哭声

摘要： “妹妹,孩子是正常的!”这是美丽姐从我腹中抱出孩子后,跟我说的第一句话。我一听,高悬了9个月的心,顿时放下了。随即,一阵疲惫,使我昏昏欲睡。但是,孩子的哭声立刻惊醒了我。

摘要： 世界上有各种各样的妖怪,有爱吃小孩的妖怪,有爱吃帽子的妖怪,有爱吃梦的妖怪,还有爱吃哭声的妖怪。古拉拉就是一个爱吃哭声的妖怪。瞧,他又在吓唬胆小的孩子了。

摘要： 周日下午,我一边写作业一边嚼(jiáo)糖果,突然觉得嘴巴被一个硬硬的东西硌了一下,猛地一疼。我赶紧吐出来,哎呀,是一颗白白的乳牙,还流了好多血。我吓得哇哇大哭起来。妈妈听到哭声,过来安慰我:“换牙是好事儿,说明你长大了!乳牙掉后,长出来的恒牙会更加坚固。”

摘要： 笑和哭很相似。它们常常由相同的原因引起,大都是对挫折和疲惫的反应。虽然二者看起来和听起来差不多,并且具有许多相同的功能。一个重要的差别使笑比哭的作用更大,不过在讨论这个重要差别之前,让我们先来看看笑和哭之间的联系。

摘要： 啼哭方面的异常情况表现婴幼儿用啼哭表达他的需求,婴幼儿饿了、渴了、热了、冷了,又无法用语言进行表述时,都会以哭来表达。正常情况下婴幼儿的哭声是清脆、响亮、悦耳的,当其需求获得满足时就会破涕为笑。婴幼儿哭声洪亮,在哭叫的同时头部来回转动,不停地寻找,并做出吸吮动作,这表明婴幼儿饿了。

摘要： 第一次去上学的时候,我哭了整整一个早上。老师让做上课笔记,我拿着中华小铅笔,边写边哭;老师让跟着读拼音,我张着嘴大声朗读,边喊边哭。那时候,外婆就站在教室后门口,一直看着我。老师受不了我的哭声,示意外婆进来哄哄我。

摘要： 本发明公开了一种能识别婴儿哭声的婴儿监护器，包括主控模块、婴儿哭声识别模块和短信发送模块，其中婴儿哭声识别模块实时采集周围环境中的语音信息，并对语音信息进行处理，将婴儿的哭声与环境中的其他声音区分开，将婴儿哭闹信息发送给主控模块；主控模块向预设的手机号码发送警报短信。本发明的系统及方法，能够实时监控婴儿是否哭闹，自动化程度高、使用方便。

摘要： 本发明提供了一种哭声原因模型建立方法、系统及哭声原因辨别方法，涉及语音识别技术领域，该哭声原因模型建立方法包括获取哭声数据；该哭声数据为包含至少一种哭声原因的数据；根据该哭声数据提取每种哭声原因的数据对应的语音特征；利用每种哭声原因对应的语音特征分别训练高斯混合模型以得到每种哭声原因对应的哭声原因模型。本发明实施例提供的哭声原因模型建立方法、系统及哭声原因辨别方法，通过对哭声特征的提取，并对不同哭声原因进行建模，实现了对哭声原因的辨别，并更准确地辨别哭声原因。

摘要： 本发明提供一种哭声辨识系统与哭声辨识方法。哭声辨识系统包括哭声数据库、收音单元、处理单元、输出单元、输入单元以及安抚装置。哭声数据库用于储存哭声样本，哭声样本分别对应一个哭声原因。收音单元取得哭声信号。处理单元基于哭声样本判断哭声信号所对应的哭声原因。当不能基于哭声样本判断哭声信号所对应的哭声原因时，处理单元藉由输出单元提供提示信息。提供提示信息后，当处理单元藉由输入单元检测到任一哭声原因被输入时，将哭声信号对应至被输入的哭声原因，并且将哭声信号作为哭声样本存入哭声数据库。处理单元更基于哭声原因启动安抚装置。本发明适于由婴儿的哭声辨识婴儿哭泣的原因，藉以提供较佳的哭声辨识效果。

