CN117037851B - 一种基于声纹分析技术的火灾感知与探测方法 - Google Patents
一种基于声纹分析技术的火灾感知与探测方法 Download PDFInfo
- Publication number
- CN117037851B CN117037851B CN202311111683.3A CN202311111683A CN117037851B CN 117037851 B CN117037851 B CN 117037851B CN 202311111683 A CN202311111683 A CN 202311111683A CN 117037851 B CN117037851 B CN 117037851B
- Authority
- CN
- China
- Prior art keywords
- sensing
- voiceprint
- audio
- fire
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000002093 peripheral effect Effects 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 7
- 230000037430 deletion Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 10
- 239000000779 smoke Substances 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种基于声纹分析技术的火灾感知与探测方法，包括以下步骤：步骤1：上传目标建筑结构墙体位置信息，应用目标建筑结构墙体位置信息构建目标建筑三维模型；步骤2：在目标建筑中部署感探设备，获取目标建筑三维模型，在目标建筑三维模型中编辑火灾感探路径，将火灾感探路径载入感探设备中；步骤3：通过感探设备实时采集部署位置周边音频数据，于音频数据中提取文字数据及声纹特征参数；本发明能够基于目标建筑的结构构建建筑模型，进而以构建的建筑模型来设计火灾感探路径，从而通过火灾感探路径对建筑实施火灾感探，使得该方法在对火灾进行感知、探测过程中所起到的效果更加全面。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于声纹分析技术的火灾感知与探测方法。
背景技术
在社会生活中，火灾已成为威胁公共安全，危害人民群众生命财产的一种多发性灾害，火灾可分为室内火灾及户外火灾两种。
申请号为202210546717.0的发明专利中公开了一种基于视频分析技术的火灾探测分析方法，其特征在于：包括以下具体步骤：S1、采集多组火灾发生时的烟雾视频图像和火光视频图像；S2、获取所述烟雾视频图像中连续多帧图像的像素灰度值的最小变化范围（D1min，D2min），获取所述烟雾视频图像中图像的最小灰度值Dmin和最大灰度值Dmax；S3、获取所述火光视频图像中连续多帧图像的像素灰度值的最小变化范围（F1min，F2min），获取所述火光视频图像中图像的最小灰度值Fmin和最大灰度值Fmax；S4、识别所述烟雾视频图像中烟雾特征相对静态环境特征的运动变化参数，获取烟雾特征相对静态环境特征的扩散运动特征；S5、识别所述火光视频图像中火光特征相对静态环境特征的运动变化参数，获取火光特征相对静态环境特征的摆动运动特征；S6、利用监控设备对环境空间进行检测，并利用视频分析技术对监控设备的监控画面进行实时分析处理；S7、根据处理之后的图像像素，判断分析图像像素是否处于（D1min，D2min）或（F1min，F2min）中，当图像像素未落入（D1min，D2min）或（F1min，F2min）中，判断监控设备的监控画面中无火灾，否则执行S8：S8、根据处理之后的动态图像，判断分析动态图像中的烟雾特征是否符合烟雾特征相对静态环境特征的扩散运动特征，或判断分析动态图像中的火光特征是否符合火光特征相对静态环境特征的摆动运动特征，两者满足其一，判定监控设备的监控画面中有火灾发生，反之，判断监控设备的监控画面中无火灾。
