[发明专利]基于2-DenseGRUNet模型的声音事件检测方法

说明书

本发明提供的基于2‑DenseGRUNet模型的声音事件检测方法，以2阶DenseNet网络模型为基础，加入了门控循环单元GRU网络，构建了声音事件检测模型；相对于传统卷积神经网络以及循环神经网络模型，本专利技术方案中的声音事件检测模型结合了2‑DenseNet和GRU的优点，既能更高效利用特征信息将其融合，获取更多有效的特征信息，同时可有效进行时间序列建模。基于本专利技术方案中的声音事件检测模型在检测城市声音事件中，具有更低的平均片段错误率，和更高的F‑Score分数，确保基于本发明方法进行的声音分类结果更加准确。

技术领域

本发明涉及声音检测技术领域，具体为基于2-DenseGRUNet模型的声音事件检测方法。

背景技术

声音携带了城市中大量关于生活场景和物理事件的信息，通过深度学习方法智能感知各个声源自动提取上述信息，在构建智慧城市中具有巨大的潜力和运用前景。在智慧城市中，声音事件检测是对环境声音场景进行识别和语义理解的重要基础。其中，城市声音事件检测研究主要应用于环境感知、工厂设备检测、城市安防、自动驾驶等方面。现有技术中城市声音事件检测技术主要基于MLP、CNN、LSTM网络模型实现。然而，通过综合考虑Precision和Recall的调和值的指标F-score对这3个网络模型进行评价的时候，因为平均片段错误率偏高，导致F-Score的分数偏低，在实际应用中应用范围有限。

发明内容

为了解决现有技术中心城市声音事件检测的平均片段错误率问题，本发明提供的基于2-DenseGRUNet模型的声音事件检测方法，其在处理音频数据时能提取更有效的声学信息，更良好的时序建模能力，使得模型在检测城市声音事件中具有更低的平均片段错误率，更具可用性。

本发明的技术方案是这样的：基于2-DenseGRUNet模型的声音事件检测方法，其包括以下步骤：

S1：采集待处理音频数据，对待处理音频数据的原始音频信号进行预处理，输出音频帧序列；

所述预处理操作包括：采样与量化、预加重处理、加窗；

S2：对所述音频帧序列进行时域和频域分析，提取梅尔频率倒谱系数，输出原始特征向量序列；

S3：重构所述原始特征向量序列的特征信息与标签，输出重构特征处理后的重构特征向量序列；

将所述原始特征向量序列中声音事件的起始时间、结束时间、事件所属类别，转换成所述重构特征向量序列对应的起始帧、结束帧、事件标签；

S4：构建声音事件检测模型，并对模型进行迭代训练，得到训练好的所述声音事件检测模型；

S5：将所述重构特征向量序列经过处理后，输入到训练好的所述声音事件检测模型中进行识别检测，得到所述待处理音频数据的声音事件检测结果；

其特征在于：

所述声音事件检测模型包括：输入层、2阶DenseNet模型、GRU单元；所有的所述GRU单元串联于所述2阶DenseNet模型之后；

所述输入层、所2阶DenseNet模型之间依次设置卷积层、池化层；

所述2阶DenseNet模型包括：连续的2-DenseBlock结构，每个所述2-DenseBlock结构后面设置一个Transition layer结构；

在每个所述2-DenseBlock结构中，特征图层与特征图层的连接基于2阶马尔可夫模型的相关性连接，当前特征图层输入与前2个特征图层输出相关；每个所述Transitionlayer结构中包含一个卷积层和一个池化层。

其进一步特征在于：