基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法及系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明提供了一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法及系統(tǒng)，所述方法包括采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用BP算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別，能夠提高對(duì)嬰兒啼哭聲的識(shí)別率。
【專(zhuān)利說(shuō)明】基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法及系統(tǒng)。

【背景技術(shù)】
[0002]嬰兒啼哭聲識(shí)別的研究自上個(gè)世紀(jì)六七十年代就已出現(xiàn)，限于之前的技術(shù)水平和數(shù)據(jù)規(guī)模，有應(yīng)用前景的產(chǎn)品和技術(shù)不多，少量面市的產(chǎn)品也大多存在識(shí)別性能不可靠、技術(shù)含量低等缺點(diǎn)。這一方面是由于歷史上嬰兒啼哭聲數(shù)據(jù)采集和標(biāo)注的規(guī)模較小，有的甚至只有幾十段音頻，通常只能對(duì)差異度特別大的哭聲類(lèi)型進(jìn)行有效識(shí)別，如健康嬰兒和聾兒哭聲的識(shí)別，難以充分挖掘嬰兒啼哭聲背后的規(guī)律，對(duì)更多狀態(tài)的區(qū)分可靠性不高；另一方面是由于之前做嬰兒哭聲識(shí)別多是采用普通神經(jīng)網(wǎng)絡(luò)模型，普通神經(jīng)網(wǎng)絡(luò)的建模能力有限，不能充分對(duì)嬰兒啼哭聲建模，因而對(duì)有限狀態(tài)的識(shí)別率也不高，很少有成功應(yīng)用。


【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于提供一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法及系統(tǒng)，能夠提高對(duì)嬰兒啼哭聲的識(shí)別率。
[0004]為解決上述問(wèn)題，本發(fā)明提供一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，包括:
[0005]采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；
[0006]對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；
[0007]提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；
[0008]根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；
[0009]根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；
[0010]采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；
[0011]根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
[0012]進(jìn)一步的，在上述方法中，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注的步驟之前還包括:
[0013]對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
[0014]進(jìn)一步的，在上述方法中，所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。
[0015]進(jìn)一步的，在上述方法中，根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值的步驟中，
[0016]從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第化2層中相鄰兩層之間的第一權(quán)值以及從第化2層至第~層中相鄰兩層之間的隨機(jī)權(quán)值，其中4為待獲取初始權(quán)值的當(dāng)前層的層數(shù)，^為大于等于四的正整數(shù)。
[0017]進(jìn)一步的，在上述方法中，根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值的步驟中，采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的層數(shù)為九層。
[0018]根據(jù)本發(fā)明的另一面，提供一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，包括:
[0019]第一采集模塊，用于采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；
[0020]標(biāo)注模塊，用于對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；
[0021]第一提取模塊，用于提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；
[0022]初始權(quán)值模塊，用于根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；
[0023]哭聲模型模塊，用于根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；
[0024]第二采集模塊，用于采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；
[0025]哭聲識(shí)別器模塊，用于根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
[0026]進(jìn)一步的，在上述系統(tǒng)中，所述標(biāo)注模塊，還用于在對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注之前，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
[0027]進(jìn)一步的，在上述系統(tǒng)中，所述標(biāo)注模塊進(jìn)行的所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。
[0028]進(jìn)一步的，在上述系統(tǒng)中，所述初始權(quán)值模塊得到深層神經(jīng)網(wǎng)絡(luò)中從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第化2層中相鄰兩層之間的第一權(quán)值以及從第化2層至第~層中相鄰兩層之間的隨機(jī)權(quán)值，其中4為待獲取初始權(quán)值的當(dāng)前層的層數(shù)4為大于等于四的正整數(shù)。
[0029]進(jìn)一步的，在上述系統(tǒng)中，所述初始權(quán)值模塊采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的層數(shù)為九層。
[0030]與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別，能夠提高對(duì)嬰兒啼哭聲的識(shí)別率。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0031]圖1是本發(fā)明一實(shí)施例的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法的流程圖；
[0032]圖2是本發(fā)明一實(shí)施例的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)的模塊圖。

【具體實(shí)施方式】
[0033]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
[0034]實(shí)施例一
[0035]如圖1所示，本發(fā)明提供一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，包括步驟31?步驟38。
[0036]步驟31，采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；
