面向安全監(jiān)控的異常聲音識別的研究.pdf

1、視頻監(jiān)控是公共安全預(yù)警領(lǐng)域的重要技術(shù)手段，已經(jīng)得到廣泛應(yīng)用。異常聲音從聽覺角度有效地反映了監(jiān)控場景的異常情況，彌補了視頻監(jiān)控的不足。公共場所的異常聲音識別能夠有效預(yù)警危急情況，受到了國內(nèi)外研究機構(gòu)的廣泛關(guān)注。
　　本文在調(diào)研國內(nèi)外相關(guān)研究文獻的基礎(chǔ)上，對異常聲音在公共場所環(huán)境下的識別開展了以下工作:
　　針對異常聲音數(shù)據(jù)庫資源缺乏的問題，建立了公共場所異常聲音數(shù)據(jù)庫。首先介紹了異常聲音，然后根據(jù)公共場所異常聲音發(fā)生的概率和危

2、害程度，收集和整理了公共場所異常聲音數(shù)據(jù)集，以彌補異常聲音數(shù)據(jù)庫資源的缺乏，其中包括槍聲、爆炸聲、玻璃破碎聲等，最后分析了這些異常聲音的時頻特性。
　　針對安全監(jiān)控場景復(fù)雜、聲音信號非平穩(wěn)等因素造成的異常聲音識別率低的難題，本文提出了基于MVDR(Minimum VarianceDistortion Less Response Spectrum Estimation)譜估計的改進MFCC（Mel-Frequency Cepstru

3、m Coefficients）與短時能量(STE，Short-termEnergy)融合的異常聲音識別方法。該算法首先采用MVDR譜估計代替?zhèn)鹘y(tǒng)MFCC中的FFT(Fast Fourier Transformation)譜估計，提取MVDR-MFCC特征，然后融合短時能量特征，從不同方向表征異常聲音。仿真實驗表明，與傳統(tǒng)異常聲音識別方法相比，新算法識別性能更好，平均識別率提高2.5％，能有效識別打碎玻璃、尖叫、爆炸、槍擊等異常聲音，更適

4、用于監(jiān)控場景。
　　針對復(fù)雜監(jiān)控場景中基于MFCC特征的異常聲音識別魯棒性差的難題，本文提出了基于Hilbert譜與獨立分量分析(ICA，IndependentComponent Analysis)的異常聲音識別方法。該算法參考MFCC提取流程，首先計算Hilbert譜估計結(jié)果的功率譜，然后功率譜通過Mel濾波器組后再取對數(shù)，最后通過ICA實現(xiàn)去相關(guān)、降維和降噪。
　　仿真實驗表明，與MFCC方法相比，該算法改善了系統(tǒng)性能，