CN117113065B - 一种基于声音检测的智能灯组数据管理系统及方法 - Google Patents
一种基于声音检测的智能灯组数据管理系统及方法 Download PDFInfo
- Publication number
- CN117113065B CN117113065B CN202311379810.8A CN202311379810A CN117113065B CN 117113065 B CN117113065 B CN 117113065B CN 202311379810 A CN202311379810 A CN 202311379810A CN 117113065 B CN117113065 B CN 117113065B
- Authority
- CN
- China
- Prior art keywords
- sound
- data set
- detection
- segmentation
- frequency
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013523 data management Methods 0.000 title claims abstract description 18
- 238000013209 evaluation strategy Methods 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims description 73
- 238000001228 spectrum Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 24
- 230000005236 sound signal Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010223 real-time analysis Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 description 14
- 230000006378 damage Effects 0.000 description 14
- 208000014674 injury Diseases 0.000 description 14
- 241001465382 Physalis alkekengi Species 0.000 description 2
- 206010039740 Screaming Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于声音检测的智能灯组数据管理系统及方法,涉及声音检测技术领域,该系统运行时,通过收集房屋内的多种类型声音数据,形成声音数据组,并进行降噪和信号增强,以及声音识别算法进行实时分析,以组成第一数据集,对第一数据集进行分割和特征提取,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集,对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案,根据方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储,达到根据声音事件的具体情况和紧急性来决定如何响应,而不是简单地以相同方式对待所有声音事件。
Description
技术领域
本发明涉及声音检测技术领域,具体为一种基于声音检测的智能灯组数据管理系统及方法。
背景技术
在现代住宅小区,声音检测灯控系统为居民带来了智能化的生活体验,然而,尽管这一系统在改善生活质量方面表现出色,但目前仍存在一些令人担忧的不足之处,首要问题在于声音检测系统在识别和分类声音方面的准确性可能不尽如人意,这一挑战部分源于声音识别算法的复杂性,因为它们需要综合处理多种声音类型的特征,才能可靠地区分各种声音事件,这种不足影响了系统对事件的精确响应,可能导致误判或延迟响应。
其中,可能出现一种场景,居民家有年龄较少的孩子,通常屋里不是很明亮的时候会开一组较为省电的灯,来辅助照明,由于孩子天性使然,会到处玩耍,自然包括灯光不够明亮的地方,此时,孩子可能因为照明条件不足,导致可能会发生碰撞和摔伤,进而发出了尖叫声或者呼喊,此时可能会出现灯具开关距离较远或者相反方向,是先去开灯再来查看孩子,还是先查看孩子再去开灯,需要在短时间内做出决断,因为孩子如果受到尖锐物品的伤害,在照明条件不好的情况下,可能因为没有看见尖锐物品,去查看孩子伤势的过程中,进而发生二次伤害,如果先去开灯再去查看孩子伤情,孩子可能因为害怕和疼痛,做出可能造成二次伤害的动作。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于声音检测的智能灯组数据管理系统及方法,解决了背景技术中提到的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于声音检测的智能灯组数据管理系统,包括声音采集模块、声音处理模块、特征提取模块、决策模块和执行模块;
