境声音的变化。所述PCM(Pulse Code Modulation)也被称为脉码编码调制。PCM中的声音数据没有被压缩，是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据信号。
S2、对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态。
本发明较佳实施例采用汉明窗信号窗口对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号。优选地，在采用汉明窗对所述婴儿实时的音频数据信号进行分帧处理时，本发明较佳实施例设置汉明窗的帧长为512，偏移为256，因为在所述帧长范围内，信号是短时平稳的。所述汉明窗是语音识别的一种方式，是在处理语音信号过程中对语音数字信号进行的加窗处理。每次仅仅取窗中的数据，进行分析，然后再取下一段数据，再进行分析。
所述汉明窗的数学表达式为：
其中，i为窗口长度，cos()为余弦“窗口”，N为帧长。
进一步地，本发明较佳实施例通过设置静音阈值判断所述分帧音频数据信号是否需要进行基频计算。
优选地，本发明较佳实施例根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量，所述语音信号的能量数学表达式为：
其中，S(i)为所述分帧音频数据信号数据表达式，N为汉明窗帧长，E的单位为dB。
本发明较佳实施例可以设置静音阈值为-70dB，在根据上述公式计算出来的语音信号的能量小于所述静音阈值-70dB时，表示当前环境比较安静，判断此时婴儿不处于哭声状态，可以不进行所述分帧音频数据信号的基频计算。在根据上述公式计算出来的语音信号的能量大于或等于-70dB时，表示当前环境比较嘈杂，则进一步执行所述分帧音频数据信号的基频计算。
基音是声音信号中振动频率最低的声音，一般的声音都是由发音体发出的一系列频率、振幅各不相同的振动复合而成的。这些振动中有一个频率最低的振动，由它发出的音就是基音。基音的频率称为基频，用来决定整个音的音高。本发明较佳实施例通过差分方程对所述分帧音频数据信号进行基频计算。所述差分方程是微分方程的离散化，在时域空间中可以处理与时间相关的变量。具体步骤如下：
a.计算所述分帧音频数据信号时间τ的差分函数：
s(i)为所述分帧音频数据信号的数据表达式，τ为时间偏移常数，N为所述汉明窗的帧长。所述差分函数又称递推关系式，是含有未知函数及其差分，但不含有导数的方程。满足该方程的函数称为差分方程的解。
b.对所述差分函数执行归一化处理：
所述归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，使其成为标量。
c.对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值。所述抛物线插值法(parabolicinterpolation method)亦称二次插值法，是一种多项式插值法，逐次以拟合的二次曲线的极小点，逼近原寻求函数极小点的一种方法。
d.计算所述分帧音频数据信号的基频f：
f＝Fs/τfinal
其中τfinal极小差值，Fs是基音幅值。
进一步地，本发明较佳实施例在计算所述基频之前，还需要通过中值滤波器对上述提取到的分帧音频数据信号中的基频信号进行去除噪声处理。通过在汉明窗窗中口取出一定长度的奇数个基频信号进行排序，然后取中值，过滤尖峰脉冲，保留所述分帧音频数据信号中的基频信号的变化趋势，去除尖峰脉冲和噪音造成的影响。所述中值滤波器是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字信号或数字序列中一点的值用该点的一个邻域中各点值的中值代替，使周围的数据值更接近真实值，从而消除噪声点。
本发明较佳实施例获取所述分帧音频数据信号中的基频信号的频率，当检测到所述分帧音频数据信号的基频在预设频率范围内，如400Hz＜f＜1200Hz时，且持续时长超过预设时长，如200ms，则认为检测出哭声；此外，当从检测出哭声开始的连续时间，如两分钟内，检测出预设次数，如三次，以上的哭声，判断此时婴儿处于哭声状态。
S3、当没有检测到婴儿处于哭声状态时，可以持续执行上述的步骤S1，以持续进行婴儿的哭声检测。
S4、当检测到婴儿处于哭声状态时，通过手机推送服务，将所述的婴儿实时的音频数据信号推送到预设的用户终端，并保存到云端。
所述云端由网关、服务器、数据处理中心组成。所述手机推送服务指的是通过建立一条用户终端与服务器的连接链路，当有消息需要发送到用户终端时，通过所述链路发送。本发明较佳实施例中，所述预设的用户终端可以是所述婴儿的父母的手机、平板电脑等。
