异常声音检测总结

        异常声音检测，顾名思义，就是检测现实生活中的异常声音，如枪声、爆炸声、哭声、尖叫声等，属于公共安全监控的范畴。

        传统的公共安全监控是用摄像头，但是摄像头只能监控某个固定的场景，而且受光线影响很大，因而在电影中，罪犯只要知道摄像头的位置，就可以很容易地避开摄像头或用布将摄像头遮住。

        随着移动互联网的发展，各种可穿戴式的安全产品相继出现，但都是主打定位牌，360儿童手表倒是可以录音，但是需要家长主动拨打手表来录音，这种应用场景是在家长想知道孩子在哪时拨打孩子的手表使其录音10秒，这10秒录音能不能让家长知道孩子所处的环境暂且不说，单家长主动去拨打手表就有个何时拨打的问题，家长只在想起来的时候才拨打，也许孩子早已经处于危险之中。360儿童手表还可以让孩子在遇到危险的时候紧急呼救，这里所谓的危险必须是儿童意识清醒而且有呼救意识。所以这种家长主动拨或孩子主动求救的方法都是被动的。

         如果用异常声音来判断孩子是否安全呢？因为声音是全向传播的，不受光线影响，所以检测异常声音理论上是可以的。但是异常声音的种类是在太多太复杂了，姑且不说有哭声、尖叫声、枪声等不同异常声音，即使是枪声这一种异常声音也有手枪、步枪等；而且现实生活中的干扰实在太多，所以准确判断出异常声音还是很困难。

        目前这一领域有两种方案，一种叫异常声音检测，另一种叫异常声音分类。所谓异常声音检测，就是检测是否有异常声音，但不能确定是何种异常声音；而异常声音分类，就是将异常声音分类，从而知道检测到的是何种异常声音，很明显，这种方法能检测出的异常声音种类有限。

        异常声音检测的一般方法是对背景环境声建模，所有和模型不匹配的都是异常声音；而异常声音分类则是对异常声音建模，所有和模型匹配的就是某种异常声音。这两种方法的原理其实都来自语音识别，本质上是要训练出一个分类器。而语音识别的关键是分类器的区分度，也就是模型的准确性，而这又是由所选的声学特征和声音模型确定的。

        常用的声学特征就是MFCC，此外还有MPEG-7等。我们听到的声音包含太多无用的信息，MFCC就是用24维特征系数来代表一帧的声音。常用的声音模型当然是HMM，此外还有GMM等。所以运用这类方法的难点和语音识别的难点是相同的。

        而在实时检测中，准确检测出异常声音的起点和终点也是很重要的。因为如果起点和终点不准确，势必会影响模型准确性，从而影响识别率。