面向安全监控的异常声音识别的研究-电路与系统专业毕业论文.docxVIP

分类号 分类号 密级 学校代码!煎垒2 学号2Q12Q21墨!垒2墨 面向安全监控的异常声音识别的研究 The Study of Abnormal Sound Recognition for S ecurity Monitoring 论 文 编 号 学 科 专 业 电路与系统 研 究 方 向 机电一体化 湖南师范大学学位评定委员会办公室 二。一五年五月 万方数据 摘要 摘要 1一 视频监控是公共安全预警领域的重要技术手段，已经得到广泛应 用。异常声音从听觉角度有效地反映了监控场景的异常情况，弥补了 视频监控的不足。公共场所的异常声音识别能够有效预警危急情况， 受到了国内外研究机构的广泛关注。本文在调研国内外相关研究文献 的基础上，对异常声音在公共场所环境下的识别开展了以下工作： 针对异常声音数据库资源缺乏的问题，建立了公共场所异常声音 数据库。首先介绍了异常声音，然后根据公共场所异常声音发生的概 率和危害程度，收集和整理了公共场所异常声音数据集，以弥补异常 声音数据库资源的缺乏，其中包括枪声、爆炸声、玻璃破碎声等，最 后分析了这些异常声音的时频特性。 针对安全监控场景复杂、声音信号非平稳等因素造成的异常声音 识别率低的难题，本文提出了基于MVDR(Minimum Variance Distortion Less Response Spectrum Estimation)谱估计的改进MFCC (Mel—Frequency Cepstrum Coe伍cients)与短时能量(STE，Short．term Energy)融合的异常声音识别方法。该算法首先采用MVDR谱估计 代替传统MFCC中的FFT(Fast Fourier Transformation)谱估计，提取 MVDR．MFCC特征，然后融合短时能量特征，从不同方向表征异常 声音。仿真实验表明，与传统异常声音识别方法相比，新算法识别性 能更好，平均识别率提高2．5％，能有效识别打碎玻璃、尖叫、爆炸、 枪击等异常声音，更适用于监控场景。 针对复杂监控场景中基于MFCC特征的异常声音识别鲁棒性差 的难题，本文提出了基于Hilbert谱与独立分量分析(ICA，Independent Component Analysis)的异常声音识别方法。该算法参考MFCC提取 流程，首先计算Hilbea谱估计结果的功率谱，然后功率谱通过Mel 滤波器组后再取对数，最后通过ICA实现去相关、降维和降噪。仿 真实验表明，与MFCC方法相比，该算法改善了系统性能，有效地 提高了异常声音识别系统的鲁棒性。 关键字：异常声音；MFCC：MVDR谱估计；Hilbert谱估计；ICA 万方数据 The The monitoring surveillance，which is widely applied，is an important technology method in the field of public security early warning． The abnormal sound can effectively reflect abnormal situation in the scene from the perspective of auditory monitoring acoustically,making up the disadvantage of monitoring surveillance．Abnormal acoustic recognition in public place can effectively warn the occurrence of major accidents and emergency,thus it is followed with wide interest by domestic and overseas research institutions．Based on studying lots of articles and papers，the following researches are carried out about abnormal acoustic recognition in public place． Abnormal acoustic database in public place was built up in consideration of a deficiency of abnormal acoustic database source． Firstly,abnormal sound is introduced．Then，according to the occurrence frequ