CN113593610B - 烟雾报警声识别方法及系统 - Google Patents
烟雾报警声识别方法及系统 Download PDFInfo
- Publication number
- CN113593610B CN113593610B CN202110921471.6A CN202110921471A CN113593610B CN 113593610 B CN113593610 B CN 113593610B CN 202110921471 A CN202110921471 A CN 202110921471A CN 113593610 B CN113593610 B CN 113593610B
- Authority
- CN
- China
- Prior art keywords
- signal
- alarm
- sound signal
- sound
- alarm sound
- 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
- 239000000779 smoke Substances 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005236 sound signal Effects 0.000 claims abstract description 231
- 238000012216 screening Methods 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims description 78
- 238000001914 filtration Methods 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 30
- 230000000737 periodic effect Effects 0.000 claims description 15
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G10L25/48—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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
-
- 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
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种烟雾报警声识别方法及系统,其涉及火灾报警技术领域,该方法包括如下步骤:采集外界环境中的声音信号;对所述声音信号进行处理,得到处理后声音信号;基于特征分析对所述处理后声音信号进行分析筛选,筛选出报警声音信号,所述报警声音信号由烟雾传感器发出;根据所述报警声音信号生成报警信息;将所述报警信息发送至所述用户客户端。本申请具有发生火灾时不仅可以提醒在场人员避险还可以远程告知其他人员的效果。
Description
技术领域
本申请涉及火灾报警技术领域,尤其是涉及一种烟雾报警声识别方法及系统。
背景技术
烟雾传感器又称烟雾报警器或烟感报警器,内部采用了光电感烟器件,能够探测火灾时产生的烟雾,可广泛应用于商场、宾馆、商店、仓库、机房、住宅等场所进行火灾安全检测。烟雾传感器内置了蜂鸣器,报警后可发出强烈声响以提醒人们进行避险。而在仓库、机房等人员停留时间较短的场所中,若无人时发生火灾,烟雾传感器虽然会发出报警,但值班人员可能会因未听到警报声而没有采取紧急措施,导致重大经济损失,严重的可能会导致火势扩大造成人员伤亡。
因此在相关技术中,采用烟雾传感器和摄像头配合进行火灾监控,但由于包含烟雾报警系统的摄像头成本昂贵且普适性较差,因此通常采用的烟雾传感器和摄像头均为脱离系统的独立个体,当监控场所发生火灾时有人员,则烟雾传感器将发出报警声提醒人员避险;当监控场所发生火灾时没有人员,则值班人员将通过摄像头及时得知火灾险情,从而可以及时采取紧急措施并报警。
针对上述中的相关技术,发明人认为存在有以下缺陷:当监控场所发生火灾又没有人员时,且值班人员可能由于上厕所等原因没有及时查看摄像头采集的监控图像,而没有及时获知火灾险情,最终可能导致火灾蔓延而造成经济损失或人员伤亡。
发明内容
为了改善由于值班人员没有及时查看摄像头采集的监控图像,而没有及时获知火灾险情,最终导致火灾蔓延而造成经济损失或人员伤亡的缺陷,本申请提供一种烟雾报警声识别方法及系统。
第一方面,本申请提供一种烟雾报警声识别方法,包括如下步骤:
采集外界环境中的第一声音信号;
对所述第一声音信号进行处理,得到第二声音信号;
基于特征分析对所述第二声音信号进行分析筛选,筛选出报警声音信号,所述报警声音信号由烟雾传感器发出;
根据所述报警声音信号生成报警信息;
将所述报警信息发送至所述用户客户端。
通过采用上述技术方案,先采集外界环境中的第一声音信号,但外界环境中可能会包含部分噪音,且采集过程中也可能会产生干扰信号,因此需要先对采集到的第一声音信号进行处理以减少干扰信号或噪音产生的影响,从而得到处理后的第二声音信号,再对第二声音信号进行分析筛选,从中可以筛选出烟雾传感器所发出的报警声音信号,当从第二声音信号筛选出报警声音信号时,将生成报警信息并将报警信息发送至用户所持的用户客户端,以远程提醒用户发生火灾险情,使得用户可以及时采集紧急措施。