所述声音采集模块负责收集房屋内的多种类型声音数据,形成声音数据组;
所述声音处理模块对所述声音数据组进行降噪和信号增强,再通过声音识别算法进行实时分析,以获取声音相关信息,组成第一数据集;
所述特征提取模块对获取的第一数据集进行分割和特征提取,获取声音事件和特性信息,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
所述决策模块对所述第一数据集和所述第二数据集进行计算,获取:检测指数Jczs,根据检测指数Jczs和预设检测阈值对比,获取等级检测评估策略方案;
所述检测指数Jczs通过以下公式获取:
,
式中,Flxs表示分类系数,Tzxs表示特征系数,Ymax表示切割总数,A、B和X分别表示分类系数Flxs、特征系数Tzxs和切割总数Ymax的权重值,C表示修正常数;
所述分类系数Flxs和切割总数Ymax通过所述第一数据集计算获取;
所述特征系数Tzxs通过所述第二数据集计算获取;
所述执行模块通过所述等级检测评估策略方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储。
优选的,所述声音采集模块包括传感器单元;
所述传感器单元通过声音传感器持续的监测房屋内的声音事件,包括日常生活中的对话、脚步声、器物碰撞声和动物声,以及出现的声音事件,同步将声音信号转换为电信号,以组成声音数据组。
优选的,所述声音处理模块包括降噪单元、增强单元和算法处理单元;
所述降噪单元对声音数据组进行初始处理,以减少噪音和提高数据质量,包括去除背景噪声、减小突发干扰和滤波技术,以确保声音信号的准确性和清晰度;
所述增强单元根据所述降噪单元处理后的声音数据组进行调整声音的增益,对于低音量声音事件,增加增益,以确保它们能够被明确识别,同时,进行动态范围控制、峰值检测和频率响应调整,以提高声音的可识别性;
所述算法处理单元根据机器声音识别算法,从声音信号中提取各种声音特征,包括频率、振幅、持续时间和频谱,用于描述声音事件的相关特性。
所述第一数据集包括:频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd。
优选的,所述特征提取模块包括截取单元、提取单元和匹配单元;
所述截取单元将所述第一数据集分割成不同的声音事件片段,通过检测声音事件之间的间隙或静音段,然后将所述第一数据集进行切割,形成Y1、Y2、Y3至Yn段声音信号数据集,并记录切割的总数Yn组成:切割总数Ymax;
所述提取单元对Y1、Y2、Y3至Yn段声音信号数据集使用相同的特征提取方式进行处理,提取Y1、Y2、Y3至Yn段声音信号数据集中的特性信息,包括:频率分段、振幅分段率和频谱分段;
所述匹配单元对获取的声音信号数据集的特性信息,与预设声音事件分类标签集进行匹配,获取:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd;
所述第二数据集包括:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd。
优选的,所述决策模块包括整合单元和检测评估单元;
所述整合单元对所述第一数据集和所述第二数据集进行计算,获取:分类系数Flxs和特征系数Tzxs,再对分类系数Flxs和特征系数Tzxs进行深度计算,获取:检测指数Jczs;
所述检测评估单元对检测指数Jczs与预设检测阈值S和预设检测阈值T进行对比,获取等级检测评估策略方案。
优选的,所述分类系数Flxs通过以下公式获取:
,
式中,d、e、f和g分别表示频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd的权重值;
通过计算获取的分类系数Flxs,体现了声音事件的特性,进而判断声音事件的类型和特征,实现对声音的精细分类;
其中,,/>,/>,/>,且,,H表示修正常数。
优选的,所述特征系数Tzxs通过以下公式获取:
,
式中,j、k和m分别表示频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd的权重值;
通过计算获取的特征系数Tzxs,体现了声音频谱变化的特性,进而提高对声音事件的识别准确性;
其中,,/>,/>,且,/>,N表示修正常数。
优选的,所述等级检测评估策略方案通过以下方式对比获取:
检测指数Jczs<预设检测阈值S,获取一级评价,对此次收集的声音数据组无需处理,维持灯组现状;
预设检测阈值S≤检测指数Jczs≤预设检测阈值T,获取二级评价,对于发生声音事件的位置进行灯光辅助,灯光的亮度进行提升,使用10W以下的辅助灯组进行照明,并在十五秒后无后续声音事件发生时进行关闭辅助灯组;
预设检测阈值T<检测指数Jczs,获取三级评价,发生声音事件,对发生声音事件的位置打开灯组进行照明,以提示和帮助用户查看发生位置出现的事件,并在三十秒后无后续声音事件发生时进行关闭灯组,保留10W以下的辅助灯组进行照明,并在六十秒后无声音事件发生时进行关闭辅助灯组。
优选的,所述执行模块包括控制单元和存储单元;
所述控制单元通过等级检测评估策略方案内容,生成执行指令,并传达至智能灯组控制中心,进行具体执行,包括:控制灯光的亮度、颜色、开关状态和关闭开启倒计时记录;
