CN113256936A - 基于声音事件的报警方法及系统 - Google Patents

Abstract

本发明涉及声音报警领域，具体涉及一种基于声音事件的报警方法及系统，其中，基于声音事件的报警方法采用人机耦合的处理方式，先利用机器的快速计算能力，从海量被检测环境音中粗略召回绝大多数满足条件的音频事件，再通过人工校验的方式对粗召回的音频事件进行严格校验判断，最终对需要报警的音频执行报警后处理，在满足精度的同时，减少了人工审核的成本，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

Description

基于声音事件的报警方法及系统

技术领域

本发明涉及声音报警领域，具体涉及一种基于声音事件的报警方法及系统。

背景技术

随着科技的进步，通过音频来检测外部发生的事件已经变得越来越普遍和寻常。而在感知到事件后，通常会基于事件的属性完成一些后续操作，例如通知、报警、屏蔽等等。如何让后续操作尽可能精准，在符合当前需求的同时，又尽可能节约成本是各大产品所追求的体验目标。

当前基于声音事件的报警处理，通常有两种方式：一种是通过人工对感知到的声音事件进行经验判别，决定是否进行报警后处理。另一种是通过机器比较感知到的声音事件种类的概率和预设阈值之间的关系，当被感知的声音事件属于需要报警类事件的概率大于阈值时，自动触发报警，将信息推送到后台进行处理。

第一种方式由人工判断，能保证报警后处理的精准度处于高水准，但完全依赖人工操作，运营成本巨大，随着检测类型的扩大和被检测声音事件的增多，会出现成本灾难。第二种方式由机器决策，显著节省了人工成本，但基于概率理论的决策结果无法保证精准度，有出现常识性后处理错误的风险。

上述问题是目前亟待解决的。

发明内容

本发明的目的是提供一种基于声音事件的报警方法及系统。

为了解决上述技术问题，本发明提供了一种基于声音事件的报警方法，包括：

对环境音进行持续监听获取音频信息；

将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；

依据识别结果以及分数完成初次报警判断；

将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；

获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

进一步的，所述将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数的步骤包括：

对音频信息进行特征提取，获取特征向量；

将特征向量输入到预先建立好的声学模型中，输出对应的发音以及第一准确度；

获取语言模型中的每个文本以及对应的第二准确度；

通过匹配发音以及文本得出音频流所表示的语句；

通过第一准确度以及第二准确度得出分数。

进一步的，所述依据识别结果以及分数完成初次报警判断的步骤包括：

将识别结果与预设的敏感词进行匹配；

若匹配，则判断分数是否大于预设分数，在大于等于预设分数时，初次报警判断的结果为触发报警，若小于预设分数时，初次报警判断的结果为不触发报警；

若不匹配，初次报警判断的结果为不触发报警。

进一步的，在将初次判定的结果为触发报警的声音事件发送给上位机之前，所述基于声音事件的报警方法还包括：

对音频信息进行脱敏处理。

进一步的，所述对音频信息进行脱敏处理的步骤包括：

对音频信息进行变声处理。

进一步的，所述对环境音进行持续监听的步骤包括：

设置预设数量的麦克风；

通过调整麦克风的数量来调节监听的音频信息的数量。

进一步的，所述判断分数是否大于预设分数中的预设分数的设置步骤包括：

设定初始预设分数；

对依据人工审核的能力对初始预设分数进行调节。

本发明还提供了一种基于声音事件的报警系统，包括：

监测单元，适于对环境音进行持续监听获取音频信息；

处理单元，适于将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；

初次判断单元，适于依据识别结果以及分数完成初次报警判断；

二次判断单元，适于将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；

对比报警单元，适于获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个的指令，所述至少一个由处理器执行时实现如上述的基于声音事件的报警方法。

本发明还提供了一种电子设备，包括存储器和处理器；所述存储器中存储有至少一条程序指令；所述处理器，通过加载并执行所述至少一条程序指令以实现如上述的基于声音事件的报警方法。

本发明的有益效果是，本发明提供了一种基于声音事件的报警方法及系统，其中，基于声音事件的报警方法包括：对环境音进行持续监听获取音频信息；将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；依据识别结果以及分数完成初次报警判断；将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。采用人机耦合的处理方式，先利用机器的快速计算能力，从海量被检测环境音中粗略召回绝大多数满足条件的音频事件，再通过人工校验的方式对粗召回的音频事件进行严格校验判断，最终对需要报警的音频执行报警后处理，在满足精度的同时，减少了人工审核的成本，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明实施例所提供的基于声音事件的报警方法的流程图。