可选的,所述对所述第一声音信号进行处理,得到第二声音信号包括如下步骤:
将所述第一声音信号进行滤波处理;
将滤波处理后的所述第一声音信号进行降噪处理,得到第二声音信号。
通过采用上述技术方案,通过滤波处理可以过滤第一声音信号中的干扰信号,再将滤波处理后的第一声音信号进行降噪处理,可以将第一声音信号中的杂乱噪声进行处理。
可选的,所述将所述第一声音信号进行滤波处理包括如下步骤:
将所述第一声音信号依次进行高通滤波处理和低通滤波处理;
或,
将所述第一声音信号依次进行所述低通滤波处理和所述高通滤波处理。
通过采用上述技术方案,通过预先设定的阈值,经过高通滤波处理可以过滤第一声音信号中超出阈值的高频信号,经过低通滤波处理可以过滤第一声音信号中超出阈值的低频信号,且高通滤波处理和低通滤波处理的顺序可以进行调换。
可选的,所述基于特征分析对所述第二声音信号进行分析筛选包括如下步骤:
根据预先采集的所述报警声音信号分析获取报警声音特征,所述报警声音特征包括报警声音阈值和报警声音频率;
对所述第二声音信号进行阈值统计,得到阈值统计结果;
基于所述阈值统计结果和所述报警声音阈值对所述第二声音信号进行初步筛选,得到初步筛选信号。
通过采用上述技术方案,先对预先采集的报警声音信号进行特征分析,获取报警声音特征,其中包括报警声音阈值,预先采集的报警声音信号的阈值高于常规噪音且信号较为平稳,因此报警声音阈值的波动幅度也较小,对第二声音信号的阈值统计,然后可以通过报警声音阈值对第二声音信号进行初步筛选,筛选出疑似为报警声音信号的初步筛选信号。
可选的,所述基于特征分析对所述第二声音信号进行分析筛选还包括如下步骤:
基于所述报警声音频率分析报警声音信号的频率范围和对应的报警声峰值占比范围;
根据预设的采样率统计所述初步筛选信号中的采样峰值占比数量;
判断所述采样峰值占比数量是否处于所述报警声峰值占比范围内;
若所述采样峰值占比数量处于所述报警声峰值占比范围内,则基于周期变化特征和信号时长判断所述初步筛选信号是否为所述报警声音信号;
若所述采样峰值占比数量不处于所述报警声峰值占比范围内,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
通过采用上述技术方案,通过对预先采集的报警声音信号的特征分析,还可以获取报警声音频率,再通过报警声音频率分析报警声音信号的频率范围和对应的报警声峰值占比范围,统计初步筛选信号中的采样峰值占比数量,再通过对采样峰值占比数量是否处于报警声峰值占比范围内的判断,判断初步筛选信号与报警声音信号在频域上的相似性,若相似则继续通过周期变化特征和信号时长作进一步判断,若不相似则回到通过阈值统计进行分析筛选的步骤。
可选的,所述报警声音特征还包括频率周期变化特征和对应的周期变化时长,所述基于周期变化特征和信号时长判断所述初步筛选信号是否为所述报警声音信号包括如下步骤:
根据所述采样率从所述初步筛选信号中截取多段采样信号,所述采样信号的时长小于所述周期变化时长,多段所述采样信号之间的间隔时长与所述周期变化时长相等;
判断所有采样信号的频率变化特征是否相同;
若所有采样信号的频率变化特征不同,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选;
若所有采样信号的频率变化特征相同,则判断所述频率变化特征是否与所述频率周期变化特征中的部分特征重合;
若所述频率变化特征与所述频率周期变化特征中的部分特征不重合,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选;
若所述频率变化特征与所述频率周期变化特征中的部分特征重合,则基于信号时长判断所述初步筛选信号是否为所述报警声音信号。
通过采用上述技术方案,当初步筛选信号与报警声音信号在阈值与频域均相似,则继续根据频率变化特征进行进一步分析判断,先截取初步筛选信号中的多段采样信号,并且使得采样信号之间的间隔时长与报警声音信号的周期变化时长相等,通过判断所有采样信号的频率变化特征是否相同,可以判断出初步筛选信号是否具有周期性,若具有周期性还可以判断初步筛选信号的周期变化时长是否与报警声音信号的周期变化时长相同,若初步筛选信号具有周期性且周期变化时长也与报警声音信号的周期变化时长相同,则在通过判断采样信号的频率变化特征是否与报警声音信号中的部分频率变化特征重合,若重合则根据信号时长再进行进一步判断,若不重合则回到通过阈值统计进行分析筛选的步骤。
可选的,所述报警声音特征还包括报警总时长,所述基于信号时长判断所述初步筛选信号是否为所述报警声音信号包括如下步骤:
计算获取所述初步筛选信号的采样总时长;
基于预设的误差阈值比对所述采样总时长和所述报警总时长;
判断所述采样总时长和所述报警总时长的差值是否小于所述误差阈值;
若所述采样总时长和所述报警总时长的差值小于所述误差阈值,则判断所述初步筛选信号为所述报警声音信号;
若所述采样总时长和所述报警总时长的差值不小于所述误差阈值,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
