一种异常声音分类方法、系统、装置以及存储介质与流程

技术特征：
1.一种异常声音分类方法，其特征在于，包括：获取到待检测的异常音频信号的声学特征；将所述声学特征输入到多分类器中，利用所述多分类器基于所述声学特征确定所述异常音频信号与各种异常类别的似然度；响应于两个最大的似然度的差值小于设定值，利用所述两个最大的似然度对应的两种异常类别的二分类器对所述声学特征进行检测，得到所述异常音频信号的异常类型。2.根据权利要求1所述的异常声音分类方法，其特征在于，所述获取到待检测的异常音频信号的声学特征的步骤，包括：获取到所述待检测的异常音频信号；对所述异常音频信号进行多维度特征提取，得到所述异常音频信号的多维度的所述声学特征；其中，所述多维度的所述声学特征至少包括时域特征、频域特征以及倒谱域特征中的至少两种。3.根据权利要求1或2所述的异常声音分类方法，其特征在于，所述获取到待检测的异常音频信号的声学特征的步骤，包括：获取到所述异常音频信号，并对所述异常音频信号进行分帧处理；对每一帧异常音频信号进行特征提取，得到各帧异常音频信号的声学特征；所述将所述声学特征输入到多分类器中，利用所述多分类器基于所述声学特征确定所述异常音频信号与各种异常类别的似然度的步骤，包括：将所述各帧异常音频信号的声学特征输入到所述多分类器中，得到所述各帧异常音频信号与所述各种异常类别的似然度；所述响应于两个最大的似然度的差值小于设定值，利用所述两个最大的似然度对应的两种异常类别的二分类器对所述声学特征进行检测，得到所述异常音频信号的异常类型的步骤，包括：响应于当前帧两个最大的似然度的差值小于设定值，利用所述两个最大的似然度对应的两种异常类别的二分类器对所述当前帧进行检测，得到所述当前帧的异常类型；利用连续设定量的多帧异常音频信号的异常类型确定所述异常音频信号的异常类型。4.根据权利要求3所述的异常声音分类方法，其特征在于，所述利用连续设定量的多帧异常音频信号的异常类型确定所述异常音频信号的异常类型的步骤，包括：统计属于各个异常类型的异常音频信号的帧数；将包括帧数最多的异常类型确定为所述异常音频信号的异常类型。5.根据权利要求3所述的异常声音分类方法，其特征在于，所述对每一帧异常音频信号进行特征提取，得到各帧异常音频信号的声学特征的步骤，包括：对所述每一帧异常音频信号进行加窗处理；利用快速傅里叶变换将加窗处理后的时域信号变换为频域信号，再基于所述频域信号得到信号能量谱；利用滤波器对所述信号能量谱进行带通滤波，并对所述滤波器的输出取对数，以变换至对数能量谱域；利用离散余弦变换将所述对数能量谱域变换到倒谱域，得到各维相互独立的特征矢
量。6.根据权利要求1所述的异常声音分类方法，其特征在于，所述响应于两个最大的似然度的差值小于设定值，利用所述两个最大的似然度对应的两种异常类别的二分类器对所述声学特征进行检测，得到所述异常音频信号的异常类型的步骤，包括：响应于所述两个最大的似然度的所述差值小于所述设定值，提取所述两个最大的似然度分别对应的所述两个异常类别建立所述二分类器；其中，所述二分类器包括高斯核函数；将所述异常音频信号的所述声学特征输入到所述二分类器中，利用所述高斯核函数基于聚类的方式提取距离较远的统计特征，并基于所述统计特征对所述声学特征进行分类，得到所述异常音频信号的异常类型。7.根据权利要求1所述的异常声音分类方法，其特征在于，所述获取到待检测的异常音频信号的声学特征的步骤前，还包括：获取音频信号，计算所述音频信号的短时能量；比较所述短时能量与设定能量阈值的大小；响应于所述音频信号的短时能量大于所述设定能量阈值，将所述音频信号确定为所述待检测的异常音频信号。8.一种异常声音分类系统，其特征在于，包括：特征获取模块，用于获取到待检测的异常音频信号的声学特征；第一分类模块，用于将所述声学特征输入到多分类器中，利用所述多分类器基于所述声学特征确定所述异常音频信号与各种异常类别的似然度；第二分类模块，用于响应于两个最大的似然度的差值小于设定值，利用所述两个最大的似然度对应的两种异常类别的二分类器对所述声学特征进行检测，得到所述异常音频信号的异常类型。9.一种异常声音分类装置，其特征在于，包括：存储器，用于存储程序数据，所述存储程序数据被执行时实现如权利要求1～7任一项所述的异常声音分类方法中的步骤；处理器，用于执行所述存储器存储的程序指令以实现如权利要求1～7任一项所述的异常声音分类方法中的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～7任一项所述的异常声音分类方法中的步骤。

技术总结
本申请公开了一种异常声音分类方法、系统、装置以及存储介质，该方法包括：获取到待检测的异常音频信号的声学特征；将声学特征输入到多分类器中，利用多分类器基于声学特征确定异常音频信号与各种异常类别的似然度；响应于两个最大的似然度的差值小于设定值，利用两个最大的似然度对应的两种异常类别的二分类器对声学特征进行检测，得到异常音频信号的异常类型。通过上述方式，本申请能够极大地减小相似声音对异常音频信号的识别干扰，从而提升异常声音检测的准确率。常声音检测的准确率。常声音检测的准确率。


技术研发人员：王宝俊 张锦铖 史巍 林聚财 殷俊
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2021.07.30
技术公布日：2021/11/23