CN112960506B - 基于音频特征的电梯告警音检测系统 - Google Patents
基于音频特征的电梯告警音检测系统 Download PDFInfo
- Publication number
- CN112960506B CN112960506B CN202110333570.2A CN202110333570A CN112960506B CN 112960506 B CN112960506 B CN 112960506B CN 202110333570 A CN202110333570 A CN 202110333570A CN 112960506 B CN112960506 B CN 112960506B
- Authority
- CN
- China
- Prior art keywords
- audio
- warning sound
- sound detection
- module
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明涉及一种基于音频特征的电梯告警音检测系统，运行过程识别模块用于识别电梯是否存在运行过程，音频数据处理模块用于对音频数据进行特征构造形成第一音频特征和第二音频特征；模型拟合模块包括第一告警音检测模块和第二告警音检测模块，用于针对第一音频特征和第二音频特征进行告警音检测；输出模块用于发出告警音。本发明通过对音频数据进行特征构造分别形成第一音频特征和第二音频特征在分别输入第一告警音检测模型和第二告警音检测模型进行告警音识别，当两个模型同时识别为告警音时发出告警音，并且可以结合加速数据对于运行过程进行判断，最终生成具体的告警类型。硬件要求低、识别精度高。
Description
技术领域
本发明属于安全防控技术领域，涉及一种基于音频特征的电梯告警音检测系统。
背景技术
电梯在现代生活中扮演着重要的角色，其工作特点是高效率垂直运行。电梯在给人们带来极大便利的同时，也伴随着一定的风险，例如电梯震动，门故障以及设备因保障不当带来未知的安全隐患。电梯在运行过程中受到干扰会发出报警，这表面电梯在运行过程中存在严重安全隐患。因此，实现准确的识别电梯运行过程中的报警音对确保电梯的正常运行十分真要，同时能为乘客带来极大的安全保障。目前的技术中，主要是采用安装硬件检测设备方式来检测是否有告警音发出。此种方式严重依赖硬件设备，需要有复杂的控制模块进行检测，检测结果精度难以保证，成本高昂。
发明内容
本发明的目的在于解决上述问题，提供一种基于音频特征的电梯告警音检测系统。
为实现本发明的上述目的，本发明提供一种基于音频特征的电梯告警音检测系统，包括运行过程识别模块、音频数据处理模块、模型拟合模块和输出模块；
所述运行过程识别模块用于识别电梯是否存在运行过程，所述音频数据处理模块用于从监控数据中获取音频数据并对音频数据进行特征构造形成第一音频特征和第二音频特征；所述模型拟合模块包括第一告警音检测模块和第二告警音检测模块，分别用于针对所述第一音频特征和第二音频特征进行告警音检测；所述输出模块用于发出告警音。
根据本发明的一个方面，所述运行识别模块包括加速度传感器，所述运行识别模块用户于识别电梯是否存在运行过程包括：
采集加速度数据，对加速度数据进行数据清洗；
对清洗后的加速度数据进行二次积分计算出运行距离；
若运行距离大于设定距离阈值则判定为有运行过程。
根据本发明的一个方面，所述音频处理模块包括数据采集部分、数据处理部分和特征构造部分；
所述数据采集部分从监控数据中获取音频数据；
所述数据处理部分用于将异常数据剔除；
所述特征构造部分用于将音频数据分别形成第一音频特征和第二音频特征。
根据本发明的一个方面，所述第一音频特征为音频数据的梅尔频谱。
根据本发明的一个方面，所述第二音频特征为音频数据转化的可视化图片。
根据本发明的一个方面，第一音频特征和第二音频特征在进行检测之前，还进行归一化处理。
根据本发明的一个方面，所述第一告警音检测模块和第二告警音检测模块同时检测出音频数据为告警音时，输出模块发出告警音。
根据本发明的一个方面，所述第一告警音检测模型为图像分类模型VGGNet。
根据本发明的一个方面，所述第二告警音检测模型为深度神经网络模型。
本发明的基于音频特征的电梯告警检测系统，通过对音频数据进行特征构造分别形成第一音频特征和第二音频特征在分别输入第一告警音检测模型和第二告警音检测模型进行告警音识别，当两个模型同时识别为告警音时发出告警音，并且可以结合加速数据对于运行过程进行判断，最终生成具体的告警类型。极大地降低了对硬件设备的要求，应用范围广，能够高精度的对告警音进行识别。
附图说明
图1示意性表示根据本发明基于音频特征的电梯告警音检测系统的结构图；
图2示意性表示根据本发明一种实施方式的第二告警音检测模型结构；
图3示意性表示根据本发明的梅尔频谱特征图示；
图4示意性表示根据本发明的音频特征转化后的图片特征图示。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式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一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
如图1所示，本发明提供一种基于音频特征的电梯告警音检测系统，包括运行过程识别模块1、音频数据处理模块2、模型拟合模块3和输出模块4。
本发明的运行过程识别模块1包括加速度传感器，用于识别电梯是否存在运行过程。具体地，本发明的运行过程识别模块1通过加速度传感器实时采集的加速度数据，计算出运行距离。在进行计算之间，需要对加速度数据进行数据清洗，去除异常值。然后对清洗后的加速度数据进行二次积分计算出运行距离；若运行距离大于设定距离阈值则判定为有运行过程。