通过采用上述技术方案,通过对预先采集的报警声音信号的特征分析,还可以获取报警声音信号的报警总时长,根据初步筛选信号的信号特征将初步筛选信号采样截取出来,并计算初步筛选信号的采样总时长,由于在采集过程中存在其他噪声的干扰,因此初步筛选信号的采样总时长可能会和报警总时长有一定的偏差,又由于报警声音信号较为平稳,因此受其他噪声的干扰不会太大,所以通过误差阈值的设定,可以对采样总时长和报警总时长之间的差值进行判断,若差值小于误差阈值,则初步筛选信号为报警声音信号,若误差大于误差阈值,则回到通过阈值统计进行分析筛选的步骤。
可选的,所述将所述报警信息发送至所述用户客户端包括如下步骤:
与用户客户端建立至少两种通信协议的通信连接方式;
基于所述通信连接方式的通信协议将所述报警信息转换为对应的报警通信信号;
根据预设的间隔时间,重复以所述通信连接方式将所述报警通信信号发送至所述用户客户端。
通过采用上述技术方案,通过至少两种通信连接方式与用户客户端连接,并通过至少两种通信连接方式将报警信号发送至用户客户端,且发送过程采用定时重复发送的方式,以减少用户忽略报警信息的可能,起到远程向用户进行警示的效果。
第二方面,本申请提供一种烟雾报警声识别系统,包括:
声音采集模块,用于采集外界环境中的第一声音信号;
声音处理模块,与所述声音采集模块电连接以接收所述第一声音信号,用于将所述第一声音信号进行处理,得到第二声音信号;
分析筛选模块,与所述声音处理模块电连接以接收所述第二声音信号,用于对所述第二声音信号进行分析筛选,筛选出报警声音信号,所述报警声音信号由烟雾传感器发出;
报警模块,与所述分析筛选模块电连接以接收所述报警声音信号,并与用户客户端连接,用于接收到所述报警声音信号后生成报警信息,并将所述报警信息发送至所述用户客户端。
通过采用上述技术方案,先通过声音采集模块采集外界环境中的第一声音信号,但外界环境中可能会包含部分噪音,且采集过程中也可能会产生干扰信号,因此需要通过声音处理模块对采集到的第一声音信号进行处理以减少干扰信号或噪音产生的影响,从而得到处理后的第二声音信号,再通过分析筛选模块对第二声音信号进行分析筛选,从中可以筛选出烟雾传感器所发出的报警声音信号,当从第二声音信号筛选出报警声音信号时,报警模块将生成报警信息并将报警信息发送至用户所持的用户客户端,以远程提醒用户发生火灾险情,使得用户可以及时采集紧急措施。
综上所述,本申请包括以下至少一种有益技术效果:
1.先采集外界环境中的第一声音信号,但外界环境中可能会包含部分噪音,且采集过程中也可能会产生干扰信号,因此需要先对采集到的第一声音信号进行处理以减少干扰信号或噪音产生的影响,从而得到处理后的第二声音信号,再对第二声音信号进行分析筛选,从中可以筛选出烟雾传感器所发出的报警声音信号,当从第二声音信号筛选出报警声音信号时,将生成报警信息并将报警信息发送至用户所持的用户客户端,以远程提醒用户发生火灾险情,使得用户可以及时采集紧急措施。
2.通过至少两种通信连接方式与用户客户端连接,并通过至少两种通信连接方式将报警信号发送至用户客户端,且发送过程采用定时重复发送的方式,以减少用户忽略报警信息的可能,起到远程向用户进行警示的效果。
附图说明
图1是本申请其中一实施例的烟雾报警声识别系统的系统模块示意图一。
图2是本申请其中一实施例的烟雾报警声识别系统的系统模块示意图二。
图3是本申请其中一实施例的烟雾报警声识别方法的流程示意图。
图4是本申请其中一实施例的基于特征分析对第二声音信号进行分析筛选的流程示意图。
图5是本申请其中一实施例的基于周期变化特征对初步筛选信号进行判断的流程示意图。
图6是本申请其中一实施例的基于信号时长对初步筛选信号进行判断的流程示意图。
图7是本申请其中一实施例的将报警信息发送至用户客户端的流程示意图。
附图标记说明:
1、声音采集模块;2、声音处理模块;3、分析筛选模块;4、报警模块;21、低通滤波单元;22、高通滤波单元;23、降噪单元;31、阈值统计单元;32、频域分析单元;33、周期分析单元;34、时长统计单元。
具体实施方式
以下结合附图1-7对本申请作进一步详细说明。
本申请实施例公开了一种烟雾报警声识别系统,该系统可以应用于网络摄像头中。
参照图1,烟雾报警声识别系统包括声音采集模块1、声音处理模块2、分析筛选模块3和报警模块4,声音采集模块1与声音处理模块2电连接,声音采集模块1可以采集外界环境的第一声音信号,并将第一声音信号发送至声音处理模块2。声音处理模块2接收第一声音信号并将第一声音信号进行滤波和降噪处理,处理成第二声音信号,声音处理模块2与分析筛选模块3电连接,声音处理模块2将第二声音信号发送在分析筛选模块3。分析筛选模块3基于报警信号特征,对第二声音信号进行筛选,从中筛选判断出烟雾传感器所发出的报警声音信号。分析筛选模块3与报警模块4电连接,当分析筛选模块3将筛选出的报警声音信号发送至报警模块4时,报警模块4生成报警信息。报警模块4与用户客户端通信连接并将报警信息发送至用户客户端,以远程警示用户发生火灾险情。
参照图2,声音采集模块1可以为驻极体话筒,声音处理模块2包括低通滤波单元21、高通滤波单元22和降噪单元23,其中高通滤波单元22为高通滤波器,低通滤波单元21为低通滤波器,高通滤波单元22和低通滤波单元21可以对信号起到滤波作用,降噪单元23可以为LMS自适应滤波器,降噪单元23可以对信号起到降噪作用。
