CN106971710A - 电力营业厅人员语音异常事件识别方法及装置 - Google Patents
电力营业厅人员语音异常事件识别方法及装置 Download PDFInfo
- Publication number
- CN106971710A CN106971710A CN201710154029.9A CN201710154029A CN106971710A CN 106971710 A CN106971710 A CN 106971710A CN 201710154029 A CN201710154029 A CN 201710154029A CN 106971710 A CN106971710 A CN 106971710A
- Authority
- CN
- China
- Prior art keywords
- voice
- short
- time energy
- module
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002547 anomalous effect Effects 0.000 title claims abstract description 41
- 230000005611 electricity Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 7
- 230000008451 emotion Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 206010027940 Mood altered Diseases 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002996 emotional effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000007510 mood change Effects 0.000 abstract description 3
- 230000036651 mood Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
- G10L15/05—Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Child & Adolescent Psychology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及服务水平评估技术领域,具体的说是一种基于短时能量语音特征的电力营业厅人员语音异常事件识别方法及装置,包括:语音预处理模块,主要对输入的语音进行使用前的预处理,语音预处理模块包含端点检测模块和去噪处理模块,其中端点检测模块是利用语音短时平均能量检测出语音的端点处,去噪处理模块对语音进行去噪处理;本发明能够智能分析营业员语音,当营业员情绪发生变化时可以智能提醒营业员注意控制当前情绪,以较好的服务态度为客户服务,提高客户满意度,对营业员异常情绪存档管理,可以为营业员业绩评定提高参考,起到良好的监督管理效果。
Description
技术领域
本发明涉及服务水平评估技术领域,具体的说是一种基于短时能量语音特征的电力营业厅人员语音异常事件识别方法及装置。
背景技术
企业的服务质量关系着企业的发展,如果服务做得不到位,就不能赢得客户和整个行业的口碑,没有好的口碑企业将无法长足发展。所以,企业的服务质量就显得至关重要。供电营业厅作为电力客户办理用电业务的服务窗口,直接与客户面对面打交道,工作人员的一言一行无不彰显着企业服务质量和国网品牌形象。营业人员的素质直接影响着供电服务质量,作为直接面向客户服务的营业人员,其服务态度的好坏关系着客户体验和服务质量。因此,实现对营业人员服务态度的监管,可作为提升其服务质量的有效手段之一。
对营业人员进行服务态度监管,可以采用的手段主要有两种:第一种是采集视频信息通过人工监管的方式,根据视频监控,通过营业员的面部表情、动作等信息判断营业员的服务态度,这种方式需要人工坚守,增加了人工成本,而且由于人自身生理上的弱点,无法察觉细小的情节,从而导致管理上的疏漏,使得管理效率比较低。第二种方式是采集营业员的语音对话,通过分析语音来判断营业员当前的情绪状态,这种方式实现简单,无需人工坚守、轮训,***自动分析推送异常信息。
