(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010198497.8
(22)申请日 2020.03.20
(71)申请人 万不知
地址 200120 上海市浦东新区高科西路
2111弄80号502室
(72)发明人 万不知　张颖　陈凌　陈不为　
万能　
(74)专利代理机构 绍兴市寅越专利代理事务所
(普通合伙) 33285
代理人 焦亚如
(51)Int.Cl.
G10L  25/03(2013.01)
G10L  25/15(2013.01)
G10L  25/18(2013.01)
G10L  25/63(2013.01)
G06N  20/10(2019.01)
(54)发明名称
一种宠物情绪识别方法及系统
(57)摘要
一种宠物情绪识别方法和系统，所述方法包
括以下步骤：S1、建立宠物语音情绪识别模型；
S2、采集宠物的语音，
根据所述识别模型判断宠物的情绪，得到宠物情绪识别结果；S3、呈现所述
宠物情绪识别结果；S4、根据所述宠物情绪识别
结果控制宠物辅助设备对所述宠物作出与所述
宠物情绪识别结果相对应的响应。本发明基于语
音对宠物的情绪进行识别，从而方便判断宠物情
绪状态并进行安抚。权利要求书1页  说明书7页  附图3页CN 111179965 A 2020.05.19
C N  111179965
A
1.一种宠物情绪识别方法，其特征在于，所述方法包括以下步骤：
S1、建立宠物语音情绪识别模型；
S2、采集宠物的语音，根据所述识别模型判断宠物的情绪，得到宠物情绪识别结果；S3、呈现所述宠物情绪识别结果；
S4、根据所述宠物情绪识别结果控制相关设备对所述宠物作出与所述宠物情绪识别结果相对应的响应。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：从宠物语音信号中提取特征参数，对所述特征参数进行统计分析和标注分类，基于机器学习算法，建立支持向量机SVM模型。
3.根据权利要求2所述的方法，其特征在于，所述步骤4后还包括，将所述宠物情绪识别结果/所述响应实时情况发送至指定接收端。
4.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：采集宠物语音信号，对语音信号进行预处理，所述预处理包括信号预加重、语音信号降噪、端点检测。
5.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：把不同情绪的特征参数进行归一化、降维处理后，进行训练，分别形成各自的模板库，将待识别情绪的特征参数与模板库中存在的模型进行匹配，得到所述宠物情绪识别结果。
6.根据权利要求1或3所述的方法，其特征在于，所述步骤S4包括：根据所述宠物情绪识别结果控制相关设备向宠物播放与所述情绪识别结果对应的主人语音，或者向所述宠物投送玩具或食物，或者在播放与所述情绪识别结果对应的主人语音预设次数后，再投送玩具和/或食物。
7.根据权利要求1或3所述的方法，其特征在于，所述步骤S3中呈现所述宠物情绪识别结果包括：将所述宠物情绪识别结果以文字/灯光/闪烁形式显示或语音形式播放。
8.一种宠物情绪识别系统，其特征在于，所述系统包括：
模型建立模块，用于建立宠物语音情绪识别模型；
情绪识别模块，用于采集宠物的语音，根据所述识别模型判断宠物的情绪，得到宠物情绪识别结果；
结果呈现模块，用于呈现所述宠物情绪识别结果；
控制模块，用于根据所述宠物情绪识别结果控制相关设备对所述宠物作出与所述宠物情绪识别结果相对应的响应。
9.根据权利要求8所述的系统，其特征在于，所述系统还包括通信模块，用于将所述宠物情绪识别结果/所述响应实时发送至指定接收端。
10.根据权利要求8或9所述的系统，其特征在于，所述响应包括：根据所述宠物情绪识别结果控制相关设备向宠物播放与所述情绪识别结果对应的主人语音，或者向所述宠物投送玩具或食物，或者在播放与所述情绪识别结果对应的主人语音预设次数后，再投送玩具和/或食物。