图2是本发明实施例所提供的事件监测模块的原理框图。

图3是本发明实施例所提供的基于声音事件的报警系统的原理框图。

图4是本发明实施例所提供的电子设备的部分原理框图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

如图1所示，本实施例1提供了一种基于声音事件的报警方法。采用人机耦合的处理方式，先利用机器的快速计算能力，从海量被检测环境音中粗略召回绝大多数满足条件的音频事件，再通过人工校验的方式对粗召回的音频事件进行严格校验判断，最终对需要报警的音频执行报警后处理，在满足精度的同时，减少了人工审核的成本，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

具体来说，基于声音事件的报警方法包括以下步骤：

S110：对环境音进行持续监听获取音频信息。

具体来说，步骤S110包括以下步骤：

S111：设置预设数量的麦克风。

S112：通过调整麦克风的数量来调节监听的音频信息的数量。

具体来说，麦克风召回的音频信息数量根据客户使用需求进行设置，麦克风的数量越多，召回的音频信息数量越多。

S120：将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数。事件监测模块的原理图如图2所示。

具体来说，步骤S120包括以下步骤：

S121：对音频信息进行特征提取，获取特征向量。

具体来说，特征可以采用Fbank或者MFCC等通用特征。具体的提取过程为现有技术，本实施例不在陈述。

S122：将特征向量输入到预先建立好的声学模型中，输出对应的发音以及第一准确度。

请参阅图2，声学模型的建立过程，先对数据样本进行特征提取，获取对应的特征向量，特征向量分为训练集以及测试集，然后将训练集的特征向量输入到GMM-HMM模型后，将输出输入到高斯混合模型中进行对齐，从而完成声学模型的建立，通过测试集对声学模型的精度进行检测。

将监测到的音频信息进行特征提取后，输入到建立好的声学模型中，可以获取音频信息的发音以及对应的第一准确度。

S123：获取语言模型中的每个文本以及对应的第二准确度。

具体来说，语言模型中预先存储有预设文本以及对应的文本的第二准确度，文本的第二准确度根据用户实用需求进行设定，语言模型实质上就是文本以及对应的第二准确度所建立的数据库。在使用时，调取数据库获取文本以及对应的第二准确度，其中第二准确度根据预设的敏感词进行设定，即，预设文本中存在预设的敏感词，将预设的敏感词的第二准确度调高，从而提高预设敏感词的识别的精准度。

S124：通过匹配发音以及文本得出音频流所表示的语句。

具体来说，通过发音与发音词典进行匹配，得出每个发音对应的文本集合，结合上下文相关性组合出语句。通过发音得出语句的具体实现方式属于现有技术，本实施例不在具体进行陈述，例如，输入法在打出一连串拼音时会出现对应的符合要求的语句。如图2所示，音频信息的发音为“lao、shi、kuai、lai”，限定的字为“老、是、师、快、来”，组合后得出的语句为“老师快来”

S125：通过第一准确度以及第二准确度得出分数。

具体来说，通过加权平均数的方式来获取音频信息对应的分数，通过分别设置第一准确度以及第二准确度的权重，从而得出分数。

S130：依据识别结果以及分数完成初次报警判断。

具体来说，步骤S130包括以下步骤：

S131：将识别结果与预设的敏感词进行匹配。

具体来说，将识别结果与预设的敏感词进行匹配，敏感词有多个，开发者根据用户的使用需求，或者用户自行设定相关敏感词，并存入语言模型中，语言模型自行给敏感词提高第二准确度。

S132：若匹配，则判断分数是否大于预设分数，在大于等于预设分数时，初次报警判断的结果为触发报警，若小于预设分数时，初次报警判断的结果为不触发报警。

具体来说，通过敏感词的匹配进行一次判断，在通过预设分数进行二次判断，以减少误唤醒的概率。

在本实施例中，所述判断分数是否大于预设分数中的预设分数的设置步骤包括：

设定初始预设分数；

对依据人工审核的能力对初始预设分数进行调节。

具体来说，初始预设分数是一个经验值，根据历史数据得出，通过调整预设分数来调整需要人工审核的语音信息的数量，调高分数，降低初次报警判断的通过率，从而减少人工审核的语音信息的数量，降低人工压力，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

S133：若不匹配，初次报警判断的结果为不触发报警。

S140：将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核。

在本实施例中，在将初次判定的结果为触发报警的声音事件发送给上位机之前，所述基于声音事件的报警方法还包括：

对声音事件进行脱敏处理。

具体来说，对声音事件对应的音频流进行变声处理。即，通过变声处理后，隐藏音频流中含有的性别、年龄、口音等信息，只保留内容信息。

在其他实施例中，变声处理后还可以对敏感词进行去除，例如手机号、地址、钱财等。

本实施例提供的基于声音事件的报警方法，监测到的语音信息存储在本地，只有在需要人工审核时才进行上传，并在上传时进行了脱敏处理，有效的解决了客户对隐私泄露问题的担忧。