参照图2,声音采集模块1与低通滤波单元21电连接,声音采集模块1采集第一声音信号后将第一声音信号发送至低通滤波单元21。低通滤波单元21与高通滤波单元22电连接,低通滤波单元21根据预设的阈值滤除第一声音信号中的低频信号后再将第一声音信号发送至高通滤波单元22。高通滤波单元22与降噪单元23电连接,高通滤波单元22根据预设的阈值再滤除第一声音信号中的高频信号,再将第一声音信号发送至降噪单元23,降噪单元23根据LMS算法对第一声音信号进行降噪处理,最终得到第二声音信号。
在另一实施例中,声音采集模块1与高通滤波单元22电连接,高通滤波单元22与低通滤波单元21电连接,低通滤波单元21与降噪单元23电连接,声音采集模块1采集到第一声音信号后先通过高通滤波单元22滤除高频信号,再通过低通滤波单元21滤除低频信号,最后再通过降噪单元23进行降噪处理,最终得到第二声音信号。
参照图2,分析筛选模块3包括阈值统计单元31、频域分析单元32、周期分析单元33和时长统计单元34,其中阈值统计单元31与降噪单元23电连接,频域分析单元32与阈值统计单元31电连接,周期分析单元33与频域分析单元32电连接,时长统计单元34分别与周期分析单元33和报警模块4电连接。阈值统计单元31可以统计出第二声音信号中包含的各种声音的声音阈值,频域分析单元32可以统计分析第二声音信号中各种声音的峰值占比数量,周期分析单元33可以分析第二声音信号中各种声音的周期变化特征,时长统计单元34可以统计第二声音信号中各种声音的总时长。当第二声音信号依次经过阈值统计单元31、频域分析单元32、周期分析单元33和时长统计单元34的分析筛选后,可以判断第二声音信号中是否包括烟雾报警器发出的报警声音信号,若包括,则最终由时长统计单元34将报警声音信号发送至报警模块4。
本申请实施例还公开了一种烟雾报警声识别方法,该方法可以通过网络摄像头内的SOC进行执行,其中SOC通常采用ARM Cortex-A7内核,因此SOC最大可以使用CPU总性能的70%,而网络摄像头内的常规业务一般只占用到CPU总性能的40%左右,还有约30%的CPU总性能可供应用层使用,而执行烟雾报警声识别方法仅占用CPU总性能的5%-10%。
参照图3,烟雾报警声识别方法包括如下步骤:
101,采集外界环境中的第一声音信号。
其中,第一声音信号中可能包含烟雾传感器所发出的报警声音信号。
102,将所述第一声音信号进行滤波处理。
其中,滤波处理包括高通滤波处理和低通滤波处理,可以先对第一声音信号进行高通滤波处理,再进行低通滤波处理,也可以先对第一声音信号进行低通滤波处理,再进行高通滤波处理。
103,将滤波处理后的所述第一声音信号进行降噪处理,得到第二声音信号。
其中,采用LMS算法对第一声音信号进行降噪处理。
104,基于特征分析对所述第二声音信号进行分析筛选,筛选出报警声音信号。
105,根据所述报警声音信号生成报警信息。
106,将所述报警信息发送至所述用户客户端。
本实施例的实施原理为:
先采集外界环境中的第一声音信号,但外界环境中可能会包含部分噪音,且采集过程中也可能会产生干扰信号,因此需要先对采集到的第一声音信号进行处理以减少干扰信号或噪音产生的影响,通过预先设定的阈值,经过高通滤波处理可以过滤第一声音信号中超出阈值的高频信号,经过低通滤波处理可以过滤第一声音信号中超出阈值的低频信号,再将滤波处理后的第一声音信号进行降噪处理,可以将第一声音信号中的杂乱噪声进行处理,从而得到处理后的第二声音信号,再对第二声音信号进行分析筛选,从中可以筛选出烟雾传感器所发出的报警声音信号,当从第二声音信号筛选出报警声音信号时,将生成报警信息并将报警信息发送至用户所持的用户客户端,以远程提醒用户发生火灾险情,使得用户可以及时采集紧急措施。
在图3所示实施例的步骤104中,将第一声音信号经过滤波和降噪处理成第二声音信号后,需要通过多维度的信号特征对第二声音信号进行分析,以筛选判断出第二声音信号中所包含的报警声音信号,具体通过图4所示实施例进行详细说明。
参照图4,基于特征分析对第二声音信号进行分析筛选包括如下步骤:
201,根据预先采集的所述报警声音信号分析获取报警声音特征。
其中,预先采集烟雾传感器发出的报警声音信号,并对预先采集的报警声音信号进行特征分析,分析出报警声音信号的报警声音特征,其中报警声音特征包括报警声音阈值、报警声音频率、周期变化特征和报警总时长。对常规噪音也进行预先采集并分析,其中报警声音信号分贝阈值为75dB-85dB,常规噪音分贝阈值为68dB左右。
202,对所述第二声音信号进行阈值统计,得到阈值统计结果。
其中,对第二声音信号中的各种类声音信号均进行阈值统计,得到各种类声音信号的阈值。
203,基于所述阈值统计结果和所述报警声音阈值对所述第二声音信号进行初步筛选,得到初步筛选信号。
其中,由于烟雾传感器所发出的报警声音信号较为平缓,波动较小,且报警声音信号的分贝阈值比常规噪音分贝阈值高,因此根据报警声音阈值可以将第二声音信号中疑似报警声音信号的信号筛选提取出来,得到初步筛选信号。
204,基于所述报警声音频率分析报警声音信号的频率范围和对应的报警声峰值占比范围。
其中,在固定的采样率下所采集的报警声音信号的频率范围为2.6KHz-3KHz,因此对应的报警声峰值占比范围为2600-3000个。
205,根据预设的采样率统计所述初步筛选信号中的采样峰值占比数量。
其中,预设的采样率大于报警声音信号最大频率的两倍,因此预设的采样率可以为8KHz。
206,判断所述采样峰值占比数量是否处于所述报警声峰值占比范围内,若是,则执行步骤207;若否,则执行步骤208。
其中,举例来说,若在采样率为8KHz的条件下,初步筛选信号中的采样峰值占比数量为2800个,则执行步骤207。
