程 飛，陳建峰，馬 馳，常躍躍

（西北工業(yè)大學(xué)航海學(xué)院，陜西西安 710072）

0 引言

目前，公共場(chǎng)所使用的監(jiān)控裝置主要由視頻監(jiān)控設(shè)備組成，絕大多數(shù)不具有聲音采集與監(jiān)控功能。在多個(gè)視場(chǎng)頻繁切換的過(guò)程中，值班人員容易產(chǎn)生疲勞，難以辨認(rèn)存在安全隱患的地點(diǎn)。同時(shí)，單純的視頻監(jiān)控受到光線(xiàn)、視角等因素的限制，無(wú)法有效地對(duì)環(huán)境進(jìn)行全天候的實(shí)時(shí)監(jiān)控，在許多情況下監(jiān)控不全面，貽誤救援時(shí)機(jī)。

由于在一定的環(huán)境中，聲音往往是反映人類(lèi)行為的重要特征［1，2］，比如:敲門(mén)聲、爆炸聲、腳步聲等各種環(huán)境聲音。因此，對(duì)聲音事件進(jìn)行有效地探測(cè)和識(shí)別，可以有助于分析人類(lèi)的行為。目前，環(huán)境聲音識(shí)別技術(shù)的研究已開(kāi)展多年，國(guó)際上為此設(shè)立每年一度的聲音事件識(shí)別競(jìng)賽CLEAR［3，4］，對(duì)其進(jìn)行應(yīng)用研究越來(lái)越受到重視。一些國(guó)家已經(jīng)進(jìn)行了相關(guān)的應(yīng)用嘗試。2006年，荷蘭警方在街道安置麥克風(fēng)和攝像機(jī)聯(lián)合安防，通過(guò)計(jì)算機(jī)進(jìn)行監(jiān)測(cè)并預(yù)警。2007年，新加坡資訊信息研究所研制犯人在獄室內(nèi)的行為監(jiān)測(cè)系統(tǒng)，通過(guò)聲音監(jiān)控獄室內(nèi)的活動(dòng)情況，避免斗毆等惡性事件的發(fā)生，獲得成功應(yīng)用。

人們?cè)诼曇羰录R(shí)別方面取得了一定的進(jìn)展，初步建立了用于聲音事件識(shí)別的數(shù)據(jù)庫(kù)，確定了聲音事件識(shí)別系統(tǒng)的評(píng)估方法。但在實(shí)際生活中，對(duì)環(huán)境聲音識(shí)別技術(shù)的應(yīng)用尚不普及。而且對(duì)于單節(jié)點(diǎn)傳感器而言，無(wú)法對(duì)大范圍的環(huán)境進(jìn)行監(jiān)測(cè)，只能有選擇地針對(duì)特定的范圍進(jìn)行檢測(cè)。在多聲源存在時(shí)，容易發(fā)生干擾和誤判，無(wú)法有效判斷聲音來(lái)源。

本文提出一種基于統(tǒng)計(jì)的分布式聲音事件監(jiān)測(cè)系統(tǒng)，該系統(tǒng)通過(guò)傳感器節(jié)點(diǎn)的分布式布防，感知監(jiān)控區(qū)域的聲音信息。采用基于統(tǒng)計(jì)的檢測(cè)方法，并聯(lián)合攝像機(jī)進(jìn)行視頻確認(rèn)，以滿(mǎn)足實(shí)際的監(jiān)控需求。

1 系統(tǒng)組成與工作方式

如圖1所示，一個(gè)分布式聲音事件監(jiān)測(cè)系統(tǒng)由基站、中繼和多個(gè)分布式傳感器節(jié)點(diǎn)構(gòu)成。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig 1 Block diagram of system structure

基站主要由PC機(jī)和監(jiān)控軟件組成。根據(jù)情況，基站和中繼之間可通過(guò)無(wú)線(xiàn)或有線(xiàn)網(wǎng)絡(luò)傳輸聲音特征信息、視頻信息和控制命令。基站將接收到的聲音特征信息進(jìn)行顯示、存儲(chǔ)、分析和識(shí)別等相應(yīng)處理，為異常聲音事件的判定提供依據(jù)。

