首页 > 分享 > 基于卷积神经网络通过声音识别动物情绪的方法及系统与流程

基于卷积神经网络通过声音识别动物情绪的方法及系统与流程

萌宠菠菠乐园
2024-09-17 02:39

1.本发明涉及语音识别领域，特别涉及一种基于卷积神经网络通过声音识别动物情绪的方法，还涉及一种基于卷积神经网络通过声音识别动物情绪的系统。

背景技术：

2.随着动物行为学研究的发展，如何识别动物的情绪并应用于生产生活中，成为未来的一个方向，比如识别导盲犬的情绪使盲人更明白导盲犬的行为，识别警犬的情绪使工作人员更好的明白其意图。动物情绪往往可以从其发出的声音表现出来，但这通常需要一些经验丰富的人员才能准确判断、识别，在特殊情况下缺乏经验丰富的动物情绪识别人员时，将可能导致任务失败，甚至带来严重后果。

技术实现要素：

3.有鉴于此，本发明的目的之一是提供一种基于卷积神经网络通过声音识别动物情绪的方法，无需专业人员即可根据动物声音准确识别动物情绪，使人类更好的了解动物，本发明的目的之二是提供一种基于卷积神经网络通过声音识别动物情绪的系统。
4.本发明的目的之一是通过以下技术方案实现的：
5.基于卷积神经网络通过声音识别动物情绪的方法，包括如下步骤：
6.(1)采集动物声音并将动物声音转换为数字信号；
7.(2)对数字信号进行处理和压缩后传输给声音特征识别模块；
8.(3)声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；训练好的卷积神经网络模型是通过将标记有声音特征的动物声音输入到卷积神经网络算法中进行训练获得；
9.(4)情绪类别识别模块运用svm模型获得动物声音对应的情绪类别。
10.进一步，所述步骤(1)中采用麦克风采集动物声音并将动物声音转换为数字信号。
11.进一步，所述步骤(2)中对数字信号进行处理为建立训练好的卷积神经网络模型能识别的数据矩阵。
12.进一步，所述步骤(4)中情绪类别为悲伤、高兴和中性。
13.本发明的目的之二是通过以下技术方案实现的：
14.基于卷积神经网络通过声音识别动物情绪的系统，包括语音录入及转换器、数据预处理器、声音特征识别模块、情绪类别识别模块和动物情绪输出模块；
15.所述语音录入及转换器用于采集动物声音并将动物声音转换为数字信号；
16.所述数据预处理器用于对数字信号进行处理和压缩后传输给声音特征识别模块；
17.所述声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；所述训练好的卷积神经网络模型是通过将标记声音特征的动
物声音输入到卷积神经网络算法中进行训练获得；
18.所述情绪类别识别模块运用svm模型获得动物声音对应的情绪类别；
19.所述动物情绪输出模块用于动物情绪的输出。
20.本发明的有益效果是：
21.本发明的基于卷积神经网络通过声音识别动物情绪的方法，先通过训练好的卷积神经网络模型提取动物声音特征，然后将动物声音特征输入到svm模型获得动物声音对应的情绪类别，实现了根据动物声音识别其情绪的效果，使人类能更好的理解动物，本发明的基于卷积神经网络通过声音识别动物情绪的系统，根据输入的动物声音自动识别其情绪，并能对动物的情绪进行输出展示，使用方便。
22.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
23.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
24.图1为本发明基于卷积神经网络通过声音识别动物情绪的方法流程图。
25.图2为本发明基于卷积神经网络通过声音识别动物情绪的方法中卷积神经网络模型。
26.图3为本发明基于卷积神经网络通过声音识别动物情绪的方法中svm模型情绪划分类别。
具体实施方式
27.以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
28.如图1-3所示，基于卷积神经网络通过声音识别动物情绪的方法，包括如下步骤：
29.(1)采用麦克风采集动物声音并将动物声音转换为数字信号；
30.(2)对数字信号进行处理和压缩后传输给声音特征识别模块；对数字信号进行处理为建立训练好的卷积神经网络模型能识别的数据矩阵；
31.(3)声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；训练好的卷积神经网络模型提取声音特征是从声音的时域、频域、倒谱域3个角度的关键词时间点进行提取；训练好的卷积神经网络模型是通过将标记有声音特征的动物声音输入到卷积神经网络算法中进行训练获得；