所述存储单元用于记录和存储与声音事件响应相关的数据,包括声音事件的时间、类型、等级评价、执行的具体指令和响应的结果,进行改进系统性能和决策方案。
一种基于声音检测的智能灯组数据管理系统及方法,包括以下步骤:
步骤一:通过声音采集模块收集房屋内的多种类型声音数据,形成声音数据组;
步骤二:通过声音处理模块对声音数据组进行降噪和信号增强,再通过声音识别算法进行分析,获取相关信息组成第一数据集;
步骤三:通过特征提取模块对第一数据集进行分割和特征提取,获取声音事件和特性信息与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
步骤四:通过决策模块对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案;
步骤五:通过执行模块根据等级检测评估策略方案内容,进行具体执行,并记录和存储。
(三)有益效果
本发明提供了一种基于声音检测的智能灯组数据管理系统及方法,具备以下有益效果:
(1)系统运行时,收集房屋内的多种类型声音数据,形成声音数据组,并进行降噪和信号增强,以及声音识别算法进行实时分析,以组成第一数据集,对第一数据集进行分割和特征提取,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集,对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案,根据方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储,达到根据声音事件的具体情况和紧急性来决定如何响应,而不是简单地以相同方式对待所有声音事件,达到对屋内发生的碰撞和摔伤进行响应,以协助用户进行处理,尽可能的解决因为未及时打开灯组照明而带来的二次伤害。
(2)通过多等级的等级检测评估策略方案,尽可能的减少虚警的发生,通过不同等级的检测,更精确地识别声音事件的紧急性和重要性,避免因误判而不必要地响应,持续监控特殊事件,再发生特殊事件的初期进行及时的控制灯组来响应。
(3)本发明方法中,通过步骤一至步骤五,收集房屋内的声音,形成声音数据组,并进行降噪和信号增强,再进行声音识别算法分析,组成第一数据集,通过对第一数据集进行分割和特征提取,获取声音事件和特性信息,与预设声音事件分类标签集进行匹配,获取匹配频率值,组成第二数据集,对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案,根据内容进行具体执行,并记录存储,尽可能的解决当有声音事件发生时,判断出碰撞或摔倒,迅速点亮附近的灯光,提供明亮的照明,减少伤害的风险。
附图说明
图1为本发明一种基于声音检测的智能灯组数据管理系统框图流程示意图;
图2为本发明一种基于声音检测的智能灯组数据管理方法步骤示意图;
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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。
在现代住宅小区,声音检测灯控系统为居民带来了智能化的生活体验,然而,尽管这一系统在改善生活质量方面表现出色,但目前仍存在一些令人担忧的不足之处,首要问题在于声音检测系统在识别和分类声音方面的准确性可能不尽如人意,这一挑战部分源于声音识别算法的复杂性,因为它们需要综合处理多种声音类型的特征,才能可靠地区分各种声音事件,这种不足影响了系统对事件的精确响应,可能导致误判或延迟响应。
其中,可能出现一种场景,居民家有年龄较少的孩子,通常屋里不是很明亮的时候会开一组较为省电的灯,来辅助照明,由于孩子天性使然,会到处玩耍,自然包括灯光不够明亮的地方,此时,孩子可能因为照明条件不足,导致可能会发生碰撞和摔伤,进而发出了尖叫声或者呼喊,此时可能会出现灯具开关距离较远或者相反方向,是先去开灯再来查看孩子,还是先查看孩子再去开灯,需要在短时间内做出决断,因为孩子如果受到尖锐物品的伤害,在照明条件不好的情况下,可能因为没有看见尖锐物品,去查看孩子伤势的过程中,进而发生二次伤害,如果先去开灯再去查看孩子伤情,孩子可能因为害怕和疼痛,做出可能造成二次伤害的动作。
实施例1
本发明提供一种基于声音检测的智能灯组数据管理系统,请参阅图1,包括声音采集模块、声音处理模块、特征提取模块、决策模块和执行模块;
所述声音采集模块负责收集房屋内的多种类型声音数据,形成声音数据组;
所述声音处理模块对所述声音数据组进行降噪和信号增强,再通过声音识别算法进行实时分析,以获取声音相关信息,组成第一数据集;
所述特征提取模块对获取的第一数据集进行分割和特征提取,获取声音事件和特性信息,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
所述决策模块对所述第一数据集和所述第二数据集进行计算,获取:检测指数Jczs,根据检测指数Jczs和预设检测阈值对比,获取等级检测评估策略方案;
所述检测指数Jczs通过以下公式获取:
,
式中,Flxs表示分类系数,Tzxs表示特征系数,Ymax表示切割总数,A、B和X分别表示分类系数Flxs、特征系数Tzxs和切割总数Ymax的权重值,C表示修正常数;