中繼主要由無(wú)線(xiàn)射頻模塊、數(shù)據(jù)處理模塊、網(wǎng)絡(luò)通信模塊和電源組成。中繼處附帶有網(wǎng)絡(luò)攝像機(jī)、轉(zhuǎn)臺(tái)及控制模塊，可控制攝像機(jī)360°全方位轉(zhuǎn)動(dòng)，監(jiān)控異常情況。

傳感器節(jié)點(diǎn)主要由聲音傳感器、放大電路、單片機(jī)、無(wú)線(xiàn)射頻模塊、電源構(gòu)成，具體組成框圖見(jiàn)圖2。

圖2 傳感器節(jié)點(diǎn)系統(tǒng)組成框圖Fig 2 Composition block diagram of sensor node system

傳感器節(jié)點(diǎn)首先將環(huán)境聲音轉(zhuǎn)換為電信號(hào)，然后經(jīng)過(guò)放大濾波、MSP430單片機(jī)A/D采樣，最終將特征提取的數(shù)據(jù)通過(guò)無(wú)線(xiàn)射頻模塊發(fā)送到中繼。

傳感器節(jié)點(diǎn)按照一定的地理位置布防，節(jié)點(diǎn)位置精確已知。為了滿(mǎn)足節(jié)點(diǎn)的機(jī)動(dòng)性，將其設(shè)為較低的發(fā)射功率以降低功耗。這時(shí)通信距離僅數(shù)百米。為此，專(zhuān)門(mén)設(shè)置中繼（Sink node）來(lái)將節(jié)點(diǎn)的數(shù)據(jù)傳送到數(shù)公里外的基站（base station）。

系統(tǒng)工作方式:系統(tǒng)初始化完成后，啟動(dòng)傳感器節(jié)點(diǎn)?；就ㄟ^(guò)中繼向傳感器節(jié)點(diǎn)發(fā)出工作命令，傳感器節(jié)點(diǎn)開(kāi)始監(jiān)控周?chē)h(huán)境，分析采集數(shù)據(jù)，提取特征，并通過(guò)中繼將特征值傳給基站。基站處建立節(jié)點(diǎn)信息數(shù)據(jù)庫(kù)，同時(shí)計(jì)算并更新節(jié)點(diǎn)處的環(huán)境背景門(mén)限?；就ㄟ^(guò)一系列的規(guī)則判定是否有異常聲音事件出現(xiàn)。當(dāng)判斷出有異常情況時(shí)，控制攝像機(jī)轉(zhuǎn)向相應(yīng)節(jié)點(diǎn)部署區(qū)域進(jìn)行觀察，同時(shí)向基站返回視頻圖像信息。

2 基于統(tǒng)計(jì)的聲音事件檢測(cè)方法

除了語(yǔ)音識(shí)別技術(shù)外，對(duì)環(huán)境聲音的分類(lèi)和識(shí)別技術(shù)的工程應(yīng)用尚不普及。一些略有相關(guān)的應(yīng)用包括:利用語(yǔ)音進(jìn)行話(huà)者識(shí)別［5］、情緒鑒別［6］、利用機(jī)械振動(dòng)進(jìn)行故障診斷［7］等。

在利用語(yǔ)音進(jìn)行人的情緒鑒別時(shí)，通過(guò)對(duì)語(yǔ)音信號(hào)中若干與情緒有關(guān)特征的分析、對(duì)比，建立起各種情緒語(yǔ)音的特征庫(kù)，利用相應(yīng)的判決準(zhǔn)則和分類(lèi)器對(duì)語(yǔ)音情緒分類(lèi)。

在計(jì)算機(jī)輔助機(jī)械故障診斷時(shí)，通過(guò)對(duì)特定機(jī)械振動(dòng)的聲音或振動(dòng)信號(hào)進(jìn)行采集、時(shí)域頻域處理后，與正常情況下的結(jié)果進(jìn)行對(duì)比，通過(guò)建模、統(tǒng)計(jì)等方法進(jìn)行判定。

以上技術(shù)雖涉及對(duì)不同聲音的分類(lèi)識(shí)別，不過(guò)其均有明確的聲源，便于聚類(lèi)，能夠形成較為集中的類(lèi)別和模型。然而環(huán)境聲音種類(lèi)繁多，復(fù)雜多樣，來(lái)源廣泛，模型難以建立，沒(méi)有一個(gè)完整、確定的集合，上述方法難以勝任。

