摘要
本发明公开了一种基于麦克风阵列与深度学习的暴力行为检测方法,属于智能安防技术领域。该方法包括:通过麦克风阵列进行声纹识别与声源定位,采用TDOA与GCC‑PHAT算法精确定位异常音频来源;利用数据预处理、梅尔频率倒谱系数等声学特征结合卷积循环神经网络,实现嘈杂环境下的异常声音识别。同时,针对监控视频采用三维卷积深度神经网络,融合空间和时间信息,智能检测多种暴力行为。系统结合音频与视频两种检测结果,当二者一致时即时报警,有效提升检测准确率和响应速度,降低误报率。该方法可广泛应用于公共场所、社区等智能安防场景,实现实时、自动、精准的暴力行为监测与预警。
技术关键词
麦克风阵列
深度学习模型
卷积循环神经网络
梅尔频率倒谱系数
三维卷积深度神经网络
视频数据解码
三维卷积神经网络
声学特征
智能安防技术
样本
异常声音
频谱特征
时域特征
残差网络
时序特征
算法
音频
系统为您推荐了相关专利信息
会议
人工智能模型
表情特征
深度学习模型
时间段
测点选取方法
概率密度函数
矩阵
变压器箱体
智能优化算法
北斗卫星导航系统
地磁活动指数
深度学习模型
电子
数据
生长预测模型
多光谱特征
指数
长短期记忆网络
多模态
融合人脸
关键点
音频特征
梅尔频率倒谱系数
轮廓特征