客服大厅环境噪音识别方法与流程

本发明属于语音处理技术领域，具体涉及一种客服大厅环境噪音识别方法。

背景技术：

客服大厅是各机关单位或者企业用来服务前来办理业务的群众的场所，客服大厅内往往工作繁忙，排队办理业务的人比较多，容易发生各种突发事件，目前客服大厅往往采用雇佣安保人员的方式来进行人工的安全管控，这种安全管控管控方式效率较低，且容易对突发事件的发生处理不及时。

技术实现要素：

本发明旨在至少在一定程度上解决上述技术问题。为此，本发明目的在于提供一种客服大厅环境噪音识别方法。

本发明所采用的技术方案为：

一种客服大厅环境噪音识别方法，包括以下步骤：

根据噪音样本建立噪音评判数据库，噪音评判数据库包括正常噪音评判库、异常噪音评判库以及风险级别划分库；

实时采集客服大厅中的噪音信息，根据噪音评判数据库判断是否属于异常噪音；若属于则根据风险级别划分库划分风险级别。

优选地，实时检测客服大厅中的噪音信息，若噪音信息的分贝数大于预设噪音分贝值，则采集所述噪音信息。

优选地，若采集的噪音信息与正常噪音评判库和异常噪音评判库均比对失败，则将比对失败的噪音信息发送至管理员进行识别，并根据识别的结果加入噪音评判数据库。

优选地，所述正常噪音评判库包括多个正常噪音评判库，所述异常噪音评判库包括多个异常噪音评判模型，所述风险级别划分库包括多个风险级别划分模型；每个异常噪音评判模型至少对应一个风险级别划分模型。

优选地，所述噪音信息与异常噪音评判库中的任一异常噪音评判模型匹配值大于预设阈值，则判断为比对成功，该噪音信息属于异常噪音信息。

优选地，根据比对结果对所述异常噪音信息进行降噪处理，并对去噪后的音频信息进行语音识别。

优选地，每个风险级别划分模型包括一个或者多个关键词，将语音识别后获得的文本信息与风险级别划分模型进行比对，若文本信息包括了风险级别划分模型中的至少一个关键词，则根据该风险级别划分模型划分风险级别。

优选地，所述预设阈值为70％。

优选地，建立噪音评判数据库：提前采集客服大厅中的噪音信息得到噪音样本；根据所述噪音样本进行深度学习，得到正常噪音评判库和异常噪音评判库。

本发明的有益效果为：

本发明所提供的客服大厅环境噪音识别方法，根据噪音样本建立用于甄别的噪音评判数据库，将场景中采集到的噪音信息进行分类，剔除无需甄别的信息，只将异常噪音信息进行处理，可以迅速有效对信息进行甄别，让客服管理人员及时处置客服大厅发生的安全风险事件。

具体实施方式

下面结合具体实施例对本发明做进一步阐释。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供一种客服大厅环境噪音识别方法，包括以下步骤：

提前采集客服大厅中的噪音信息得到噪音样本；根据所述噪音样本进行深度学习，得到正常噪音评判库和异常噪音评判库，正常噪音评判库包括正常噪音评判模型a1、正常噪音评判模型a2...正常噪音评判模型an；异常噪音评判库包括异常噪音评判模型b1、异常噪音评判模型b2...异常噪音评判模型bn；风险级别划分库根据场所的不同由管理人员进行制定，风险级别划分库包括风险级别划分模型c1、风险级别划分模型c2...风险级别划分模型cn；每个异常噪音评判模型至少对应一个风险级别划分模型。每个风险级别划分模型包括一个或者多个关键词，同时每个风险级别划分模型包括一个对应的风险级别。

上述的正常噪音评判库、异常噪音评判库以及风险级别划分库组成了噪音评判数据库。

实时检测客服大厅中的噪音信息，若噪音信息的分贝数大于预设噪音分贝值，则采集所述噪音信息。将采集到的噪音信息与异常噪音评判库中异常噪音评判模型进行比对，若与任一异常噪音评判模型匹配值大于预设阈值70％，则判断为比对成功，该噪音信息属于异常噪音信息，等待后续处理。

若采集的噪音信息与异常噪音评判库比对失败，则将噪音信息与正常噪音评判库中的正常噪音评判模型进行比对，若与任一正常噪音评判模型匹配值大于预设阈值70％，则判断为比对成功，该噪音信息属于正常噪音信息，无需再进行下一步处理。

