產(chǎn)品描述

       聲紋識(shí)別，也叫聲音識(shí)別，是一種生物識(shí)別技術(shù)，通過(guò)轉(zhuǎn)換聲音信號(hào)為電信號(hào)，用計(jì)算機(jī)進(jìn)行特征提取和身份驗(yàn)證。其生物學(xué)基礎(chǔ)在于生物的語(yǔ)音信號(hào)攜帶著獨(dú)特的聲波頻譜，就像指紋一樣具有唯一性和穩(wěn)定性。

       人類語(yǔ)言的產(chǎn)生是人體語(yǔ)言中樞與發(fā)音器官之間一個(gè)復(fù)雜的生理物理過(guò)程，人在講話時(shí)使用的發(fā)聲器官--舌、牙齒、喉頭、肺、鼻腔在尺寸和形態(tài)方面每個(gè)人的差異很大，所以任何兩個(gè)人的聲紋圖譜都有差異。每個(gè)人的語(yǔ)音聲學(xué)特征既有相對(duì)穩(wěn)定性，又有變異性，不是絕對(duì)的、一成不變的。這種變異可來(lái)自生理、病理、心理、模擬、偽裝，也與環(huán)境干擾有關(guān)。盡管如此，由于每個(gè)人的發(fā)音器官都不盡相同，因此在一般情況下，人們?nèi)阅軈^(qū)別不同的人的聲音或判斷是否是同一人的聲音換做其他生物或者物體也是。同一類的聲音的語(yǔ)音信號(hào)也攜帶著獨(dú)特的聲波頻譜。提取出來(lái)并做分類和識(shí)別。這個(gè)就是聲紋識(shí)別技術(shù)。

聲紋識(shí)別的主要任務(wù)包括：語(yǔ)音信號(hào)處理、聲紋特征提取、聲紋建模、聲紋比對(duì)、判別決策等。

技術(shù)特點(diǎn)

1.噪聲聲音類型識(shí)別是指通過(guò)機(jī)器學(xué)習(xí)算法，對(duì)環(huán)境中的噪聲進(jìn)行分類，以判斷其可能的來(lái)源和類型。例如，區(qū)分機(jī)器噪聲、人聲噪聲、交通噪聲等。

2.AI在噪聲聲音類型識(shí)別中的應(yīng)用主要體現(xiàn)在深度學(xué)習(xí)技術(shù)中，特別是卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用。首先，需要收集大量的聲音數(shù)據(jù)，并利用深度學(xué)習(xí)算法對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練，以提取出有3、用的特征并進(jìn)行模型優(yōu)化。然后，將輸入的聲音與已知的聲音模型進(jìn)行比對(duì)，通過(guò)計(jì)算輸入聲音的特征與模型之間的距離或相似度，來(lái)確定輸入聲音的身份。

3.此外，對(duì)于特定的應(yīng)用場(chǎng)景，如室內(nèi)場(chǎng)景、戶外場(chǎng)景識(shí)別，公共場(chǎng)所、辦公室場(chǎng)景識(shí)別等，還可以使用專門(mén)的音頻處理前端部分。

4、值得注意的是，盡管AI在噪聲聲音類型識(shí)別方面有著廣泛的應(yīng)用前景，但是在實(shí)際應(yīng)用中仍然面臨著許多挑戰(zhàn)，如噪聲環(huán)境的復(fù)雜性、語(yǔ)音信號(hào)的多樣性以及模型的優(yōu)化等問(wèn)題。因此，如何提高噪聲聲音類型識(shí)別的準(zhǔn)確性和魯棒性，仍然是未來(lái)研究的重要方向。

技術(shù)路線

1.建立音頻樣例庫(kù)，覆蓋面廣，根據(jù)不同的噪聲監(jiān)管單位將聲音劃分為五大類，不少于50個(gè)聲音子類別；

2.通過(guò)深度學(xué)習(xí)AI技術(shù)，對(duì)噪聲樣本進(jìn)行分析和處理，提取出其中的聲紋特征，構(gòu)建聲紋識(shí)別模型；

3.不斷的測(cè)試和優(yōu)化，提高聲紋識(shí)別模型的準(zhǔn)確性和魯棒性，使其能夠在各種環(huán)境和條件下都能準(zhǔn)確地識(shí)別出聲紋類型；