在对营业员情绪进行监管时,采用智能音频分析,具有直观、准确、及时和内容丰富等优越性。语音中的短时能量表现为声音的响度,当人处于愤怒等激动情绪时声音的响度会增大很多,因此利用语音的短时能量特征值判断营业员的情绪变化,具有很好的区分性。
发明内容
为解决上述问题,提出一种基于短时能量的电力营业厅人员语音异常事件识别方法及装置,通过对电力营业员的语音分析,监控营业员服务态度,当营业员出现异常情绪时将异常情绪事件存档,作为考核营业员的参考。
为实现上述目的,本发明采用如下方案:
一种电力营业厅人员语音异常事件识别方法,包含以下步骤:
步骤A,对输入的语音进行预处理,主要是对语音进行端点检测和去噪处理,然后输出处理后的语音,
步骤B,将预处理后的语音进行分割,截取成大小相同的语音段,计算每个语音段的短时能量特征值,输出每个语音段及其短时能量特征值,
步骤C,接收步骤B输出的数据,将第一段语音段的短时能量特征值作为参照值,其他语音段的短时能量特征值分别与参照值进行比较,判断每个语音段的异常情况,输出异常语音段,
步骤D,处理异常事件,对步骤C输出的异常语音进行数据存储,将异常事件信息推送给管理员进行核实。
所述步骤A中,对语音的端点检测主要包括以下步骤:
步骤A1,利用迭代算法训练无声语音段和有声语音段的短时平均能量过度阈值,
步骤A2,分帧处理待检测的语音,提取语音的第一帧,
步骤A3,计算已提取帧的短时平均能量值,判断是否超过过度阈值,没有超过,提取下一帧,继续执行步骤A3,超过则说明该帧时语音段的端点,执行步骤A4,
步骤A4,输出检测到的端点后的语音。
所述步骤A1中的迭代算法,具体实现步骤如下:
A1.1采集数量相同的无声语音段和有声语音段训练样本,
A1.2计算每个语音段的短时能量特征值,依据计算,其中w(n)为窗函数,N为窗长,
A1.3求无声语音段的平均短时能量值M1和有声语音段的平均短时能量值M2,设定M=(M1+M2)/2为初始阈值,
A1.4所有测试样本,如果其短时能量值大于阈值M判定为有声,否则判定为无声,
A1.5根据判断结果与样本数据,计算判断的有声语音与无声语音的准确率,
A1.6如果无声语音的准确率大于有声语音的准确率,则向下调整阈值M,执行A1.4,如果无声语音的准确率小于有声语音的准确率向上调整阈值M,执行A1.4。当无声语音的准确率大于有声语音的准确率相同时则返回阈值M为有声语音和无声语音过度阈值。
所述步骤B中,将预处理后的语音进行分割,截取成大小相同的语音段,计算每个语音段的短时能量特征值,输出每个语音段及其短时能量特征值,主要实现步骤如下:
B1,将预处理后的语音分割成时间段相同的语音段,按语音段的起始时间命名该语音段,
B2,计算每段语音的短时能量特征值,通过计算,其中w(n)为窗函数,N为窗长,
B3,将每个语音段及其短时能量特征值输出,
所述步骤C中,接收步骤B输出的数据,将第一段语音段的短时能量特征值作为参照值,其他语音段的短时能量特征值分别与参照值进行比较,判断每个语音段的异常情况,输出异常语音段。主要步骤如下:
C1,在B2输入的语音段中,选取其中时间最早的第一个语音段的短时能量特征值作为判定语音段是否异常的参照值,
C2,其他每个语音段的短时能量特征值与选取的参照值做除法的到一个比值。
C3,设定一个阈值,如果C2中得到的比值小于该阈值,则语音段正常,否则该语音段异常,将异常语音输出,
其中C3中阈值的设定,是根据大量生气的语音段的短时能量值的平均值与大量平静的语音段的短时能量值的平均值做比值得到的。
所述步骤D中,处理异常事件,对步骤C输出的异常语音进行数据存储,将异常事件信息推送给管理员进行核实。具体步骤如下:
D1,将C中输出的异常语音段存入分布式文件***,返回该异常语音段的地址,
D2,将异常语音段在分布式文件***中的地址存入本地数据库中,
D3,将该异常事件推送给管理员进行核实,管理员根据数据库地址获取到异常语音段核实是否异常。
基于短时能量的营业厅人员语音异常事件识别装置,包括:
语音预处理模块,主要对输入的语音进行使用前的预处理,语音预处理模块包含端点检测模块和去噪处理模块,其中端点检测模块是利用语音短时平均能量检测出语音的端点处,去噪处理模块对语音进行去噪处理;
特征提取模块,主要实现语音短时能量特征值的计算,从语音端点处开始连续截取相同长度的语音段,计算每个语音段的短时能量值;
异常事件判断模块,根据特征提取模块得出的每个语音段的短时能量值,判断该语音段的两种状态,设定一个阈值,如果语音的短时能量值大于该阈值,则判定为异常状态,否则,判定为正常状态;
异常事件处理模块,该模块根据异常事件判断模块输入的异常事件做出响应,将该异常语音上传至文件存储***模块,语音地址存储在本地数据库;