其中,,/>,/>,且,/>;
所述分类系数Flxs和切割总数Ymax通过所述第一数据集计算获取;
所述特征系数Tzxs通过所述第二数据集计算获取;
所述执行模块通过所述等级检测评估策略方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储,
本实施例中,通过声音采集模块负责收集房屋内的多种类型声音数据,形成声音数据组,通过声音处理模块进行降噪和信号增强,以及声音识别算法进行实时分析,以组成第一数据集,通过特征提取模块对第一数据集进行分割和特征提取,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集,通过决策模块对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案,通过执行模块对等级检测评估策略方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储,达到根据声音事件的具体情况和紧急性来决定如何响应,而不是简单地以相同方式对待所有声音事件,达到对屋内发生的碰撞和摔伤进行响应,以协助用户进行处理,尽可能的解决因为未及时打开灯组照明而带来的二次伤害。
实施例2
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:所述声音采集模块包括传感器单元;
所述传感器单元通过声音传感器持续的监测房屋内的声音事件,包括日常生活中的对话、脚步声、器物碰撞声和动物声,以及出现的声音事件,同步将声音信号转换为电信号,以组成声音数据组。
所述声音处理模块包括降噪单元、增强单元和算法处理单元;
所述降噪单元对声音数据组进行初始处理,以减少噪音和提高数据质量,包括去除背景噪声、减小突发干扰和滤波技术,以确保声音信号的准确性和清晰度;
所述增强单元根据所述降噪单元处理后的声音数据组进行调整声音的增益,对于低音量声音事件,增加增益,以确保它们能够被明确识别,同时,进行动态范围控制、峰值检测和频率响应调整,以提高声音的可识别性;
所述算法处理单元根据机器声音识别算法,从声音信号中提取各种声音特征,包括频率、振幅、持续时间和频谱,用于描述声音事件的相关特性。
所述第一数据集包括:频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd。
所述特征提取模块包括截取单元、提取单元和匹配单元;
所述截取单元将所述第一数据集分割成不同的声音事件片段,通过检测声音事件之间的间隙或静音段,然后将所述第一数据集进行切割,形成Y1、Y2、Y3至Yn段声音信号数据集,并记录切割的总数Yn组成:切割总数Ymax;
所述提取单元对Y1、Y2、Y3至Yn段声音信号数据集使用相同的特征提取方式进行处理,提取Y1、Y2、Y3至Yn段声音信号数据集中的特性信息,包括:频率分段、振幅分段率和频谱分段;
所述匹配单元对获取的声音信号数据集的特性信息,与预设声音事件分类标签集进行匹配,获取:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd;
所述第二数据集包括:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd;
频率分段值包括:高频:2000Hz以上,中频:500Hz至2000Hz,低频:小于500Hz;
振幅分段值包括:高振幅:大于0.8,中振幅:0.3至0.8,低振幅:小于0.3;
频谱分段值包括:高频谱:大于5000Hz,中频谱:1000Hz至5000Hz,低频谱:小于1000Hz;
预设声音事件分类标签集包括:高频频率分段、中频频率分段、低频频率分段、高振幅分段率、中振幅分段率、低振幅分段率、高频谱分段、中频谱分段和低频谱分段。
所述决策模块包括整合单元和检测评估单元;
所述整合单元对所述第一数据集和所述第二数据集进行计算,获取:分类系数Flxs和特征系数Tzxs,再对分类系数Flxs和特征系数Tzxs进行深度计算,获取:检测指数Jczs;
所述检测评估单元对检测指数Jczs与预设检测阈值S和预设检测阈值T进行对比,获取等级检测评估策略方案。
实施例3
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:所述分类系数Flxs通过以下公式获取:
,
式中,d、e、f和g分别表示频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd的权重值;
通过计算获取的分类系数Flxs,体现了声音事件的特性,进而判断声音事件的类型和特征,实现对声音的精细分类;
例如:对于婴儿哭泣,会导致频率赫兹值Plhz较高、振幅音量值Zfyl较大和持续时间Cxsj较长;对于物体碰撞事件,会导致频率赫兹值Plhz较中等、振幅音量值Zfyl较大和持续时间Cxsj较短;
振幅音量值Zfyl表示声音的振幅大小,通常以音量的强度来表示,其中声音的振幅相对较大,对应表示声音比较响亮;
其中,,/>,/>,/>,且,,H表示修正常数。
