[发明专利]一种公共场所异常声音特征提取方法

说明书

技术领域

本发明属于音频信号特征提取及模式识别技术领域。

背景技术

公共场所是指公众从事社会生活的各种场所如广场、车站、学校等。公共场所中所发生的各种异常事件、犯罪事件等都与人们的生命财产与安全息息相关。目前，公共场所安全监视主要以视频监视平台为核心，大多还没有音频监控功能。由于大多数公共场合所发生的异常事件都伴随有异常声音的产生如枪声、爆炸声、玻璃破碎声、尖叫声等。异常声音的产生表明异常事件已发生或即将发生。通过音频监控技术弥补视频监控平台的不足，已成为公共场所安全监控的发展方向。由于音频监控领域相关理论与技术的缺乏，使得公共场所音频监控系统几乎为空白。可见，对公共场所异常声音特征提取相关领域的理论及关键技术的研究具有重要的意义。

发明内容

本发明的目的在于提出一种适用于公共场所异常声音的特征提取方法，旨在解决公共场所异常声音特征提取中关键的理论及技术问题，即一是公共场所背景噪声建模问题；二是公共场所异常声音的特征提取问题。

对于公共场所背景噪声建模问题：公共场所如广场、车站、校园的背景情况很复杂，噪声很大，有时噪声甚至会淹没待研究的信号。要解决公共场所异常声音特征提取的核心问题，首先需要获得公共场所背景噪声分布模型。我们知道，公共场所背景噪声为自然信号，往往存在一些大气噪声、人为噪声如汽车鸣笛声、脚步声等脉冲噪声的干扰。公共场所背景噪声具有较为明显的脉冲特性，其统计密度函数具有长拖尾现象。目前业界还没有有效的理论分析结果，研究人员均将公共场所背景噪声假设为高斯分布。为了获得适当的公共场所背景噪声模型，本发明提出通过Kolmogorov-Smirnov(K-S)假设检验对目前现有的几种公共场所噪声假设模型进行拟合优度分析。根据K-S假设检验得到公共场所背景噪声模型为T分布，用T分布来描述公共场所背景噪声较传统的高斯分布和SaS分布更为合理。

对于公共场所异常声音特征提取：目前异常声音的特征提取方法大多沿用传统的语音信号处理方法如mel频率倒谱系数(Melfrequency cepstrum coefficient,MFCC)、线性预测倒谱参数(Linear predictive cepstral coding,LPCC）。而公共场所异常声音不仅包含语音信号如尖叫声，还包括非语音信号如爆炸声、枪声等。由于公共场所异常声音信号的基频频率分散，信号能量在不同宽度的频率域集中分布，同时在整个频率域呈现非均匀分布的特点，上述传统方法对异常声音的特征描述能力有限。目前大多数研究人员采用各类特征融合策略来增强对异常声音特征的表征力。但从原理上看，各类融合方法仍然不能从根本上解决非语音信号特征提取的问题。本发明通过对目前非平稳、非线性信号处理领域新理论、新方法的分析，并充分考虑公共场合背景噪声对异常声音特征提取的影响，提出一种新的公共场所异常声音特征提取方法，即基于T分布的总体局部均值分解(Based on ensemble local mean decomposition,TD-ELMD)方法，将其用于公共场所异常声音的特征描述。

基于以上分析，本发明提出的公共场所异常声音特征提取方法包括公共场所背景噪声建模与公共场所异常声音特征提取两个步骤；

步骤1：所述公共场所背景噪声建模，是使用自由度为v的T分布来描述公共场所背景噪声，将自由度为v的T分布随机数据替代原始总体局部均值分解(ELMD)中的高斯白噪声，得到基于T分布的总体局部均值分解（TD-ＥLMD）模型；

步骤2:公共场所异常声音特征提取，是利用TD-ＥLMD模型将公共场所异常声音信号分解为若干阶瞬时频率的乘积函数(PF_i)分量；用PF_i分量的能量与异常声音信号总能量相比作为公共场所异常声音特征向量；最后，将该特征向量输入支持向量机(SVM)进行分类识别。

所述步骤1中基于T分布的总体局部均值分解（TD-ＥLMD）模型为：