基于语音关键词检测的监所报警系统软件研发
发布时间：2022-01-05 02:24
在我国司法体系中,监所担负着执行法纪、维护社会稳定的重要职责,建设一套完善的监所安防报警系统对保障监所的安全稳定运行具有重要意义。传统的以人工触发报警与监控视频分析报警相结合的报警系统具有误报率高、实时性不足、存在监控盲区等问题。引入语音关键词检测技术可有效解决上述问题,因此,研发基于语音关键词检测的监所报警系统对完善监所安防报警系统具有重要意义与工程应用价值。本论文针对当前监所对报警系统可靠性、实时性、完整性的要求,设计研发了基于语音关键词检测的监所报警系统软件。软件采用B/S架构设计,主要实现了语音报警分析、实时报警推送、历史报警回溯等功能。软件通过设备接入层实时采集语音数据,通过基于GMM建模的语音端点检测方法实现断句,采用并发编程技术设计实现了多路并行的基于CNN的语音关键词检测方法,并通过对检测结果进行策略分析生成报警或预警事件,同时进行实时推送与记录存储。系统针对监所应用场景的特点,改进了训练数据集的构建方案与数据模型的构建方法,并针对报警实时性需求对基于Kaldi框架的语音关键词检测流程进行了优化,有效提升了算法的检测准确率与执行效率。另外,系统针对语音监控需求,设计实现...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图２－１语音识别系统结构图??（１）端点检测??
Ｋａｌｄｉ是由Ｄａｎｉｅｌ?Ｐｏｖｅｙ等人开发的一个开源语音识别工具包，用Ｃ＋＋编写，??可以在Ｌｉｎｕｘ和Ｗｉｎｄｏｗｓ环境下编译，主要在Ｌｉｎｕｘ系统下运行。Ｋａｌｄｉ的结构??如图２－２所示Ｍ。??Ｅｘｔｅｒｎａｌ?Ｌｉｂｒａｒｉｅｓ??ＢＬＡＳ／ＬＡＰＡＣＫ?ＯｐｅｎＦＳＴ??Ｋａｌｄｉ?Ｃ＋＋?Ｌｉｂｒａｒｙ??Ｍａｔｒｉｘ?Ｕｔｉｌｓ?ＬＭ?Ｔｒｅｅ??Ｆｅａｔ?ＳＧＭＭ?ＦＳＴｅｘｔ?ＨＭＭ??ＧＭＭ?Ｔｒａｎｓｆｏｒｍｓ?Ｄｅｃｏｄｅｒ??Ｄｅｃｏｄａｂｌｅ??Ｋａｌｄｉ?Ｃ＋＋?Ｅｘｅｃｕｔａｂｌｅｓ??（Ｓｈｅｌｌ）?Ｓｃｒｉｐｔｓ??图２－２?Ｋａｌｄｉ工具包结构图［３２］??Ｋａｌｄｉ依赖了两个外部开源库——ＢＬＡＳ／ＬＡＰＡＣＫ和ＯｐｅｎＦＳＴ［３４】。ＢＬＡＳ是??基本线性函数库，主要用于向量操作、矩阵－向量操作及矩阵操作等基本运算。??ＬＡＰＡＣＫ是一个用于数值计算的函数集，用于常见的数值线性代数问題。??ＯｐｅｎＦＳＴ是一个用于构造、合并、优化和搜索加权有限状态转换器的的库，在处??理时间和空间的大规模问题上有很好的效果，??Ｋａｌｄｉ支持ＭＦＣＣ、Ｆｂａｎｋ等常用的特征提取及ＬＤＡ、ＣＭＶＮ、ＶＴＬＮ等特??征处理技术，支持ＧＭＭ－ＨＭＭ及ＤＮＮ－ＨＭＭ声学模型训练，提供了基于加权??有限状态机设计的解码器并支持ｓｈｅｌｌ脚本直接调用底层功能模块。??２．２卷积神经网络基本理论??２．２．１?卷积神经网络基本结构??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａ丨Ｎｅｔｗｏｒｋ，?ＡＮＮ）是一种从信息处理角度对人??脑神经网络进行抽象
表示；输出层用于结果输出，对于多层神经网络激活函数一般会选用ｒｅｃｔｉｆｉｅｒ函??数以加快网络的收敛速度。??卷积神经网絡（ＣＮＮ）是一种前馈神经网络，其结构如图２－３所示，由输入??层、特征提取层、特征映射层和输出层组成，特征提取层由卷积层和池化层交替??组成用于进行局部特征提取，特征映射层由全连接层组成用于对提取的局部特征??进行全局整合和变换。??输入层?丨?卷积层及池化层?丨?全连接层?丨输出层??Ｉ?Ｉ?Ｉ??图２－３卷积神经网络??＇?（１）卷积层??卷积层是卷积神经网络的核心，通过将卷积核在输入层上滑动进行卷积运算??后与该层的偏置相加得到该层的卷积结果，一个卷积层内包含多个卷积核，每个??１０??
【参考文献】：
期刊论文
[1]监狱安防集成化综合平台的设计研究[J]. 汪海燕. 工业控制计算机. 2018(08)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]深度学习在语音识别中的研究进展综述[J]. 侯一民,周慧琼,王政一. 计算机应用研究. 2017(08)
[4]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
[5]语音识别技术及应用综述[J]. 禹琳琳. 现代电子技术. 2013(13)
[6]语音识别技术研究进展[J]. 詹新明,黄南山,杨灿. 现代计算机(专业版). 2008(09)
[7]隐马尔可夫模型在语音识别中的应用[J]. 段红梅,汪军,马良河,徐冉. 工科数学. 2002(06)
[8]N-gram语言模型的数据平滑技术[J]. 徐志明,王晓龙,关毅. 计算机应用研究. 1999(07)
博士论文
[1]基于深度神经网络的语音识别模型研究[D]. 张仕良.中国科学技术大学 2017
硕士论文
[1]基于卷积神经网络的语音识别研究[D]. 梅俊杰.北京交通大学 2017
[2]基于语音端点检测的移动设备无障碍出行服务助手的研究与实现[D]. 杨晓海.浙江大学 2017
[3]监狱环境下基于无线传感器网络技术的监控报警系统设计与实现[D]. 王良昱.国防科学技术大学 2011
[4]基于神经网络的语音识别研究[D]. 王伟臻.浙江大学 2008
本文编号：3569538
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图２－１语音识别系统结构图??（１）端点检测??