所述特征系数Tzxs通过以下公式获取:
,
式中,j、k和m分别表示频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd的权重值;
通过计算获取的特征系数Tzxs,体现了声音频谱变化的特性,进而提高对声音事件的识别准确性;
振幅分段率值Zffd具体为振幅音量值Zfyl与预设预设声音事件分类标签集进行匹配,获取高振幅分段率、中振幅分段率和低振幅分段率的匹配频率值,进而组成振幅分段率值Zffd;
具体为:振幅分段率值Zffd具体是与预设预设声音事件分类标签集进行匹配的频率数量最多的频率分段以及振幅值;
其中,,/>,/>,且,/>,N表示修正常数。
所述等级检测评估策略方案通过以下方式对比获取:
检测指数Jczs<预设检测阈值S,获取一级评价,对此次收集的声音数据组无需处理,维持灯组现状;
预设检测阈值S≤检测指数Jczs≤预设检测阈值T,获取二级评价,对于发生声音事件的位置进行灯光辅助,灯光的亮度进行提升,使用10W以下的辅助灯组进行照明,并在十五秒后无后续声音事件发生时进行关闭辅助灯组;
预设检测阈值T<检测指数Jczs,获取三级评价,发生声音事件,对发生声音事件的位置打开灯组进行照明,以提示和帮助用户查看发生位置出现的事件,并在三十秒后无后续声音事件发生时进行关闭灯组,保留10W以下的辅助灯组进行照明,并在六十秒后无声音事件发生时进行关闭辅助灯组。
所述执行模块包括控制单元和存储单元;
所述控制单元通过等级检测评估策略方案内容,生成执行指令,并传达至智能灯组控制中心,进行具体执行,包括:控制灯光的亮度、颜色、开关状态和关闭开启倒计时记录;
所述存储单元用于记录和存储与声音事件响应相关的数据,包括声音事件的时间、类型、等级评价、执行的具体指令和响应的结果,进行改进系统性能和决策方案;
本实施例中,通过多等级的等级检测评估策略方案,尽可能的减少虚警的发生,通过不同等级的检测,更精确地识别声音事件的紧急性和重要性,避免因误判而不必要地响应,持续监控特殊事件,再发生特殊事件的初期进行及时的控制灯组来响应。
实施例5
一种基于声音检测的智能灯组数据管理系统及方法,请参照图2,具体的:包括以下步骤:
步骤一:通过声音采集模块收集房屋内的多种类型声音数据,形成声音数据组;
步骤二:通过声音处理模块对声音数据组进行降噪和信号增强,再通过声音识别算法进行分析,获取相关信息组成第一数据集;
步骤三:通过特征提取模块对第一数据集进行分割和特征提取,获取声音事件和特性信息与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
步骤四:通过决策模块对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案;
步骤五:通过执行模块根据等级检测评估策略方案内容,进行具体执行,并记录和存储。
本发明方法中,通过步骤一至步骤五,收集房屋内的声音,形成声音数据组,并进行降噪和信号增强,再进行声音识别算法分析,组成第一数据集,通过对第一数据集进行分割和特征提取,获取声音事件和特性信息,与预设声音事件分类标签集进行匹配,获取匹配频率值,组成第二数据集,对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案,根据内容进行具体执行,并记录存储,尽可能的解决当有声音事件发生时,判断出碰撞或摔倒,迅速点亮附近的灯光,提供明亮的照明,减少伤害的风险。
具体示例:某某小区住户使用的一种基于声音检测的智能灯组数据管理系统,将使用一些具体的参数和值来演示如何计算:检测指数Jczs、分类系数Flxs和特征系数Tzxs;
假设拥有以下参数值:
频率赫兹值Plhz:800、振幅音量值Zfyl:700、持续时间Cxsj:3和频谱强度Ppqd:400,权重值:d:0.21、e:0.18、f:0.19和g:0.15,修正常数H:5;
根据分类系数Flxs的计算公式获取:
分类系数Flxs=[(0.21*800*0.12)+(0.18*700)+(0.19*3*0.15)+(0.15*400)]*0.03+5=11.18;
频率分段值Plfd:700、振幅分段率值Zffd:0.6和频谱分段值Ppfd:1300,权重值:j:0.21、k:0.23和m:0.23,修正常数N:5;
根据特征系数Tzxs的计算公式获取:
特征系数Tzxs=[(0.21*700*0.13)+(0.6*0.22*10)+(0.23*1300*0.11)]*0.1+5=10.406;
修正常数C:5,权重值:A:0.31,B:0.37,X:0.16,切割总数Ymax:16;
根据检测指数Jczs的计算公式获取:
检测指数Jczs={(0.31*11.18*1.3)+[(0.16*16)/(0.37*10.406)]*1.5}*0.2+5≈5.41;
将预设检测阈值S设置为10,预设检测阈值T设置为20,通过和检测指数Jczs进行对比,获取:检测指数Jczs<预设检测阈值S,获取一级评价,对此次收集的声音数据组无需处理,维持灯组现状。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于声音检测的智能灯组数据管理系统,其特征在于:包括声音采集模块、声音处理模块、特征提取模块、决策模块和执行模块;
