本發(fā)明涉及嬰兒聲音分析技術(shù)領(lǐng)域，特別是涉及一種便攜式嬰兒啼哭聲識別器及其識別方法。

背景技術(shù)：

啼哭是嬰兒表達(dá)的唯一方式，是一種特殊的“語言”。嬰兒的哭聲有幾種基本表達(dá)，包括饑餓、困倦、需要拍嗝、腸痙攣和不舒適，現(xiàn)代科學(xué)研究表明，全世界的寶寶在3月齡前，嬰兒的哭聲根據(jù)嬰兒的當(dāng)前狀態(tài)而存在固有的典型模式，可成人一般不能準(zhǔn)確理解嬰兒啼哭的原因，不能了解嬰兒啼哭所反應(yīng)的需求，這樣難免造成對嬰兒護(hù)理、照料的不周，不利于嬰兒的健康成長。而且對于很多新手家長來說，經(jīng)常需要經(jīng)歷很長一段時(shí)間才能準(zhǔn)確識別嬰兒啼哭聲，缺乏有效的提示、學(xué)習(xí)機(jī)制。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述的技術(shù)問題，本發(fā)明的目的是提供一種便攜式嬰兒啼哭聲識別器及其識別方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種便攜式嬰兒啼哭聲識別器，包括本體、設(shè)置在本體上的顯示模塊、提示模塊、用于采集嬰兒的啼哭聲信號的聲音傳感器和用于采集嬰兒的動作圖像的圖像傳感器以及設(shè)置在本體內(nèi)的主控電路板，所述主控電路板上設(shè)有主控制器、存儲模塊、無線通信模塊和電源模塊，所述顯示模塊和提示模塊設(shè)置于醫(yī)院的護(hù)理站，所述顯示模塊、提示模塊、存儲模塊、無線通信模塊、電源模塊、聲音傳感器和圖像傳感器均與主控制器連接，所述無線通信模塊連接至智能手機(jī)、平板電腦或電腦終端，所述存儲模塊存儲有多個(gè)指令，所述主控制器用于加載所述多個(gè)指令從而執(zhí)行以下步驟：

實(shí)時(shí)獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)；

基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

基于校驗(yàn)后的哭聲狀態(tài)，發(fā)出對應(yīng)的提示信號，同時(shí)通知智能手機(jī)、平板電腦或電腦終端。

進(jìn)一步，所述提示模塊采用蜂鳴器和閃爍提示指示燈。

進(jìn)一步，所述哭聲狀態(tài)包括以下狀態(tài)中的任一種：饑餓、困倦、需要拍嗝、腸痙攣和不舒適。

進(jìn)一步，所述無線通信模塊采用藍(lán)牙通信模塊、wifi通信模塊或zig-bee通信模塊。

進(jìn)一步，所述提示信號包括通過無線通信模塊發(fā)送到智能手機(jī)、平板電腦或電腦終端的實(shí)時(shí)通知信號。

本發(fā)明解決其技術(shù)問題所采用的另一技術(shù)方案是：

一種便攜式嬰兒啼哭聲識別器的識別方法，包括以下步驟：

實(shí)時(shí)獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)；

基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

基于校驗(yàn)后的哭聲狀態(tài)，發(fā)出對應(yīng)的提示信號，同時(shí)通知智能手機(jī)、平板電腦或電腦終端。

進(jìn)一步，還包括建立哭聲識別模型這一步驟，其包括步驟：

獲取多個(gè)嬰兒啼哭聲樣本信號，并標(biāo)注每個(gè)嬰兒啼哭聲樣本信號所對應(yīng)的哭聲狀態(tài)；

對每個(gè)嬰兒啼哭聲樣本信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲樣本信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

建立樣本數(shù)據(jù)庫，記錄下每個(gè)嬰兒啼哭聲樣本信號所對應(yīng)的哭聲狀態(tài)、反向梅爾頻率倒譜系數(shù)的離散值；

利用貝葉斯分類算法對樣本數(shù)據(jù)庫進(jìn)行處理后，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型。

進(jìn)一步，所述利用貝葉斯分類算法對樣本數(shù)據(jù)庫進(jìn)行處理后，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型這一步驟，具體包括步驟：

統(tǒng)計(jì)樣本數(shù)據(jù)庫中每個(gè)哭聲狀態(tài)所對應(yīng)的嬰兒啼哭聲樣本信號的數(shù)量，進(jìn)而計(jì)算樣本數(shù)據(jù)庫中每個(gè)哭聲狀態(tài)的統(tǒng)計(jì)概率；

