本发明涉及安全监控领域，特别是涉及一种安全监控系统、安全检测方法、装置及电子设备。
背景技术：
鉴于近年来频发的儿童安全事件，为了保障儿童的安全，儿童所在的学校通常会对儿童的安全进行监控。具体的，所采用的监控方法主要是利用校内的多个摄像头，记录儿童在校内的行为活动。
但是，摄像头所拍摄的视频，通常用于在安全事件发生后还原事件真相，为儿童安全事件的责任判定与纠纷解决提供帮助，而在安全事件发生时，无法及时有效地进行安全警示，从而及时为儿童提供帮助。
可见，在儿童等关注对象面临安全事件时，如何及时有效地进行安全警示，是一个亟待解决的问题。
技术实现要素：
本发明实施例的目的在于提供及一种安全监控系统、安全检测方法、装置及电子设备，以实现在对象面临安全事件时，及时有效地进行安全警示的目的。具体技术方案如下：
第一方面，本发明实施例提供了一种安全监控系统，所述系统包括：
对象端设备，用于获得语音数据，确定所述语音数据的情感状态识别结果，当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息；其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息；
监控端设备，用于接收所述警示信息，并输出所述警示信息。
可选的，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
可选的，所述对象端设备还用于：在确定所述语音数据的情感状态识别结果之前，
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
可选的，所述对象端设备判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括：
提取所述语音数据的目标声纹特征；
判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
可选的，所述对象端设备判断所述目标声纹特征，与参考声纹特征是否匹配，包括：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
可选的，所述对象端设备确定所述语音数据的情感状态识别结果，包括：
提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
基于各个匹配度，确定所述语音数据的情感状态识别结果。
可选的，所述对象端设备确定所述目标情感特征与各个参考情感特征的匹配度，包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述基于各个匹配度，确定所述语音数据的情感状态识别结果，包括：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可选的，所述安全监控系统还包括：监控服务器；
所述对象端设备向所述对象端设备对应的监控端设备发送警示信息，包括：
所述对象端设备向所述监控服务器发送所述警示信息；
监控服务器，用于接收对象端设备发送的所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
第二方面，本发明实施例提供了一种安全检测方法，应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备，所述方法包括：
获得语音数据；
确定所述语音数据的情感状态识别结果；
当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息；
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
可选的，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
可选的，在确定所述语音数据的情感状态识别结果之前，所述方法还包括：
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
可选的，所述判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括：
提取所述语音数据的目标声纹特征；
判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
可选的，所述判断所述目标声纹特征，与参考声纹特征是否匹配，包括：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
可选的，所述确定所述语音数据的情感状态识别结果，包括：
提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
基于各个匹配度，确定所述语音数据的情感状态识别结果。
可选的，所述确定所述目标情感特征与各个参考情感特征的匹配度，包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述基于各个匹配度，确定所述语音数据的情感状态识别结果，包括：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可选的，所述安全监控系统还包括：监控服务器；
所述向所述对象端设备对应的监控端设备发送警示信息，包括：
向所述监控服务器发送所述警示信息，以使得所述监控服务器接收所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
第三方面，本发明实施例提供了一种安全检测装置，应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备，所述装置包括：
获得模块，用于获得语音数据；
确定模块，用于确定所述语音数据的情感状态识别结果；
发送模块，用于当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息；
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
可选的，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
可选的，所述装置还包括：
判断模块，用于在确定所述语音数据的情感状态识别结果之前，判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