[0037]優(yōu)選的，步驟33之前還可包括:
[0038]步驟32，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
[0039]步驟33，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；
[0040]優(yōu)選的，所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。具體的，嬰兒啼哭聲數(shù)據(jù)的采集和分類(lèi)標(biāo)注可在專(zhuān)業(yè)的兒童醫(yī)院進(jìn)行，對(duì)每個(gè)嬰兒錄制約2分鐘的哭聲音頻，由育兒專(zhuān)家確定嬰兒啼哭時(shí)的原因，將所有原因歸為病理性和非病理性?xún)深?lèi)，并對(duì)音頻進(jìn)行標(biāo)記。得到全部錄音數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行篩選，剔除噪音太多、說(shuō)話(huà)聲太多等不符合要求的數(shù)據(jù)，從而生成數(shù)據(jù)量較全的嬰兒啼哭聲數(shù)據(jù)庫(kù)。
[0041]步驟34，提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)(即⑶)以生成訓(xùn)練用數(shù)據(jù)文件；具體的，得到訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)后，提取每段音頻的即⑶參數(shù)，加上標(biāo)注后生成訓(xùn)練用數(shù)據(jù)文件，可將文件中每連續(xù)11幀的特征數(shù)據(jù)合并，以充分利用連續(xù)多幀的相關(guān)性信息。
[0042]步驟35，根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式(匕丫虹-七此￠11-6-1:1-81111118)得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；
[0043]優(yōu)選的，步驟35中，從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第化2層中相鄰兩層之間的第一權(quán)值以及從第化2層至第~層中相鄰兩層之間的隨機(jī)權(quán)值，其中4為待獲取初始權(quán)值的當(dāng)前層的層數(shù)，^為大于等于四的正整數(shù)。
[0044]較佳的，步驟35中，采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)(0剛)的層數(shù)為九層。
[0045]具體的，步驟35為預(yù)訓(xùn)練階段，采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，即從三層網(wǎng)絡(luò)開(kāi)始進(jìn)行有監(jiān)督的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，然后增加到四層網(wǎng)絡(luò)，其中，第四層網(wǎng)絡(luò)的初始權(quán)值包含了第三層網(wǎng)絡(luò)訓(xùn)練得到的第一二層之間的第一權(quán)值和兩層隨機(jī)權(quán)值和……依此類(lèi)推，直到第九層神經(jīng)網(wǎng)絡(luò)。為敘述方便起見(jiàn)，上述權(quán)值也包含偏置，即輸出恒為1的結(jié)點(diǎn)與其他層結(jié)點(diǎn)的連接權(quán)值。詳細(xì)的，以九層的深層神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，第四層網(wǎng)絡(luò)的初始權(quán)值包含了第三層網(wǎng)絡(luò)訓(xùn)練得到的第一二層之間的第一權(quán)值&2和兩層隨機(jī)權(quán)值I^23、，第五層網(wǎng)絡(luò)的初始權(quán)值包含了第四層網(wǎng)絡(luò)訓(xùn)練得到的第一二三層之間的第一權(quán)值和兩層隨機(jī)權(quán)值，第六層網(wǎng)絡(luò)的初始權(quán)值包含了第五層網(wǎng)絡(luò)訓(xùn)練得到的第一二三四層之間的第一權(quán)值?^23、％4和兩層隨機(jī)權(quán)值，第七層網(wǎng)絡(luò)的初始權(quán)值包含了第六層網(wǎng)絡(luò)訓(xùn)練得到的第一二三四五層之間的第一權(quán)值％2，23，34、^45和兩層隨機(jī)權(quán)值，第八層網(wǎng)絡(luò)的初始權(quán)值包含了第七層網(wǎng)絡(luò)訓(xùn)練得到的第一二三四五六層之間的第一權(quán)值5、％；和兩層隨機(jī)權(quán)值，第九層網(wǎng)絡(luò)的初始權(quán)值包含了第八層網(wǎng)絡(luò)訓(xùn)練得到的第一二三四五六七層之間的第一權(quán)值％2，23，34、^45, ^56, ^67和兩層隨機(jī)權(quán)值I
[0046]步驟36，根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法
&180^1獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；具體的，步驟36為正式訓(xùn)練階段，采用預(yù)訓(xùn)練階段得到的多層神經(jīng)網(wǎng)絡(luò)如九層的初始權(quán)值進(jìn)行標(biāo)準(zhǔn)的8？神經(jīng)網(wǎng)絡(luò)訓(xùn)練。
[0047]步驟37，采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；
[0048]步驟38，根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
[0049]本實(shí)施例利用利用逐層預(yù)訓(xùn)練的方式(18761-^186得到深層神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，然后用傳統(tǒng)的8？算法^1^01-11:11111)訓(xùn)練該深層神經(jīng)網(wǎng)絡(luò)得到最終的網(wǎng)絡(luò)模型以用于識(shí)別，能夠利用深層神經(jīng)網(wǎng)絡(luò)對(duì)嬰兒啼哭聲做出病理性和非病理性識(shí)別，與普通神經(jīng)網(wǎng)絡(luò)模型相比，識(shí)別率有較大提升。
[0050]實(shí)施例二
[0051]如圖2所示，本發(fā)明還提供另一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，包括第一采集模塊1、標(biāo)注模塊2、第一提取模塊3、初始權(quán)值模塊4、哭聲模型模塊5、第二采集模塊6、哭聲識(shí)別器模塊7。
[0052]第一采集模塊1，用于采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；
[0053]標(biāo)注模塊2，用于對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；
[0054]優(yōu)選的，所述標(biāo)注模塊2，還用于在對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注之前，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
[0055]較佳的，所述標(biāo)注模塊2進(jìn)行的所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。
[0056]第一提取模塊3，用于提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；
[0057]初始權(quán)值模塊4，用于根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；
[0058]優(yōu)選的，所述初始權(quán)值模塊4得到深層神經(jīng)網(wǎng)絡(luò)中從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第化2層中相鄰兩層之間的第一權(quán)值以及從第化2層至第~層中相鄰兩層之間的隨機(jī)權(quán)值，其中，~為待獲取初始權(quán)值的當(dāng)前層的層數(shù)，~為大于等于四的正整數(shù)。