权　利　要　求　书1/1页CN 111179965 A
一种宠物情绪识别方法及系统vimeo 0006解决方法
技术领域
[0001]本发明涉及宠物情绪识别技术领域，尤其涉及一种基于语音的宠物情绪识别方法及系统。
背景技术
[0002]社会的进步，人们物质生活水平也不断提升，越来越多的家庭开始饲养宠物。宠物确实能够给人们带来身心的愉悦，提升人们关爱弱势体的主观能动性。然而，宠物也具有自身的情绪，一方面，有时宠物需要在主人离家的情况下独处在家，可能面对孤独、饥饿等情况导致的情绪不稳定；另一方面，宠物有时需要到室外活动，不可避免地与正在行走的生人产生接触。当宠物独处在家感到孤独时，可能需要安抚或投喂；当宠物在户外活动时，习性和行为往往不能够完全被主人控制，尤其是一些大型犬种，当宠物处于激动状态或者受到外界刺激时，人们不能够第一时间察觉，也就无法及时做出应对措施，
因此经常出现宠物咬伤路人的情况。经验丰富的宠物主人可以通过宠物声音的音调、音量、频次等，准确地判断宠物的情绪，从而给出有效的安抚方式，而这种能力不是每个宠物主人都拥有的。因而如何准确掌握宠物的情绪，以便更好的安抚和互动成为宠物主人想要解决的问题。
发明内容
[0003]针对现有技术的缺陷，本发明提出一种基于语音的宠物情绪识别方法及系统，通过选取基音频率、短时能量和共振峰三个反映宠物情绪状态的特征值，并对这三类特征参数进行统计分析和标注分类，基于机器学习算法，建立SVM模型，然后用标注分类好的数据样本对算法模型进行训练和测试，并基于该模型算法，对宠物的语音情绪信号进行识别，从而判断宠物是处于愤怒、高兴、饥饿或是平静状态，方便随时检测自己宠物的情绪状态并进行安抚。
[0004]根据本发明的一个方面，本发明提供了一种宠物情绪识别方法，所述方法包括以下步骤：
[0005]S1、建立基于语音的宠物情绪识别模型；
[0006]S2、采集宠物的语音，根据所述识别模型判断宠物的情绪，得到宠物情绪识别结果；
[0007]S3、呈现所述宠物情绪识别结果；
[0008]S4、根据所述宠物情绪识别结果控制宠物辅助设备对所述宠物作出与所述宠物情绪识别结果相对应的响应。
[0009]优选地，所述步骤S1包括：从宠物语音信号中提取特征参数，对所述特征参数进行统计分析和标注分类，基于机器学习算法，建立支持向量机SVM模型。
[0010]优选地，所述步骤4后，将所述宠物情绪识别结果/所述响应的实时情况发送至指定接收端。
[0011]优选地，所述步骤S1包括：采集宠物语音信号，对语音信号进行预处理，所述预处
理包括信号预加重、语音信号降噪、端点检测。
[0012]优选地，所述步骤S2包括：把不同情绪的特征参数进行归一化、降维处理后，进行训练，分别形成各自的模板库，将待识别情绪的特征参数与模板库中存在的模型进行匹配，得到所述宠物情绪识别结果。
[0013]优选地，所述步骤S3中呈现所述宠物情绪识别结果包括：将所述宠物情绪识别结果以文字/灯光/闪烁形式显示或语音形式播放。
[0014]优选地，所述步骤S4中的所述响应包括：根据所述宠物情绪识别结果控制相关设备向宠物播放与
所述情绪识别结果对应的主人语音，或者向所述宠物投送玩具或食物，或者在播放与所述情绪识别结果对应的主人语音预设次数后，再投送玩具和/或食物。[0015]根据本发明的另一个方面，本发明还提供了一种宠物情绪识别系统，所述系统包括：
[0016]模型建立模块，用于建立基于语音的宠物情绪识别模型；
[0017]情绪识别模块，用于采集宠物的语音，根据所述识别模型判断宠物的情绪，得到宠物情绪识别结果；
[0018]结果呈现模块，用于呈现所述宠物情绪识别结果；
[0019]控制模块，用于根据所述宠物情绪识别结果控制宠物辅助设备对所述宠物作出与所述宠物情绪识别结果相对应的响应。
[0020]优选地，所述系统还包括通信模块，用于将所述宠物情绪识别结果/所述响应的实时情况发送至指定接收端。
