在災(zāi)害救援、安全防護以及醫(yī)療護理等領(lǐng)域，識別人聲尖叫至關(guān)重要。想象一下，當(dāng)你被困在電梯里，而常規(guī)通訊方式已經(jīng)失效，此時，一套尖叫聲檢測系統(tǒng)能夠識別你的求救尖叫信號，并立即啟動應(yīng)急響應(yīng)，例如通知安保人員或觸發(fā)警報，從而迅速提供援助，挽救生命。

瑞薩的Reality AI尖叫聲檢測是一款專門用于識別人類尖叫聲的機器學(xué)習(xí)模型。該模型并非僅通過高音量的聲音判斷，而是經(jīng)過充分訓(xùn)練，可在各種背景噪聲中準(zhǔn)確辨別出真正的求救尖叫聲。與此同時，該系統(tǒng)還能夠?qū)崿F(xiàn)救援力量的即時派遣，這在封閉或隔離、對安全性要求極高的環(huán)境中尤為重要。

尖叫聲檢測是如何實現(xiàn)的？

尖叫聲檢測模型基于采集到的音頻數(shù)據(jù)進行訓(xùn)練，從而學(xué)會區(qū)分不同類型的聲音。該機器學(xué)習(xí)模型的開發(fā)步驟如下：

● 采集與訓(xùn)練數(shù)據(jù)：訓(xùn)練模型首先從大量音頻數(shù)據(jù)的采集開始。需要使用包含多種真實環(huán)境音頻樣本的公開數(shù)據(jù)集*。其中的“Scream（尖叫）”類別包含強烈的非語言尖叫聲和帶有言語的尖叫聲，這些數(shù)據(jù)被用于訓(xùn)練模型識別尖叫信號。為了讓模型準(zhǔn)確判斷哪些聲音不是尖叫聲，在訓(xùn)練中還加入了多類非尖叫聲音，如風(fēng)聲、環(huán)境噪聲、對話聲、歌聲、音樂聲和鼓掌聲等，以提升模型的區(qū)分能力。

● 提取特征：下一步，從音頻文件中提取關(guān)鍵聲學(xué)特征，幫助模型在復(fù)雜噪聲環(huán)境中識別出尖叫聲特有的特征信號。

● 訓(xùn)練模型：在確定了最佳的特征后，使用機器學(xué)習(xí)分類器對模型進行訓(xùn)練，使其能夠區(qū)分“尖叫”與“非尖叫”音頻。訓(xùn)練過程中不斷調(diào)整模型參數(shù)，來降低識別誤差并提升模型整體性能。

通過以上方法，可以構(gòu)建出一個高效的尖叫聲檢測系統(tǒng)，確保應(yīng)急響應(yīng)迅速可靠，為多種應(yīng)用場景提供關(guān)鍵的安全保障。

應(yīng)用示例

從真實環(huán)境中采集的音頻信號被用于構(gòu)建瑞薩VOICE-RA6E1語音用戶演示套件。這些音頻隨后由瑞薩Reality AI Tools訓(xùn)練的分類模型進行處理，用于判斷聲音是否屬于尖叫聲。

在實際測試中，瑞薩的尖叫聲檢測模型在距離測試板2米以內(nèi)，對尖叫聲的識別準(zhǔn)確率達到了90%以上。測試環(huán)境中還加入了風(fēng)聲、電梯音樂、對話聲、嬰兒哭聲和電話鈴聲等背景噪聲，以驗證模型在復(fù)雜環(huán)境下仍能準(zhǔn)確識別求救尖叫。

圖1：尖叫聲檢測工作流程

輕松構(gòu)建應(yīng)用示例

用戶可以使用瑞薩的e2studio IDE采集音頻信號，并集成由瑞薩Reality AI Tools生成的AI模型。從公開數(shù)據(jù)集*采集數(shù)據(jù)后，可使用Reality AI Tools完成提取特征、訓(xùn)練模型，并將最終模型部署為C代碼。

部署完成后，模型可在e2studio IDE中進行實時測試。集成后，用戶可以使用VOICE-RA6E1開發(fā)板在真實環(huán)境中對模型進行充分驗證，并通過AI實時監(jiān)視器（AI Live Monitor）可視化測試結(jié)果。

圖2：AI Live Monitor

體驗瑞薩Reality AI Tools與e2studio IDE在模型訓(xùn)練、部署和測試中的無縫且快速集成能力。

總結(jié)

Reality AI尖叫聲檢測應(yīng)用展示了機器學(xué)習(xí)在提升多場景安全性的巨大潛力，同時也展示了用戶如何利用瑞薩技術(shù)，將先進的提取特征、訓(xùn)練和部署模型與實時響應(yīng)能力相結(jié)合?？蓴U展的Reality AI Tools轉(zhuǎn)換工具能夠為多種瑞薩MCU和MPU設(shè)備生成機器學(xué)習(xí)模型。