文件存储***模块,该模块采用分布式文件存储***,用于存储异常语音段;
数据库模块,本地数据库用于存储异常语音段在文件存储***中的地址。
本发明的有益效果:
智能分析营业员语音,当营业员情绪发生变化时可以智能提醒营业员注意控制当前情绪,以较好的服务态度为客户服务,提高客户满意度。
对营业员异常情绪存档管理,可以为营业员业绩评定提高参考,起到良好的监督管理效果。
附图说明:
图1基于短时能量的电力营业厅人员语音异常事件识别装置
图2基于短时能量的电力营业厅人员语音异常事件识别方法流程图
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
如图1所示,是基于短时能量的电力营业厅人员语音异常事件识别装置,主要包括:
语音预处理模块,将输入的语音进行预处理,检测出语音的端点,并对输入的语音进行去噪处理。语音预处理模块包含端点检测模块和去噪模块,端点检测模块是利用语音的短时平均能量值来确定语音的端点处;去噪模块是去除语音中的噪声;
特征提取模块,该模块实现对语音段的短时能量特征值的计算,首先对语音进行等长分割处理,截取一定长度的语音段,然后计算该语音段的短时能量值,并交给异常事件判断模块判断该语音的状态;
异常事件判断模块,根据特征提取模块得出的语音段的短时能量值,判断该语音段的状态,分正常与异常两种状态。以语音的最开始的第一段作为参考,因为对话开始时营业员情绪都是比较平静的,随后每一段语音段与第一段语音段对比,如果比值超过设定阈值,则判断为异常。该阈值是利用大量愤怒语音段的平均短时能量值与相同数量的平静语音段的平均短时能量值做比值得出的;
异常事件处理模块,该模块根据异常事件判断模块输入的异常事件做出响应,将该异常语音上传至文件存储***模块,语音地址存储在本地数据库;
文件存储***模块,该模块采用分布式文件存储***,用于存储异常语音段,在需要查看的时候可以随时调出。随着数据量的增长,分布式存储***可以很好的应对存储容量小、数据增长快、数据备份、数据安全等方面的问题;
数据库模块,本地数据库用于存储异常语音段在文件存储***中的地址,在进行异常语音段查询时,首先在本地数据库查找到语音段在文件存储***的地址,然后根据地址查看语音段内容。
如图2所示,是基于短时能量的电力营业厅人员语音异常事件识别方法流程图,流程如下:
步骤101,对输入的语音进行预处理,主要是对语音进行端点检测和去噪处理,然后输出处理后的语音。端点检测:首先利用迭代算法训练无声语音段和有声语音段的短时平均能量过度阈值,采集50个无声语音段和50个有声语音段训练样本,计算每个语音段的短时能量特征值,求无声语音段的平均短时能量值M1和有声语音段的平均短时能量值M2,设定M=(M1+M2)/2为初始阈值。判断所有测试样本,如果其短时能量值大于阈值M判定为有声,否则判定为无声。计算判断的有声语音与无声语音的准确率,如果无声语音的准确率大于有声语音的准确率,则向下调整阈值M,继续判断样本,如果无声语音的准确率小于有声语音的准确率向上调整阈值M,继续判断样本。当无声语音的准确率大于有声语音的准确率相同时则返回阈值M为有声语音和无声语音过度阈值。然后分帧处理待检测的语音,提取语音的所有帧并计算所有帧的短时平均能量值,从第一帧开始逐帧判断是否超过过度阈值,超过则说明该帧是语音段的端点,输出检测到的端点后的语音。
步骤102,将预处理后的语音进行分割,按语音顺序依次截取5s长的语音段,并以语音段开始时间命名,计算每个语音段的短时能量特征值,输出每个语音段及其短时能量特征值。
步骤103,接收步骤102输出的数据,将第一段语音段的短时能量特征值作为参照值,其他语音段的短时能量特征值分别与参照值进行做除法得到一个比值,设定一个阈值,该阈值根据50个生气的语音段的短时能量值的平均值与50个平静的语音段的短时能量值的平均值做比值得到的。如果得到的比值小于该阈值,则语音段正常,否则该语音段异常,将异常语音输出。
步骤104,处理异常事件,对步骤103输出的异常语音存入分布式文件***,返回该异常语音段的地址。将该地址存入本地数据库中。将该异常事件推送给管理员进行核实,管理员根据数据库地址获取到异常语音段核实是否异常。
本发明的有益效果:
智能分析营业员语音,当营业员情绪发生变化时可以智能提醒营业员注意控制当前情绪,以较好的服务态度为客户服务,提高客户满意度。
对营业员异常情绪存档管理,可以为营业员业绩评定提高参考,起到良好的监督管理效果。
Claims (7)