本发明的音频数据处理模块2用于从监控数据中获取音频数据并对音频数据进行特征构造形成第一音频特征和第二音频特征；模型拟合模块3包括第一告警音检测模块和第二告警音检测模块，分别用于针对第一音频特征和第二音频特征进行告警音检测；输出模块4用于发出告警音。
具体地，音频处理模块2包括数据采集部分、数据处理部分和特征构造部分。其中数据采集部分从监控数据中获取音频数据。数据处理部分用于将因设备问题采集到的异常数据剔除，例如音频时域数据全为0或者采集失败全为负值的。特征构造部分用于将音频数据分别形成第一音频特征和第二音频特征。而第一音频特征为音频数据的梅尔频谱，如图3所示。具体地，将音频数据的采样率设置22050，滤波器设置128个，并提取出其中第60维到90维的数据作为梅尔频谱输入第二告警音检测模型。第60维到90维对告警音数据更为敏感，有利于确保检测精度。
第二音频特征为音频数据转化的可视化图片，也就是将音频数据转换为可视化的图谱作为图片特征(如图4所示)输出第一告警音检测模型进行识别。此外，第一音频特征和第二音频特征在进行检测之前，还进行归一化处理。归一化处理可以保证数据落在一个特定的区间，可以提升模型收敛速度并提高模型精度防止模型梯度爆炸。假设x为原始输入数据min为数据集中的最小值，max为最大值，归一化后的数据X为：
根据本发明的一种实施方式，第一告警音检测模型采用图像分类模型VGGNet。第二告警音检测模型为深度神经网络模型。具体结构如图2所示，Conv为卷积神经网络，Dense为全连接神经网络，具体的“conv1:3*3 64Relu”为第一层卷积网络，卷积核大小为3*3，64为滤波器数量,Relu为激活函数，“MaxPool：2,2”为大小为2步长为2的最大值池化，“Dense:1024Relu”为隐藏层神经元个数为1024的全连接神经网络，其他层结构以此类推。
然后，当第一告警音检测模块和第二告警音检测模块同时检测出音频数据为告警音时，本发明的输出模块4发出告警音，此时可以结合运行过程识别模块的对于运行距离的计算结果，若有运行过程，即为异常运行告警，若无运行过程即为电梯异常告警。
本发明的基于音频特征的电梯告警检测系统，通过对音频数据进行特征构造分别形成第一音频特征和第二音频特征在分别输入第一告警音检测模型和第二告警音检测模型进行告警音识别，当两个模型同时识别为告警音时发出告警音，并且可以结合加速数据对于运行过程进行判断，最终生成具体的告警类型。极大地降低了对硬件设备的要求，应用范围广，能够高精度的对告警音进行识别。
以上所述仅为本发明的一个实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于音频特征的电梯告警音检测系统，其特征在于，包括运行过程识别模块(1)、音频数据处理模块(2)、模型拟合模块(3)和输出模块(4)；
所述运行过程识别模块(1)用于识别电梯是否存在运行过程，所述音频数据处理模块(2)用于从监控数据中获取音频数据并对音频数据进行特征构造形成第一音频特征和第二音频特征，所述第一音频特征为音频数据的梅尔频谱；所述第二音频特征为音频数据转化的可视化图片；所述模型拟合模块(3)包括第一告警音检测模块和第二告警音检测模块，分别用于针对所述第一音频特征和第二音频特征进行告警音检测；所述输出模块(4)用于发出告警音；
所述运行过程识别模块(1)包括加速度传感器，所述运行过程识别模块(1)用户于识别电梯是否存在运行过程包括：
采集加速度数据，对加速度数据进行数据清洗；
对清洗后的加速度数据进行二次积分计算出运行距离；
若运行距离大于设定距离阈值则判定为有运行过程；
所述第一告警音检测模块和第二告警音检测模块同时检测出音频数据为告警音时，输出模块(4)发出告警音。
2.根据权利要求1所述的基于音频特征的电梯告警音检测系统，其特征在于，所述音频数据处理模块(2)包括数据采集部分、数据处理部分和特征构造部分；
所述数据采集部分从监控数据中获取音频数据；
所述数据处理部分用于将异常数据剔除；
所述特征构造部分用于将音频数据分别形成第一音频特征和第二音频特征。
3.根据权利要求1所述的基于音频特征的电梯告警音检测系统，其特征在于，第一音频特征和第二音频特征在进行检测之前，还进行归一化处理。
4.根据权利要求1所述的基于音频特征的电梯告警音 检测系统，其特征在于，所述第一告警音检测模块为图像分类模型VGGNet。
5.根据权利要求1所述的基于音频特征的电梯告警音 检测系统，其特征在于，所述第二告警音检测模块为深度神经网络模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333570.2A CN112960506B (zh) | 2021-03-29 | 2021-03-29 | 基于音频特征的电梯告警音检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110333570.2A CN112960506B (zh) | 2021-03-29 | 2021-03-29 | 基于音频特征的电梯告警音检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112960506A CN112960506A (zh) | 2021-06-15 |
| CN112960506B true CN112960506B (zh) | 2022-11-25 |
Family