该申请在于解决：“现有的图像火灾探测方法是对火焰图像和烟雾图像进行静态分析，从而对火灾现象进行识别和判断，但是这种图像火灾探测方式的识别精准度不高，在探测时，监测环境中的一些相似特征的物体会被误识别，从而会出现火灾探测误报的现象，图像火灾探测的结果准确度受环境特征影响较大，”的问题。
然而，针对于室内火灾而言，火灾的防控目前主要依靠预防来实现，在火灾发生时，大都采用上述提到的发明专利中指出的图像探测技术来对火情进行检测，而并未将声纹分析技术应用到火灾火情的感知及探测。
发明内容
针对现有技术所存在的上述缺点，本发明提供了一种基于声纹分析技术的火灾感知与探测方法，解决了上述背景技术中提出的技术问题。
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于声纹分析技术的火灾感知与探测方法，包括以下步骤：
步骤1：上传目标建筑结构墙体位置信息，应用目标建筑结构墙体位置信息构建目标建筑三维模型；
步骤2：在目标建筑中部署感探设备，获取目标建筑三维模型，在目标建筑三维模型中编辑火灾感探路径，将火灾感探路径载入感探设备中；
步骤3：通过感探设备实时采集部署位置周边音频数据，于音频数据中提取文字数据及声纹特征参数；
步骤4：构建异常判定数据库，应用异常判定数据中储存数据与步骤3中提取的文字数据及声纹特征参数进行相似性比对，判定当前感探设备采集音频数据中提取的文字数据及声纹特征参数是否异常；
步骤5：步骤4判定结果为否，感探设备持续执行；步骤4判定结果为是，将步骤3中于音频数据中提取的文字数据及声纹特征参数进一步向异常判定数据库中发送，于异常判定数据库中储存。
更进一步地，所述步骤1在上传建筑结构墙体位置信息后，进一步遍历建筑结构墙体位置信息，查找建筑结构墙体位置信息中相同项，对相同项进行删除，剩余建筑结构墙体位置信息放置于同一三维坐标轴网中，以建筑结构墙体位置信息确定点位，将确定的点位相互连接完成目标建筑三维模型的构建；
其中，目标建筑结构墙体位置信息表现形式为（x，y，z），遍历查找建筑结构墙体位置信息中相同项时，通过下式求取同项验证参照，公式为：
；式中：/>为相同项数量，n为目标建筑结构墙体位置信息的集合，/>取值分别为、、...、/>，所述/>在求取时，每一括号中计算结果为非零时，使括号中计算结果取1。
更进一步地，所述步骤1在执行相同项删除操作时，同步对删除的相同项进行计数，在计数结果与值相等时结束相同项删除操作，计数结果小于/>值继续执行相同项删除操作，计数结果大于/>值重新执行相同项删除操作。
更进一步地，所述感探设备用于采集目标建筑中感探设备部署位置周边音频，所述感探设备由履式机器人及音频采集模组组成，所述音频采集模组安装于履式机器人的表面，履式机器人根据火灾感探路径于目标建筑中往复移动；
其中，所述感探设备于目标建筑中每一层均部署有一组，每组所述感探设备通过无线网络实时共享感探数据。
更进一步地，所述感探设备在通过无线网络向其他感探设备共享感探数据时，始终以其他感探设备中部署楼层最高的感探设备作为第一共享目标。
更进一步地，所述感探设备采集的音频数据同步执行音频优化处理，并在完成优化处理后进一步执行文字数据的提取及声纹特征参数的提取；
其中，音频优化处理输出音频通过下式进行求取，公式为：
；式中：/>为优化后的音频数据；/>为原音频数据；/>为原音频数据的高频分量，/>，/>为原音频数据的衰减因子；/>为原音频数据的信号特征参数向量/>；/>为加重系数，0.9≤/>≤1.0。
更进一步地，所述声纹特征参数提取公式为：；式中：/>为特征编码；/>为频谱特征参数，/>，/>为音频频谱高度；/>为音频频谱维度；/>为i行j列的音频频谱信号；/>为个性特征参数，，/>为Mel频率倒谱系数的应用维数；/>为音频波段集合；/>为音频输出能量；/>为音频极限感受野；/>为第l段音频波段的音域大小；
其中，声纹特征参数即由与/>组合得到的特征编码/>。
更进一步地，所述步骤4中构建的异常判定数据库通过用户端手动编辑进行设定，且所述步骤4在对异常判定数据库中储存的数据与文字数据及声纹特征参数进行相似性判定时，相似性通过下式进行求取，公式为：
；式中：/>为文字数据u、i之间的相似度或声纹特征参数u、i之间内的相似度；/>为u、i之间存在的一致字符数量；/>为u中包含的字符个数；/>为i中包含的字符个数；/>为u与i对应字符向量于曼哈顿空间距离，/>，/>为第i个位置的横纵坐标，/>为第j个位置的纵横坐标；其中，u来源于异常判定数据库，i来源于提取的文字数据及声纹特征参数，/>≤1，所述异常判定数据库储存有文字数据及声纹特征参数。