[0021]优选地，所述情绪识别模块还用于：把不同情绪的特征参数进行归一化、降维处理后，进行训练，分别形成各自的模板库，将待识别情绪的特征参数与模板库中存在的模型进行匹配，得到所述宠物情绪识别结果；
[0022]所述结果呈现模块还用于：将所述宠物情绪识别结果以文字/灯光/闪烁形式显示或语音形式播放。
[0023]本发明的有益效果：通过选取基音频率、短时能量和共振峰三个反映宠物情绪状态的特征值，并对这三类特征参数进行统计分析和标注分类，基于机器学习算法，建立SVM 模型，然后用标注分类好的数据样本对算法模型进行训练和测试，并基于该模型算法，对宠物的语音情绪信号进行识别，从而判断宠物是处于愤怒、高兴、或是平静状态，方便宠物主人随时检测自己宠物的情绪状态。
[0024]通过参照以下附图及对本发明的具体实施方式的详细描述，本发明的特征及优点将会变得清楚。
附图说明
[0025]图1是本发明的基于语音的宠物情绪识别方法流程示意图；
[0026]图2是本发明的降噪前后信号波形对比图；
[0027]图3是本发明的语音端点检测过程示意图；
[0028]图4是本发明的提取基音频率过程示意图；
[0029]图5是本发明的二叉树SVM多分类示意图；
[0030]图6是本发明的基于语音的宠物情绪识别系统示意图。
具体实施方式
[0031]下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0032]除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0033]如图1，本发明提出了一种基于语音的宠物情绪识别方法，所述方法包括以下步骤：
[0034]S1、建立基于语音的宠物情绪识别模型；
[0035]优选地，所述步骤S1包括：采集宠物语音信号，对语音信号进行预处理，所述预处理包括信号预加重、语音信号降噪、端点检测。
[0036]具体地，原始的语音信号不仅包含语音信息，还会有噪音掺杂在其中，而且，不同语音信号的声
音质量有好有差，这给信号的识别和特征提取带来很大的麻烦。为了改善语音信号的质量、提高信号的识别度、获得统一的信号格式，必须对已有的语音信号进行预处理，这是获得便于进行语音信号特征提取和后续情绪状态识别的前提与基础。
[0037]本发明的基于语音的宠物情绪识别预处理方法主要的处理过程包括预加重、降噪、端点检测等。
[0038]1、信号预加重
[0039]声音信号的频率越高，则该信号对应的平均功率谱成分就会越小，通常情况下，低频部分相对于高频部分来说更容易求得，这是由于声门激励和口鼻辐射带来的影响。因此，为了消除声门激励和口鼻辐射对声音信号处理带来的不良影响，使用预加重将声音信号的频谱变得更加平坦，这样其高频部分的分辨率就能够显著提高，声音信号的特征提取就会更加的便利。
[0040]2、语音信号降噪
[0041]语音信号在采集传输时往往会伴随加噪声，这样不仅影响了语音的质量，严重时更有可能还会干扰语音的正常接收，所以，在语音信号分析过程中解决语音信号的噪声，降噪过程是必不可少的。
[0042]本发明中采用基于小波变换的语音信号降噪方法，在去掉高频噪声同时也保留了信号的高频有效成分，解决了傅里叶变换方法中时域瞬间变化无法及时完全反映在频域的问题，降噪时小波法比傅里叶
变换法更有效。
[0043]通常来讲，一维信号降噪过程可以具体分为如下三个步骤：
[0044](1)对语音信号进行小波分解。选择一个小波并确定分解层数及层次，然后进行分解计算。
[0045](2)对小波分解的高频系数进行阙值量化。每个分解尺度下的高频系数相应选择一个阙值，然后进行软阙值量化处理。
[0046](3)重构一维小波。在小波分解时，会在底层产生低频系数，在各层产生高频系数。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。