所述声音采集模块负责收集房屋内的多种类型声音数据,形成声音数据组;
所述声音处理模块对所述声音数据组进行降噪和信号增强,再通过声音识别算法进行实时分析,以获取声音相关信息,组成第一数据集;
所述声音处理模块包括降噪单元、增强单元和算法处理单元;
所述降噪单元对声音数据组进行初始处理,以减少噪音和提高数据质量,包括去除背景噪声、减小突发干扰和滤波技术,以确保声音信号的准确性和清晰度;
所述增强单元根据所述降噪单元处理后的声音数据组进行调整声音的增益,对于低音量声音事件,增加增益,同时,进行动态范围控制、峰值检测和频率响应调整,以提高声音的可识别性;
所述算法处理单元根据机器声音识别算法,从声音信号中提取各种声音特征,包括频率、振幅、持续时间和频谱,用于描述声音事件的相关特性;
所述第一数据集包括:频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd;
所述特征提取模块对获取的第一数据集进行分割和特征提取,获取声音事件和特性信息,并与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
所述特征提取模块包括截取单元、提取单元和匹配单元;
所述截取单元将所述第一数据集分割成不同的声音事件片段,通过检测声音事件之间的间隙或静音段,然后将所述第一数据集进行切割,形成Y1、Y2、Y3至Yn段声音信号数据集,并记录切割的总数Yn组成:切割总数Ymax;
所述提取单元对Y1、Y2、Y3至Yn段声音信号数据集使用相同的特征提取方式进行处理,提取Y1、Y2、Y3至Yn段声音信号数据集中的特性信息,包括:频率分段、振幅分段率和频谱分段;
频率分段包括:高频频率分段、中频频率分段和低频频率分段;
振幅分段率包括:高振幅分段率、中振幅分段率和低振幅分段率;
频谱分段包括:高频谱分段、中频谱分段和低频谱分段;
所述匹配单元对获取的声音信号数据集的特性信息,与预设声音事件分类标签集进行匹配,获取频率分段、振幅分段率和频谱分段的匹配数量值:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd;
所述第二数据集包括:频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd;
所述决策模块对所述第一数据集和所述第二数据集进行计算,获取:检测指数Jczs,根据检测指数Jczs和预设检测阈值对比,获取等级检测评估策略方案;
所述检测指数Jczs通过以下公式获取:
,
式中,Flxs表示分类系数,Tzxs表示特征系数,Ymax表示切割总数,A、B和X分别表示分类系数Flxs、特征系数Tzxs和切割总数Ymax的权重值,C表示修正常数;
所述分类系数Flxs和切割总数Ymax通过所述第一数据集计算获取;
所述分类系数Flxs通过以下公式获取:
,
式中,Plhz表示频率赫兹值,Zfyl表示振幅音量值,Cxsj表示持续时间,Ppqd表示频谱强度,d、e、f和g分别表示频率赫兹值Plhz、振幅音量值Zfyl、持续时间Cxsj和频谱强度Ppqd的权重值;
其中,,/>,/>,/>,且,,H表示修正常数;
所述特征系数Tzxs通过所述第二数据集计算获取;
所述特征系数Tzxs通过以下公式获取:
,
式中,Plfd表示频率分段值,Zffd表示振幅分段率值,Ppfd表示频谱分段值,j、k和m分别表示频率分段值Plfd、振幅分段率值Zffd和频谱分段值Ppfd的权重值;
其中,,/>,/>,且,/>,N表示修正常数;
所述执行模块通过所述等级检测评估策略方案内容,转化为具体执行指令,以响应检测到的声音事件,并记录存储。
2.根据权利要求1所述的一种基于声音检测的智能灯组数据管理系统,其特征在于:所述声音采集模块包括传感器单元;
所述传感器单元通过声音传感器持续的监测房屋内的声音事件,包括日常生活中的对话、脚步声、器物碰撞声和动物声,同步将声音信号转换为电信号,以组成声音数据组。
3.根据权利要求1所述的一种基于声音检测的智能灯组数据管理系统,其特征在于:所述决策模块包括整合单元和检测评估单元;
所述整合单元对所述第一数据集和所述第二数据集进行计算,获取:分类系数Flxs和特征系数Tzxs,再对分类系数Flxs和特征系数Tzxs进行深度计算,获取:检测指数Jczs;
所述检测评估单元对检测指数Jczs与预设检测阈值S和预设检测阈值T进行对比,获取等级检测评估策略方案。
4.根据权利要求1所述的一种基于声音检测的智能灯组数据管理系统,其特征在于:所述等级检测评估策略方案通过以下方式对比获取:
检测指数Jczs<预设检测阈值S,获取一级评价,对此次收集的声音数据组无需处理,维持灯组现状;
预设检测阈值S≤检测指数Jczs≤预设检测阈值T,获取二级评价,对于发生声音事件的位置进行灯光辅助,灯光的亮度进行提升,使用10W以下的辅助灯组进行照明,并在十五秒后无后续声音事件发生时进行关闭辅助灯组;
预设检测阈值T<检测指数Jczs,获取三级评价,发生声音事件,对发生声音事件的位置打开灯组进行照明,以提示和帮助用户查看发生位置出现的事件,并在三十秒后无后续声音事件发生时进行关闭灯组,保留10W以下的辅助灯组进行照明,并在六十秒后无声音事件发生时进行关闭辅助灯组。