更进一步地，在求取后，由用户端设定异常判定阈值，步骤4进一步执行基于判定阈值与/>比对的操作，判定提取的文字数据及声纹特征参数对应音频数据是否存在异常。
更进一步地，所述声纹特征参数提取阶段提取操作，包括提取的文字数据对应声纹特征参数的提取。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
本发明提供一种基于声纹分析技术的火灾感知与探测方法，该方法在其步骤执行过程中，能够基于目标建筑的结构构建建筑模型，进而以构建的建筑模型来设计火灾感探路径，从而通过火灾感探路径对建筑实施火灾感探，使得该方法在对火灾进行感知、探测过程中所起到的效果更加全面。
本发明中方法在实施阶段，进一步对感探设备的配置进行限定，为火灾感探过程中采集的数据提供了必要的先要条件，确保为火灾感探所采集的数据更加全面。
本发明中方法在其步骤执行过程中，还能够对感探设备采集的音频数据进行声纹特征提取，并通过大量的先知数据的载入，为该方法提供数据支持，进而以提取到的声纹特征来进行相似性比对，并以相似性比对结果判定是否存在异常，再以异常判定结果来判定该方法服务目标是否存在火情。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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例，对于本领域普通技术人员来讲，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。
图1为一种基于声纹分析技术的火灾感知与探测方法的流程示意图；
图2为本发明中火灾感探路径便捷结果展示示意图；
图中标号表示：1、目标建筑三维模型；2、感探设备。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
下面结合实施例对本发明作进一步的描述。
实施例
本实施例的一种基于声纹分析技术的火灾感知与探测方法，如图1所示，包括以下步骤：
步骤1：上传目标建筑结构墙体位置信息，应用目标建筑结构墙体位置信息构建目标建筑三维模型；
步骤2：在目标建筑中部署感探设备，获取目标建筑三维模型，在目标建筑三维模型中编辑火灾感探路径，将火灾感探路径载入感探设备中；
步骤3：通过感探设备实时采集部署位置周边音频数据，于音频数据中提取文字数据及声纹特征参数；
步骤4：构建异常判定数据库，应用异常判定数据中储存数据与步骤3中提取的文字数据及声纹特征参数进行相似性比对，判定当前感探设备采集音频数据中提取的文字数据及声纹特征参数是否异常；
步骤5：步骤4判定结果为否，感探设备持续执行；步骤4判定结果为是，将步骤3中于音频数据中提取的文字数据及声纹特征参数进一步向异常判定数据库中发送，于异常判定数据库中储存；声纹特征参数提取公式为：；式中：/>为特征编码；/>为频谱特征参数，/>，/>为音频频谱高度；/>为音频频谱维度；为i行j列的音频频谱信号；/>为个性特征参数，，/>为Mel频率倒谱系数的应用维数；/>为音频波段集合；/>为音频输出能量；/>为音频极限感受野；/>为第l段音频波段的音域大小；其中，声纹特征参数即由/>与/>组合得到的特征编码/>；声纹特征参数提取阶段提取操作，包括提取的文字数据对应声纹特征参数的提取；
步骤4中构建的异常判定数据库通过用户端手动编辑进行设定，且步骤4在对异常判定数据库中储存的数据与文字数据及声纹特征参数进行相似性判定时，相似性通过下式进行求取，公式为：；式中：/>为文字数据u、i之间的相似度或声纹特征参数u、i之间内的相似度；/>为u、i之间存在的一致字符数量；/>为u中包含的字符个数；/>为i中包含的字符个数；/>为u与i对应字符向量于曼哈顿空间距离，/>，/>为第i个位置的横纵坐标，/>为第j个位置的纵横坐标；/>在求取后，由用户端设定异常判定阈值，步骤4进一步执行基于判定阈值与/>比对的操作，判定提取的文字数据及声纹特征参数对应音频数据是否存在异常；其中，u来源于异常判定数据库，i来源于提取的文字数据及声纹特征参数，/>≤1，异常判定数据库储存有文字数据及声纹特征参数；感探设备用于采集目标建筑中感探设备部署位置周边音频，感探设备由履式机器人及音频采集模组组成，音频采集模组安装于履式机器人的表面，履式机器人根据火灾感探路径于目标建筑中往复移动；其中，感探设备于目标建筑中每一层均部署有一组，每组感探设备通过无线网络实时共享感探数据。