S150：获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

实施例2

请参阅图3，本实施例提供了一种基于声音事件的报警系统，包括：监测单元、处理单元、初次判断单元、二次判断单元以及对比报警单元。

在本实施例中，监测单元，适于对环境音进行持续监听获取音频信息，具体来说，监测单元用于执行以下步骤：

S111：设置预设数量的麦克风。

S112：通过调整麦克风的数量来调节监听的音频信息的数量。

具体来说，麦克风召回的音频信息数量根据客户使用需求进行设置，麦克风的数量越多，召回的音频信息数量越多。

在本实施例中，处理单元，适于将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数。具体来说，处理单元用于执行以下步骤：

S121：对音频信息进行特征提取，获取特征向量。

具体来说，特征可以采用Fbank特征或者mfcc特征等。具体的提取过程为现有技术，本实施例不在陈述。

S122：将特征向量输入到预先建立好的声学模型中，输出对应的发音以及第一准确度。

请参阅图2，声学模型的建立过程，先对数据样本进行特征提取，获取对应的特征向量，特征向量分为训练集以及测试集，然后将训练集的特征向量输入到GMM-HMM模型后，将输出输入到高斯混合模型中进行对齐，从而完成声学模型的建立，通过测试集对声学模型的精度进行检测。

将监测到的音频信息进行特征提取后，输入到建立好的声学模型中，可以获取音频信息的发音以及对应的第一准确度。

S123：获取语言模型中的每个文本以及对应的第二准确度。

具体来说，语言模型中预先存储有预设文本以及对应的文本的第二准确度，文本的第二准确度根据用户实用需求进行设定，语言模型实质上就是文本以及对应的第二准确度所建立的数据库。在使用时，调取数据库获取文本以及对应的第二准确度，其中第二准确度根据预设的敏感词进行设定，即，预设文本中存在预设的敏感词，将预设的敏感词的第二准确度调高，从而提高预设敏感词的识别的精准度。

S124：通过匹配发音以及文本得出音频流所表示的语句。

具体来说，通过发音与发音词典进行匹配，得出每个发音对应的文本集合，结合上下文相关性组合出语句。通过发音得出语句的具体实现方式属于现有技术，本实施例不在具体进行陈述，例如，输入法在打出一连串拼音时会出现对应的符合要求的语句。如图2所示，音频信息的发音为“lao、shi、kuai、lai”，限定的字为“老、是、师、快、来”，组合后得出的语句为“老师快来”

S125：通过第一准确度以及第二准确度得出分数。

具体来说，通过加权平均数的方式来获取音频信息对应的分数，通过分别设置第一准确度以及第二准确度的权重，从而得出分数。

在本实施例中，初次判断单元，适于依据识别结果以及分数完成初次报警判断。具体来说，初次判断单元用于执行以下步骤：

S131：将识别结果与预设的敏感词进行匹配。

具体来说，将识别结果与预设的敏感词进行匹配，敏感词有多个，开发者根据用户的使用需求，或者用户自行设定相关敏感词，并存入语言模型中，语言模型自行给敏感词提高第二准确度。

S132：若匹配，则判断分数是否大于预设分数，在大于等于预设分数时，初次报警判断的结果为触发报警，若小于预设分数时，初次报警判断的结果为不触发报警。

具体来说，通过敏感词的匹配进行一次判断，在通过预设分数进行二次判断，以减少误唤醒的概率。

在本实施例中，所述判断分数是否大于预设分数中的预设分数的设置步骤包括：

设定初始预设分数；

对依据人工审核的能力对初始预设分数进行调节。

具体来说，初始预设分数是一个经验值，根据历史数据得出，通过调整预设分数来调整需要人工审核的语音信息的数量，调高分数，降低初次报警判断的通过率，从而减少人工审核的语音信息的数量，降低人工压力，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

S133：若不匹配，初次报警判断的结果为不触发报警。

在本实施例中，二次判断单元，适于将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核。

其中，在将初次判定的结果为触发报警的声音事件发送给上位机之前，二次判断单元还用于执行以下步骤：

对声音事件进行脱敏处理。

具体来说，对声音事件对应的音频流进行变声处理。即，通过变声处理后，隐藏音频流中含有的性别、年龄、口音等信息，只保留内容信息。

在其他实施例中，变声处理后还可以对敏感词进行去除，例如手机号、地址、钱财等。

本实施例提供的基于声音事件的报警方法，监测到的语音信息存储在本地，只有在需要人工审核时才进行上传，并在上传时进行了脱敏处理，有效的解决了客户对隐私泄露问题的担忧。