1.一种电力营业厅人员语音异常事件识别方法,其特征在于包含以下步骤:
步骤A,对输入的语音进行预处理,主要是对语音进行端点检测和去噪处理,然后输出处理后的语音,
步骤B,将预处理后的语音进行分割,截取成大小相同的语音段,计算每个语音段的短时能量特征值,输出每个语音段及其短时能量特征值,
步骤C,接收步骤B输出的数据,将第一段语音段的短时能量特征值作为参照值,其他语音段的短时能量特征值分别与参照值进行比较,判断每个语音段的异常情况,输出异常语音段,
步骤D,处理异常事件,对步骤C输出的异常语音进行数据存储,将异常事件信息推送给管理员进行核实。
2.根据权利要求1所述的一种电力营业厅人员语音异常事件识别方法,其特征在于所述步骤A中,对语音的端点检测主要包括以下步骤:
步骤A1,利用迭代算法训练无声语音段和有声语音段的短时平均能量过度阈值,
步骤A2,分帧处理待检测的语音,提取语音的第一帧,
步骤A3,计算已提取帧的短时平均能量值,判断是否超过过度阈值,没有超过,提取下一帧,继续执行步骤A3,超过则说明该帧时语音段的端点,执行步骤A4,
步骤A4,输出检测到的端点后的语音。
3.根据权利要求2所述的一种电力营业厅人员语音异常事件识别方法,其特征在于步骤A1中的迭代算法,具体实现步骤如下:
A1.1采集数量相同的无声语音段和有声语音段训练样本,
A1.2计算每个语音段的短时能量特征值,依据计算,其中w(n)为窗函数,N为窗长,
A1.3求无声语音段的平均短时能量值M1和有声语音段的平均短时能量值M2,设定M=(M1+M2)/2为初始阈值,
A1.4所有测试样本,如果其短时能量值大于阈值M判定为有声,否则判定为无声,
A1.5根据判断结果与样本数据,计算判断的有声语音与无声语音的准确率,
A1.6如果无声语音的准确率大于有声语音的准确率,则向下调整阈值M,执行A1.4,如果无声语音的准确率小于有声语音的准确率向上调整阈值M,执行A1.4。当无声语音的准确率大于有声语音的准确率相同时则返回阈值M为有声语音和无声语音过度阈值。
4.根据权利要求1所述的一种电力营业厅人员语音异常事件识别方法,其特征在于所述步骤B中,将预处理后的语音进行分割,截取成大小相同的语音段,计算每个语音段的短时能量特征值,输出每个语音段及其短时能量特征值,主要实现步骤如下:
B1,将预处理后的语音分割成时间段相同的语音段,按语音段的起始时间命名该语音段,
B2,计算每段语音的短时能量特征值,通过计算,其中w(n)为窗函数,N为窗长,
B3,将每个语音段及其短时能量特征值输出。
5.根据权利要求1所述的一种电力营业厅人员语音异常事件识别方法,其特征在于所述步骤C中,接收步骤B输出的数据,将第一段语音段的短时能量特征值作为参照值,其他语音段的短时能量特征值分别与参照值进行比较,判断每个语音段的异常情况,输出异常语音段。主要步骤如下:
C1,在B2输入的语音段中,选取其中时间最早的第一个语音段的短时能量特征值作为判定语音段是否异常的参照值,
C2,其他每个语音段的短时能量特征值与选取的参照值做除法的到一个比值。
C3,设定一个阈值,如果C2中得到的比值小于该阈值,则语音段正常,否则该语音段异常,将异常语音输出,
其中C3中阈值的设定,是根据大量生气的语音段的短时能量值的平均值与大量平静的语音段的短时能量值的平均值做比值得到的。
6.根据权利要求1所述的一种电力营业厅人员语音异常事件识别方法,其特征在于所述步骤D中,处理异常事件,对步骤C输出的异常语音进行数据存储,将异常事件信息推送给管理员进行核实。具体步骤如下:
D1,将C中输出的异常语音段存入分布式文件***,返回该异常语音段的地址,
D2,将异常语音段在分布式文件***中的地址存入本地数据库中,
D3,将该异常事件推送给管理员进行核实,管理员根据数据库地址获取到异常语音段核实是否异常。
7.一种电力营业厅人员语音异常事件识别装置,其特征在于基于短时能量的营业厅人员语音异常事件识别装置,包括:
语音预处理模块,主要对输入的语音进行使用前的预处理,语音预处理模块包含端点检测模块和去噪处理模块,其中端点检测模块是利用语音短时平均能量检测出语音的端点处,去噪处理模块对语音进行去噪处理;
特征提取模块,主要实现语音短时能量特征值的计算,从语音端点处开始连续截取相同长度的语音段,计算每个语音段的短时能量值;
异常事件判断模块,根据特征提取模块得出的每个语音段的短时能量值,判断该语音段的两种状态,设定一个阈值,如果语音的短时能量值大于该阈值,则判定为异常状态,否则,判定为正常状态;
异常事件处理模块,该模块根据异常事件判断模块输入的异常事件做出响应,将该异常语音上传至文件存储***模块,语音地址存储在本地数据库;