207,基于周期变化特征和信号时长判断所述初步筛选信号是否为所述报警声音信号。
其中,由于烟雾传感器所发出的报警声音具有固定的时长和固定的音调循环,因此可以根据初步筛选信号的周期变化特征和信号时长判断其是否为报警声音信号。
208,滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
其中,由于初步筛选信号的信号特征与报警声音信号的信号特征不相符,因此重新根据报警声音信号阈值的特征重新在第二声音信号中进行分析筛选。
本实施例的实施原理为:
先对预先采集的报警声音信号进行特征分析,获取报警声音特征,其中包括报警声音阈值和报警声音频率,再通过报警声音频率分析报警声音信号的频率范围和对应的报警声峰值占比范围,预先采集的报警声音信号的阈值高于常规噪音且信号较为平稳,因此报警声音阈值的波动幅度也较小,对第二声音信号的阈值统计,然后可以通过报警声音阈值对第二声音信号进行初步筛选,筛选出疑似为报警声音信号的初步筛选信号,再统计初步筛选信号中的采样峰值占比数量,通过对采样峰值占比数量是否处于报警声峰值占比范围内的判断,判断初步筛选信号与报警声音信号在频域上的相似性,若相似则继续通过周期变化特征和信号时长作进一步判断,若不相似则回到通过阈值统计进行分析筛选的步骤。
在图4所示实施例的步骤207中,初步筛选信号在阈值特征与频域特征上与报警声音信号具有相似性,还需要根据周期变化特征和信号时长判断初步筛选信号与报警声音信号的相似性,其中根据周期变化特征判断初步筛选信号与报警声音信号的相似性的具体步骤通过图5所述实施例进行详细说明。
参照图5,基于周期变化特征对初步筛选信号进行判断包括如下步骤:
301,根据所述采样率从所述初步筛选信号中截取多段采样信号。
其中,所截取的采样信号的时长小于报警声音信号的周期变化时长,若截取的采样信号的时长大于报警声音信号的周期变化时长,则难以对比出采样信号的周期变化特征与报警声音信号的周期变化特征之间的相似性。且多段采样信号之间的间隔时长与周期变化时长相等,可以保持采样信号的一致性。
302,判断所有采样信号的频率变化特征是否相同,若否,则执行步骤303;若是,则执行步骤304。
其中,由于多段采样信号之间的间隔时长与周期变化时长相等,因此从初步筛选信号中截取的多段采样信号的频率变化特征相同,则初步筛选信号的变化周期与报警声音信号的变化周期相同。
303,滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
其中,详情步骤参考步骤208。
304,判断所述频率变化特征是否与所述频率周期变化特征中的部分特征重合,若否,则执行步骤303;若是,则执行步骤305;
其中,当确认初步筛选信号的变化周期与报警声音信号的变化周期相同后,再将采样信号与报警声音信号进行重合比对,若出现变化特征重合则可以对初步筛选信号作进一步判断。
305,基于信号时长判断所述初步筛选信号是否为所述报警声音信号。
本实施例的实施原理为:
先截取初步筛选信号中的多段采样信号,并且使得采样信号之间的间隔时长与报警声音信号的周期变化时长相等,通过判断所有采样信号的频率变化特征是否相同,可以判断出初步筛选信号是否具有周期性,若具有周期性还可以判断初步筛选信号的周期变化时长是否与报警声音信号的周期变化时长相同,若初步筛选信号具有周期性且周期变化时长也与报警声音信号的周期变化时长相同,则在通过判断采样信号的频率变化特征是否与报警声音信号中的部分频率变化特征重合,若重合则根据信号时长再进行进一步判断,若不重合则回到通过阈值统计进行分析筛选的步骤。
在图5所示实施例的步骤305中,初步筛选信号在阈值特征、频域特征和周期变化特征上均与报警声音信号具有相似性,还需要根据信号时长判断初步筛选信号与报警声音信号的相似性,具体步骤通过图6所述实施例进行详细说明。
参照图6,基于信号时长对初步筛选信号进行判断包括如下步骤:
401,计算获取所述初步筛选信号的采样总时长。
其中,根据计算初步筛选信号阈值的上升沿至下降沿所经过的时长获取初步筛选信号的采样总时长。
402,基于预设的误差阈值比对所述采样总时长和所述报警总时长。
其中,根据报警声音信号的不同可以预设不同的误差阈值,若报警总时长较长,则预设的误差阈值也较大,若报警总时长较短,则预设的误差阈值偏小。
403,判断所述采样总时长和所述报警总时长的差值是否小于所述误差阈值,若是,则执行步骤404;若否,则执行步骤405。
其中,举例来说,计算预先采集的报警声音信号的报警总时长为10s,预设的误差阈值为1s,而计算出初步筛选信号的采样总时长为9.8s,因此采样总时长与报警总时长之间的差值为0.2s,小于预设的误差阈值,则执行步骤404。
404,判断所述初步筛选信号为所述报警声音信号。
405,滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
其中,详情步骤参考步骤208。
本实施例的实施原理为:
根据初步筛选信号的信号特征将初步筛选信号采样截取出来,并计算初步筛选信号的采样总时长,由于在采集过程中存在其他噪声的干扰,因此初步筛选信号的采样总时长可能会和报警总时长有一定的偏差,又由于报警声音信号较为平稳,因此受其他噪声的干扰不会太大,所以通过误差阈值的设定,可以对采样总时长和报警总时长之间的差值进行判断,若差值小于误差阈值,则初步筛选信号为报警声音信号,若误差大于误差阈值,则回到通过阈值统计进行分析筛选的步骤。