可选的，所述判断模块，包括：
第一提取子模块，用于提取所述语音数据的目标声纹特征；
判断子模块，用于判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
可选的，所述判断子模块，具体用于：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
可选的，所述确定模块，包括：
第二提取子模块，用于提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
第一确定子模块，用于确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
第二确定子模块，用于基于各个匹配度，确定所述语音数据的情感状态识别结果。
可选的，所述第一确定子模块，具体用于：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述第二确定子模块，具体用于：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可选的，所述安全监控系统还包括：监控服务器；
所述发送模块，具体用于：
向所述监控服务器发送所述警示信息，以使得所述监控服务器接收所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
第四方面，本发明实施例提供了一种电子设备，包括处理器和存储器，其中，
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现本发明实施例所提供的安全检测方法的步骤。
本发明实施例所提供的方案中，由对象端设备获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向对应的监控端设备发送警示信息，并由所述监控端设备接收并输出所述警示信息，从而实现警示所述目标对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种安全监控系统的一种结构示意图；
图2为本发明实施例所提供的一种安全监控系统的另一种结构示意图；
图3为本发明实施例所提供的一种安全检测方法的流程示意图；
图4为本发明实施例所提供的一种安全检测装置的结构示意图；
图5为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了在对象面临安全事件时，及时有效地进行安全警示，本发明实施例提供了一种安全监控系统、一种安全检测方法、装置、电子设备及存储介质。
首先，对本发明实施例所涉及的语音情感识别技术的原理及可行性，进行概要介绍：
人类之所以能够通过聆听语音捕捉对方情感状态的变化，是因为人脑具备了感知和理解语音数据中的能够反映说话人情感状态的信息(如特殊的语气词、语调的变化等)的能力。自动语音情感识别是指由计算机等，对所输入的语音数据的情感状态进行自动识别。自动语音情感识别是计算机对人类上述情感感知和理解过程的模拟，它的任务就是从采集到的语音数据中，提取表征情感状态的声学特征，并找出这些声学特征与人类情感状态的映射关系。
不同声调表情的语音数据在时间构造、振幅构造、基频构造和共振峰构造等特征方面，有着不同的构造特点和分布规律。因此，可以将各种具体模式的语音数据在时间构造、振幅构造、基频构造和共振峰构造等特征方面的构造特点和分布规律进行测算和分析，并以此为基础或模板，识别出所有语音数据中所隐含的情感状态。
当人类面对安全事件时，所表达的语音中可以含有自然流露的情感状态。尤其是儿童，在面对危险或意外时，更不会掩饰自己的情绪。因此，本发明实施例所提供的方案，基于对象的语音数据，识别对象的情感状态是否是面临安全问题时的情感状态是可行的。
下面，首先对本发明实施例所提供的一种安全监控系统进行介绍。
如图1所示，本发明实施例所提供的一种安全监控系统，可以包括：
对象端设备110，用于获得语音数据，确定所述语音数据的情感状态识别结果，当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息；其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
监控端设备120，用于接收所述警示信息，并输出所述警示信息。
为了方案清楚，下面对该安全监控系统中的各个组成部分分别进行介绍：
(1)针对于对象端设备的介绍内容如下：
在本发明实施例中，对象端设备可以是一种智能设备，所具有的功能包括但不限于声音采集、数据处理、数据发送及数据接收等。所述对象端设备可以为智能手机、智能手环及其他智能穿戴设备等等。
本发明实施例所针对的对象包括但不限于儿童，比如，所述对象还可以是需要关注的老年人及病人等等。
以下结合所述对象端设备的不同功能，对所述对象端设备进行详细介绍。
1)获得语音数据；
在本发明实施例中，所述对象端设备获得语音数据的方式可以是：由所述对象端设备中的声音采集器等获得语音数据。其中，所述声音采集器可以是麦克风等语音录制设备。
可选的，在本发明实施例中，所述对象端设备还用于：
获得语音数据之前，采集声音信号，并对声音信号进行处理。
可以理解的是，对象端设备采集的声音信号可以包括各种声音，如动物叫声及音乐声等等，所述对象端设备可以对所述声音信号进行数字化等处理，然后获得语音数据。
其中，所述对象端设备对声音信号的处理可以包括：将声音信号进行时域或频域上的数字变换处理、去除声音信号中的背景噪音、提取人类的声音信号及确定声音信号中的有效时间段等等。
可以理解的是，通过对声音信号的处理，可以获得关于人类的、能够用于情感状态识别的有效声音数据作为语音数据，可以为后续情感状态识别提供基础，提高后续情感状态识别的效率。
需要说明的是，声音信号的采集过程可以由所述声音采集器完成。声音信号的处理过程，可以由所述声音采集器完成，也可以由其他软件模块完成，如信号处理模块等。对声音信号进行处理所采用的方法，可以是现有的多种声音信号处理方法，在此不做限定。
2)确定所述语音数据的情感状态识别结果。
在本发明实施例中，所述对象端设备确定所述语音数据的情感状态识别结果的过程，可以包括如下步骤a至步骤c：
步骤a，提取所述语音数据的目标情感特征。
在本发明实施例中，所述对象端设备针对所述语音数据，可以提取多种目标情感特征。可以理解的是，所述目标情感特征为：与所述语音数据的情感状态有关的特征。比如在时间构造、振幅构造、基频构造或共振峰构造等方面，与情感状态有关的特征，等等。
