[0001] 本发明涉及声音检测，更特别地，涉及用于生成声音分类器的方法和设备，以及用于检测异常声音的方法和检测器。

[0002] 异常声音检测对于监视系统而言是很重要的。异常声音可以是一般场合中任何种类的异常声音，诸如特定种类的异常声音(例如，尖叫声、枪击声，等等)和未知种类的异常声音。

[0003] 传统的异常声音检测方法通常旨在检测特定种类的异常声音。然而，这样的传统检测方法不能识别未知种类的异常声音，即使该声音明显不正常。

[0004] 最 近，在 文 档 1(Akinori Ito 等，Detection of Abnormal Sound Using Multi-stage GMM for Surveillance Microphone，5thInternational Conference on Information Assurance and Security，2009)中，Akinori Ito等人提出了一种用于检测一般场合中任何种类的异常声音的多级GMM(高斯混合模型)方法。文档1中的异常声音检测的基本框架和多级GMM训练过程分别在图1A和1B中示出。在文档1中，用正常场合中的声音而不是特定种类的异常声音来进行训练。创建由多个“正常”声音的GMM构成的多级分类器，然后该多级分类器用于检测在正常声音中很少出现的声音事件。多级GMM的基本原理是训练第一级GMM来描述大部分的训练声音样本的特性，然后训练第二级GMM来描述大部分的剩余训练声音样本的特性，继续训练GMM，直到训练出了足够数量的GMM为止。然后，该方法利用训练出的多级GMM来逐级地检测异常声音。