进一步地，本发明还可以包括根据所述计算出来的基频，判断所述婴儿处于哭声状态的原因，例如，当所述分帧音频数据信号的基音频率处于第一频率值区间范围内，如400Hz到600Hz之间时，判断所述婴儿的哭声属于第一原因，即婴儿在想向大人撒娇状态；当所述分帧音频数据信号的基音频率处于第二频率值区间范围内，如600Hz到800Hz之间时，判断所述婴儿的哭声属于第二原因，即婴儿处于“饥饿”状态；当所述分帧音频数据信号的基音频率处于第三频率值区间范围内，如800Hz到1000Hz时，判断所述婴儿的哭声属于第三原因，即婴儿处于“难过”状态；当所述分帧音频数据信号的基音频率处于第四频率值区间范围内，如1000Hz到1200Hz时，判断所述婴儿的哭声属于第四原因，即婴儿处于“生气”状态。
发明还提供一种婴儿哭声检测装置。参照图2所示，为本发明一实施例提供的婴儿哭声检测装置的内部结构示意图。
在本实施例中，所述婴儿哭声检测装置1可以是PC(Personal Computer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。该婴儿哭声检测装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是婴儿哭声检测装置1的内部存储单元，例如该婴儿哭声检测装置1的硬盘。存储器11在另一些实施例中也可以是婴儿哭声检测装置1的外部存储设备，例如婴儿哭声检测装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括婴儿哭声检测装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于婴儿哭声检测装置1的应用软件及各类数据，例如婴儿哭声检测程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行婴儿哭声检测程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在婴儿哭声检测装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及婴儿哭声检测程序01的婴儿哭声检测装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对婴儿哭声检测装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图2所示的装置1实施例中，存储器11中存储有婴儿哭声检测程序01；处理器12执行存储器11中存储的婴儿哭声检测程序01时实现如下步骤：
步骤一、放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号。
本发明较佳实施例中，所述婴儿音频监测器包含外部壳体和内部监测组件。所述外部壳体用于保证所述婴儿音频监测器整体结构的稳定性。所述内部监测组件包含处理器、主板等，还包括用于采集婴儿声音的声音传感器和预存婴儿实时的音频数据信号的存储模块。
本发明较佳实施例通过声音传感器的录音接口获取所述婴儿实时音频数据信号的PCM数据流。所述录音接口的采样率可以设定为16KHz、16bit、单声道。所述录音接口是类似于话筒的装置，用于实时感知环境声音的变化。所述PCM(Pulse Code Modulation)也被称为脉码编码调制。PCM中的声音数据没有被压缩，是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据信号。
步骤二、对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态。
本发明较佳实施例采用汉明窗信号窗口对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号。优选地，在采用汉明窗对所述婴儿实时的音频数据信号进行分帧处理时，本发明较佳实施例设置汉明窗的帧长为512，偏移为256，因为在所述帧长范围内，信号是短时平稳的。所述汉明窗是语音识别的一种方式，是在处理语音信号过程中对语音数字信号进行的加窗处理。每次仅仅取窗中的数据，进行分析，然后再取下一段数据，再进行分析。
所述汉明窗的数学表达式为：
其中，i为窗口长度，cos()为余弦“窗口”，N为帧长。
进一步地，本发明较佳实施例通过设置静音阈值判断所述分帧音频数据信号是否需要进行基频计算。
优选地，本发明较佳实施例根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量，所述语音信号的能量数学表达式为：
其中，S(i)为所述分帧音频数据信号数据表达式，N为汉明窗帧长，E的单位为dB。
本发明较佳实施例可以设置静音阈值为-70dB，在根据上述公式计算出来的语音信号的能量小于所述静音阈值-70dB时，表示当前环境比较安静，判断此时婴儿不处于哭声状态，可以不进行所述分帧音频数据信号的基频计算。在根据上述公式计算出来的语音信号的能量大于或等于-70dB时，表示当前环境比较嘈杂，则进一步执行所述分帧音频数据信号的基频计算。