5.根据权利要求4所述的一种基于声音检测的智能灯组数据管理系统,其特征在于:所述执行模块包括控制单元和存储单元;
所述控制单元通过等级检测评估策略方案内容,生成执行指令,并传达至智能灯组控制中心,进行具体执行,包括:控制灯光的亮度、颜色、开关状态和关闭开启倒计时记录;
所述存储单元用于记录和存储与声音事件响应相关的数据,包括声音事件的时间、类型、等级评价、执行的具体指令和响应的结果,进行改进系统性能和决策方案。
6.一种基于声音检测的智能灯组数据管理方法,包括上述权利要求1~5任一所述的一种基于声音检测的智能灯组数据管理系统,其特征在于:包括以下步骤:
步骤一:通过声音采集模块收集房屋内的多种类型声音数据,形成声音数据组;
步骤二:通过声音处理模块对声音数据组进行降噪和信号增强,再通过声音识别算法进行分析,获取相关信息组成第一数据集;
步骤三:通过特征提取模块对第一数据集进行分割和特征提取,获取声音事件和特性信息与预设声音事件分类标签集进行匹配,获取匹配标签频率值,组成第二数据集;
步骤四:通过决策模块对第一数据集和第二数据集进行计算,获取:检测指数Jczs,并和预设检测阈值对比,获取等级检测评估策略方案;
步骤五:通过执行模块根据等级检测评估策略方案内容,进行具体执行,并记录和存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311379810.8A CN117113065B (zh) | 2023-10-24 | 2023-10-24 | 一种基于声音检测的智能灯组数据管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311379810.8A CN117113065B (zh) | 2023-10-24 | 2023-10-24 | 一种基于声音检测的智能灯组数据管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117113065A CN117113065A (zh) | 2023-11-24 |
CN117113065B true CN117113065B (zh) | 2024-02-09 |
Family
ID=88804232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311379810.8A Active CN117113065B (zh) | 2023-10-24 | 2023-10-24 | 一种基于声音检测的智能灯组数据管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113065B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493818B (zh) * | 2024-01-03 | 2024-04-05 | 山东亿华天产业发展集团有限公司 | 基于动态遥感技术的国土测绘方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080061901A (ko) * | 2006-12-28 | 2008-07-03 | 주식회사 유진로봇 | 로봇의 입출력 장치에 의한 효율적인 음성인식 방법 및시스템 |
JP2009003162A (ja) * | 2007-06-21 | 2009-01-08 | Panasonic Corp | 力み音声検出装置 |
KR20140136332A (ko) * | 2013-05-20 | 2014-11-28 | (주)사운드렉 | 타겟 음향 인식을 위한 음향 특징 추출방법, 이를 통한 대상체 제어 장치 및 방법 |
WO2015111014A1 (en) * | 2014-01-27 | 2015-07-30 | Pluta Adam | A method and a system for decomposition of acoustic signal into sound objects, a sound object and its use |
CN111479368A (zh) * | 2019-01-07 | 2020-07-31 | 深圳声联网科技有限公司 | 一种婴儿声音控制的智能灯具 |
KR102556447B1 (ko) * | 2023-02-16 | 2023-07-18 | 주식회사 슈퍼스타트 | 패턴 분석을 통한 상황 판단 시스템 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10531540B2 (en) * | 2018-03-22 | 2020-01-07 | Cheng Uei Precision Industry Co., Ltd. | Intelligent lamp holder and usage method applied therein |
-
2023
