一种电梯场景下语音AI分析呼救系统的制作方法

本发明属于呼救系统，具体涉及一种电梯场景下语音ai分析呼救系统。

背景技术：

1、随着国内城市化率的提高，高层小区的建设数量也与日俱增，电梯是每个高层小区不可或缺的部分，为居民们的日常出行提供了便利，同时它又是一个存在风险的场所，尽管在做好年检的情况下，电梯故障概率不高，但它的每次故障却关系着人民群众的生命财产安全，因此要未雨绸缪，设法将故障发生时的损害降到最小。

2、尽管传统的电梯本身安装配置有紧急通话按钮，然而同样存在着这样的风险，即当电梯发生意外故障时，若电梯内乘客为不懂得使用呼救按钮的老人和小孩，通话按钮形同虚设，一旦被困人员尝试扒开电梯门，或者在电梯内蹦跳，很容易造成更加严重的事故；同样地，若电梯发生坠落、冲顶的故障，电梯内乘客容易在失重、高加速度情况下造成晕厥，无法主动呼救。

3、现有技术cn112978533a中，提出一种电梯困人故障自动救援系统及其救援方法，并具体公开了ard应急救援装置，执行应急解困救援任务、轿厢升降组件，控制轿厢上行和下行、困人报警装置，发送困人报警求救信号等，然而该系统安装难度较大，安装方式不便，并且需要被困人主动通过困人报警装置报警，收到困人报警信号后，才能执行解困任务。

4、因此，考虑到这些潜在问题，传统电梯及其设施尽管设置了紧急通话以保障乘客，然而仍存在一些缺点，如：1、需要被困人主动呼救，未考虑到被困人无法呼救的情形；2、安装不便，容易对电梯运行造成不良影响；3、无法快速通知救助者进行施救。鉴于现有电梯呼救系统的不足，有必要做进一步改进。

技术实现思路

1、本发明的目的在于克服上述现有技术存在的不足，为解决呼救方式为手动，且呼救方式单一，导致在被困人无法主动呼救的场景下造成呼救延误的问题，而提供一种电梯场景下语音ai分析呼救系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种电梯场景下语音ai分析呼救系统，包括语音采集模块、语音ai处理模块、数据模型库、呼救响应模块、紧急救援模块和系统主控模块；

4、语音采集模块，用于实时采集电梯内的声音，并将其转化为数字语音信号后发送给语音ai处理模块；

5、语音ai处理模块，用于对数字语音信号进行识别、解析和判别，输出判别结果；

6、数据模型库，用于存储各类紧急情况的语音数据和训练完成的ai模型；

7、呼救响应模块，用于向电梯内乘客传递呼救信息；

8、紧急救援模块，用于启动电梯救援程序及外部人员救援流程；

9、系统主控模块，用于调控本系统的各个模块，控制采集、分析、呼救全流程。

10、优选地，语音ai采集分析呼救包括如下步骤：

11、s101：语音采集模块实时采集电梯内的源声音，形成语音流，通过语音采集模块内置的模数转换算法和降噪算法，得到可处理的数字信号；

12、s102：语音ai处理模块接收到模数转换并降噪后的数字信号，对信号进行特征提取，得到一组用于表示声音特征的特征系数；

13、最后，倒谱抬升后即可得到梅尔频率倒谱系数特征系数；

14、s103：数据模型库将提取的梅尔频率倒谱系数输入到分类模型中，分类模型经过计算及权重参数的组合，最终输出分类的结果，即与模型匹配的概率；

15、s104：系统主控模块监控分类模型的结果，若认定语音传感器采集的语音流为呼救声，则语音ai处理模块发出中断信号，系统主控模块接收信号，暂停当前任务并进入中断处理程序，调起紧急救援模块，启动救援程序，通知救援部门进行救援，并监控救援进度，调起呼救响应模块，通过主动通话，向电梯内乘客传递救援进度，待救援结束后，中断程序结束，跳转到s101。

16、优选地，降噪算法通过对输入信号进行离散小波变换，公式为：其中，h(n)为低通滤波器，g(n)为高通滤波器，a(k)为低频系数，d(k)为高频系数，x(n)表示输入信号，将输入信号分解成不同频率的子带，得到细节分量和近似分量，对细节分量进行如下式的软阈值处理：其中，d表示小波系数，thr表示阈值，对处理后的分量进行逆小波变换，将信号重构，为了使重构后的信号更加平滑，对重构后的信号进行如下式描述的均值滤波：其中，s(t)为转换前的一维信号，fs(t)为转换后的信号，信号的每时刻为t，用临近信号均值来平滑信号，然后输出最终降噪后的信号。

17、优选地，特征提取通过对信号进行预加重，提高语音信号高频部分的组成，使用如下所示的公式进行处理：f(n)＝x(n)-kx(n-1)，其中，语音信号的第n个采样点为x(n)，k为传递系数，取值为0～1间的任意数字；

18、预加重后对语音信号进行分窗，由于语音信号的不平稳，选取的音频窗口大小为15ms，在这个窗口做特征抽取的计算操作，形成一个窗口的特征点，然后时间点向后移动一个长度，取10ms，再取一个15ms的音频窗口，并做计算，重复以上操作。

