[发明专利]一种呼救识别方法、装置、可读存储介质及终端设备

权利要求书

1.一种呼救识别方法，其特征在于，包括：

获取目标场所的语音数据，并从所述语音数据中提取梅尔频率倒谱系数MFCC特征；

获取各呼救类别对应的各个预置的样本语音数据，并从各所述样本语音数据中提取样本MFCC特征；

将所述MFCC特征分别与各所述样本MFCC特征组成输入组输入至训练完成的语音检测模型，得到所述语音检测模型输出的所述MFCC特征与各所述样本MFCC特征之间的相似度；

根据所述相似度确定所述语音数据对应的呼救类别，并根据所述呼救类别对应的报警方式进行报警。

2.根据权利要求1所述的呼救识别方法，其特征在于，所述语音检测模型包括第一网络单元、第二网络单元、全连接单元和输出单元；

其中，所述第一网络单元和所述第二网络单元均包括依次连接的第一卷积层、第二卷积层、池化层、第一全连接层和第二全连接层，所述全连接单元包括与所述第二全连接层连接的第三全连接层，所述输出单元包括与所述第三全连接层全连接的输出层。

3.根据权利要求2所述的呼救识别方法，其特征在于，所述语音检测模型通过下述步骤训练得到：

获取各所述呼救类别对应的训练语音数据，并从各所述训练语音数据中提取对应的训练MFCC特征；

按照预设拼接方式分别对各所述训练语音数据所对应的训练MFCC特征进行拼接，得到各所述训练语音数据所对应的训练MFCC特征图；

根据各所述训练语音数据对应的呼救类别标记各第一训练MFCC特征图与各第二训练MFCC特征图之间的标准相似度，其中，所述第一训练MFCC特征图为所述训练MFCC特征图中的任一训练MFCC特征图，所述第二训练MFCC特征图为所述训练MFCC特征图中不同于所述第一训练MFCC特征图的任一训练MFCC特征图；

分别将各所述第一训练MFCC特征图和各所述第二训练MFCC特征图组成训练输入组输入至初始的语音检测模型，得到各所述第一训练MFCC特征图与各所述第二训练MFCC特征图之间的训练相似度；

根据所述训练相似度和所述标准相似度确定本轮训练的全局误差；

若所述全局误差满足预设条件，则确定所述语音检测模型训练完成；

若所述全局误差不满足所述预设条件，则调整所述语音检测模型的模型参数，并将模型参数调整后的语音检测模型确定为初始的语音检测模型，返回执行分别将各所述第一训练MFCC特征图和各所述第二训练MFCC特征图组成训练输入组输入至初始的语音检测模型的步骤以及后续步骤。

4.根据权利要求3所述的呼救识别方法，其特征在于，所述分别将各所述第一训练MFCC特征图和各所述第二训练MFCC特征图组成训练输入组输入至初始的语音检测模型，得到各所述第一训练MFCC特征图与各所述第二训练MFCC特征图之间的训练相似度，包括：

分别将各所述第一训练MFCC特征图和各所述第二训练MFCC特征图组成训练输入组输入至初始的语音检测模型，并在所述第一网络单元对各所述第一训练MFCC特征图进行特征提取得到第一特征向量，以及在所述第二网络单元对各所述第二训练MFCC特征图进行特征提取得到第二特征向量；

将所述第一特征向量和所述第二特征向量输入至所述全连接单元的第三全连接层；

在所述第三全连接层中对所述第一特征向量和所述第二特征向量进行计算，得到第三特征向量，并将所述第三特征向量输入至所述输出层；

在所述输出层中对所述第三特征向量进行计算，得到各所述第一训练MFCC特征图与各所述第二训练MFCC特征图之间的训练相似度。

5.根据权利要求4所述的呼救识别方法，其特征在于，所述第一全连接层、所述第二全连接层和所述第三全连接层均包括1024个神经元节点；

所述在所述第三全连接层中对所述第一特征向量和所述第二特征向量进行计算，得到第三特征向量包括：

根据下述公式对所述第一特征向量和所述第二特征向量进行计算，得到第三特征向量：

F＝|F₁-F₂|，F∈R¹⁰²⁴

其中，F为第三特征向量，F₁为第一特征向量，F₂为第二特征向量，R为神经元节点。