基音是声音信号中振动频率最低的声音，一般的声音都是由发音体发出的一系列频率、振幅各不相同的振动复合而成的。这些振动中有一个频率最低的振动，由它发出的音就是基音。基音的频率称为基频，用来决定整个音的音高。本发明较佳实施例通过差分方程对所述分帧音频数据信号进行基频计算。所述差分方程是微分方程的离散化，在时域空间中可以处理与时间相关的变量。具体步骤如下：
a.计算所述分帧音频数据信号时间τ的差分函数：
s(i)为所述分帧音频数据信号的数据表达式，τ为时间偏移常数，N为所述汉明窗的帧长。所述差分函数又称递推关系式，是含有未知函数及其差分，但不含有导数的方程。满足该方程的函数称为差分方程的解。
b.对所述差分函数执行归一化处理：
所述归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，使其成为标量。
c.对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值。所述抛物线插值法(parabolicinterpolation method)亦称二次插值法，是一种多项式插值法，逐次以拟合的二次曲线的极小点，逼近原寻求函数极小点的一种方法。
d.计算所述分帧音频数据信号的基频f：
f＝Fs/τfinal
其中τfinal极小差值，Fs是基音幅值。
进一步地，本发明较佳实施例在计算所述基频之前，还需要通过中值滤波器对上述提取到的分帧音频数据信号中的基频信号进行去除噪声处理。通过在汉明窗窗中口取出一定长度的奇数个基频信号进行排序，然后取中值，过滤尖峰脉冲，保留所述分帧音频数据信号中的基频信号的变化趋势，去除尖峰脉冲和噪音造成的影响。所述中值滤波器是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字信号或数字序列中一点的值用该点的一个邻域中各点值的中值代替，使周围的数据值更接近真实值，从而消除噪声点。
本发明较佳实施例获取所述分帧音频数据信号中的基频信号的频率，当检测到所述分帧音频数据信号的基频在预设频率范围内，如400Hz＜f＜1200Hz时，且持续时长超过预设时长，如200ms，则认为检测出哭声；此外，当从检测出哭声开始的连续时间，如两分钟内，检测出预设次数，如三次，以上的哭声，判断此时婴儿处于哭声状态。
步骤三、当没有检测到婴儿处于哭声状态时，可以持续执行上述的步骤步骤一，以持续进行婴儿的哭声检测。
步骤四、当检测到婴儿处于哭声状态时，通过手机推送服务，将所述的婴儿实时的音频数据信号推送到预设的用户终端，并保存到云端。
所述云端由网关、服务器、数据处理中心组成。所述手机推送服务指的是通过建立一条用户终端与服务器的连接链路，当有消息需要发送到用户终端时，通过所述链路发送。本发明较佳实施例中，所述预设的用户终端可以是所述婴儿的父母的手机、平板电脑等。
进一步地，本发明还可以包括根据所述计算出来的基频，判断所述婴儿处于哭声状态的原因，例如，当所述分帧音频数据信号的基音频率处于第一频率值区间范围内，如400Hz到600Hz之间时，判断所述婴儿的哭声属于第一原因，即婴儿在想向大人撒娇状态；当所述分帧音频数据信号的基音频率处于第二频率值区间范围内，如600Hz到800Hz之间时，判断所述婴儿的哭声属于第二原因，即婴儿处于“饥饿”状态；当所述分帧音频数据信号的基音频率处于第三频率值区间范围内，如800Hz到1000Hz时，判断所述婴儿的哭声属于第三原因，即婴儿处于“难过”状态；当所述分帧音频数据信号的基音频率处于第四频率值区间范围内，如1000Hz到1200Hz时，判断所述婴儿的哭声属于第四原因，即婴儿处于“生气”状态。
可选地，在其他实施例中，婴儿哭声检测程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述婴儿哭声检测程序在婴儿哭声检测装置中的执行过程。
例如，参照图3所示，为本发明婴儿哭声检测装置一实施例中的婴儿哭声检测程序的程序模块示意图，该实施例中，所述婴儿哭声检测程序可以被分割为数据收集模块10、哭声检测模块20、信息推送模块30以及数据预存模块40，示例性地：
所述数据收集模块10用于：利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号。
所述哭声检测模块20用于：对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态。
所述信息推送模块30用于：当判断婴儿处于哭声状态时，通过手机推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
上述数据收集模块10、哭声检测模块20、信息推送模块30等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有婴儿哭声检测程序，所述婴儿哭声检测程序可被一个或多个处理器执行，以实现如下操作：
利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；
对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；
当判断婴儿处于哭声状态时，通过手机推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
本发明计算机可读存储介质具体实施方式与上述婴儿哭声检测装置和方法各实施例基本相同，在此不作累述。
需要说明的是，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。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种婴儿哭声检测方法，其特征在于，所述方法包括：
利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；
对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；
当判断婴儿处于哭声状态时，通过终端推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
2.如权利要求1所述的婴儿哭声检测方法，其特征在于，所述计算所述分帧音频数据信号的基音频率，包括：
计算所述分帧音频数据信号时间τ的差分函数：
其中，s(i)为所述分帧音频数据信号，τ为时间偏移常数，N为所述汉明窗的帧长；
对所述差分函数执行归一化处理：
1 τ＝0
对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值；
计算所述分帧音频数据信号的基音频率f：
f＝Fs/τfinal
其中，τfinal极小差值，Fs是基音幅值。
3.如权利要求1所述的婴儿哭声检测方法，其特征在于，该方法还包括：
设置静音阈值；
根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量E：
其中S(i)为所述分帧音频数据信号，N为汉明窗帧长；
当所述分帧音频数据信号的能量E小于所设置的静音阈值时，不进行所述分帧音频数据信号的基频计算，并直接判断婴儿不处于哭声状态；及
当所述分帧音频数据信号的能量E大于或等于所设置的静音阈值时，进行所述分帧音频数据信号的基频计算。
4.如权利要求1至3中任意一项所述的婴儿哭声检测方法，其特征在于，根据所述基音频率判断所述婴儿是否处于哭声状态，包括：
当所述分帧音频数据信号的基音频率在预设频率范围内，且持续时长超过预设时长时，则判断检测出哭声，并当从检测出哭声开始的连续时间内，检测出预设次数以上的哭声，判断婴儿处于哭声状态。
5.如权利要求4所述的婴儿哭声检测方法，其特征在于，该方法还包括，包括：
当所述分帧音频数据信号的基音频率处于第一频率值区间范围内时，判断所述婴儿的哭声属于第一原因；
当所述分帧音频数据信号的基音频率处于第二频率值区间范围内时，判断所述婴儿的哭声属于第二原因；
当所述分帧音频数据信号的基音频率处于第三频率值区间范围内时，判断所述婴儿的哭声属于第三原因；
当所述分帧音频数据信号的基音频率处于第四频率值区间范围内时，判断所述婴儿的哭声属于第四原因。
6.一种婴儿哭声检测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的婴儿哭声检测程序，所述婴儿哭声检测程序被所述处理器执行时实现如下步骤：
利用放置在离婴儿预设距离范围内的婴儿音频监测器，采用PCM数据流的形式，收集婴儿实时的音频数据信号；
对所述婴儿实时的音频数据信号进行分帧处理，得到分帧音频数据信号，计算所述分帧音频数据信号的基音频率，并根据所述基音频率判断所述婴儿是否处于哭声状态；
当判断婴儿处于哭声状态时，通过终端推送服务，将所述的哭声信息推送到预设用户终端，并将所述的哭声信息保存到云端中。
7.如权利要求6所述的婴儿哭声检测装置，其特征在于，所述计算所述分帧音频数据信号的基音频率，包括：
计算所述分帧音频数据信号时间τ的差分函数：
其中，s(i)为所述分帧音频数据信号，τ为时间偏移常数，N为所述汉明窗的帧长；
对所述差分函数执行归一化处理：
1 τ＝0
对所述归一化处理之后的差分函数执行抛物线插值：
其中，τfinal是极小差值，τestimate是预估插值；
计算所述分帧音频数据信号的基音频率f：
f＝Fs/τfinal
其中，τfinal极小差值，Fs是基音幅值。
8.如权利要求6所述的婴儿哭声检测装置，其特征在于，所述婴儿哭声检测程序被所述处理器执行时还实现如下步骤：
设置静音阈值；
根据语音信号的能量数学表达式计算所述分帧音频数据信号的能量E：
其中S(i)为所述分帧音频数据信号，N为汉明窗帧长；
