[发明专利]一种低资源婴儿哭声检测方法

说明书

本发明涉及互联网技术领域，公开了一种低资源婴儿哭声检测方法，包括如下步骤：使用1mixture的monophone单音子模型，状态数为为209，进行初步匹配和筛选；对单音子模型的viterbi匹配得分进行排序，选择得分最高的N个结果对应的音素模型进行进一步的精细匹配；使用3mixture的triphone三音子模型，状态数为358，进行精细匹配和筛选；对多个三音子模型的viterbi匹配得分进行排序，选择得分最高的模型所对应的序号作为最终识别结果。本发明的技术方案通过采用基于低mixture数+多状态共享的模型降维方法和基于VAD触发的非实时计算方法，能够在保证识别算法准确率前提下，大幅度降低模型结构复杂度和计算复杂度，从而显著减少婴儿哭声检测算法所需的芯片硬件计算资源消耗。

技术领域

本发明涉及互联网技术领域，特别涉及一种低资源婴儿哭声检测方法。

背景技术

婴儿哭声检测技术在教育、智能家居、婴幼产品领域具有十分丰富的应用场景。一直以来，由于传统婴儿哭声检测算法计算复杂度高的限制，识别性能比较稳健的算法通常都需要200MIPS以上的计算能力才能够实现，因此产业界大量算力只有几十MIPS的芯片上无法搭载高性能的婴儿哭声检测算法，造成这项技术无法在更加广泛的应用场景中推广应用。

发明内容

本发明的主要目的是提出一种低资源婴儿哭声检测方法，旨在在保证识别性能的同时，大幅度降低婴儿哭声识别算法对硬件系统资源的要求。

为实现上述目的，本发明提出的低资源婴儿哭声检测方法，包括如下步骤：

使用1mixture的monophone单音子模型(状态数为209)进行初步匹配和筛选；

对单音子模型的viterbi匹配得分进行排序，选择得分最高的N个结果对应的音素模型进行进一步的精细匹配；

使用3mixture的triphone三音子模型(状态数为358)进行精细匹配和筛选；

对N个三音子模型的viterbi匹配得分进行排序，选择得分最高的模型所对应的序号作为最终识别结果。

进一步地，所述的使用1mixture的monophone单音子模型(状态数为209)进行初步匹配和筛选包括如下步骤：

初始单音子模型状态数为为1024；

使用Baum-Welch参数重估方法，利用已标注的哭声训练数据库对初始单音子模型状态进行聚类，将有效状态数为M由1024缩减为209(输出概率密度函数的整体似然度得分最高)；具体过程如下：假设S为HMM模型状态的集合，F为训练集，L(S)为对数似然值，假设绑定的状态共享高斯分布的均值和方差，且状态绑定不影响帧和状态的alignment，则

其中r_s(o_f)是状态S产生特征的后验概率，假设输出概率密度函数为高斯分布，

则

公式中n为数据维度(实例中n取27)；

选择L(S)₀作为L(S)的第一个数作为有效状态0的似然值，比较L(S)₁至L(S)_M-1中与L(S)₀的差值小于5％的状态，将其合并为同一个状态；

重复上述步骤S103，得到L(S)₁～L(S)_M-1。

进一步地，所述的使用3mixture的triphone三音子模型(状态数为358)进行精细匹配和筛选包括如下步骤：

初始三音子模型状态数为为1500；