环境声事件检测应用

环境声事件的检测和应用具有重要的现实意义，如通过检测公共场所的异常声音来监测公共场所的安全，通过检测野生动物的声音来监测野生动物的活动区域或生活条件，通过检测设备的运行声音来实时监测设备的运行状态等。

目前，环境声学事件检测领域有两种声学检测解决方案，一种称为异常声学检测，另一种称为异常声学识别。所谓异常声音检测是检测是否有异常声音，但不确定是什么异常声音；异常声音识别是对异常声音进行分类，以了解检测到什么异常声音，以达到识别诊断的目的。

异常声音检测的一般方法是背景环境声音建模，所有与模型不匹配的都是异常声音；异常声音识别是异常声音建模，所有与模型匹配的都是异常声音。这两种方法的原理实际上来自于声音识别，本质上是为了训练一个分类器。声音识别的关键是分类器的区别，即模型的准确性，这是由所选的声学特征和声音模型决定的。

但环境声事件检测领域仍存在诸多问题，导致实际场景中的应用往往达不到理想。具体问题总结如下:

1、目前流行的声学特征 机器学习的环境声学事件识别方法在低信噪声比的实际场景中识别性能较差。例如，在高信噪声比下，目标声学事件的召回率较高，但精度较低（背景噪声很容易被判定为目标声学事件）；在低信噪声比下，识别效果一般较差。

2、缺少如语音识别领域中的端点检测技术来降低背景噪声对识别的影响。

3、支持环境声事件识别领域的研究缺乏大量的环境声数据集。

4、对环境声音降噪技术缺乏研究。