在图3所示实施例的步骤106中,当分析筛选出第二声音信号中包含报警声音信号后将生成报警信息,并将报警信息发送至用户所持的用户客户端处以远程提醒用户发生火灾险情,具体通过图7所示实施例进行详细说明。
参照图7,将报警信息发送至用户客户端包括如下步骤:
501,与用户客户端建立至少两种通信协议的通信连接方式。
其中,可以与用户客户端建立蜂窝网络通信、局域网通信和蓝牙通信。
502,基于所述通信连接方式的通信协议将所述报警信息转换为对应的报警通信信号。
503,根据预设的间隔时间,重复以所述通信连接方式将所述报警通信信号发送至所述用户客户端。
其中,若预设的间隔时间为10s,则每隔10s均通过蜂窝网络、局域网和蓝牙向用户客户端发送报警通信信号。
本实施例的实施原理为:
通过至少两种通信连接方式与用户客户端连接,并通过至少两种通信连接方式将报警信号发送至用户客户端,且发送过程采用定时重复发送的方式,以减少用户忽略报警信息的可能,起到远程向用户进行警示的效果。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (4)
1.一种烟雾报警声识别方法,其特征在于,包括如下步骤:
采集外界环境中的第一声音信号;
对所述第一声音信号进行处理,得到第二声音信号;
基于特征分析对所述第二声音信号进行分析筛选,筛选出报警声音信号,所述报警声音信号由烟雾传感器发出;
根据预先采集的所述报警声音信号分析获取报警声音特征,所述报警声音特征包括报警声音阈值、报警声音频率、频率周期变化特征、周期变化时长以及报警总时长;
对所述第二声音信号进行阈值统计,得到阈值统计结果;
基于所述阈值统计结果和所述报警声音阈值对所述第二声音信号进行初步筛选,得到初步筛选信号;
根据所述报警声音信号生成报警信息;
将所述报警信息发送至用户客户端;
所述基于特征分析对所述第二声音信号进行分析筛选还包括如下步骤:
基于所述报警声音频率分析报警声音信号的频率范围和对应的报警声峰值占比范围;
根据预设的采样率统计所述初步筛选信号中的采样峰值占比数量;
判断所述采样峰值占比数量是否处于所述报警声峰值占比范围内;
若所述采样峰值占比数量处于所述报警声峰值占比范围内,则基于周期变化特征和信号时长判断所述初步筛选信号是否为所述报警声音信号;
若所述采样峰值占比数量不处于所述报警声峰值占比范围内,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选;
所述基于周期变化特征和信号时长判断所述初步筛选信号是否为所述报警声音信号包括如下步骤:
根据所述采样率从所述初步筛选信号中截取多段采样信号,所述采样信号的时长小于所述周期变化时长,多段所述采样信号之间的间隔时长与所述周期变化时长相等;
判断所有采样信号的频率变化特征是否相同;
若所有采样信号的频率变化特征不同,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选;
若所有采样信号的频率变化特征相同,则判断所述频率变化特征是否与所述频率周期变化特征中的部分特征重合;
若所述频率变化特征与所述频率周期变化特征中的部分特征不重合,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选;
若所述频率变化特征与所述频率周期变化特征中的部分特征重合,则基于信号时长判断所述初步筛选信号是否为所述报警声音信号;
所述基于信号时长判断所述初步筛选信号是否为所述报警声音信号包括如下步骤:
计算获取所述初步筛选信号的采样总时长;
基于预设的误差阈值比对所述采样总时长和所述报警总时长;
判断所述采样总时长和所述报警总时长的差值是否小于所述误差阈值;
若所述采样总时长和所述报警总时长的差值小于所述误差阈值,则判断所述初步筛选信号为所述报警声音信号;
若所述采样总时长和所述报警总时长的差值不小于所述误差阈值,则滤除所述初步筛选信号,并重新对所述第二声音信号进行分析筛选。
2.根据权利要求1所述的烟雾报警声识别方法,其特征在于,所述对所述第一声音信号进行处理,得到第二声音信号包括如下步骤:
将所述第一声音信号进行滤波处理;
将滤波处理后的所述第一声音信号进行降噪处理,得到第二声音信号。
3.根据权利要求2所述的烟雾报警声识别方法,其特征在于,所述将所述第一声音信号进行滤波处理包括如下步骤:
将所述第一声音信号依次进行高通滤波处理和低通滤波处理;
或,
将所述第一声音信号依次 进行所述低通滤波处理和所述高通滤波处理。
4.根据权利要求1所述的烟雾报警声识别方法,其特征在于,所述将所述报警信息发送至用户客户端包括如下步骤:
与用户客户端建立至少一种通信协议的通信连接方式;
基于所述通信连接方式的通信协议将所述报警信息转换为对应的报警通信信号;
根据预设的间隔时间,重复以所述通信连接方式将所述报警通信信号发送至所述用户客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921471.6A CN113593610B (zh) | 2021-08-11 | 2021-08-11 | 烟雾报警声识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921471.6A CN113593610B (zh) | 2021-08-11 | 2021-08-11 | 烟雾报警声识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113593610A CN113593610A (zh) | 2021-11-02 |