4.采用深度卷積神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)音頻事件的識(shí)別分類。通過(guò)卷積操作對(duì)音頻進(jìn)行時(shí)域特征和logmel頻域特征的提取，并結(jié)合波形的時(shí)域特征和頻域特征作為音頻的有效特征，再通過(guò)卷積采樣進(jìn)一步獲取特征圖，最終以全連接網(wǎng)絡(luò)分類器實(shí)現(xiàn)特征的類別分類。

技術(shù)參數(shù)

1.主控芯片：Rockchip RK3588

2.CPU：8核64位處理器

4個(gè)Cortex-A76和4個(gè)Cortex-A55及獨(dú)立的NEON協(xié)處理器

Cortex-A76主頻2.4GHz，Cortex-A55主頻1.8GHz

3.GPU：集成ARM Mali-G610；內(nèi)置 3D GPU；兼容OpenGL ES1.1/2.0/3.2、OpenCL 2.2和Vulkan 1.2

4.NPU：內(nèi)嵌的 NPU 支持INT4/INT8/INT16/FP16混合運(yùn)算，算力高達(dá) 6Top

5.存儲(chǔ)：8G+64G emmc

6.接口：有2個(gè)HDMl輸出端口,1個(gè)輸入HDMl端口，最高可解碼8K@60P視頻，兩個(gè)PCIe擴(kuò)展的2.5G以太網(wǎng)接口，配備一個(gè)支持安裝 NVMe 固態(tài)硬盤(pán)的M.2 M-Key插槽，一個(gè)支持Wi-Fi6/BT模塊的M.2 E-Key插槽。此外，有2個(gè)USB 3.0、2個(gè)USB 2.0、2個(gè)Type-C（其中一個(gè)為電源接口）

7.基于Pytorch實(shí)現(xiàn)的聲紋識(shí)別模型：模型是一種基于深度學(xué)習(xí)的說(shuō)話人識(shí)別系統(tǒng)，其結(jié)構(gòu)中融入了通道注意力機(jī)制、信息傳播和聚合操作。這個(gè)模型的關(guān)鍵組成部分包括多層幀級(jí)別的TDNN 層、一個(gè)統(tǒng)計(jì)池化層以及兩層句子級(jí)別的全連接層，此外還配備了一層 softmax，損失函數(shù)為交叉熵。

8.特征提?。侯A(yù)加重->分加窗->離散傅里葉變換->梅爾濾波器組->逆離散傅里葉變換

9.模型訓(xùn)練集：>100000個(gè)訓(xùn)練樣本

10.聲音類型：聲音類型主要?jiǎng)澐譃槲宕箢悇e，分別為生活噪聲、施工噪聲、工業(yè)噪聲、交通噪聲、自然噪聲，其中包含打雷，犬吠，刮風(fēng)，敲擊、蟲(chóng)鳴鳥(niǎo)叫、蛙鳴等不少于50個(gè)聲音子類別

11.聲紋識(shí)別準(zhǔn)確率：≥90%

12.識(shí)別響應(yīng)速率：<1s

13.調(diào)用方式：支持云端調(diào)用或者本地終端調(diào)用

14.技術(shù)協(xié)議：支持HTTP協(xié)議

15.接口種類：USB、HDMI、SD、RJ45

16.電源接口：TYPE-C

17.工作電壓：5V3A

聲紋庫(kù)分類

一級(jí)分類：五大類，自然噪聲、生活噪聲、施工噪聲、工業(yè)噪聲、交通噪聲，分類依據(jù)：HJ640標(biāo)準(zhǔn)、噪聲污染防治報(bào)告、噪聲環(huán)評(píng)、噪聲法等；

二級(jí)分類：按照應(yīng)用場(chǎng)景或聲音共同特點(diǎn)區(qū)分；

三級(jí)分類：作為子站識(shí)別結(jié)果顯示，對(duì)原始聲音類型進(jìn)行同類合并、優(yōu)化。

使用說(shuō)明

(1) 網(wǎng)絡(luò)參數(shù)：ip192.168.1.91  子網(wǎng)掩碼255.255.255.0  網(wǎng)關(guān)192.168.1.230

(2) 電源參數(shù)：5V 3A適配器

(3) 調(diào)用方式HTTP

(4) 調(diào)用地址：http://192.168.1.91:6712/AudioRecognize