為此，本文擬從環(huán)境中直接訓(xùn)練模型，通過(guò)對(duì)其代表性特征，如短時(shí)能量和短時(shí)過(guò)零率等特征進(jìn)行統(tǒng)計(jì)，形成判別“正?！迸c“異?！钡臏?zhǔn)則，而不直接去分辨究竟是什么類(lèi)型的聲音，以此來(lái)進(jìn)行異常事件監(jiān)測(cè)。然后，當(dāng)發(fā)現(xiàn)某些聲音被檢測(cè)出異常后，通知攝像頭轉(zhuǎn)向事發(fā)地點(diǎn)進(jìn)一步確認(rèn)。當(dāng)然，也可利用以往的方法對(duì)其進(jìn)行精細(xì)地分類(lèi)識(shí)別，以判斷其嚴(yán)重性。

2．1 模型的建立

模型建立框圖如圖3。

圖3 模型建立框圖Fig 3 Block diagram of model set up

2．1．1 預(yù)處理

預(yù)處理包括了信號(hào)的放大、濾波、采集，在必要時(shí)再進(jìn)行數(shù)字濾波，對(duì)于環(huán)境聲音，需要在以下幾部分重點(diǎn)考慮:

1）動(dòng)態(tài)范圍:由于聲音事件的動(dòng)態(tài)范圍較大，需要既能探測(cè)到微弱的聲音，如腳步聲等，也能獲取巨大的聲響，如爆炸聲等。因此，在設(shè)計(jì)聲音前置放大電路時(shí)需要選取合理參數(shù)的傳感器。

2）采樣頻率:由于環(huán)境聲音頻帶較寬，因此，為確保信息能比較完整地采集下來(lái)，采樣頻率應(yīng)不低于16 kHz。

3）A/D精度:16位以上的A/D可以獲得比較良好的效果。

2．1．2 特征提取

在絕大多數(shù)識(shí)別問(wèn)題中，選取適當(dāng)?shù)奶卣鲗?duì)最終的識(shí)別效果影響很大。目前，常用的各種聲音信號(hào)的統(tǒng)計(jì)特征有短時(shí)能量、短時(shí)過(guò)零率、短時(shí)自相關(guān)、線(xiàn)性預(yù)測(cè)編碼（LPC）、線(xiàn)性預(yù)測(cè)倒譜系數(shù)（LPCC）、對(duì)數(shù)頻率能量系數(shù)（LFPC）、子帶能量、Mel倒譜系數(shù)（MFCC）、語(yǔ)音持續(xù)時(shí)間、小波變換（WT）、共振頻率等。

一般來(lái)講，對(duì)于特定的場(chǎng)所，其聲音的統(tǒng)計(jì)規(guī)律是有一定的周期性的。例如:一個(gè)辦公室的聲音變化情況通常來(lái)講會(huì)按天發(fā)生周期變化。當(dāng)然，周末和節(jié)假日會(huì)有些特殊處理。對(duì)聲音的某些特征進(jìn)行統(tǒng)計(jì)分析，就希望對(duì)各統(tǒng)計(jì)周期中相同時(shí)段的信號(hào)進(jìn)行處理，從而找到其分布規(guī)律。

一般假設(shè)聲音信號(hào)在較短的時(shí)間內(nèi)是平穩(wěn)的。通常稱(chēng)這個(gè)較短的時(shí)間為幀，在語(yǔ)音處理中，一般取幀長(zhǎng)為10～30 ms。統(tǒng)計(jì)特征直接從數(shù)據(jù)中獲取，分析其統(tǒng)計(jì)特性。本文以聲音信號(hào)的短時(shí)平均能量為例，其定義如下:

經(jīng)過(guò)處理的聲音信號(hào)為一組離散值{x［1］，x［2］，…，x［n］}，定義以m為幀長(zhǎng)的第k幀聲音信號(hào)的短時(shí)能量E（k）為

2．1．3 特征分析和規(guī)律統(tǒng)計(jì)