在本实施例中，通过步骤1~步骤5的执行为建筑带来了火灾感知及探测服务，且通过上述记载的声纹特征参数提取公式、异常判定数据库中储存的数据与文字数据及声纹特征参数进行相似性判定公式，对音频数据中的声纹特征参数及相似度进行了求取，进而为该方法中的步骤执行提供了必要的数据支持，确保建筑中存在火情时，由该方法能够更加快捷、安全、稳定的感探火灾；
参见图2所示，图2中示出了目标建筑三维模型1及感探设备的部署逻辑，且通过箭头指示，能够进一步的表示火灾感探路径。
实施例
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于声纹分析技术的火灾感知与探测方法做进一步具体说明：
步骤1在上传建筑结构墙体位置信息后，进一步遍历建筑结构墙体位置信息，查找建筑结构墙体位置信息中相同项，对相同项进行删除，剩余建筑结构墙体位置信息放置于同一三维坐标轴网中，以建筑结构墙体位置信息确定点位，将确定的点位相互连接完成目标建筑三维模型的构建；
其中，目标建筑结构墙体位置信息表现形式为（x，y，z），遍历查找建筑结构墙体位置信息中相同项时，通过下式求取同项验证参照，公式为：；式中：/>为相同项数量，n为目标建筑结构墙体位置信息的集合，/>取值分别为、、...、/>，在求取时，每一括号中计算结果为非零时，使括号中计算结果取1。
通过上述设置，能够该方法中在目标建筑三维模型的构建阶段提供必要的数据支持，确保目标建筑三维模型能够稳定的完成构建。
如图1所示，步骤1在执行相同项删除操作时，同步对删除的相同项进行计数，在计数结果与值相等时结束相同项删除操作，计数结果小于/>值继续执行相同项删除操作，计数结果大于/>值重新执行相同项删除操作。
通过上述设置为目标建筑三维模型的构建带来了进一步的限定效果，确保目标建筑三维模型在构建时应用的目标建筑结构墙体位置信息更加精准。
如图1所示，感探设备在通过无线网络向其他感探设备共享感探数据时，始终以其他感探设备中部署楼层最高的感探设备作为第一共享目标。
通过上述设置，在提供以感探设备交互逻辑的同时，由该交互逻辑的配置，能够使得感探设备在感探到火情时，通过交互逻辑反馈至其他感探设备的过程更加合理。
实施例
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于声纹分析技术的火灾感知与探测方法做进一步具体说明：
感探设备采集的音频数据同步执行音频优化处理，并在完成优化处理后进一步执行文字数据的提取及声纹特征参数的提取；
其中，音频优化处理输出音频通过下式进行求取，公式为：；式中：/>为优化后的音频数据；/>为原音频数据；/>为原音频数据的高频分量，/>，/>为原音频数据的衰减因子；为原音频数据的信号特征参数向量/>；/>为加重系数，0.9≤/>≤1.0。
通过上述记载的公式，能够对感探设备所采集的音频数据带来了优化处理，从而使得该方法执行步骤所应用的音频数据精度更佳，从而使得该方法步骤执行输出结果精度得到更进一步的提升。
综上而言，上述实施例中方法在其步骤执行过程中，能够基于目标建筑的结构构建建筑模型，进而以构建的建筑模型来设计火灾感探路径，从而通过火灾感探路径对建筑实施火灾感探，使得该方法在对火灾进行感知、探测过程中所起到的效果更加全面；且该方法在实施阶段，进一步对感探设备的配置进行限定，为火灾感探过程中采集的数据提供了必要的先要条件，确保为火灾感探所采集的数据更加全面，同时本方法在其步骤执行过程中，还能够对感探设备采集的音频数据进行声纹特征提取，并通过大量的先知数据的载入，为该方法提供数据支持，进而以提取到的声纹特征来进行相似性比对，并以相似性比对结果判定是否存在异常，再以异常判定结果来判定该方法服务目标是否存在火情。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于声纹分析技术的火灾感知与探测方法，其特征在于，包括以下步骤：