文件存储***模块,该模块采用分布式文件存储***,用于存储异常语音段;
数据库模块,本地数据库用于存储异常语音段在文件存储***中的地址。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710154029.9A CN106971710A (zh) | 2017-03-15 | 2017-03-15 | 电力营业厅人员语音异常事件识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710154029.9A CN106971710A (zh) | 2017-03-15 | 2017-03-15 | 电力营业厅人员语音异常事件识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971710A true CN106971710A (zh) | 2017-07-21 |
Family
ID=59329609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710154029.9A Pending CN106971710A (zh) | 2017-03-15 | 2017-03-15 | 电力营业厅人员语音异常事件识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971710A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705505A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 一种电力营业厅服务规范智能识别装置、方法及*** |
CN113838478A (zh) * | 2020-06-08 | 2021-12-24 | 华为技术有限公司 | 异常事件检测方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195385A1 (en) * | 2007-02-11 | 2008-08-14 | Nice Systems Ltd. | Method and system for laughter detection |
CN102509546A (zh) * | 2011-11-11 | 2012-06-20 | 北京声迅电子股份有限公司 | 应用于轨道交通的降噪和异常声音检测方法 |
CN102610228A (zh) * | 2011-01-19 | 2012-07-25 | 上海弘视通信技术有限公司 | 音频异常事件检测***及其标定方法 |
CN103198838A (zh) * | 2013-03-29 | 2013-07-10 | 苏州皓泰视频技术有限公司 | 一种用于嵌入式***的异常声音监控方法和监控装置 |
CN103267568A (zh) * | 2013-05-29 | 2013-08-28 | 哈尔滨工业大学 | 一种汽车电子控制单元的声音在线检测方法 |
CN106128475A (zh) * | 2016-07-12 | 2016-11-16 | 华南理工大学 | 基于异常情绪语音辨识的可穿戴智能安全设备及控制方法 |
-
2017
- 2017-03-15 CN CN201710154029.9A patent/CN106971710A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195385A1 (en) * | 2007-02-11 | 2008-08-14 | Nice Systems Ltd. | Method and system for laughter detection |
CN102610228A (zh) * | 2011-01-19 | 2012-07-25 | 上海弘视通信技术有限公司 | 音频异常事件检测***及其标定方法 |
CN102509546A (zh) * | 2011-11-11 | 2012-06-20 | 北京声迅电子股份有限公司 | 应用于轨道交通的降噪和异常声音检测方法 |
CN103198838A (zh) * | 2013-03-29 | 2013-07-10 | 苏州皓泰视频技术有限公司 | 一种用于嵌入式***的异常声音监控方法和监控装置 |