CN113593610B true CN113593610B (zh) | 2024-05-28 |
Family
ID=78257334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110921471.6A Active CN113593610B (zh) | 2021-08-11 | 2021-08-11 | 烟雾报警声识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593610B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1149348A (zh) * | 1994-03-04 | 1997-05-07 | 索尼克系统公司 | 警报检测器 |
JPH09146588A (ja) * | 1995-11-22 | 1997-06-06 | Matsushita Electric Ind Co Ltd | 緊急車両警報音検出装置 |
JP2005077875A (ja) * | 2003-09-02 | 2005-03-24 | Tama Tlo Kk | 警報音源認識装置及び警報音源認識方法 |
TW200620241A (en) * | 2004-12-01 | 2006-06-16 | Ind Tech Res Inst | Vehicle accident preventing system |
CN101840700A (zh) * | 2010-04-28 | 2010-09-22 | 宇龙计算机通信科技(深圳)有限公司 | 基于移动终端的声音识别方法及移动终端 |
CN107240405A (zh) * | 2017-06-14 | 2017-10-10 | 深圳市冠旭电子股份有限公司 | 一种音箱及告警方法 |
US9799329B1 (en) * | 2014-12-03 | 2017-10-24 | Amazon Technologies, Inc. | Removing recurring environmental sounds |
CN107465974A (zh) * | 2016-06-03 | 2017-12-12 | 恩智浦有限公司 | 声音信号检测器 |
CN108140284A (zh) * | 2015-09-29 | 2018-06-08 | 富西奥高等艺术技术公司 | 警报通知方法与设备 |
CN209357460U (zh) * | 2018-11-15 | 2019-09-06 | 广州欣阳电子科技有限公司 | 灾难报警音识别装置 |
CN110599751A (zh) * | 2019-08-26 | 2019-12-20 | 恒大智慧科技有限公司 | 一种危险报警方法、装置、计算机设备及存储介质 |
CN110719553A (zh) * | 2018-07-13 | 2020-01-21 | 国际商业机器公司 | 具有认知声音分析和响应的智能扬声器系统 |
CN110838305A (zh) * | 2019-11-15 | 2020-02-25 | 中国汽车工程研究院股份有限公司 | 基于声音识别的智能车辆adas预警测试方法和系统 |
CN112634883A (zh) * | 2019-09-24 | 2021-04-09 | 音频分析有限公司 | 控制用户界面 |
CN113140212A (zh) * | 2020-01-17 | 2021-07-20 | 北京家人智能科技有限公司 | 一种车辆安全监控方法、装置及安全监控设备 |
-
2021
- 2021-08-11 CN CN202110921471.6A patent/CN113593610B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1149348A (zh) * | 1994-03-04 | 1997-05-07 | 索尼克系统公司 | 警报检测器 |
JPH09146588A (ja) * | 1995-11-22 | 1997-06-06 | Matsushita Electric Ind Co Ltd | 緊急車両警報音検出装置 |
JP2005077875A (ja) * | 2003-09-02 | 2005-03-24 | Tama Tlo Kk | 警報音源認識装置及び警報音源認識方法 |
TW200620241A (en) * | 2004-12-01 | 2006-06-16 | Ind Tech Res Inst | Vehicle accident preventing system |
CN101840700A (zh) * | 2010-04-28 | 2010-09-22 | 宇龙计算机通信科技(深圳)有限公司 | 基于移动终端的声音识别方法及移动终端 |
US9799329B1 (en) * | 2014-12-03 | 2017-10-24 | Amazon Technologies, Inc. | Removing recurring environmental sounds |