在本实施例中，对比报警单元，适于获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

实施例3

本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个的指令，所述至少一个由处理器执行时实现实施例1所提供的基于声音事件的报警方法。

基于声音事件的报警方法采用人机耦合的处理方式，先利用机器的快速计算能力，从海量被检测环境音中粗略召回绝大多数满足条件的音频事件，再通过人工校验的方式对粗召回的音频事件进行严格校验判断，最终对需要报警的音频执行报警后处理，在满足精度的同时，减少了人工审核的成本，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

实施例4

请参阅图4，本实施例提供了一种电子设备，包括：存储器502和处理器501；所述存储器502中存储有至少一条程序指令；所述处理器501，通过加载并执行所述至少一条程序指令以实现如实施例1所提供的基于声音事件的报警方法。

存储器502和处理器501采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器501。

处理器501负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据。

综上所述，本发明提供了一种基于声音事件的报警方法及系统，其中，基于声音事件的报警方法包括：对环境音进行持续监听获取音频信息；将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；依据识别结果以及分数完成初次报警判断；将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。采用人机耦合的处理方式，先利用机器的快速计算能力，从海量被检测环境音中粗略召回绝大多数满足条件的音频事件，再通过人工校验的方式对粗召回的音频事件进行严格校验判断，最终对需要报警的音频执行报警后处理，在满足精度的同时，减少了人工审核的成本，以保证成本开销和检测精准度间的平衡，满足客户的使用需求。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种基于声音事件的报警方法，其特征在于，包括：

对环境音进行持续监听获取音频信息；

将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；

依据识别结果以及分数完成初次报警判断；

将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；

获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

2.如权利要求1所述的基于声音事件的报警方法，其特征在于，所述将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数的步骤包括：

对音频信息进行特征提取，获取特征向量；

将特征向量输入到预先建立好的声学模型中，输出对应的发音以及第一准确度；

获取语言模型中的每个文本以及对应的第二准确度；

通过匹配发音以及文本得出音频流所表示的语句；

通过第一准确度以及第二准确度得出分数。

3.如权利要求1所述的基于声音事件的报警方法，其特征在于，所述依据识别结果以及分数完成初次报警判断的步骤包括：

将识别结果与预设的敏感词进行匹配；

若匹配，则判断分数是否大于预设分数，在大于等于预设分数时，初次报警判断的结果为触发报警，若小于预设分数时，初次报警判断的结果为不触发报警；

若不匹配，初次报警判断的结果为不触发报警。

4.如权利要求1所述的基于声音事件的报警方法，其特征在于，在将初次判定的结果为触发报警的声音事件发送给上位机之前，所述基于声音事件的报警方法还包括：

对音频信息进行脱敏处理。

5.如权利要求4所述的基于声音事件的报警方法，其特征在于，所述对音频信息进行脱敏处理的步骤包括：

对音频信息进行变声处理。

6.如权利要求1所述的基于声音事件的报警方法，其特征在于，所述对环境音进行持续监听的步骤包括：

设置预设数量的麦克风；

通过调整麦克风的数量来调节监听的音频信息的数量。

7.如权利要求3所述的基于声音事件的报警方法，其特征在于，所述判断分数是否大于预设分数中的预设分数的设置步骤包括：

设定初始预设分数；

对依据人工审核的能力对初始预设分数进行调节。

8.一种基于声音事件的报警系统，其特征在于，包括：

监测单元，适于对环境音进行持续监听获取音频信息；

处理单元，适于将音频信息输入到预先建立好的事件监测模块中，并输出识别结果以及分数；

初次判断单元，适于依据识别结果以及分数完成初次报警判断；

二次判断单元，适于将初次报警判断结果为触发报警的音频信息发送给上位机进行人工审核；

对比报警单元，适于获取人工审核结果并与初次报警判断的结果进行比对，在结果一致时进行报警。

9.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个的指令，其特征在于，所述至少一个指令由处理器执行时实现权利要求1至7中任一所述的基于声音事件的报警方法。

10.一种电子设备，其特征在于，包括存储器和处理器；所述存储器中存储有至少一条程序指令；所述处理器，通过加载并执行所述至少一条程序指令以实现权利要求1-7中任一项所述的基于声音事件的报警方法。

Images