[发明专利]一种混合音频下的大熊猫声音事件检测方法及系统

说明书

本发明公开了一种混合音频下的大熊猫声音事件检测方法及系统，包括：采集被测环境的音频数据；对所述音频数据提取对数梅尔频谱，再将所述对数梅尔频谱标准化；将处理后的所述音频数据分为开发集数据和测试集数据；搭建多尺度注意力卷积循环神经网络；通过所述开发集数据对所述多尺度注意力卷积循环神经网络进行训练；通过训练完成的所述多尺度注意力卷积循环神经网络对所述测试集数据进行预测，并生成预测结果；本发明利用多尺度注意力卷积模块提取多尺度特征信息同时利用循环神经网络充分利用上下文信息，本发明对于大熊猫声音有较高的检测精度，并且对于不同叫声类型、叫声时长的大熊猫声音都有很好的检测效果。

技术领域

本发明涉及音频检测技术、声音收集、识别与检测等技术领域，具体涉及一种混合音频下的大熊猫声音事件检测方法及系统。

背景技术

大熊猫，英文名 Giant Panda，学名 Ailuropoda melanoleuca，一般称为“熊猫”或“猫熊”，属于食肉目熊科的一种哺乳动物，体色为黑白两色。熊猫是中国特有物种，现存的主要栖息地是中国中西部四川盆地周边的山区和陕西南部的秦岭地区。全世界野生大熊猫现存大约有2060 头（2016 年数据）。由于生育率低，大熊猫在中国濒危动物红皮书等级中评为濒危物种，为中国国宝。大熊猫祖先最早出现2-3百万年前，被誉为生物界的活化石。

目前已经有研究人员基于声音对大熊猫进行检测，然而他们的方法只能判断音频中是否出现大熊猫叫声，不能判断出大熊猫叫声出现的具体位置；同时当音频里出现其他声音时，例如人声、噪音以及其他动物叫声，环境噪声等，该检测方法也不能证明具有较好的泛化能力；同时大熊猫叫声类型多变，声学特征差异较大，而且叫声时长长短不一，这对如何有效检测大熊猫的叫声在音频中出现的位置具有很大的挑战。

发明内容

针对现有技术中的缺陷，本发明提供一种混合音频下的大熊猫声音事件检测方法及系统，解决了由于大熊猫叫声类型多变，声学特征差异较大，而且叫声时长长短不一所导致的问题，并且提高了对大熊猫叫声的识别、检测效率。

一种混合音频下的大熊猫声音事件检测方法，包括以下步骤：数据采集，采集被测环境的音频数据；数据处理，对所述音频数据提取对数梅尔频谱，再将所述对数梅尔频谱标准化；将处理后的所述音频数据分为开发集数据和测试集数据；搭建多尺度注意力卷积循环神经网络；通过所述开发集数据对所述多尺度注意力卷积循环神经网络进行训练；通过训练完成的所述多尺度注意力卷积循环神经网络对所述测试集数据进行预测，并生成预测结果。

一种混合音频下的大熊猫声音事件检测系统，基于所述的一种混合音频下的大熊猫声音事件检测方法，还包括：数据采集模块、数据处理模块、神经网络模块，其中：所述数据采集模块，用于采集音频数据，并将所述音频数据发送给所述数据处理模块；所述数据处理模块，用于接受并处理所述音频数据，并得到经过处理的开发集数据和测试集数据；所述神经网络模块为多尺度注意力卷积循环神经网络，用于根据所述开发集数据和测试集数据进行预测，并生成预测结果。

本发明一种混合音频下的大熊猫声音事件检测方法及系统，利用多尺度注意力卷积模块提取多尺度特征信息同时利用循环神经网络充分利用上下文信息，现有的检测方法对声音识别精度较差，本发明对于大熊猫声音有较高的检测精度，并且对于不同叫声类型、叫声时长的大熊猫声音都有很好的检测效果。

进一步的，所述对所述音频数据提取对数梅尔频谱的具体步骤包括：

短时傅里叶变换，对所述音频数据按照相同的采样窗口进行分帧，并进行加窗处理，然后进行快速傅里叶变换，将信号从时域变换为频域；

梅尔滤波，首先通过梅尔函数将普通频率标度转换为梅尔频率标度，再利用梅尔滤波器对梅尔频率进行滤波得到梅尔频谱，最后进行对数运算得到对数梅尔频谱。

进一步的，所述将所述对数梅尔频谱标准化的具体步骤包括：