基于声音特征识别技术的巡逻监听机器人研究

发布时间：2020-05-19 09:27

【摘要】：随着生活水平的提高,人们的安全意识、财产保护意识逐渐增强,社会经济的快速发展,使得活动场所规模不断变大,单靠传统的人力巡逻和固定摄像头监视,存在人力疏漏、监控范围有限,往往是事倍功半的效果。这已无法满足如今社会的安防要求,无法保障社会环境的安全。针对上述存在的问题,本课题旨在设计一款低成本、高效率、全方位动态的巡逻监听机器人。本课题所做的工作如下:第一,为在监听到异常声音后,实现机器人实时定位报警功能,设计了巡逻监听机器人系统。该系统包括监听机器人及上位机,利用GPRS技术进行上位机与机器人的远距离自主无线通信,解决了WiFi信号不稳定、蓝牙通信距离近的问题;利用红外对管实现机器人路径导航,利用RFID与GPS进行室内外定位,可规定机器人行驶在校园中偏远角落且不会丢失,利用驻极体话筒及音频信号编译码芯片录制监听到的声音,将巡逻位置和声音监测情况数据打包发给上位机。实验表明,监听到异常声音后,机器人会做出反应,实时在上位机弹出通知提醒安保人员,说明巡逻监听机器人可以实现巡逻监听任务。第二,为实现机器人实时监听功能,设置了两种声音监听情景。第一种,只监听是否有声音,预先设定阈值,当监听到声音时,将对声音录制5 s,对其进行浮点化求和,大于阈值时在上位机显示异常声音并显示此时机器人位置。第二种,匹配监听到的声音,预先在SD卡内存入巡逻环境中存在的声音,作为正常声音,当监听到声音时,利用MFCC-KNN方法进行声音信号预处理,特征提取及匹配,匹配上则为正常声音,否则标记为异常声音并在上位机显示并显示此时机器人位置。分别在室内外进行两种情景的实验,实验表明,这两种情况下均可实现声音的监听,说明巡逻监听机器人可以进行巡逻监听任务。第三,为进一步提高匹配声音的准确度,对梅尔频率倒谱系数,(Mel Frequency Cepstrum Coefficient,MFCC)进行改进,即在MFCC之前进行阈值滤波以提高声音匹配辨识精度,减少重叠,消除噪声。通过与传统原始MFCC对比,发现该方法在声音匹配方面有一定程度提高,即该方法相同声音的欧式距离值更小,不同声音的欧式距离值更大。同时,在室内外进行该方法的实验表明该方法可实现声音的监听,且声音匹配效果更好。本文设计了巡逻监听机器人系统,实现了自主移动巡逻功能,能够在机器人上自行进行声音处理,多传感器融合等多种技术为一体构成的综合巡逻系统。结合其实现的巡逻与监听功能,并在上位机上实时显示状态,并利用MFCC-KNN声音匹配方法及改进的MFCC匹配方法对声音进行匹配,证明了该巡逻监听机器人的实用性,能够完成预期的基本巡逻功能,精度符合实际应用要求,为实现未来“人防+机器人防+固定摄像头监视”的智能三防模式有很大贡献。在安防机器人产品设计方面具有一定参考价值。
【图文】：

移动机器人,国际机场,机器人,国际研究

河北大学硕士学位论文要大量的训练样本，并且性。2007 年，Zajdel W, Kri用于进行音频分类和识别fficient,PLPC)，MFCC 几个别性能。而早两年间，Rad GMM 分类器来训练识别四展现状美国斯坦福国际研究所的移动机器人 Shakey，如图知和路径规划功能[17]。

运行情况,巡逻机器人

通力研究并开发出了一种自主移动机器人 Shakey，如图 1-1 所示，它识别复杂环境中任务对象，并实现周围环境感知和路径规划功能[17]。图 1-1 机器人 Shakey2006 年 10 月，意大利的阿尔本加国际机场出现了第一台自主巡逻移动机器人SER[18](Airport Nonstop Surveillance Expert Robot)，这是意大利热那亚大学自主研发巡逻机器人，可以执行机场巡逻任务，在一些特定地方如货舱、停机坪等地可以设置点监视，经测试运行良好。其运行情况如图 1-2 所示。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242;TN912.34

【相似文献】