32.卷积神经网络算法为：
[0033][0034]
式中的l(x,z)为:
[0035]
l(x,z)＝-lnp(z|x)
[0036]
设：
[0037][0038]
(4)情绪类别识别模块运用svm模型获得动物声音对应的情绪类别；情绪类别为悲伤、高兴和中性。
[0039]
svm模型算法为：
[0040][0041]
其中w为目标函数，α为朗格朗日乘子；
[0042]
本发明基于卷积神经网络通过声音识别动物情绪的方法，使用方式分为两种，第一种可以是离线计算动物情绪，通过用声音特征识别模块、情绪类别识别模块识别出相应的情绪类别后直接输出对应的情绪分类结果；第二种是做实时的在线计算情绪类别，即将声音按固定时间频率输入到声音特征识别模块，后经情绪类别识别模块得出动物时间线的情绪结果，从而可以很好的明白动物意图。
[0043]
基于卷积神经网络通过声音识别动物情绪的系统，包括语音录入及转换器、数据预处理器、声音特征识别模块、情绪类别识别模块和动物情绪输出模块；
[0044]
语音录入及转换器用于采集动物声音并将动物声音转换为数字信号；
[0045]
数据预处理器用于对数字信号进行处理和压缩后传输给声音特征识别模块；
[0046]
声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；所述训练好的卷积神经网络模型是通过将标记声音特征的动物声音输入到卷积神经网络算法中进行训练获得；
[0047]
情绪类别识别模块运用svm模型获得动物声音对应的情绪类别；
[0048]
动物情绪输出模块用于动物情绪的输出
[0049]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.基于卷积神经网络通过声音识别动物情绪的方法，其特征在于：包括如下步骤：（1）采集动物声音并将动物声音转换为数字信号；（2）对数字信号进行处理和压缩后传输给声音特征识别模块；（3）声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；训练好的卷积神经网络模型是通过将标记有声音特征的动物声音输入到卷积神经网络算法中进行训练获得；（4）情绪类别识别模块运用svm模型获得动物声音对应的情绪类别。2.根据权利要求1所述的基于卷积神经网络通过声音识别动物情绪的方法，其特征在于：所述步骤（1）中采用麦克风采集动物声音并将动物声音转换为数字信号。3.根据权利要求1或2所述的基于卷积神经网络通过声音识别动物情绪的方法，其特征在于：所述步骤（2）中对数字信号进行处理为建立训练好的卷积神经网络模型能识别的数据矩阵。4.根据权利要求1或2或3所述的基于卷积神经网络通过声音识别动物情绪的方法，其特征在于：所述步骤（4）中情绪类别为悲伤、高兴和中性。5.实现权利要求1所述的基于卷积神经网络通过声音识别动物情绪的方法的系统，其特征在于：包括语音录入及转换器、数据预处理器、声音特征识别模块、情绪类别识别模块和动物情绪输出模块；所述语音录入及转换器用于采集动物声音并将动物声音转换为数字信号；所述数据预处理器用于对数字信号进行处理和压缩后传输给声音特征识别模块；所述声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；所述训练好的卷积神经网络模型是通过将标记声音特征的动物声音输入到卷积神经网络算法中进行训练获得；所述情绪类别识别模块运用svm模型获得动物声音对应的情绪类别；所述动物情绪输出模块用于动物情绪的输出。

技术总结
本发明公开了一种基于卷积神经网络通过声音识别动物情绪的方法，包括如下步骤：（1）采集动物声音并将动物声音转换为数字信号；（2）对数字信号进行处理和压缩后传输给声音特征识别模块；（3）声音特征识别模块运用训练好的卷积神经网络模型提取声音特征并转换后输出到情绪类别识别模块；训练好的卷积神经网络模型是通过将标记有声音特征的动物声音输入到卷积神经网络算法中进行训练获得；（4）情绪类别识别模块运用SVM模型获得动物声音对应的情绪类别；该方法实现了根据动物声音识别其情绪的效果，使人类能更好的理解动物，本发明还公开了一种基于卷积神经网络通过声音识别动物情绪的系统。情绪的系统。情绪的系统。

技术研发人员：杨兴海漆国强杨兴荣李建州李建新
受保护的技术使用者：世纪恒通科技股份有限公司
技术研发日：2021.12.22
技术公布日：2022/4/20