若采集的噪音信息与正常噪音评判库和异常噪音评判库均比对失败，则将比对失败的噪音信息发送至管理员进行人工识别，识别其属于正常噪音信息还是异常噪音信息，并根据识别的结果加入噪音评判数据库中对应的正常噪音评判库或异常噪音评判库。

若上述噪音信息比对后属于异常噪音信息，则对所述异常噪音信息进行降噪处理，并对去噪后的音频信息进行语音识别。将语音识别后获得的文本信息与风险级别划分模型进行比对，若文本信息包括了风险级别划分模型中的至少一个关键词，则根据该风险级别划分模型划分风险级别，并上报风险级别。让客服管理人员及时处置客服大厅发生的安全风险事件，提高客户服务质量。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

技术特征：

1.一种客服大厅环境噪音识别方法，其特征在于包括以下步骤：

根据噪音样本建立噪音评判数据库，噪音评判数据库包括正常噪音评判库、异常噪音评判库以及风险级别划分库；

实时采集客服大厅中的噪音信息，根据噪音评判数据库判断是否属于异常噪音；若属于则根据风险级别划分库划分风险级别。

2.根据权利要求1所述的客服大厅环境噪音识别方法，其特征在于：实时检测客服大厅中的噪音信息，若噪音信息的分贝数大于预设噪音分贝值，则采集所述噪音信息。

3.根据权利要求1所述的客服大厅环境噪音识别方法，其特征在于：若采集的噪音信息与正常噪音评判库和异常噪音评判库均比对失败，则将比对失败的噪音信息发送至管理员进行识别，并根据识别的结果加入噪音评判数据库。

4.根据权利要求1所述的客服大厅环境噪音识别方法，其特征在于：所述正常噪音评判库包括多个正常噪音评判库，所述异常噪音评判库包括多个异常噪音评判模型，所述风险级别划分库包括多个风险级别划分模型；每个异常噪音评判模型至少对应一个风险级别划分模型。

5.根据权利要求1所述的客服大厅环境噪音识别方法，其特征在于：所述噪音信息与异常噪音评判库中的任一异常噪音评判模型匹配值大于预设阈值，则判断为比对成功，该噪音信息属于异常噪音信息。

6.根据权利要求5所述的客服大厅环境噪音识别方法，其特征在于：根据比对结果对所述异常噪音信息进行降噪处理，并对去噪后的音频信息进行语音识别。

7.根据权利要求6所述的客服大厅环境噪音识别方法，其特征在于：每个风险级别划分模型包括一个或者多个关键词，将语音识别后获得的文本信息与风险级别划分模型进行比对，若文本信息包括了风险级别划分模型中的至少一个关键词，则根据该风险级别划分模型划分风险级别。

8.根据权利要求5所述的客服大厅环境噪音识别方法，其特征在于：所述预设阈值为70％。

9.根据权利要求1所述的客服大厅环境噪音识别方法，其特征在于：建立噪音评判数据库：提前采集客服大厅中的噪音信息得到噪音样本；根据所述噪音样本进行深度学习，得到正常噪音评判库和异常噪音评判库。

技术总结
本发明属于语音处理技术领域，公开了一种客服大厅环境噪音识别方法，包括以下步骤：根据噪音样本建立噪音评判数据库，噪音评判数据库包括正常噪音评判库、异常噪音评判库以及风险级别划分库；实时采集客服大厅中的噪音信息，根据噪音评判数据库判断是否属于异常噪音；若属于则根据风险级别划分库划分风险级别。本发明所提供的客服大厅环境噪音识别方法，根据噪音样本建立用于甄别的噪音评判数据库，将场景中采集到的噪音信息进行分类，剔除无需甄别的信息，只将异常噪音信息进行处理，可以迅速有效对信息进行甄别，让客服管理人员及时处置客服大厅发生的安全风险事件。

技术研发人员：郭瑜;苏晓莺;杨先才;陈亚莉;吴迪;郑国荣;范明;袁红艳
受保护的技术使用者：国网湖北省电力有限公司荆州供电公司;湖北中巽泰科技有限公司
技术研发日：2021.04.30
技术公布日：2021.07.27