步骤1：上传目标建筑结构墙体位置信息，应用目标建筑结构墙体位置信息构建目标建筑三维模型；
步骤2：在目标建筑中部署感探设备，获取目标建筑三维模型，在目标建筑三维模型中编辑火灾感探路径，将火灾感探路径载入感探设备中；
步骤3：通过感探设备实时采集部署位置周边音频数据，于音频数据中提取文字数据及声纹特征参数；
步骤4：构建异常判定数据库，应用异常判定数据中储存数据与步骤3中提取的文字数据及声纹特征参数进行相似性比对，判定当前感探设备采集音频数据中提取的文字数据及声纹特征参数是否异常；
步骤5：步骤4判定结果为否，感探设备持续执行；步骤4判定结果为是，将步骤3中于音频数据中提取的文字数据及声纹特征参数进一步向异常判定数据库中发送，于异常判定数据库中储存；
所述步骤1在上传建筑结构墙体位置信息后，进一步遍历建筑结构墙体位置信息，查找建筑结构墙体位置信息中相同项，对相同项进行删除，剩余建筑结构墙体位置信息放置于同一三维坐标轴网中，以建筑结构墙体位置信息确定点位，将确定的点位相互连接完成目标建筑三维模型的构建；
其中，目标建筑结构墙体位置信息表现形式为（x，y，z），遍历查找建筑结构墙体位置信息中相同项时，通过下式求取同项验证参照，公式为：
；式中：/>为相同项数量，n为目标建筑结构墙体位置信息的集合，/>取值分别为、、...、/>，所述/>在求取时，每一括号中计算结果为非零时，使括号中计算结果取1；
所述步骤1在执行相同项删除操作时，同步对删除的相同项进行计数，在计数结果与值相等时结束相同项删除操作，计数结果小于/>值继续执行相同项删除操作，计数结果大于/>值重新执行相同项删除操作；
所述步骤4中构建的异常判定数据库通过用户端手动编辑进行设定，且所述步骤4在对异常判定数据库中储存的数据与文字数据及声纹特征参数进行相似性判定时，相似性通过下式进行求取，公式为：；式中：/>为文字数据u、i之间的相似度或声纹特征参数u、i之间内的相似度；/>为u、i之间存在的一致字符数量；/>为u中包含的字符个数；/>为i中包含的字符个数；/>为u与i对应字符向量于曼哈顿空间距离，/>，/>为第i个位置的横纵坐标，/>为第j个位置的横纵坐标；其中，u来源于异常判定数据库，i来源于提取的文字数据及声纹特征参数，/>≤1，所述异常判定数据库储存有文字数据及声纹特征参数；
在求取后，由用户端设定异常判定阈值，步骤4进一步执行基于判定阈值与比对的操作，判定提取的文字数据及声纹特征参数对应音频数据是否存在异常。
2.根据权利要求1所述的一种基于声纹分析技术的火灾感知与探测方法，其特征在于，所述感探设备用于采集目标建筑中感探设备部署位置周边音频，所述感探设备由履式机器人及音频采集模组组成，所述音频采集模组安装于履式机器人的表面，履式机器人根据火灾感探路径于目标建筑中往复移动；其中，所述感探设备于目标建筑中每一层均部署有一组，每组所述感探设备通过无线网络实时共享感探数据。
3.根据权利要求2所述的一种基于声纹分析技术的火灾感知与探测方法，其特征在于，所述感探设备在通过无线网络向其他感探设备共享感探数据时，始终以其他感探设备中部署楼层最高的感探设备作为第一共享目标。
4.根据权利要求1所述的一种基于声纹分析技术的火灾感知与探测方法，其特征在于，所述感探设备采集的音频数据同步执行音频优化处理，并在完成优化处理后进一步执行文字数据的提取及声纹特征参数的提取；
其中，音频优化处理输出音频通过下式进行求取，公式为：
；式中：/>为优化后的音频数据；/>为原音频数据；/>为原音频数据的高频分量，/>，/>为原音频数据的衰减因子；/>为原音频数据的信号特征参数向量/>；/>为加重系数，0.9≤/>≤1.0。
5.根据权利要求4所述的一种基于声纹分析技术的火灾感知与探测方法，其特征在于，所述声纹特征参数提取公式为：；式中：/>为特征编码；/>为频谱特征参数，/>，/>为音频频谱高度；/>为音频频谱维度；/>为i行j列的音频频谱信号；/>为个性特征参数，/>，/>为Mel频率倒谱系数的应用维数；/>为音频波段集合；/>为音频输出能量；/>为音频极限感受野；/>为第l段音频波段的音域大小；其中，声纹特征参数即由/>与/>组合得到的特征编码/>。