統(tǒng)計(jì)每個(gè)哭聲狀態(tài)下的每個(gè)反向梅爾頻率倒譜系數(shù)的離散值所對應(yīng)的嬰兒啼哭聲樣本信號的數(shù)量，進(jìn)而計(jì)算每個(gè)哭聲狀態(tài)下的每個(gè)反向梅爾頻率倒譜系數(shù)的離散值的條件概率；

將計(jì)算得到的各個(gè)統(tǒng)計(jì)概率和條件概率作為貝葉斯分類模型的參數(shù)，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型。

進(jìn)一步，所述根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)這一步驟，具體包括步驟：

針對該嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)的離散值，獲取其在嬰兒哭聲識別模型中對應(yīng)的每個(gè)哭聲狀態(tài)下的條件概率以及該哭聲狀態(tài)的統(tǒng)計(jì)概率，并計(jì)算兩者的乘積作為該嬰兒啼哭聲信號對應(yīng)于該哭聲狀態(tài)的分布概率；

比對該嬰兒啼哭聲信號對應(yīng)的每個(gè)哭聲狀態(tài)的分布概率，將分布概率最大的哭聲狀態(tài)作為該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)。

進(jìn)一步，還包括建立預(yù)設(shè)的動作行為數(shù)據(jù)庫這一步驟，其包括步驟：

獲取多個(gè)嬰兒動作圖像，并標(biāo)注每個(gè)嬰兒動作圖像所對應(yīng)的哭聲狀態(tài)；

針對每個(gè)嬰兒動作圖像，對其進(jìn)行預(yù)處理后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，進(jìn)行運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值；

基于所有嬰兒動作圖像提取獲得的運(yùn)動目標(biāo)特征值，統(tǒng)計(jì)后獲得每個(gè)哭聲狀態(tài)對應(yīng)的運(yùn)動目標(biāo)特征值的變化區(qū)間；

將每個(gè)哭聲狀態(tài)與變化區(qū)間進(jìn)行關(guān)聯(lián)后，作為預(yù)設(shè)的動作行為數(shù)據(jù)庫。

進(jìn)一步，所述基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)這一步驟，具體包括：

對實(shí)時(shí)獲取的嬰兒動作圖像進(jìn)行預(yù)處理后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，進(jìn)行運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值；

將計(jì)算獲得的運(yùn)動目標(biāo)特征值與動作行為數(shù)據(jù)庫進(jìn)行比對后，獲得其所處的變化區(qū)間；

獲取該變化區(qū)間對應(yīng)的哭聲狀態(tài)，并判斷其是否與從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)一致，若是，則校驗(yàn)結(jié)束，反之，統(tǒng)計(jì)預(yù)設(shè)時(shí)間閾值內(nèi)，從實(shí)時(shí)的嬰兒啼哭聲信號識別獲得的多個(gè)哭聲狀態(tài)和從實(shí)時(shí)的嬰兒動作圖像識別獲得的多個(gè)哭聲狀態(tài)，并將出現(xiàn)次數(shù)最多的哭聲狀態(tài)作為校驗(yàn)后的哭聲狀態(tài)。

本發(fā)明的哭聲識別器的有益效果是：本哭聲識別器通過基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法對嬰兒啼哭聲信號識別獲得對應(yīng)的哭聲狀態(tài)，并結(jié)合嬰兒的動作圖像進(jìn)行校驗(yàn)后，獲得校驗(yàn)后的哭聲狀態(tài)，從而發(fā)出對應(yīng)的提示信號，并通知用戶綁定的用戶手機(jī)、平板電腦或電腦終端，使得家長及時(shí)、快速地獲知嬰兒啼哭聲對應(yīng)的哭聲需求，而且本哭聲識別器具有便攜式結(jié)構(gòu)，便于攜帶，家長可以攜帶到家里、戶外、商場等各種場所進(jìn)行使用，簡單、方便。而且本哭聲識別器基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法進(jìn)行哭聲狀態(tài)識別，計(jì)算方法簡單，計(jì)算效率高，識別精度高，可及時(shí)提醒家長嬰兒的哭聲狀態(tài)，而結(jié)合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進(jìn)行校驗(yàn)，可以提高哭聲狀態(tài)識別的準(zhǔn)確度和精度，科學(xué)地識別獲得嬰兒啼哭聲對應(yīng)的需求狀態(tài)。

本發(fā)明的識別方法的有益效果是：本識別方法通過基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法對嬰兒啼哭聲信號識別獲得對應(yīng)的哭聲狀態(tài)，并結(jié)合嬰兒的動作圖像進(jìn)行校驗(yàn)后，獲得校驗(yàn)后的哭聲狀態(tài)，從而發(fā)出對應(yīng)的提示信號，并通知用戶綁定的用戶手機(jī)、平板電腦或電腦終端，使得家長及時(shí)、快速地獲知嬰兒啼哭聲對應(yīng)的哭聲需求。而且本識別方法基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法進(jìn)行哭聲狀態(tài)識別，計(jì)算方法簡單，計(jì)算效率高，識別精度高，可及時(shí)提醒家長嬰兒的哭聲狀態(tài)，而結(jié)合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進(jìn)行校驗(yàn)，可以提高哭聲狀態(tài)識別的準(zhǔn)確度和精度，科學(xué)地識別獲得嬰兒啼哭聲對應(yīng)的需求狀態(tài)。

附圖說明

圖1是本發(fā)明的一種便攜式嬰兒啼哭聲識別器的結(jié)構(gòu)框圖；

圖2是本發(fā)明的一種便攜式嬰兒啼哭聲識別器的識別方法的流程圖。

具體實(shí)施方式

參照圖1，本發(fā)明一種便攜式嬰兒啼哭聲識別器，包括本體、設(shè)置在本體上的顯示模塊、提示模塊、用于采集嬰兒的啼哭聲信號的聲音傳感器和用于采集嬰兒的動作圖像的圖像傳感器以及設(shè)置在本體內(nèi)的主控電路板，所述主控電路板上設(shè)有主控制器、存儲模塊、無線通信模塊和電源模塊，所述顯示模塊和提示模塊設(shè)置于醫(yī)院的護(hù)理站，所述顯示模塊、提示模塊、存儲模塊、無線通信模塊、電源模塊、聲音傳感器和圖像傳感器均與主控制器連接，所述無線通信模塊連接至智能手機(jī)、平板電腦或電腦終端，所述存儲模塊存儲有多個(gè)指令，所述主控制器用于加載所述多個(gè)指令從而執(zhí)行以下步驟：

實(shí)時(shí)獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)；

基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

基于校驗(yàn)后的哭聲狀態(tài)，發(fā)出對應(yīng)的提示信號，同時(shí)通知智能手機(jī)、平板電腦或電腦終端。這里的提示信號，可以是通過顯示終端顯示的提示信息，也可以是提示模塊顯示的提示信息，優(yōu)選的，提示模塊采用蜂鳴器和閃爍提示指示燈。因此，可以通過蜂鳴信號或者燈光閃爍進(jìn)行提示。

進(jìn)一步作為優(yōu)選的實(shí)施方式，所述哭聲狀態(tài)包括以下狀態(tài)中的任一種：饑餓、困倦、需要拍嗝、腸痙攣和不舒適。

進(jìn)一步作為優(yōu)選的實(shí)施方式，所述無線通信模塊采用藍(lán)牙通信模塊、wifi通信模塊或zig-bee通信模塊。

本哭聲識別器通過基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法對嬰兒啼哭聲信號識別獲得對應(yīng)的哭聲狀態(tài)，并結(jié)合嬰兒的動作圖像進(jìn)行校驗(yàn)后，獲得校驗(yàn)后的哭聲狀態(tài)，從而發(fā)出對應(yīng)的提示信號，并通知用戶綁定的用戶手機(jī)、平板電腦或電腦終端，使得家長及時(shí)、快速地獲知嬰兒啼哭聲對應(yīng)的哭聲需求，而且本哭聲識別器具有便攜式結(jié)構(gòu)，便于攜帶，家長可以攜帶到家里、戶外、商場等各種場所進(jìn)行使用，簡單、方便。而且本哭聲識別器基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法進(jìn)行哭聲狀態(tài)識別，計(jì)算方法簡單，計(jì)算效率高，識別精度高，而結(jié)合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進(jìn)行校驗(yàn)，可以提高哭聲狀態(tài)識別的準(zhǔn)確度和精度，科學(xué)地識別獲得嬰兒啼哭聲對應(yīng)的需求狀態(tài)。

參照圖2，本發(fā)明還提供了一種便攜式嬰兒啼哭聲識別器的識別方法，包括以下步驟：

實(shí)時(shí)獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)；

基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

基于校驗(yàn)后的哭聲狀態(tài)，發(fā)出對應(yīng)的提示信號，同時(shí)通知智能手機(jī)、平板電腦或電腦終端。

進(jìn)一步作為優(yōu)選的實(shí)施方式，還包括建立哭聲識別模型這一步驟，其包括步驟：

獲取多個(gè)嬰兒啼哭聲樣本信號，并標(biāo)注每個(gè)嬰兒啼哭聲樣本信號所對應(yīng)的哭聲狀態(tài)；

對每個(gè)嬰兒啼哭聲樣本信號進(jìn)行預(yù)處理后，計(jì)算獲得嬰兒啼哭聲樣本信號的反向梅爾頻率倒譜系數(shù)，并對反向梅爾頻率倒譜系數(shù)進(jìn)行離散化處理，得到反向梅爾頻率倒譜系數(shù)的離散值；

建立樣本數(shù)據(jù)庫，記錄下每個(gè)嬰兒啼哭聲樣本信號所對應(yīng)的哭聲狀態(tài)、反向梅爾頻率倒譜系數(shù)的離散值；

利用貝葉斯分類算法對樣本數(shù)據(jù)庫進(jìn)行處理后，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型。

進(jìn)一步作為優(yōu)選的實(shí)施方式，所述利用貝葉斯分類算法對樣本數(shù)據(jù)庫進(jìn)行處理后，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型這一步驟，具體包括步驟：

統(tǒng)計(jì)樣本數(shù)據(jù)庫中每個(gè)哭聲狀態(tài)所對應(yīng)的嬰兒啼哭聲樣本信號的數(shù)量，進(jìn)而計(jì)算樣本數(shù)據(jù)庫中每個(gè)哭聲狀態(tài)的統(tǒng)計(jì)概率；

統(tǒng)計(jì)每個(gè)哭聲狀態(tài)下的每個(gè)反向梅爾頻率倒譜系數(shù)的離散值所對應(yīng)的嬰兒啼哭聲樣本信號的數(shù)量，進(jìn)而計(jì)算每個(gè)哭聲狀態(tài)下的每個(gè)反向梅爾頻率倒譜系數(shù)的離散值的條件概率；

將計(jì)算得到的各個(gè)統(tǒng)計(jì)概率和條件概率作為貝葉斯分類模型的參數(shù)，建立貝葉斯分類模型，并將貝葉斯分類模型作為嬰兒哭聲識別模型。

進(jìn)一步作為優(yōu)選的實(shí)施方式，所述根據(jù)預(yù)設(shè)的基于貝葉斯分類算法建立的嬰兒哭聲識別模型，對反向梅爾頻率倒譜系數(shù)的離散值進(jìn)行分類處理，從而識別出該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)這一步驟，具體包括步驟：

針對該嬰兒啼哭聲信號的反向梅爾頻率倒譜系數(shù)的離散值，獲取其在嬰兒哭聲識別模型中對應(yīng)的每個(gè)哭聲狀態(tài)下的條件概率以及該哭聲狀態(tài)的統(tǒng)計(jì)概率，并計(jì)算兩者的乘積作為該嬰兒啼哭聲信號對應(yīng)于該哭聲狀態(tài)的分布概率；

比對該嬰兒啼哭聲信號對應(yīng)的每個(gè)哭聲狀態(tài)的分布概率，將分布概率最大的哭聲狀態(tài)作為該嬰兒啼哭聲信號所對應(yīng)的哭聲狀態(tài)。

進(jìn)一步作為優(yōu)選的實(shí)施方式，還包括建立預(yù)設(shè)的動作行為數(shù)據(jù)庫這一步驟，其包括步驟：

獲取多個(gè)嬰兒動作圖像，并標(biāo)注每個(gè)嬰兒動作圖像所對應(yīng)的哭聲狀態(tài)；

針對每個(gè)嬰兒動作圖像，對其進(jìn)行預(yù)處理后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，進(jìn)行運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值；

基于所有嬰兒動作圖像提取獲得的運(yùn)動目標(biāo)特征值，統(tǒng)計(jì)后獲得每個(gè)哭聲狀態(tài)對應(yīng)的運(yùn)動目標(biāo)特征值的變化區(qū)間；

將每個(gè)哭聲狀態(tài)與變化區(qū)間進(jìn)行關(guān)聯(lián)后，作為預(yù)設(shè)的動作行為數(shù)據(jù)庫。

進(jìn)一步作為優(yōu)選的實(shí)施方式，所述基于預(yù)設(shè)的動作行為數(shù)據(jù)庫，采用實(shí)時(shí)獲取的嬰兒動作圖像校驗(yàn)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)這一步驟，具體包括：

對實(shí)時(shí)獲取的嬰兒動作圖像進(jìn)行預(yù)處理后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，進(jìn)行運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值；

