智能語(yǔ)音技術(shù)在安防行業(yè)的應(yīng)用前景

（文章來(lái)源：安防知識(shí)網(wǎng)）

從文字時(shí)代到圖像時(shí)代，再到如今無(wú)處不在的語(yǔ)音時(shí)代，智能語(yǔ)音技術(shù)的流行和爆發(fā)不斷刷新著人們的生活方式。亞馬遜Echo的出現(xiàn)就是最鮮明的里程碑。大環(huán)境表明，智能語(yǔ)音技術(shù)最廣泛的應(yīng)用還是智能單品（智能音箱、機(jī)器人）以及智能家居等領(lǐng)域，且語(yǔ)音識(shí)別技術(shù)是智能語(yǔ)音技術(shù)最為核心的落地技術(shù)。但需要提及的是，進(jìn)入智能語(yǔ)音技術(shù)的發(fā)展＊＊期，智能語(yǔ)音技術(shù)是時(shí)候該有一些比較新穎的落地場(chǎng)景出現(xiàn)了。

基于此背景，本文將對(duì)語(yǔ)音識(shí)別技術(shù)在安防行業(yè)的應(yīng)用進(jìn)行淺析。隨著人工智能技術(shù)賦能各大行業(yè)，不少企業(yè)也已將戰(zhàn)略轉(zhuǎn)向了“AI＋”。而基于安防行業(yè)廣而大的應(yīng)用前景，“AI＋安防”很快就成為了市場(chǎng)的主流旋律。而身為人工智能技術(shù)的一大分支，智能語(yǔ)音技術(shù)自然也需要在安防行業(yè)進(jìn)行“擇業(yè)”與“取景”，首當(dāng)其沖的就是語(yǔ)音識(shí)別技術(shù)。

學(xué)會(huì)與機(jī)器進(jìn)行相互共同理解，即人機(jī)交互也一直是安防行業(yè)的智能核心所在。而語(yǔ)音識(shí)別技術(shù)作為人機(jī)交互最為核心的落地技術(shù)，該技術(shù)在安防行業(yè)也有不少落腳點(diǎn)，主要應(yīng)用在以智能巡檢機(jī)器人為代表的安防機(jī)器人身上。與其他可發(fā)聲的服務(wù)機(jī)器人類(lèi)似，安防機(jī)器人通過(guò)內(nèi)置的麥克風(fēng)接受外界聲音，并對(duì)人聲進(jìn)行識(shí)別和理解，一旦讀懂“人聲”背后有類(lèi)似危險(xiǎn)的行為存在，將自動(dòng)觸發(fā)報(bào)警系統(tǒng)進(jìn)入防御狀態(tài)，從而對(duì)目標(biāo)人物起到安全防護(hù)的作用。

而除了安防機(jī)器人，在安防行業(yè)的智能酒店場(chǎng)景之中，語(yǔ)音識(shí)別技術(shù)也起到了關(guān)鍵性的作用。在阿里近日開(kāi)張的未來(lái)酒店中，盡管人臉識(shí)別是其主打技術(shù)，但貫穿酒店服務(wù)全過(guò)程中的智能機(jī)器人也是不可缺乏的關(guān)鍵人物。在阿里未來(lái)酒店中，機(jī)器人充當(dāng)著酒店前臺(tái)的作用，對(duì)入住房客進(jìn)行全過(guò)程引導(dǎo)，而在酒店房間中，房客也可通過(guò)與天貓精靈的交流，從而完善自己的住房體驗(yàn)。在未來(lái)酒店的入住過(guò)程中，不管是充當(dāng)前臺(tái)的機(jī)器人還是服務(wù)員天貓精靈，其都是通過(guò)語(yǔ)音識(shí)別技術(shù)完成人機(jī)交互，從而通過(guò)這種用語(yǔ)音識(shí)別技術(shù)打造的全棧式語(yǔ)音交互系統(tǒng)，隨時(shí)隨地打造智能互聯(lián)的場(chǎng)景。

當(dāng)然，語(yǔ)音識(shí)別技術(shù)在安防行業(yè)的應(yīng)用，也涉足到了智慧金融、智慧教育等多個(gè)智慧化場(chǎng)景當(dāng)中。以人臉識(shí)別技術(shù)為核心的視頻監(jiān)控時(shí)安防行業(yè)的主要應(yīng)用，這種我們無(wú)需多談，但未來(lái)我們是否也能腦洞大開(kāi)，用智能語(yǔ)音技術(shù)輔助人臉識(shí)別，使得視頻監(jiān)控更為智能化。市場(chǎng)都在談?wù)Z音識(shí)別技術(shù)，但很少有企業(yè)注意，聲紋識(shí)別以及語(yǔ)音情感識(shí)別也歸屬于智能語(yǔ)音技術(shù)。

聲紋識(shí)別也稱(chēng)說(shuō)話(huà)人識(shí)別，通過(guò)將聲信號(hào)轉(zhuǎn)換成電信號(hào)，再用計(jì)算機(jī)進(jìn)行識(shí)別?？删唧w分為說(shuō)話(huà)人辨認(rèn)和說(shuō)話(huà)人確認(rèn)。在不同場(chǎng)景，聲紋識(shí)別技術(shù)的選擇不同，如縮小刑偵范圍時(shí)可能需要辨認(rèn)技術(shù)，而銀行交易時(shí)則需要確認(rèn)技術(shù)。語(yǔ)音情感識(shí)別是情感識(shí)別的方式之一，是指由計(jì)算機(jī)自動(dòng)識(shí)別輸入語(yǔ)音的情感狀態(tài)。計(jì)算機(jī)通過(guò)傳感器對(duì)不同聲調(diào)表情的語(yǔ)言信號(hào)，在時(shí)間構(gòu)造、振幅構(gòu)造、基頻構(gòu)造和共振峰構(gòu)造等特征方面的構(gòu)造特點(diǎn)和分布規(guī)律進(jìn)行測(cè)算和分析，從而識(shí)別出所有語(yǔ)言聲調(diào)中所隱含的情感內(nèi)容。

盡管當(dāng)前人臉識(shí)別技術(shù)的識(shí)別率高達(dá)99％甚至是99．9％，但剩下的1％甚至0．1％卻是當(dāng)前科技無(wú)法攻克的難題。想象一下，如果在當(dāng)前具備人臉識(shí)別的視頻監(jiān)控系統(tǒng)中加入聲紋識(shí)別和語(yǔ)音情感識(shí)別技術(shù)，形成的聲像融合技術(shù)（讀唇），即使目標(biāo)受眾處于無(wú)聲狀態(tài)，也能對(duì)其思想及行為進(jìn)行預(yù)測(cè)和識(shí)別，當(dāng)前的視頻監(jiān)控系統(tǒng)是否也將提升到一個(gè)新的智能化高度，真正做到“防患于未然”。

不可否認(rèn)，由人臉識(shí)別、聲紋識(shí)別以及語(yǔ)言情感識(shí)別形成的多模態(tài)交互系統(tǒng)，應(yīng)該能安防行業(yè)打開(kāi)不少新應(yīng)用大門(mén)，例如場(chǎng)景分析和事件檢測(cè)。而在新一輪AI產(chǎn)業(yè)變革下，多模態(tài)技術(shù)也將成為決勝關(guān)鍵。
? ? ? ?