6.根据权利要求1所述的一种基于声纹分析技术的火灾感知与探测方法，其特征在于，所述声纹特征参数提取阶段提取操作，包括提取的文字数据对应声纹特征参数的提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311111683.3A CN117037851B (zh) | 2023-08-31 | 2023-08-31 | 一种基于声纹分析技术的火灾感知与探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311111683.3A CN117037851B (zh) | 2023-08-31 | 2023-08-31 | 一种基于声纹分析技术的火灾感知与探测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117037851A CN117037851A (zh) | 2023-11-10 |
| CN117037851B true CN117037851B (zh) | 2024-03-19 |
Family
ID=88639172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311111683.3A Active CN117037851B (zh) | 2023-08-31 | 2023-08-31 | 一种基于声纹分析技术的火灾感知与探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117037851B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010157121A (ja) * | 2008-12-26 | 2010-07-15 | Ohbayashi Corp | 避難安全性判定方法、プログラム及びシステム |
| CN106504750A (zh) * | 2016-11-30 | 2017-03-15 | 彭州市运达知识产权服务有限公司 | 一种利用声纹识别快速检测火灾现场燃烧物的设备及其方法 |
| CN111063358A (zh) * | 2019-12-18 | 2020-04-24 | 浙江中辰城市应急服务管理有限公司 | 一种具有生命体识别功能的早期火灾预警和逃生指示系统 |
| AU2020104224A4 (en) * | 2020-10-30 | 2021-03-11 | Guangdong University Of Technology | Indoor Collaborative Path Planning Method and System for Multi-UAVs in High-rise Fire-fighting Tasks |
| KR20210051376A (ko) * | 2019-10-30 | 2021-05-10 | 가천대학교 산학협력단 | 빅데이터 기반의 건축물 화재 예방 대응 시스템 |
| KR102292982B1 (ko) * | 2021-04-21 | 2021-08-24 | 주식회사 진일기술단 | 건물 내에 설치되는 자동화재 탐지설비용 화재감지기를 포함하는 통합제어시스템 |
| CN114283330A (zh) * | 2021-11-17 | 2022-04-05 | 国电南瑞科技股份有限公司 | 基于多源数据的在线巡检识别方法及系统 |
-
2023
- 2023-08-31 CN CN202311111683.3A patent/CN117037851B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010157121A (ja) * | 2008-12-26 | 2010-07-15 | Ohbayashi Corp | 避難安全性判定方法、プログラム及びシステム |
| CN106504750A (zh) * | 2016-11-30 | 2017-03-15 | 彭州市运达知识产权服务有限公司 | 一种利用声纹识别快速检测火灾现场燃烧物的设备及其方法 |
| KR20210051376A (ko) * | 2019-10-30 | 2021-05-10 | 가천대학교 산학협력단 | 빅데이터 기반의 건축물 화재 예방 대응 시스템 |