ID=76278770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110333570.2A Active CN112960506B (zh) | 2021-03-29 | 2021-03-29 | 基于音频特征的电梯告警音检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112960506B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102610228B (zh) * | 2011-01-19 | 2014-01-22 | 上海弘视通信技术有限公司 | 音频异常事件检测系统及其标定方法 |
| DE112015006099T5 (de) * | 2015-02-03 | 2017-11-30 | Mitsubishi Electric Building Techno-Service Co., Ltd. | Anormales-Geräusch-Diagnosegerät, Anormales-Geräusch-Diagnosesystem, Anormales-Geräusch-Diagnoseverfahren und Anormales-Geräusch-Diagnoseprogramm |
| CN206427887U (zh) * | 2016-11-03 | 2017-08-22 | 济南旭拓电子科技有限公司 | 电梯运行状态监测终端 |
| CN112193959A (zh) * | 2020-09-25 | 2021-01-08 | 浙江新再灵科技股份有限公司 | 电梯异响检测方法及系统 |
-
2021
- 2021-03-29 CN CN202110333570.2A patent/CN112960506B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112960506A (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107527617A (zh) | 基于声音识别的监控方法、装置及系统 | |
| CN109616140B (zh) | 一种异常声音分析系统 | |
| CN108647582A (zh) | 一种复杂动态环境下目标行为识别与预测方法 | |
| CN110364141B (zh) | 基于深度单分类器的电梯典型异常声音报警方法 | |
| CN111436944B (zh) | 一种基于智能移动终端的跌倒检测方法 | |
| CN106228979B (zh) | 一种公共场所异常声音特征提取及识别方法 | |
| CN112193959A (zh) | 电梯异响检测方法及系统 | |
| CN112327288B (zh) | 雷达人体动作识别方法、装置、电子设备和存储介质 | |
| Mulimani et al. | Acoustic event classification using spectrogram features | |
| CN111754982A (zh) | 语音通话的噪声消除方法、装置、电子设备及存储介质 | |
| CN112478975A (zh) | 基于音频特征的电梯门故障检测方法 | |
| CN112349296A (zh) | 一种基于声音识别的地铁站台安全监测方法 | |
| CN105139869B (zh) | 一种基于区间差分特征的婴儿啼哭检测方法 | |
| Kim et al. | Deep neural network-based indoor emergency awareness using contextual information from sound, human activity, and indoor position on mobile device | |
| Kandpal et al. | Classification of ground vehicles using acoustic signal processing and neural network classifier | |
| KR101736466B1 (ko) | 음향 정보 기반 상황 인식 장치 및 방법 | |
| EP2263533A1 (en) | Enhancing security and emergency functionalities in mobile phones based on detection of physical shocks | |
| KR20190046569A (ko) | 음향기반 터널 사고 검지 시스템 | |
| CN112960506B (zh) | 基于音频特征的电梯告警音检测系统 | |
| Smailov et al. | A Novel Deep CNN-RNN Approach for Real-time Impulsive Sound Detection to Detect Dangerous Events | |
| CN107644651A (zh) | 用于语音识别的电路和方法 | |
| KR101752066B1 (ko) | 엘리베이터 탑승자의 환경정보를 이용한 비상상황 감지시스템 및 그 방법 | |
| WO2008055306A1 (en) | Machine learning system for graffiti deterrence | |
| CN111860194A (zh) | 一种家庭智能安全监控系统及方法 | |
| CN112850408B (zh) | 一种基于多模型融合的电梯急停困人故障检测方法 |
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 |