[0059]較佳的，所述初始權(quán)值模塊4采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的層數(shù)為九層。
[0060]哭聲模型模塊5，用于根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；
[0061]第二采集模塊6，用于采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；
[0062]哭聲識(shí)別器模塊7，用于根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
[0063]本實(shí)施例二的其它詳細(xì)內(nèi)容具體可參見(jiàn)實(shí)施例一的相應(yīng)部分，在此不再贅述。
[0064]綜上所述，本發(fā)明通過(guò)采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注；提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用8？算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別，能夠提高對(duì)嬰兒啼哭聲的識(shí)別率。
[0065]本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的系統(tǒng)而言，由于與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。
[0066]專(zhuān)業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0067]顯然，本領(lǐng)域的技術(shù)人員可以對(duì)發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包括這些改動(dòng)和變型在內(nèi)。
【權(quán)利要求】
1.一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，其特征在于，包括: 采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)； 對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注； 提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件； 根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值； 根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用BP算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型； 采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)； 根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
2.如權(quán)利要求1所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，其特征在于，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注的步驟之前還包括: 對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
3.如權(quán)利要求1所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，其特征在于，所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。
4.如權(quán)利要求1所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，其特征在于，根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值的步驟中， 從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第N-2層中相鄰兩層之間的第一權(quán)值以及從第N-2層至第N層中相鄰兩層之間的隨機(jī)權(quán)值，其中，N為待獲取初始權(quán)值的當(dāng)前層的層數(shù)，N為大于等于四的正整數(shù)。
5.如權(quán)利要求1所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別方法，其特征在于，根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值的步驟中，采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的層數(shù)為九層。
6.一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，其特征在于，包括: 第一采集模塊，用于采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)； 標(biāo)注模塊，用于對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注； 第一提取模塊，用于提取每一個(gè)分類(lèi)標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件； 初始權(quán)值模塊，用于根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值； 哭聲模型模塊，用于根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用BP算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型； 第二采集模塊，用于采集待識(shí)別的嬰兒啼哭聲數(shù)據(jù)，提取待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)； 哭聲識(shí)別器模塊，用于根據(jù)待識(shí)別的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲識(shí)別。
7.如權(quán)利要求6所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，其特征在于，所述標(biāo)注模塊，還用于在對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)注之前，對(duì)所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行剔除噪音和背景說(shuō)話(huà)聲的預(yù)處理。
8.如權(quán)利要求6所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，其特征在于，所述標(biāo)注模塊進(jìn)行的所述分類(lèi)標(biāo)注包括病理性嬰兒啼哭聲和非病理性嬰兒啼哭聲。
9.如權(quán)利要求6所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，其特征在于，所述初始權(quán)值模塊得到深層神經(jīng)網(wǎng)絡(luò)中從第四層開(kāi)始的每一層初始權(quán)值包括:從第一層至第N-2層中相鄰兩層之間的第一權(quán)值以及從第N-2層至第N層中相鄰兩層之間的隨機(jī)權(quán)值，其中，N為待獲取初始權(quán)值的當(dāng)前層的層數(shù)，N為大于等于四的正整數(shù)。
10.如權(quán)利要求6所述的基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲識(shí)別系統(tǒng)，其特征在于，所述初始權(quán)值模塊采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)的層數(shù)為九層。
【文檔編號(hào)】G10L25/24GK104347066SQ201310347807
【公開(kāi)日】2015年2月11日 申請(qǐng)日期:2013年8月9日 優(yōu)先權(quán)日:2013年8月9日
【發(fā)明者】景亞鵬, 張峰, 吳義堅(jiān) 申請(qǐng)人:盛樂(lè)信息技術(shù)（上海）有限公司