- 2023-10-24 CN CN202311379810.8A patent/CN117113065B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080061901A (ko) * | 2006-12-28 | 2008-07-03 | 주식회사 유진로봇 | 로봇의 입출력 장치에 의한 효율적인 음성인식 방법 및시스템 |
JP2009003162A (ja) * | 2007-06-21 | 2009-01-08 | Panasonic Corp | 力み音声検出装置 |
KR20140136332A (ko) * | 2013-05-20 | 2014-11-28 | (주)사운드렉 | 타겟 음향 인식을 위한 음향 특징 추출방법, 이를 통한 대상체 제어 장치 및 방법 |
WO2015111014A1 (en) * | 2014-01-27 | 2015-07-30 | Pluta Adam | A method and a system for decomposition of acoustic signal into sound objects, a sound object and its use |
CN111479368A (zh) * | 2019-01-07 | 2020-07-31 | 深圳声联网科技有限公司 | 一种婴儿声音控制的智能灯具 |
KR102556447B1 (ko) * | 2023-02-16 | 2023-07-18 | 주식회사 슈퍼스타트 | 패턴 분석을 통한 상황 판단 시스템 |
Also Published As
Publication number | Publication date |
---|---|
CN117113065A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117113065B (zh) | 一种基于声音检测的智能灯组数据管理系统及方法 | |
CN109300471B (zh) | 融合声音采集识别的场区智能视频监控方法、装置及系统 | |
US10636129B2 (en) | Wind motion threshold image analysis system | |
JP4513898B2 (ja) | 画像識別装置 | |
US5867587A (en) | Impaired operator detection and warning system employing eyeblink analysis | |
CN101655907B (zh) | 机车司机行车状态监控智能报警系统 | |
CN109616140A (zh) | 一种异常声音分析系统 | |
CN105788176A (zh) | 疲劳驾驶监测提醒方法及系统 | |
EP3147902B1 (en) | Sound processing apparatus, sound processing method, and computer program | |
CN101393660A (zh) | 一种基于脚步声识别的智能门禁系统 | |
CN203786851U (zh) | 新型拾音报警器 | |
CN111223261A (zh) | 一种复合智能生产安防系统及其安防方法 | |
CN111523397A (zh) | 一种智慧灯杆视觉识别装置、方法及其系统和电子设备 | |
CN112784695A (zh) | 一种基于图像及语音识别的司机异常状态检测方法 | |
EP2028651A1 (en) | Method and apparatus for detection of specific input signal contributions | |
JPH06270711A (ja) | 覚醒状態検知装置 | |
CN115512223B (zh) | 一种融合多种变化检测算法的红树林动态监测方法 | |
EP1096418A2 (en) | Error derived scores for detection systems | |
CN112419635B (zh) | 融合光栅和视频的周界报警方法 | |
JPH10188169A (ja) | 火災検出装置 | |
CN112419304A (zh) | 一种面向一维数据的多阶段目标检测方法及装置 | |
CN112200145A (zh) | 一种公共安全的远程识别方法 | |
Klausner et al. | DSP based acoustic vehicle classification for multi-sensor real-time traffic surveillance | |
US11830519B2 (en) | Multi-channel acoustic event detection and classification method | |
CN116030391B (zh) | 煤炭卸料口人员风险智能监测方法 |
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 |