| CN111063358A (zh) * | 2019-12-18 | 2020-04-24 | 浙江中辰城市应急服务管理有限公司 | 一种具有生命体识别功能的早期火灾预警和逃生指示系统 |
| AU2020104224A4 (en) * | 2020-10-30 | 2021-03-11 | Guangdong University Of Technology | Indoor Collaborative Path Planning Method and System for Multi-UAVs in High-rise Fire-fighting Tasks |
| KR102292982B1 (ko) * | 2021-04-21 | 2021-08-24 | 주식회사 진일기술단 | 건물 내에 설치되는 자동화재 탐지설비용 화재감지기를 포함하는 통합제어시스템 |
| CN114283330A (zh) * | 2021-11-17 | 2022-04-05 | 国电南瑞科技股份有限公司 | 基于多源数据的在线巡检识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117037851A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993040A (zh) | 文本识别方法及装置 | |
| CN110046568B (zh) | 一种基于时间感知结构的视频动作识别方法 | |
| CN113034483B (zh) | 基于深度迁移学习的烟支缺陷检测方法 | |
| CN111079518B (zh) | 一种基于执法办案区场景下的倒地异常行为识别方法 | |
| CN114120317B (zh) | 基于深度学习和图像处理的光学元件表面损伤识别方法 | |
| CN111145222A (zh) | 一种结合烟雾运动趋势和纹理特征的火灾检测方法 | |
| CN109344720B (zh) | 一种基于自适应特征选择的情感状态检测方法 | |
| CN116091551A (zh) | 一种基于多模态融合的目标检索跟踪方法及系统 | |
| CN116416576A (zh) | 基于v3-yolox的烟雾/火焰双光视觉检测方法 | |
| CN111079572A (zh) | 一种基于视频理解的森林烟火检测方法、存储介质和设备 | |
| CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
| CN109615610B (zh) | 一种基于YOLO v2-tiny的医用创可贴瑕疵检测方法 | |
| CN110618129A (zh) | 一种电网线夹自动检测与缺陷识别方法及装置 | |
| CN114662605A (zh) | 基于改进的YOLOv5模型的火焰检测方法 | |
| CN114612755A (zh) | 一种火灾检测方法、系统、电子设备和可读存储介质 | |
| CN117037851B (zh) | 一种基于声纹分析技术的火灾感知与探测方法 | |
| CN111931661A (zh) | 一种基于卷积神经网络的实时口罩佩戴检测方法 | |
| CN117197146A (zh) | 一种铸件内部缺陷自动识别方法 | |
| CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
| CN115311601A (zh) | 一种基于视频分析技术的火灾探测分析方法 | |
| CN110163081A (zh) | 基于ssd的实时区域入侵检测方法、系统及存储介质 | |
| CN116310669A (zh) | 基于多模态特征提取网络的目标检测方法、系统及设备 | |
| CN112304435A (zh) | 一种结合人脸识别的人体热成像测温方法 | |
| CN113283396A (zh) | 目标对象的类别检测方法、装置、计算机设备和存储介质 | |
| CN111093140A (zh) | 检测麦克和听筒防尘网缺陷的方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |