本發(fā)明涉及嬰兒聲音分析技術領域，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：

啼哭是嬰兒表達的唯一方式，是一種特殊的“語言”。嬰兒的哭聲有幾種基本表達，包括饑餓、困倦、需要拍嗝、腸痙攣和不舒適，現(xiàn)代科學研究表明，全世界的寶寶在3月齡前，嬰兒的哭聲根據(jù)嬰兒的當前狀態(tài)而存在固有的典型模式，可成人一般不能準確理解嬰兒啼哭的原因，不能了解嬰兒啼哭所反應的需求，這樣難免造成對嬰兒護理、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，經常需要經歷很長一段時間才能準確識別嬰兒啼哭聲，缺乏有效的提示、學習機制。

技術實現(xiàn)要素：

為了解決上述的技術問題，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)明解決其技術問題所采用的技術方案是：

一種便攜式嬰兒啼哭聲識別器，包括本體、設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置在本體內的主控電路板，所述主控電路板上設有主控制器、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置于醫(yī)院的護理站，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、平板電腦或電腦終端，所述存儲模塊存儲有多個指令，所述主控制器用于加載所述多個指令從而執(zhí)行以下步驟：

實時獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進行預處理后，計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)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(tài)；

基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

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

進一步，所述提示模塊采用蜂鳴器和閃爍提示指示燈。

進一步，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。

進一步，所述無線通信模塊采用藍牙通信模塊、wifi通信模塊或zig-bee通信模塊。

進一步，所述提示信號包括通過無線通信模塊發(fā)送到智能手機、平板電腦或電腦終端的實時通知信號。

本發(fā)明解決其技術問題所采用的另一技術方案是：

一種便攜式嬰兒啼哭聲識別器的識別方法，包括以下步驟：

實時獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進行預處理后，計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)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(tài)；

基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

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

進一步，還包括建立哭聲識別模型這一步驟，其包括步驟：

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

對每個嬰兒啼哭聲樣本信號進行預處理后，計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，記錄下每個嬰兒啼哭聲樣本信號所對應的哭聲狀態(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。

進一步，所述利用貝葉斯分類算法對樣本數(shù)據(jù)庫進行處理后，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)計樣本數(shù)據(jù)庫中每個哭聲狀態(tài)所對應的嬰兒啼哭聲樣本信號的數(shù)量，進而計算樣本數(shù)據(jù)庫中每個哭聲狀態(tài)的統(tǒng)計概率；

統(tǒng)計每個哭聲狀態(tài)下的每個反向梅爾頻率倒譜系數(shù)的離散值所對應的嬰兒啼哭聲樣本信號的數(shù)量，進而計算每個哭聲狀態(tài)下的每個反向梅爾頻率倒譜系數(shù)的離散值的條件概率；

將計算得到的各個統(tǒng)計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。

進一步，所述根據(jù)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(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的每個哭聲狀態(tài)下的條件概率以及該哭聲狀態(tài)的統(tǒng)計概率，并計算兩者的乘積作為該嬰兒啼哭聲信號對應于該哭聲狀態(tài)的分布概率；

比對該嬰兒啼哭聲信號對應的每個哭聲狀態(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的哭聲狀態(tài)。

進一步，還包括建立預設的動作行為數(shù)據(jù)庫這一步驟，其包括步驟：

獲取多個嬰兒動作圖像，并標注每個嬰兒動作圖像所對應的哭聲狀態(tài)；

針對每個嬰兒動作圖像，對其進行預處理后，基于卡爾曼濾波器的自適應背景估計差分法，進行運動目標檢測，提取獲得對應的運動目標特征值；

基于所有嬰兒動作圖像提取獲得的運動目標特征值，統(tǒng)計后獲得每個哭聲狀態(tài)對應的運動目標特征值的變化區(qū)間；

將每個哭聲狀態(tài)與變化區(qū)間進行關聯(lián)后，作為預設的動作行為數(shù)據(jù)庫。

進一步，所述基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗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：

對實時獲取的嬰兒動作圖像進行預處理后，基于卡爾曼濾波器的自適應背景估計差分法，進行運動目標檢測，提取獲得對應的運動目標特征值；

將計算獲得的運動目標特征值與動作行為數(shù)據(jù)庫進行比對后，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，則校驗結束，反之，統(tǒng)計預設時間閾值內，從實時的嬰兒啼哭聲信號識別獲得的多個哭聲狀態(tài)和從實時的嬰兒動作圖像識別獲得的多個哭聲狀態(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的哭聲狀態(tài)，并結合嬰兒的動作圖像進行校驗后，獲得校驗后的哭聲狀態(tài)，從而發(fā)出對應的提示信號，并通知用戶綁定的用戶手機、平板電腦或電腦終端，使得家長及時、快速地獲知嬰兒啼哭聲對應的哭聲需求，而且本哭聲識別器具有便攜式結構，便于攜帶，家長可以攜帶到家里、戶外、商場等各種場所進行使用，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行哭聲狀態(tài)識別，計算方法簡單，計算效率高，識別精度高，可及時提醒家長嬰兒的哭聲狀態(tài)，而結合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進行校驗，可以提高哭聲狀態(tài)識別的準確度和精度，科學地識別獲得嬰兒啼哭聲對應的需求狀態(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的哭聲狀態(tài)，并結合嬰兒的動作圖像進行校驗后，獲得校驗后的哭聲狀態(tài)，從而發(fā)出對應的提示信號，并通知用戶綁定的用戶手機、平板電腦或電腦終端，使得家長及時、快速地獲知嬰兒啼哭聲對應的哭聲需求。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行哭聲狀態(tài)識別，計算方法簡單，計算效率高，識別精度高，可及時提醒家長嬰兒的哭聲狀態(tài)，而結合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進行校驗，可以提高哭聲狀態(tài)識別的準確度和精度，科學地識別獲得嬰兒啼哭聲對應的需求狀態(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構框圖；

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置在本體內的主控電路板，所述主控電路板上設有主控制器、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置于醫(yī)院的護理站，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、平板電腦或電腦終端，所述存儲模塊存儲有多個指令，所述主控制器用于加載所述多個指令從而執(zhí)行以下步驟：

實時獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進行預處理后，計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)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(tài)；

基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

基于校驗后的哭聲狀態(tài)，發(fā)出對應的提示信號，同時通知智能手機、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行提示。

進一步作為優(yōu)選的實施方式，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。

進一步作為優(yōu)選的實施方式，所述無線通信模塊采用藍牙通信模塊、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的哭聲狀態(tài)，并結合嬰兒的動作圖像進行校驗后，獲得校驗后的哭聲狀態(tài)，從而發(fā)出對應的提示信號，并通知用戶綁定的用戶手機、平板電腦或電腦終端，使得家長及時、快速地獲知嬰兒啼哭聲對應的哭聲需求，而且本哭聲識別器具有便攜式結構，便于攜帶，家長可以攜帶到家里、戶外、商場等各種場所進行使用，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行哭聲狀態(tài)識別，計算方法簡單，計算效率高，識別精度高，而結合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進行校驗，可以提高哭聲狀態(tài)識別的準確度和精度，科學地識別獲得嬰兒啼哭聲對應的需求狀態(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：

實時獲取嬰兒的啼哭聲信號和動作圖像；

對嬰兒啼哭聲信號進行預處理后，計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)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(tài)；

基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗從嬰兒啼哭聲信號識別獲得的哭聲狀態(tài)；

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

進一步作為優(yōu)選的實施方式，還包括建立哭聲識別模型這一步驟，其包括步驟：

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

對每個嬰兒啼哭聲樣本信號進行預處理后，計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，記錄下每個嬰兒啼哭聲樣本信號所對應的哭聲狀態(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。

進一步作為優(yōu)選的實施方式，所述利用貝葉斯分類算法對樣本數(shù)據(jù)庫進行處理后，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)計樣本數(shù)據(jù)庫中每個哭聲狀態(tài)所對應的嬰兒啼哭聲樣本信號的數(shù)量，進而計算樣本數(shù)據(jù)庫中每個哭聲狀態(tài)的統(tǒng)計概率；

統(tǒng)計每個哭聲狀態(tài)下的每個反向梅爾頻率倒譜系數(shù)的離散值所對應的嬰兒啼哭聲樣本信號的數(shù)量，進而計算每個哭聲狀態(tài)下的每個反向梅爾頻率倒譜系數(shù)的離散值的條件概率；

將計算得到的各個統(tǒng)計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。

進一步作為優(yōu)選的實施方式，所述根據(jù)預設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)的離散值進行分類處理，從而識別出該嬰兒啼哭聲信號所對應的哭聲狀態(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的每個哭聲狀態(tài)下的條件概率以及該哭聲狀態(tài)的統(tǒng)計概率，并計算兩者的乘積作為該嬰兒啼哭聲信號對應于該哭聲狀態(tài)的分布概率；

比對該嬰兒啼哭聲信號對應的每個哭聲狀態(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的哭聲狀態(tài)。

進一步作為優(yōu)選的實施方式，還包括建立預設的動作行為數(shù)據(jù)庫這一步驟，其包括步驟：

獲取多個嬰兒動作圖像，并標注每個嬰兒動作圖像所對應的哭聲狀態(tài)；

針對每個嬰兒動作圖像，對其進行預處理后，基于卡爾曼濾波器的自適應背景估計差分法，進行運動目標檢測，提取獲得對應的運動目標特征值；

基于所有嬰兒動作圖像提取獲得的運動目標特征值，統(tǒng)計后獲得每個哭聲狀態(tài)對應的運動目標特征值的變化區(qū)間；

將每個哭聲狀態(tài)與變化區(qū)間進行關聯(lián)后，作為預設的動作行為數(shù)據(jù)庫。

進一步作為優(yōu)選的實施方式，所述基于預設的動作行為數(shù)據(jù)庫，采用實時獲取的嬰兒動作圖像校驗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：

對實時獲取的嬰兒動作圖像進行預處理后，基于卡爾曼濾波器的自適應背景估計差分法，進行運動目標檢測，提取獲得對應的運動目標特征值；

將計算獲得的運動目標特征值與動作行為數(shù)據(jù)庫進行比對后，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，則校驗結束，反之，統(tǒng)計預設時間閾值內，從實時的嬰兒啼哭聲信號識別獲得的多個哭聲狀態(tài)和從實時的嬰兒動作圖像識別獲得的多個哭聲狀態(tài)，并將出現(xiàn)次數(shù)最多的哭聲狀態(tài)作為校驗后的哭聲狀態(tài)。

針對每個嬰兒動作圖像，對其進行預處理后，基于卡爾曼濾波器的自適應背景估計差分法，進行運動目標檢測，提取獲得對應的運動目標特征值的步驟，具體為：針對每個嬰兒動作圖像，對其進行自適應濾波預處理，實現(xiàn)降噪后，基于卡爾曼濾波器的自適應背景估計差分法，對其進行運動區(qū)域標記，進而提取獲得每個運動區(qū)域的位置、動作參數(shù)，實現(xiàn)運動目標檢測，提取獲得對應的運動目標特征值。

本步驟中，進行校驗時，當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)實時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，則獲取預設時間閾值內，例如預設的30秒時間內，從實時的嬰兒啼哭聲信號識別獲得的多個哭聲狀態(tài)，假設共有8個饑餓狀態(tài)和2個困倦狀態(tài)，以及從實時的嬰兒動作圖像識別獲得的多個哭聲狀態(tài)，假設共有7個饑餓狀態(tài)和3個困倦狀態(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)作為校驗后的哭聲狀態(tài)。通過本方式進行校驗，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，可以進行糾錯，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的哭聲狀態(tài)，并結合嬰兒的動作圖像進行校驗后，獲得校驗后的哭聲狀態(tài)，從而發(fā)出對應的提示信號，并通知用戶綁定的用戶手機、平板電腦或電腦終端，使得家長及時、快速地獲知嬰兒啼哭聲對應的哭聲需求。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行哭聲狀態(tài)識別，計算方法簡單，計算效率高，識別精度高，而結合嬰兒的動作圖像對嬰兒的哭聲狀態(tài)進行校驗，可以提高哭聲狀態(tài)識別的準確度和精度，科學地識別獲得嬰兒啼哭聲對應的需求狀態(tài)。

以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領域的技術人員在不違背本發(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利要求所限定的范圍內。

相關知識

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

網址: 一種便攜式嬰兒啼哭聲識別器及其識別方法與流程 http://www.u1s5d6.cn/newsview112589.html