CN103267568A (zh) * | 2013-05-29 | 2013-08-28 | 哈尔滨工业大学 | 一种汽车电子控制单元的声音在线检测方法 |
CN106128475A (zh) * | 2016-07-12 | 2016-11-16 | 华南理工大学 | 基于异常情绪语音辨识的可穿戴智能安全设备及控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705505A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 一种电力营业厅服务规范智能识别装置、方法及*** |
CN113838478A (zh) * | 2020-06-08 | 2021-12-24 | 华为技术有限公司 | 异常事件检测方法、装置和电子设备 |
CN113838478B (zh) * | 2020-06-08 | 2024-04-09 | 华为技术有限公司 | 异常事件检测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
CN108122552A (zh) | 语音情绪识别方法和装置 | |
Mohan | Speech recognition using MFCC and DTW | |
CN102623009B (zh) | 一种基于短时分析的异常情绪自动检测和提取方法和*** | |
CN110570873B (zh) | 声纹唤醒方法、装置、计算机设备以及存储介质 | |
CN111080109B (zh) | 客服服务质量评价方法、装置及电子设备 | |
CN103258535A (zh) | 基于声纹识别的身份识别方法及*** | |
CN110930989B (zh) | 语音意图识别方法、装置、计算机设备和存储介质 | |
Ghai et al. | Emotion recognition on speech signals using machine learning | |
Mporas et al. | Estimation of unknown speaker’s height from speech | |
WO2017045429A1 (zh) | 一种音频数据的检测方法、***及存储介质 | |
CN106971710A (zh) | 电力营业厅人员语音异常事件识别方法及装置 | |
CN112185385A (zh) | 一种用于供电领域的智能客户处理方法及*** | |
CN108961095A (zh) | 一种基于ai的智能催收电费*** | |
CN113436634A (zh) | 基于声纹识别的语音分类方法、装置及相关设备 | |
CN112836720A (zh) | 建筑运维设备异常诊断方法、***及计算机可读存储介质 | |
Yan et al. | Speech interactive emotion recognition system based on random forest | |
CN111489736B (zh) | 座席话术自动评分装置及方法 | |
Pham et al. | Toward better speaker embeddings: Automated collection of speech samples from unknown distinct speakers | |
Verkholyak et al. | Hierarchical two-level modelling of emotional states in spoken dialog systems | |
Gadhe et al. | Emotion recognition from speech: a survey | |
CN115063155B (zh) | 一种数据标注方法、装置、计算机设备及存储介质 | |
CN103531208B (zh) | 一种基于短时记忆权重融合的航天应激情感识别方法 | |
Warule et al. | Hilbert-Huang Transform-Based Time-Frequency Analysis of Speech Signals for the Identification of Common Cold | |
JP2022153360A (ja) | 情報処理装置、情報処理方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170721 |