Ｋａｌｄｉ是由Ｄａｎｉｅｌ?Ｐｏｖｅｙ等人开发的一个开源语音识别工具包，用Ｃ＋＋编写，??可以在Ｌｉｎｕｘ和Ｗｉｎｄｏｗｓ环境下编译，主要在Ｌｉｎｕｘ系统下运行。Ｋａｌｄｉ的结构??如图２－２所示Ｍ。??Ｅｘｔｅｒｎａｌ?Ｌｉｂｒａｒｉｅｓ??ＢＬＡＳ／ＬＡＰＡＣＫ?ＯｐｅｎＦＳＴ??Ｋａｌｄｉ?Ｃ＋＋?Ｌｉｂｒａｒｙ??Ｍａｔｒｉｘ?Ｕｔｉｌｓ?ＬＭ?Ｔｒｅｅ??Ｆｅａｔ?ＳＧＭＭ?ＦＳＴｅｘｔ?ＨＭＭ??ＧＭＭ?Ｔｒａｎｓｆｏｒｍｓ?Ｄｅｃｏｄｅｒ??Ｄｅｃｏｄａｂｌｅ??Ｋａｌｄｉ?Ｃ＋＋?Ｅｘｅｃｕｔａｂｌｅｓ??（Ｓｈｅｌｌ）?Ｓｃｒｉｐｔｓ??图２－２?Ｋａｌｄｉ工具包结构图［３２］??Ｋａｌｄｉ依赖了两个外部开源库——ＢＬＡＳ／ＬＡＰＡＣＫ和ＯｐｅｎＦＳＴ［３４】。ＢＬＡＳ是??基本线性函数库，主要用于向量操作、矩阵－向量操作及矩阵操作等基本运算。??ＬＡＰＡＣＫ是一个用于数值计算的函数集，用于常见的数值线性代数问題。??ＯｐｅｎＦＳＴ是一个用于构造、合并、优化和搜索加权有限状态转换器的的库，在处??理时间和空间的大规模问题上有很好的效果，??Ｋａｌｄｉ支持ＭＦＣＣ、Ｆｂａｎｋ等常用的特征提取及ＬＤＡ、ＣＭＶＮ、ＶＴＬＮ等特??征处理技术，支持ＧＭＭ－ＨＭＭ及ＤＮＮ－ＨＭＭ声学模型训练，提供了基于加权??有限状态机设计的解码器并支持ｓｈｅｌｌ脚本直接调用底层功能模块。??２．２卷积神经网络基本理论??２．２．１?卷积神经网络基本结构??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａ丨Ｎｅｔｗｏｒｋ，?ＡＮＮ）是一种从信息处理角度对人??脑神经网络进行抽象
表示；输出层用于结果输出，对于多层神经网络激活函数一般会选用ｒｅｃｔｉｆｉｅｒ函??数以加快网络的收敛速度。??卷积神经网絡（ＣＮＮ）是一种前馈神经网络，其结构如图２－３所示，由输入??层、特征提取层、特征映射层和输出层组成，特征提取层由卷积层和池化层交替??组成用于进行局部特征提取，特征映射层由全连接层组成用于对提取的局部特征??进行全局整合和变换。??输入层?丨?卷积层及池化层?丨?全连接层?丨输出层??Ｉ?Ｉ?Ｉ??图２－３卷积神经网络??＇?（１）卷积层??卷积层是卷积神经网络的核心，通过将卷积核在输入层上滑动进行卷积运算??后与该层的偏置相加得到该层的卷积结果，一个卷积层内包含多个卷积核，每个??１０??
【参考文献】：
期刊论文
[1]监狱安防集成化综合平台的设计研究[J]. 汪海燕. 工业控制计算机. 2018(08)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]深度学习在语音识别中的研究进展综述[J]. 侯一民,周慧琼,王政一. 计算机应用研究. 2017(08)
[4]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
[5]语音识别技术及应用综述[J]. 禹琳琳. 现代电子技术. 2013(13)
[6]语音识别技术研究进展[J]. 詹新明,黄南山,杨灿. 现代计算机(专业版). 2008(09)
[7]隐马尔可夫模型在语音识别中的应用[J]. 段红梅,汪军,马良河,徐冉. 工科数学. 2002(06)
[8]N-gram语言模型的数据平滑技术[J]. 徐志明,王晓龙,关毅. 计算机应用研究. 1999(07)
博士论文
[1]基于深度神经网络的语音识别模型研究[D]. 张仕良.中国科学技术大学 2017
硕士论文
[1]基于卷积神经网络的语音识别研究[D]. 梅俊杰.北京交通大学 2017
[2]基于语音端点检测的移动设备无障碍出行服务助手的研究与实现[D]. 杨晓海.浙江大学 2017
[3]监狱环境下基于无线传感器网络技术的监控报警系统设计与实现[D]. 王良昱.国防科学技术大学 2011
[4]基于神经网络的语音识别研究[D]. 王伟臻.浙江大学 2008
本文编号：3569538
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3569538.html