当所述分帧音频数据信号的能量E小于所设置的静音阈值时，不进行所述分帧音频数据信号的基频计算，并直接判断婴儿不处于哭声状态；及
当所述分帧音频数据信号的能量E大于或等于所设置的静音阈值时，进行所述分帧音频数据信号的基频计算。
9.如权利要求6至8中任意一项所述的婴儿哭声检测装置，其特征在于，根据所述基音频率判断所述婴儿是否处于哭声状态，包括：
当所述分帧音频数据信号的基音频率在预设频率范围内，且持续时长超过预设时长时，则判断检测出哭声，并当从检测出哭声开始的连续时间内，检测出预设次数以上的哭声，判断婴儿处于哭声状态。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有婴儿哭声检测程序，所述婴儿哭声检测程序可被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的婴儿哭声检测方法的步骤。
CN201910465989.6A 2019-05-28 2019-05-28 婴儿哭声检测方法、装置及计算机可读存储介质 Pending CN110322898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910465989.6A CN110322898A (zh) 2019-05-28 2019-05-28 婴儿哭声检测方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910465989.6A CN110322898A (zh) 2019-05-28 2019-05-28 婴儿哭声检测方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110322898A true CN110322898A (zh) 2019-10-11

Family

ID=68119277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910465989.6A Pending CN110322898A (zh) 2019-05-28 2019-05-28 婴儿哭声检测方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110322898A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930643A (zh) * 2019-12-11 2020-03-27 南京邮电大学 一种防止婴幼儿遗落车内的智能安全系统及方法
CN111261197A (zh) * 2020-01-13 2020-06-09 中航华东光电（上海）有限公司 一种复杂噪声场景下的实时语音段落追踪方法
CN111261194A (zh) * 2020-04-29 2020-06-09 浙江百应科技有限公司 一种基于pcm技术的音量分析方法
CN111967361A (zh) * 2020-08-07 2020-11-20 盐城工学院 一种基于婴儿表情识别与哭声的情绪检测方法
CN113012716A (zh) * 2021-02-26 2021-06-22 武汉星巡智能科技有限公司 婴儿哭声类别识别方法、装置及设备
CN116229674A (zh) * 2023-02-07 2023-06-06 广州后为科技有限公司 婴儿监护方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002097793A1 (fr) * 2001-06-01 2002-12-05 France Telecom Procede d'extraction de la frequence fondamentale d'un signal sonore
CN102246228A (zh) * 2008-12-15 2011-11-16 音频分析有限公司 声音识别系统
US20150265206A1 (en) * 2012-08-29 2015-09-24 Brown University Accurate analysis tool and method for the quantitative acoustic assessment of infant cry
CN106024016A (zh) * 2016-06-21 2016-10-12 上海禹昌信息科技有限公司 一种儿童看护型机器人及辨识儿童哭声的方法
CN107452363A (zh) * 2017-07-03 2017-12-08 福建天泉教育科技有限公司 乐器校音方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002097793A1 (fr) * 2001-06-01 2002-12-05 France Telecom Procede d'extraction de la frequence fondamentale d'un signal sonore
