哭声检测
2015-07-05 20:36
274 查看
从音频信号中检测出哭泣声。 先验条件:
无强噪声,无背景音乐等干扰。
构成一个两类分类问题: 哭泣 VS 正常语音
哭泣声音的语谱图如下:
![](http://img.blog.csdn.net/20150705202335645?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
其具有很明显的特点,声道的变化较为缓慢,通过MFCC参数刻画声道模型,可以对哭声对应的语音帧进行鉴别。
识别模型有两种选择: 从语句级全局去构造特征,如共振峰轨迹变化缓慢等。亦可以从帧级建立概率模型,记录哭泣时扩张的声道参数。
这里我们选用后一种,特征构造比较简单。
帧级特征,具体为MFCC13+Pitch1+Formant1-3 = 17维度, 即为一个样本点。可以采用朴素贝叶斯,支持向量机等简单实现。
这里我们选用OpenCV的SVM支持向量机实现。核函数选用RBF,未进行参数优化(opencv train_Auto)。
系统构成如下:
![](http://img.blog.csdn.net/20150705202922970?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
采用Youtube下载小孩哭声,和正常语音进行训练和测试,测试8次。
识别结果如下:
![](http://img.blog.csdn.net/20150705203347891?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
应用:
智能家居,婴儿看护,儿童玩具等领域。目前的技术已经比较成熟,已达到商用级别。
无强噪声,无背景音乐等干扰。
构成一个两类分类问题: 哭泣 VS 正常语音
哭泣声音的语谱图如下:
其具有很明显的特点,声道的变化较为缓慢,通过MFCC参数刻画声道模型,可以对哭声对应的语音帧进行鉴别。
识别模型有两种选择: 从语句级全局去构造特征,如共振峰轨迹变化缓慢等。亦可以从帧级建立概率模型,记录哭泣时扩张的声道参数。
这里我们选用后一种,特征构造比较简单。
帧级特征,具体为MFCC13+Pitch1+Formant1-3 = 17维度, 即为一个样本点。可以采用朴素贝叶斯,支持向量机等简单实现。
这里我们选用OpenCV的SVM支持向量机实现。核函数选用RBF,未进行参数优化(opencv train_Auto)。
系统构成如下:
采用Youtube下载小孩哭声,和正常语音进行训练和测试,测试8次。
识别结果如下:
应用:
智能家居,婴儿看护,儿童玩具等领域。目前的技术已经比较成熟,已达到商用级别。
相关文章推荐
- HTML入门教程
- 5.4-3
- 桥接模式配置
- 第四
- SEO轮链技巧与策略的操作方式和思维!
- android webview
- 软链接与硬链接的区别
- mac下的Hbase安装(单机)
- D题 hdu 1412 {A} + {B}
- python入门(一) 一个简单的python文字游戏()
- Pie - POJ 3122 二分
- java基础------抽象类和接口
- Java堆排序(HeapSort)算法实现
- Ubuntu下设置环境变量有三种方法,一种用于当前终端,一种用于当前用户,一种用于所有用户:
- ios- 跳转到系统界面
- 快速排序的C++实现
- hdoj 3592 World Exhibition 【差分约束】【基础题】
- algorithm之不变序列操作
- getaddrinfo简单应用——取得IP地址
- Cloudera 简介