[发明专利]声音识别结果检验方法和设备、声音识别及音频监视系统

说明书

技术领域

本发明涉及用于检验声音识别结果的方法和设备、声音识别系统和用于自动检测异常音频事件的音频监视系统。

背景技术

置信度(Confidence Measure，CM)技术通常被用于减少声音识别过程中的误警(false alarm)。更具体而言，在获得声音识别结果之后，基于该声音识别结果来计算置信度。然后，将置信度与预定的阈值进行比较，从而检验该声音识别结果。置信度是用于评估声音识别结果的可靠性的分数。在许多实际的应用中，优良的置信度可以较大程度地有益于声音识别过程。

一般，声音识别结果以N个最好的(N-best)列表的形式输出，该N-best列表由被排序的N个最好的候选声音以及它们的识别分数构成，如下面的表1中示例性地示出的。

表1N-best列表

 ID  声音  识别分数 候选1  尖叫声  0.59 候选2  枪击声  0.42 候选3  CS-1  0.35 候选4  玻璃破碎声  0.32 候选5  CS-2  0.26 …  …  …

在现有技术中，已经提出了基于置信度的不同的计算方法来检验具有N-best列表形式的声音识别结果的各种方法。

例如，美国专利No.6125345(在下文中被称为“现有技术1”)公开了一种用于检验声音识别结果的方法，在该方法中，计算置信度的过程包括以下两个步骤。也就是说，在步骤1中，获得N-best列表中的第一候选声音的识别分数S1和第二候选声音的识别分数S2。第一候选声音在N-best列表中具有最高的识别分数，并且第二候选声音在N-best列表中具有第二高的识别分数。然后，在步骤2中，计算上述两个识别分数之间的差作为置信度，如公式(1)所示。

CM＝S1-S2    (1)

另外，美国专利申请公开No.2009/0006102(在下文中被称为“现有技术2”)也公开了一种用于检验声音识别结果的方法，在该方法中，计算置信度的过程包括以下三个步骤。也就是说，在步骤1中，获得N-best列表中的第一候选声音和第二候选声音以及它们的识别分数S1和S2。

然后，在步骤2中，计算与第一候选声音对应的分类模型和与第二候选声音对应的分类模型之间的距离D。分类模型由一个或多个高斯混合组成。距离测度(distance measure)是基于第一候选声音和第二候选声音的两个分类模型的混合之间的马氏距离(Mahalanobis距离)的加权和。

然后，在步骤3中，计算上述两个识别分数之间的差除以距离D的对数，以作为置信度，如公式(2)所示。

CM＝log[1000＊(S1-S2)/D]    (2)