CN102246228A (zh) * 2008-12-15 2011-11-16 音频分析有限公司 声音识别系统
US20150265206A1 (en) * 2012-08-29 2015-09-24 Brown University Accurate analysis tool and method for the quantitative acoustic assessment of infant cry
CN106024016A (zh) * 2016-06-21 2016-10-12 上海禹昌信息科技有限公司 一种儿童看护型机器人及辨识儿童哭声的方法
CN107452363A (zh) * 2017-07-03 2017-12-08 福建天泉教育科技有限公司 乐器校音方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930643A (zh) * 2019-12-11 2020-03-27 南京邮电大学 一种防止婴幼儿遗落车内的智能安全系统及方法
CN111261197A (zh) * 2020-01-13 2020-06-09 中航华东光电（上海）有限公司 一种复杂噪声场景下的实时语音段落追踪方法
CN111261197B (zh) * 2020-01-13 2022-11-25 中航华东光电（上海）有限公司 一种复杂噪声场景下的实时语音段落追踪方法
CN111261194A (zh) * 2020-04-29 2020-06-09 浙江百应科技有限公司 一种基于pcm技术的音量分析方法
CN111967361A (zh) * 2020-08-07 2020-11-20 盐城工学院 一种基于婴儿表情识别与哭声的情绪检测方法
CN113012716A (zh) * 2021-02-26 2021-06-22 武汉星巡智能科技有限公司 婴儿哭声类别识别方法、装置及设备
CN113012716B (zh) * 2021-02-26 2023-08-04 武汉星巡智能科技有限公司 婴儿哭声类别识别方法、装置及设备
CN116229674A (zh) * 2023-02-07 2023-06-06 广州后为科技有限公司 婴儿监护方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110322898A (zh) 婴儿哭声检测方法、装置及计算机可读存储介质
CN110428810A (zh) 一种语音唤醒的识别方法、装置及电子设备
CN110265036A (zh) 语音唤醒方法、系统、电子设备及计算机可读存储介质
CN205051764U (zh) 电子设备
CN104867495A (zh) 上下文感知的声音标志检测
Pillos et al. A Real-Time Environmental Sound Recognition System for the Android OS.
CN109658953A (zh) 一种婴儿哭声识别方法、装置及设备
CN109905545A (zh) 一种消息处理方法及终端、计算机可读存储介质
CN107757471A (zh) 安全驾驶提醒方法以及移动终端
CN105844106A (zh) 一种健康提醒方法及装置
CN105335498A (zh) 一种基于语音信息进行信息推荐的方法和系统
CN107920162A (zh) 控制闹钟的方法、移动终端及计算机可读存储介质
CN107643967A (zh) 一种自动语音唤醒测试装置、系统及方法
CN104461235A (zh) 一种应用图标处理方法
CN113239872A (zh) 事件识别方法、装置、设备及存储介质
CN109561222A (zh) 一种语音数据的异常检测方法及装置
CN106713604B (zh) 信息安全的提示方法及系统
CN115424629A (zh) 一种基于车载娱乐系统的车辆内外通话方法、系统和车辆
CN109065017B (zh) 语音数据生成方法及相关装置
CN104407771A (zh) 一种终端
WO2016113697A1 (en) Rescue sensor device and method
CN108231074A (zh) 一种数据处理方法、语音助手设备及计算机可读存储介质
CN108170452A (zh) 机器人的成长方法
CN105635436B (zh) 一种未接来电提醒方法及移动终端
CN110310454A (zh) 基于人工智能的预警方法、系统、计算机设备及存储介质

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