[发明专利]一种婴儿啼哭原因的预测方法及装置

说明书

本申请公开了一种婴儿啼哭原因的预测方法及装置，该方法包括：首先，通过对目标婴儿的音频和视频进行同步录制，获取目标婴儿在啼哭时段内的原始音频数据与原始视频数据，并分别作为目标音频数据与目标视频数据，其中，原始视频数据包括目标婴儿的面部特写视频数据和/或行为动作视频数据，接着，可以根据获取到的目标音频数据与目标视频数据，预测出目标婴儿的啼哭原因。可见，本申请在预测目标婴儿的啼哭原因时，将目标婴儿在啼哭时段内的音频数据和视频数据相结合，能够更准确地预测出目标婴儿的啼哭原因。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种婴儿啼哭原因的预测方法及装置。

背景技术

语言和文字是人类交流的主要途径和方法，刚出生的婴儿无法用语言交流，啼哭成了最主要的情绪表达方式。婴幼儿专家的研究成果表明，婴儿的啼由于哭不仅仅是与外界交流的主要方式，而且是反映其生理和心理需求、身心健康状态乃至智力发展水平的重要信息来源。但是，啼哭信息难以解读，不仅导致家长手忙脚乱，而且无法及时响应婴儿的需求，甚至无法针对性的满足婴儿需求，因此，如何获知婴儿啼哭原因是亟需解决的问题。

现有的婴儿啼哭原因的预测技术并不成熟，其中多数技术借鉴语音领域中较为成熟的方案进行预测，但基于婴儿啼哭音频与正常人的语音音频之间的差异，导致采用现有技术预测婴儿啼哭原因的结果不够准确。

发明内容

本申请实施例的主要目的在于提供一种婴儿啼哭原因的预测方法及装置，能够提高预测结果的准确性。

本申请实施例提供了一种婴儿啼哭原因的预测方法，包括：

通过对目标婴儿的音频和视频进行同步录制，获取所述目标婴儿在啼哭时段内的原始音频数据与原始视频数据，分别作为目标音频数据与目标视频数据，所述原始视频数据包括所述目标婴儿的面部特写视频数据和/或行为动作视频数据；

根据所述目标音频数据与所述目标视频数据，预测所述目标婴儿的啼哭原因。

可选的，获取所述目标婴儿在啼哭时段内的原始音频数据之后，还包括：

将所述原始音频数据由时域信号转换为频域信号，并生成所述频域信号的功率谱特征；

将所述功率谱特征中的每一特征元素转换为预设范围内的数值，并将转换后的数据作为所述目标音频数据。

可选的，获取所述目标婴儿在啼哭时段内的原始视频数据之后，还包括：

若所述原始视频数据中包括所述面部特写视频数据，则从所述面部特写视频数据的各个帧图像中分离出所述目标婴儿的五官部分；

若所述原始视频数据中包括所述行为动作视频数据，则从所述行为动作视频数据的各个帧图像中分离出所述目标婴儿的身体部分；

将分离出的图像数据作为所述目标视频数据。

可选的，所述根据所述目标音频数据与所述目标视频数据，预测所述目标婴儿的啼哭原因，包括：

过滤所述目标音频数据中的冗余信息，得到过滤音频数据，所述冗余信息是对预测所述啼哭原因无用的信息；

根据所述过滤音频数据与所述目标视频数据，预测所述目标婴儿的啼哭原因。

可选的，所述过滤所述目标音频数据中的冗余信息，包括：

利用预先训练得到的模拟滤波器系数，过滤所述目标音频数据中的冗余信息。

可选的，所述根据所述过滤音频数据与所述目标视频数据，预测所述目标婴儿的啼哭原因，包括：

将所述过滤音频数据输入到二维卷积神经网络中进行编码，得到音频编码特征；