CN108140284A (zh) * | 2015-09-29 | 2018-06-08 | 富西奥高等艺术技术公司 | 警报通知方法与设备 |
CN107465974A (zh) * | 2016-06-03 | 2017-12-12 | 恩智浦有限公司 | 声音信号检测器 |
CN107240405A (zh) * | 2017-06-14 | 2017-10-10 | 深圳市冠旭电子股份有限公司 | 一种音箱及告警方法 |
CN110719553A (zh) * | 2018-07-13 | 2020-01-21 | 国际商业机器公司 | 具有认知声音分析和响应的智能扬声器系统 |
CN209357460U (zh) * | 2018-11-15 | 2019-09-06 | 广州欣阳电子科技有限公司 | 灾难报警音识别装置 |
CN110599751A (zh) * | 2019-08-26 | 2019-12-20 | 恒大智慧科技有限公司 | 一种危险报警方法、装置、计算机设备及存储介质 |
CN112634883A (zh) * | 2019-09-24 | 2021-04-09 | 音频分析有限公司 | 控制用户界面 |
CN110838305A (zh) * | 2019-11-15 | 2020-02-25 | 中国汽车工程研究院股份有限公司 | 基于声音识别的智能车辆adas预警测试方法和系统 |
CN113140212A (zh) * | 2020-01-17 | 2021-07-20 | 北京家人智能科技有限公司 | 一种车辆安全监控方法、装置及安全监控设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113593610A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101895324B1 (ko) | 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법 | |
EP2858556B1 (en) | Method and system of detecting seizures | |
CN108474866A (zh) | 一种基于深度学习的井盖缺失检测系统及方法 | |
WO2005016143A1 (en) | A monitoring apparatus for an ambulatory subject and a method for monitoring the same | |
CN107522053A (zh) | 一种基于音频分析的电梯平台检测系统及方法 | |
EP1504716A1 (en) | Pulse abnormality monitor and pulse abnormality warning system | |
CN105100758A (zh) | 用于安防监控的方法、设备以及摄像头 | |
CN110012114B (zh) | 一种基于物联网的环境安全预警系统 | |
JP6538055B2 (ja) | 発作検出システムにてデータの伝送を制御する方法 | |
CN103845038A (zh) | 一种体征信号采集方法和设备 | |
US8506501B2 (en) | Lightweight wheeze detection methods and systems | |
US10969506B1 (en) | System and methods for detecting gunshots | |
CN113593610B (zh) | 烟雾报警声识别方法及系统 | |
JP7441436B2 (ja) | アラーム音検出装置およびアラーム音検出プログラム | |
KR101029386B1 (ko) | 실시간 심전도 모니터링 시스템을 위한 큐알에스 검출 방법 | |
US20200138318A1 (en) | Methods and systems for seizure analysis | |
KR102342106B1 (ko) | 인체상태 판단을 위한 비접촉식 생체신호 분석 시스템 | |
CN208516744U (zh) | 自动扶梯润滑状态监测系统及用于其的声音数据收集装置 | |
CN107886678B (zh) | 室内监护方法、介质及电子设备 | |
CN210465590U (zh) | 一种变电站高压室设备状态在线监测系统 | |
CN116721508A (zh) | 一种基于光纤地震计阵列技术的外界入侵监测预警方法 | |
AU2017203766A1 (en) | Method and apparatus for detecting seizures including audio characterization | |
CN217880474U (zh) | 一种多源信息融合的周界安防预警装置 | |
CN105788173A (zh) | 一种睡眠监控方法和睡眠监控装置 | |
CN114155668A (zh) | 一种入侵报警智能检测装置 |
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 |