將一個(gè)傳感器節(jié)點(diǎn)置于待監(jiān)測(cè)環(huán)境中，從每天相同時(shí)刻開(kāi)始，采集相同時(shí)長(zhǎng)的聲音信息，得到每天的數(shù)據(jù)樣本。

通過(guò)上述方法得到D天同一時(shí)刻第k幀的數(shù)據(jù)樣本，帶入式（1）中計(jì)算短時(shí)能量得到E1（k），E2（k），…，ED（k）。

對(duì)采集的樣本的短時(shí)能量做概率統(tǒng)計(jì)得到如圖4所示。圖中發(fā)現(xiàn)，聲音樣本的短時(shí)能量主要集中在相對(duì)較小的范圍內(nèi)，而且短時(shí)能量的動(dòng)態(tài)范圍較大，難以統(tǒng)計(jì)其分布。

圖4 短時(shí)能量概率分布圖Fig 4 Short-term energy probability distribution

為此，將短時(shí)能量取自然對(duì)數(shù)后作為特征值δ來(lái)減小其動(dòng)態(tài)范圍

對(duì)特征值設(shè)置合理的間隔，統(tǒng)計(jì)間隔內(nèi)特征值出現(xiàn)的概率，求出特征值的均值μ和標(biāo)準(zhǔn)差σ。歸一化處理后相應(yīng)的概率密度分布和相應(yīng)正態(tài)分布如圖5所示。

從圖5中可以看出:實(shí)際的概率密度近似趨近于正態(tài)分布，因此，在應(yīng)用和計(jì)算中可認(rèn)為特征值的概率密度函數(shù)滿(mǎn)足正態(tài)分布

圖5 歸一化特征值概率密度Fig 5 Probability density of normalized characteristic value

其中，μ和σ分別為特征值的均值和標(biāo)準(zhǔn)差。

2．2 門(mén)限設(shè)定

對(duì)于實(shí)際的系統(tǒng)而言，要確定聲音事件正常與否的概率比較困難，因此，可以在一定的虛警門(mén)限的條件下檢測(cè)概率最大為準(zhǔn)則［8］，即采用Neyman-Person準(zhǔn)則。根據(jù)檢測(cè)系統(tǒng)性能的要求，指定一個(gè)虛警概率的允許值（如PF=ε），使得檢測(cè)概率PD達(dá)到最大

根據(jù)正態(tài)分布的特點(diǎn)，得到

式中 δ0為檢測(cè)門(mén)限。

3 實(shí)驗(yàn)處理

實(shí)際生活中，一個(gè)突發(fā)的聲音事件大約在2～5 s。因此，將所需處理的聲音數(shù)據(jù)以5 s為間隔進(jìn)行等分后，每5 s幀處理后計(jì)算特征值，得到該5 s特征值的方差σ2和均值μ，帶入式（5）求得相應(yīng)的檢測(cè)門(mén)限。

實(shí)驗(yàn)首先要采集背景聲音，節(jié)點(diǎn)數(shù)據(jù)采樣設(shè)定單通道輸入，采樣頻率16 kHz，采樣位數(shù)16位，虛警概率PF=0．05，幀長(zhǎng)50 ms。在實(shí)驗(yàn)室環(huán)境下，無(wú)外界聲音干擾時(shí)，采集到相同時(shí)段的多段時(shí)長(zhǎng)10 min的數(shù)據(jù)。

實(shí)驗(yàn)首先求得各段數(shù)據(jù)的檢測(cè)門(mén)限，然后求檢測(cè)門(mén)限的平均值，得到整個(gè)10 min的門(mén)限如圖6所示。

圖6 門(mén)限值分布圖Fig 6 Threshold value distribution

圖6中得到了10 min時(shí)段的門(mén)限，由圖可知，該門(mén)限值處于一個(gè)比較穩(wěn)定的范圍。以此門(mén)限為標(biāo)準(zhǔn)，通過(guò)門(mén)限檢測(cè)來(lái)判斷相應(yīng)時(shí)刻下異常聲音事件的發(fā)生。