19、优选地，分窗后对音频窗口进行加窗，由于人声信号的不平稳，选择汉宁窗进行处理：其中，原始音频窗口为x，窗函数长度为n，音频窗口序号为i，i＝0,1,2,3,…,n-1；

20、加窗后对语音信号进行傅里叶变换，使用短时傅里叶(stft)进行处理：

21、

22、其中，x(m)为输入信号，w(m)为窗函数，x(n,w)是时间n和频率w的二维函数。

23、优选地，分类模型使用的是三分类模型，当结果大于设置的上阈值时，认为匹配成功；当结果小于设置的下阈值时，认为匹配失败；当结果介于上下阈值中间的，作为模型的输入，手动标定并反馈于模型的训练。

24、优选地，采用放置在电梯不同位置的多个语音传感器，同时采集多通道声音信号，可使用独立成分分析算法进行高效分离，多通道声音信号分离出具有近似特征的声音后，进行相互参考，加强分离声音的置信度。

25、综上所述，由于采用了上述技术方案，本发明的有益效果是：

26、1、本发明将电梯内受困时的呼救方式改为自动呼救，同时呼救方式多样，解决了被困人无法主动呼救的场景下造成呼救延误的问题。

27、2、本发明通过将电梯内的声音转化为数字语音信号后进行识别、解析和判别，输出最终降噪后的信号，对信号进行特征提取后，得到反映声音特征的特征系数，分类模型经过计算及权重参数的组合，最终输出分类的结果，以阈值比较的方式反映匹配是否成功，以便精准高效的产生自动呼救，便于采取多样化的救援程序。

28、3、本发明采用人声分离的方法，利用放置在电梯不同位置的多个语音传感器，同时采集多通道声音信号，采用独立成分分析算法将同时采集到的多人声音进行分离操作，分离出具有近似特征的声音后，进行相互参考，加强分离声音的置信度，便于将提取出的特征系数与数据模型库进行精准判别，提高了多人同时呼救时声音交错场景下的声音提取判别精准度。

技术特征：

1.一种电梯场景下语音ai分析呼救系统，其特征在于，包括语音采集模块、语音ai处理模块、数据模型库、呼救响应模块、紧急救援模块和系统主控模块；

2.根据权利要求1所述的一种电梯场景下语音ai分析呼救系统，其特征在于，语音ai采集分析呼救包括如下步骤：

3.根据权利要求2所述的一种电梯场景下语音ai分析呼救系统，其特征在于，降噪算法通过对输入信号进行离散小波变换，公式为：其中，h(n)为低通滤波器，g(n)为高通滤波器，a(k)为低频系数，d(k)为高频系数，x(n)表示输入信号，将输入信号分解成不同频率的子带，得到细节分量和近似分量，对细节分量进行如下式的软阈值处理：其中，d表示小波系数，thr表示阈值，对处理后的分量进行逆小波变换，将信号重构，为了使重构后的信号更加平滑，对重构后的信号进行如下式描述的均值滤波：其中，s(t)为转换前的一维信号，fs(t)为转换后的信号，信号的每时刻为t，用临近信号均值来平滑信号，然后输出最终降噪后的信号。

4.根据权利要求2所述的一种电梯场景下语音ai分析呼救系统，其特征在于，特征提取通过对信号进行预加重，提高语音信号高频部分的组成，使用如下所示的公式进行处理：f(n)＝x(n)-kx(n-1)，其中，语音信号的第n个采样点为x(n)，k为传递系数，取值为0～1间的任意数字；

5.根据权利要求4所述的一种电梯场景下语音ai分析呼救系统，其特征在于，分窗后对音频窗口进行加窗，由于人声信号的不平稳，选择汉宁窗进行处理：其中，原始音频窗口为x，窗函数长度为n，音频窗口序号为i，i＝0,1,2,3,…,n-1；

6.根据权利要求2所述的一种电梯场景下语音ai分析呼救系统，其特征在于，分类模型使用的是三分类模型，当结果大于设置的上阈值时，认为匹配成功；当结果小于设置的下阈值时，认为匹配失败；当结果介于上下阈值中间的，作为模型的输入，手动标定并反馈于模型的训练。

7.根据权利要求1所述的一种电梯场景下语音ai分析呼救系统，其特征在于，采用放置在电梯不同位置的多个语音传感器，同时采集多通道声音信号，可使用独立成分分析算法进行高效分离，多通道声音信号分离出具有近似特征的声音后，进行相互参考，加强分离声音的置信度。

技术总结
本发明公开了一种电梯场景下语音AI分析呼救系统，涉及呼救系统技术领域；该电梯场景下语音AI分析呼救系统包括语音采集模块、语音AI处理模块、数据模型库、呼救响应模块、紧急救援模块和系统主控模块。语音采集模块用于实时采集电梯内的声音，并将其转化为数字语音信号后发送给语音AI处理模块；语音AI处理模块用于对数字语音信号进行识别、解析和判别，输出判别结果；呼救响应模块用于向电梯内乘客传递呼救信息；紧急救援模块用于启动电梯救援程序及外部人员救援流程。本发明的技术方案，在乘客受困时自动呼救，且呼救方式多样，解决了在被困人无法主动呼救的场景下造成呼救延误的问题。

技术研发人员：朱跃飞,周含奕
受保护的技术使用者：浙江新再灵科技股份有限公司
技术研发日：
技术公布日：2024/1/16