4、婴儿哭声识别与鼾声分类技术研究

婴儿哭声识别与鼾声分类技术研究

婴儿哭声识别

在婴儿哭声识别领域，有两种方法被用于相关研究，分别是基于ResNet的方法和基于ASM - DNN的方法。

整体比较

• 数据库A ：对数据库A的实验结果进行分析，具体数据见表1。通过对比ResNet和ASM - DNN，发现基于ASM的方法取得了更好的效果。在对见过和未见过的婴儿哭声识别准确率上，采用基于ASM的方法都有所提高。不过，这两种方法在测试集上的识别准确率分别为28.49%和29.99%，均未超过30%。这可能是因为婴儿个体差异导致不同婴儿的哭声不同，使得模型在识别训练集中未出现过的婴儿哭声时准确率较低。
  | 系统 | 验证集 | 测试集 |
  | ---- | ---- | ---- |
  | ResNet | 39.58% | 28.49% |
  | ASM - DNN | 47.21% | 29.99% |

• 数据库B ：数据库B的实验结果见表2。与基于ResNet的方法相比，虽然基于ASM的方法在疼痛哭声的识别准确率上略低，但在非疼痛哭声的识别上，性能有显著提升。具体来说，非疼痛哭声的识别准确率从60.73%提高到了69.09%，提升了8.36%。对于整个测试集，基于ASM的方法将识别准确率从66.46%提高到了71.01%，提高了约5个百分点。这进一步证明了基于ASM的方法的有效性。
  | 系统 | 疼痛哭声 | 非疼痛哭声 | 整体测试集 |
  | ---- | ---- | ---- | ---- |
  | ResN