买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海交通大学申请的专利基于深度神经网络对脚步声音进行身份识别的方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119626251B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411715288.0，技术领域涉及：G10L25/24；该发明授权基于深度神经网络对脚步声音进行身份识别的方法及系统是由孙锬锋;薛俊智;陈怡霖;许可设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于深度神经网络对脚步声音进行身份识别的方法及系统在说明书摘要公布了：本发明提供了一种基于深度神经网络对脚步声音进行身份识别的方法，包括：步骤S1：采集脚步声音频信息形成数据库，并对数据库的数据进行脚步事件划分；步骤S2：对脚步事件进一步划分，提取脚步事件中的波形、手工节拍图、梅尔频谱的特征，并建立双脚步事件样本库；步骤S3：将双脚步事件样本库的特征输入到CRNN深度神经网络中进一步提取，并将提取后的特征进行标准化融合，得到融合特征；步骤S4：令融合特征训练识别模型；步骤S5：将待测脚步声音频信息输入到识别模型中，通过与识别模型中的信息匹配，进行身份识别。本发明识别脚步信息更加注重隐私保护，且在不同光照等环境条件下具有更好的适用性。

本发明授权基于深度神经网络对脚步声音进行身份识别的方法及系统在权利要求书中公布了：1.一种基于深度神经网络对脚步声音进行身份识别的方法，其特征在于，包括： 步骤S1：采集脚步声音频信息形成数据库，并对数据库的数据进行脚步事件划分； 步骤S2：对脚步事件进一步划分，提取脚步事件中的波形、手工节拍图、梅尔频谱的特征，并建立双脚步事件样本库； 步骤S3：将双脚步事件样本库的特征输入到CRNN深度神经网络中进一步提取，并将提取后的特征进行标准化融合，得到融合特征； 步骤S4：令融合特征训练识别模型； 步骤S5：将待测脚步声音频信息输入到识别模型中，通过与识别模型中的信息匹配，进行身份识别； 所述步骤S1包括： 步骤S1.1：在麦克风的预设范围内，采集脚步声音频信息，并建立数据库； 步骤S1.2：每隔第一时间间隔，遍寻脚步声音频的局部最大值； 步骤S1.3：划分脚步事件；以音频的局部最大值所在时间为起点，分别向起始时间方向和终止时间方向偏移第二预设时间间隔，偏移后的两个端点作为脚步声音频时间的起始点和终止点，从起始点到终止点的音频信息为一个脚步事件； 其中，第二时间间隔小于第一时间间隔，第一时间间隔为相邻峰值之间的最小水平距离； 重复步骤S1.2-步骤S1.3，直至将数据库中所有音频信息进行脚步事件均划分完成，进入步骤S2； 所述步骤S2包括： 步骤S2.1：根据划分后的音频，将相邻两个脚步事件作为一个单个双脚样本； 步骤S2.2：在单个双脚样本中，提取波形特征；具体的，在单个双脚样本中提取音频波形作为第一特征，第一特征为64×1的音频幅值向量； 步骤S2.3：在单个双脚样本中，提取手工节拍图特征，并将手工节拍图特征输入到节拍图函数中，得到64×70的特征矩阵用于表征第二特征； 手工节拍图特征包括均方根特征、过零率特征、频谱中心特征、频谱平坦度特征； 步骤S2.4：在单个双脚样本中，提取梅尔频谱图特征，通过计算梅尔频率倒谱系数，得到64×70的第三个特征； 步骤S2.5：重复步骤S2.1-步骤S2.4，直至所有单个双脚样本的特征均被提取完，并建立双脚步事件样本库，将提取的所有特征放入双脚步事件样本库中； 所述步骤S3包括： 步骤S3.1：将双脚步事件样本库的特征分别输入CRNN深度神经网络的三个分支结构进一步提取特征； 其中，第一分支结构，采用滤波器块作为第一层，每个块由一个卷积层、一个批量归一化层和一个最大池化层组成，用于下采样；第二分支结构，由两层GRU单元组成，为为双向计算；第三分支结构，由四个子块组成，每个块由一个二维卷积层、一个批量归一化层和一个最大池化层组成； 步骤S3.2：将提取后的特征进行标准化融合，组合得到融合特征； 具体的，三个分支的末端均采用自适应平均池化层，通过融合获得相同长度的输出特征，将输出的特征以逐元素求和的方式将分支输出特征组合起来得到融合特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。