這里實(shí)驗(yàn)驗(yàn)證該門(mén)限檢測(cè)的準(zhǔn)確性:實(shí)驗(yàn)條件為上述實(shí)驗(yàn)室條件，通過(guò)傳感器節(jié)點(diǎn)采集到400段時(shí)長(zhǎng)10 min的聲音數(shù)據(jù)，其中，200段數(shù)據(jù)人為地加入一些例如敲擊或者開(kāi)門(mén)等聲音事件。對(duì)于無(wú)聲音事件的數(shù)據(jù)希望盡可能地降低其虛警概率，而對(duì)于有聲音事件發(fā)生的數(shù)據(jù)則希望提高其檢測(cè)概率。上述實(shí)驗(yàn)數(shù)據(jù)的識(shí)別情況見(jiàn)表1。

表1 特征值門(mén)限檢測(cè)識(shí)別結(jié)果Tab 1 Identification results of characteristic value threshold detection

實(shí)驗(yàn)結(jié)果表明:對(duì)于有聲音事件發(fā)生的情況采用上述方法可到較高的檢測(cè)率;無(wú)聲音事件發(fā)生時(shí)，得到的虛警概率接近理論值。因此，采用該方法可有效判定聲音事件的發(fā)生。

但在實(shí)際應(yīng)用中，由于外部環(huán)境并不是固定不變的。在相對(duì)比較安靜，噪聲背景比較平穩(wěn)的情況下，門(mén)限檢測(cè)可以達(dá)到較好的檢測(cè)效果。而對(duì)一些背景變化較大的地方，使用自適應(yīng)算法［9］可有效提高門(mén)限穩(wěn)定性和系統(tǒng)的可靠性，這將是下一步研究的重點(diǎn)。

4 結(jié)束語(yǔ)

本文提出了一種基于統(tǒng)計(jì)的分布式聲音事件監(jiān)測(cè)系統(tǒng)的實(shí)現(xiàn)方案，詳細(xì)介紹了整個(gè)系統(tǒng)的硬件組成和檢測(cè)方法，系統(tǒng)通過(guò)分布式傳感器節(jié)點(diǎn)有效收集監(jiān)控區(qū)域信息，對(duì)所收集到的聲音信息進(jìn)行特征提取，統(tǒng)計(jì)其分布規(guī)律，采用Neyman-Pearson準(zhǔn)則得到相應(yīng)的環(huán)境門(mén)限值，為基站進(jìn)一步數(shù)據(jù)處理和信息融合提供了重要保障。

［1］ 劉波霞，陳建峰．基于特征分析的環(huán)境聲音事件識(shí)別算法［J］．計(jì)算機(jī)工程，2011，37（22）:261-263．

［2］ 李舜酩，李香蓮．振動(dòng)信號(hào)的現(xiàn)代分析技術(shù)與應(yīng)用［M］．北京:國(guó)防工業(yè)出版社，2008．

［3］ Temko A，Malkin R，Zieger C，et al．CLEAR evaluation of acoustic event detection and classification systems［C］∥Proc of the 1st International Evaluation Conference on Classification of Events，Activities and Relationships，Heidelberg，Germany:Springer-Verlag，2007:311-322．

［4］ Heittola T，Klapuri A．TUT acoustic event detection system［C］∥Proc of the 2nd International Evaluation Conference on Classification of Events，Activities and Relationships，Heidelberg，Germany:Springer-Verlag，2008:364-370．

［5］ 周 萍，唐李珍．基于信息融合的短語(yǔ)音說(shuō)話(huà)人識(shí)別方法研究［J］．計(jì)算機(jī)工程，2011，37（2）:169-171．

［6］ 羅憲華，楊大利，徐明星．面向非特定人的語(yǔ)音情感識(shí)別特征研究［J］．北京信息科技大學(xué)學(xué)報(bào):自然科學(xué)版，2011，26（2）:72-76．

［7］ 常西暢．機(jī)械設(shè)備噪聲故障診斷的新進(jìn)展［C］∥2002年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議論文集，上海，2002:347-349．

［8］ 梁 紅，張效民．信號(hào)檢測(cè)與估值［M］．西安:西北工業(yè)大學(xué)出版社，2011．

［9］ 朱 莉．連續(xù)語(yǔ)音關(guān)鍵詞識(shí)別系統(tǒng)中自適應(yīng)技術(shù)的研究［D］．哈爾濱:哈爾濱工業(yè)大學(xué)，2006．