[发明专利]一种基于异常检测的婴儿哭声检测、网络建立方法和系统

权利要求书

1.一种基于异常检测的婴儿哭声检测方法，其特征在于，包括建立婴儿哭声检测系统并训练，将待检测声音文件输入训练好的婴儿哭声检测系统进行检测，判断包含哭声的概率，若概率大于设定阈值，则说明有哭声，若概率小于设定阈值，则说明无哭声；婴儿哭声检测系统包括声音预处理体系、特征提取骨干网络、特征优化分类网络；对婴儿哭声检测系统进行训练固化参数，包括：

获取哭声信号与正常声音信号，从哭声信号中截取单位长度的若干哭声段，分别进行频谱分析，得到若干哭声频谱二维图像并标记，将哭声频谱收集为第一样本集，从正常声音信号中截取单位长度的若干正常声音段，分别进行频谱分析，得到若干正常声音频谱二维图像并标记，将正常声音频谱收集为第二样本集，设置特征提取骨干网结构，用打标后的第一样本频谱、第二样本频谱训练特征提取骨干网，固定网络参数，得到参数固化后的特征提取骨干网络；采用包含有哭声的音频文件，输入训练好的特征提取骨干网络，进行特征提取，得到正样本的第三样本集，采用不包含哭声的音频文件，输入训练好的特征提取骨干网络，进行特征提取，得到负样本的第四样本集；将第三样本集中的多个第一CNN特征，组成第一特征包，为正样本包，将第四样本集中的多个第二CNN特征，组成第二特征包，为负样本包，采用多实例学习方法，将正样本包和负样本包输入特征优化分类网络进行训练，经过训练后，固定特征优化分类网络参数，得到训练好的特征优化分类网络；设置特征优化分类网络包括特征优化子网络和分类子网络，将特征提取骨干网输出的正负样本CNN特征，输入特征优化子网络进行特征优化，得到精细化特征，对精细化特征进行筛选，输入分类子网络进行分类，经过特征排序损失函数和分类损失计算，固化特征优化分类网络参数，完成训练。

2.根据权利要求1所述基于异常检测的婴儿哭声检测方法，其特征在于，设置特征提取骨干网络结构包括N层，每层设置输入通道数、输出通道数、核大小、步长，最顶层采用二维卷积层，中间层采用M层BlazeBlock结构、Q层全连接层，Q个全连接层分别与一个BlazeBlock结构连接，最后一层采用全连接层，将频谱二维图像输入最顶层，经过各层级联运算，并将各全连接层级联，得到一个K维的信号，将K维的信号输入最后一层全连接层，从最后一层全连接层输出一个二分类结果，提取到声音特征，其中M、N、Q是正整数，且Q是小于M的正整数，M是小于N的正整数。

3.根据权利要求1所述基于异常检测的婴儿哭声检测方法，其特征在于，将至少一个正样本第一特征，组成正样本包，送入特征优化和分类子网络，得到多个第一分类分数，取最大值作为第一分数；将至少一个负样本第二特征，组成负样本包，送入特征优化和分类子网络，得到多个第二分类分数，取最大值作为第二分数；对第一分数、第二分数进行排序损失函数和分类损失计算，固化特征优化分类网络参数。

4.根据权利要求1所述基于异常检测的婴儿哭声检测方法，其特征在于，将所有特征按时间均分为设定数量的段，若特征数量少于设定数量，采用插值方法增加到设定数量；若特征数量大于设定数量，则缩减至设定数量。

5.根据权利要求1所述基于异常检测的婴儿哭声检测方法，其特征在于，排序损失函数如下式所示：

式中，下标a表示正样本，即哭声样本，下标n表示负样本，即正常声音样本；函数f是段或实例的分类分数；B_a是正样本包，B_n是负样本包；表示正样本包中的第i个实例，表示负样本包中的第i个实例；λ₁、λ₂所在的两项是正则(regularization)项；采用CNN特征的幅值，进行多实例学习，从第一特征包中选择多个幅值最大或次大的CNN特征，作为第一特征幅值，从第二特征包中选择多个幅值最大或次大的CNN特征，作为第二幅值，将第一幅值、第二幅值输入分类子网络进行排序损失函数计算，采用反向传播方法，使函数输出值最小化。