將計(jì)算獲得的運(yùn)動目標(biāo)特征值與動作行為數(shù)據(jù)庫進(jìn)行比對后，獲得其所處的變化區(qū)間；

獲取該變化區(qū)間對應(yīng)的哭聲狀態(tài)，并判斷其是否與從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)一致，若是，則校驗(yàn)結(jié)束，反之，統(tǒng)計(jì)預(yù)設(shè)時(shí)間閾值內(nèi)，從實(shí)時(shí)的嬰兒啼哭聲信號識別獲得的多個(gè)哭聲狀態(tài)和從實(shí)時(shí)的嬰兒動作圖像識別獲得的多個(gè)哭聲狀態(tài)，并將出現(xiàn)次數(shù)最多的哭聲狀態(tài)作為校驗(yàn)后的哭聲狀態(tài)。

針對每個(gè)嬰兒動作圖像，對其進(jìn)行預(yù)處理后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，進(jìn)行運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值的步驟，具體為：針對每個(gè)嬰兒動作圖像，對其進(jìn)行自適應(yīng)濾波預(yù)處理，實(shí)現(xiàn)降噪后，基于卡爾曼濾波器的自適應(yīng)背景估計(jì)差分法，對其進(jìn)行運(yùn)動區(qū)域標(biāo)記，進(jìn)而提取獲得每個(gè)運(yùn)動區(qū)域的位置、動作參數(shù)，實(shí)現(xiàn)運(yùn)動目標(biāo)檢測，提取獲得對應(yīng)的運(yùn)動目標(biāo)特征值。

本步驟中，進(jìn)行校驗(yàn)時(shí)，當(dāng)從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)為困倦狀態(tài)，而根據(jù)實(shí)時(shí)獲取的嬰兒動作圖像識別獲得的哭聲狀態(tài)為饑餓狀態(tài)時(shí)，則獲取預(yù)設(shè)時(shí)間閾值內(nèi)，例如預(yù)設(shè)的30秒時(shí)間內(nèi)，從實(shí)時(shí)的嬰兒啼哭聲信號識別獲得的多個(gè)哭聲狀態(tài)，假設(shè)共有8個(gè)饑餓狀態(tài)和2個(gè)困倦狀態(tài)，以及從實(shí)時(shí)的嬰兒動作圖像識別獲得的多個(gè)哭聲狀態(tài)，假設(shè)共有7個(gè)饑餓狀態(tài)和3個(gè)困倦狀態(tài)，則饑餓狀態(tài)的出現(xiàn)次數(shù)為15次，困倦狀態(tài)的出現(xiàn)次數(shù)為5次，從而獲取饑餓狀態(tài)作為校驗(yàn)后的哭聲狀態(tài)。通過本方式進(jìn)行校驗(yàn)，在判斷根據(jù)嬰兒動作識別獲得的哭聲狀態(tài)與根據(jù)嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)不同時(shí)，可以進(jìn)行糾錯(cuò)，獲取最為接近嬰兒需求的哭聲狀態(tài)。

本識別方法通過基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法對嬰兒啼哭聲信號識別獲得對應(yīng)的哭聲狀態(tài)，并結(jié)合嬰兒的動作圖像進(jìn)行校驗(yàn)后，獲得校驗(yàn)后的哭聲狀態(tài)，從而發(fā)出對應(yīng)的提示信號，并通知用戶綁定的用戶手機(jī)、平板電腦或電腦終端，使得家長及時(shí)、快速地獲知嬰兒啼哭聲對應(yīng)的哭聲需求。而且本識別方法基于反向梅爾頻率倒譜系數(shù)和貝葉斯分類算法進(jìn)行哭聲狀態(tài)識別，計(jì)算方法簡單，計(jì)算效率高，識別精度高，而結(jié)合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進(jìn)行校驗(yàn)，可以提高哭聲狀態(tài)識別的準(zhǔn)確度和精度，科學(xué)地識別獲得嬰兒啼哭聲對應(yīng)的需求狀態(tài)。

以上是對本發(fā)明的較佳實(shí)施進(jìn)行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實(shí)施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做出種種的等同變形或替換，這些等同的變型或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。

相關(guān)知識

《嬰幼兒常見病識別與應(yīng)對》1.2 嬰幼兒健康觀測.pdf
嬰兒的喂養(yǎng)知識大全 嬰兒護(hù)理健康
嬰兒游泳知識大全
嬰幼兒語言發(fā)育規(guī)律
母嬰護(hù)理知識大全
嬰兒護(hù)理（嬰兒護(hù)理知識大全）
5種因素導(dǎo)致寶寶夜啼 中醫(yī)哪些方法能治療
《嬰幼兒營養(yǎng)喂哺與健康成長》【價(jià)格 目錄 書評 正版】
嬰兒游泳好不好
及時(shí)識別新生兒健康問題

網(wǎng)址: 一種便攜式嬰兒啼哭聲識別器及其識別方法與流程 http://m.u1s5d6.cn/newsview112589.html