摘要： 本发明公开了一种能识别婴儿哭声的婴儿监护器，包括主控模块、婴儿哭声识别模块和短信发送模块，其中婴儿哭声识别模块实时采集周围环境中的语音信息，并对语音信息进行处理，将婴儿的哭声与环境中的其他声音区分开，将婴儿哭闹信息发送给主控模块；主控模块向预设的手机号码发送警报短信。本发明的系统及方法，能够实时监控婴儿是否哭闹，自动化程度高、使用方便。

摘要： 本发明公开了一种基于特征图轻量卷积变换的婴儿哭声情感识别方法，包括下列步骤：首先，对婴儿哭声样本进行数据增强；然后，对哭声样本进行预处理，包括分帧和加窗；接着，提取对数梅尔频谱特征；然后，将对数梅尔谱特征输入特征图轻量卷积变换神经网络，在特征图轻量卷积层进行特征图变换，并在输出层得到哭声情感识别结果。本发明设计的神经网络采用轻量卷积变换层进行特征图变换，具有参数量少和计算复杂度低的优点，能被有效部署在计算资源有限的终端，同时获得较高的识别准确率。

摘要： 本发明涉及一种基于神经网络的婴儿哭声识别方法，首先获取不同类型的婴儿哭声音频和非婴儿哭声音频数据，并进行预处理；然后进行fbank特征提取；采用长短时特征融合的方法得到训练模型；将所有训练模型放置到神经网络中进行训练，通过模型综合投票技术将不同训练模型加权平均得到最终的预测模型；将预测模型由浮点模型转为定点模型，以便于嵌入式移植；利用拾音器采集环境音频数据，并判断环境音频数据是否为静音，如果不是静音则对其进行特征提取，然后利用步骤七得到的定点模型进行判断是否有婴儿哭声，若有婴儿哭声，则利用定点模型判断出婴儿哭声种类；根据不同种类婴儿哭声进行不同方式的安抚。本哭声识别方法具有简单可靠的优点。

摘要： 本发明涉及互联网技术领域，公开了一种融合GMM模型和HMM模型的婴儿哭声检测方法，包括以下步骤：建立短哭声数据模型C1；建立中哭声数据模型C2；建立长哭声数据模型C3：将上述得到的每种哭声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的HMM模型；建立短噪声数据模型N1；建立中噪声数据模型N2：建立长噪声数据模型N3：将上述得到的每种噪声数据模型，分别针对多条婴儿哭声声音进行识别训练测试，通过训练得到其对应的GMM模型,能够充分利用GMM模型。本发明的技术方案能够显著提高哭声检测准确率，降低虚警率和漏报率。

摘要： 本发明涉及人工智能技术领域，公开了一种哭声识别方法、装置、设备及存储介质，所述方法包括：从待识别多媒体文件中提取待识别声音数据；根据待识别声音数据生成待识别声谱；根据预设哭声识别模型对待识别声谱进行识别，以获得哭声识别结果。由于现有技术中，需要通过人为主动观察监控录像，进而判定是否存在哭声情况，但这样不仅会导致哭声识别效率低下，还会导致哭声检测结果不精准，而本发明中将待识别声谱输入至预设哭声识别模型中，以获得哭声识别结果，实现了精准获取哭声识别结果，提高了哭声识别效率。

摘要： 本发明适用于音频处理技术领域，提供了一种哭声检测模型的训练方法、装置、电子设备及存储介质，该方法包括：获取训练数据集，训练数据集中包括每个训练样本对应的音频级别的标签、段级别的标签以及音频特征，使用训练数据集对预先构建好的哭声检测模型进行训练，得到训练好的哭声检测模型，从而通过双标签联合训练哭声检测模型，在兼顾数据集不足的同时，提高了哭声检测模型的训练效果。

摘要： 本发明公开一种基于Transformer融合模型的婴儿哭声分类方法；通过音频处理模块对输入的音频样本进行变换，得到音频的频谱图；将得到的频谱图通过预训练的Resnet‑50模型，得到频谱图特征；将得到的频谱图特征分别输入至频谱图增强模块和注意力机制模块，分别提取出数据增强后的特征表示和通道内和通道之间的可区分性特征表示；通过Transformer融合模块对双线性生成的特征表示进行融合，突出有用信息，抑制冗余信息，进一步增强特征图的表征能力；将融合后的特征图用于婴儿哭声分类，通过多次迭代训练得到最后分类结果。