所述对象端设备提取所述语音数据的目标情感特征，可以采用现有的多种特征提取方法，比如特征提取器等。
需要说明的是，得到的目标情感特征是多维特征向量。
步骤b，确定所述目标情感特征与各个参考情感特征的匹配度。
在本发明实施例中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征。所述参考情感特征是基于目标对象的样本语音数据得到的。关于参考情感特征的确定过程，在后文中予以介绍。所述预设情感状态为恐惧、恸哭或尖叫。需要强调的是，在本发明实施例中，所述预设情感状态包括但不限于上述三种情感状态。
由于参考情感特征与预设情感状态具有对应关系，因此，通过确定所述目标情感特征与各个参考情感特征的匹配度，可以在后续确定所述语音数据对应的情感状态，与各个预设情感状态的匹配度等，从而确定所述情感状态识别结果。
在本发明实施例中，可以采用特征对比等方法，确定所述目标情感特征与各个参考情感特征的匹配度。其中，所述匹配度可以为表征相似度的概率等。
可选的，在本发明实施例中，所述对象端设备确定所述目标情感特征与各个参考情感特征的匹配度，包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度。
其中，所述情感置信度为：目标情感特征为预设情感状态所对应的参考情感特征的概率，比如恐惧所对应的情感置信度为90％，表示目标情感特征为恐惧所对应的参考情感特征的概率为90％。
其中，所述情感模型是基于各个参考情感特征训练得到的。比如，所述情感模型可以是基于各个参考情感特征训练得到的一神经网络等。所述情感模型性可以对输入的任一情感特征，简便且快速地输出各个预设情感状态对应的情感置信度。关于情感模型的确定过程在后文中予以介绍。
步骤c，基于各个匹配度，确定所述语音数据的情感状态识别结果。
在本发明实施例中，所述对象端设备可以基于各个匹配度，采用多种方法确定所述语音数据的情感状态识别结果。比如，可以将各个匹配度的数值进行比较，将数值最高的匹配度所对应的预设情感状态，确定为目标对象的情感状态识别结果等。
可选的，在本发明实施例中，所述对象端设备基于各个匹配度，确定所述语音数据的情感状态识别结果的过程可以为：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态。
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可以理解的是，在目标对象的语音数据中，含有的预设情感状态可能并不足以达到需要关注的程度。因此，在本发明实施例中，可以对各个预设情感状态，设置关于情感置信度的情感阈值，这样可以提高情感状态识别的有效性。
当一情感置信度大于对应的情感阈值时，表示所述语音数据中该情感置信度所对应的预设情感状态已经达到需要关注的程度，那么，可以确定所述情感状态识别结果包括该需要关注的预设情感状态。比如，恐惧所对应的情感阈值为60％，那么，当所述语音数据的关于恐惧的情感置信度大于60％时，可以确定所述语音数据的情感状态识别结果包括恐惧。
当各个情感置信度均不大于对应的情感阈值时，表示所述语音数据中，各个预设情感状态都未达到需要关注的程度，那么，可以确定所述语音数据的情感状态识别结果包括正常状态。
需要说明的是，情感置信度阈值可以根据对应的预设情感状态的实际情况设定，各个情感置信度的情感阈值可以不同。
结合以上所述，在本发明实施例中，得到的所述情感状态识别结果可以包括正常状态，或者包括至少一种预设情感状态。
可选的，在本发明实施例中，所述对象端设备还用于：在确定所述语音数据的情感状态识别结果之前，
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
可以理解的是，所述对象端设备和对象具有对应关系，所述对象端设备能够针对自身对应的目标对象的语音数据，进行情感状态识别。因此，在获得语音数据之后，确定所述语音数据的情感状态识别结果之前，所述对象端设备，需要判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，才进行后续的确定所述语音数据的情感状态识别结果的步骤，如果否，则不进行后续的确定所述语音数据的情感状态识别结果的步骤。
需要说明的是，通常情况下，所述对象端设备可以仅对应一个目标对象；但是，针对一些特殊的应用场景时，所述对象端设备可以对应多个目标对象，如一种可能的应用场景为一病房中的多个病人共用一个对象端设备，那么该对象端设备对应的目标对象可以为该病房中的各个病人，等等。
在本发明实施例中，可以采用多种方法判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，比如确定所述语音数据中，关于对象的身份密码是否正确，如果是，则确定所述语音数据的发出者是持有所述对象端设备的目标对象，等等。
可选的，在本发明实施例中，所述对象端设备判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括以下步骤：
a，提取所述语音数据的目标声纹特征。
在本发明实施例中，所述对象端设备针对所述语音数据，可以提取多种目标声纹特征。可以理解的是，所述目标声纹特征为：与所述语音数据的发出者有关的特征。比如在时间构造、振幅构造、基频构造或共振峰构造等方面，与发出者有关的特征。
所述对象端设备提取所述语音数据的目标声纹特征，可以采用现有的多种特征提取方法。在此不再举例说明。
需要说明的是，得到的目标声纹特征是多维特征向量。
b，判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。关于参考声纹特征的确定过程，在后文中予以介绍。
由于参考声纹特征与目标对象具有对应关系，因此，所述对象端设备可以采用特征对比等方法，判断所述目标声纹特征，与参考声纹特征是否匹配，从而确定所述语音数据的发出者是否是所述目标对象。
可选的，在本发明实施例中，所述对象端设备判断所述目标声纹特征，与参考声纹特征是否匹配，包括以下步骤：
b1,将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的。
其中，所述声纹置信度为：目标声纹特征为参考声纹特征的概率，比如声纹置信度为70％，表示目标声纹特征为目标对象的参考声纹特征的概率为70％。
所述声纹模型是基于参考声纹特征训练得到的。比如，所述声纹模型可以是基于参考声纹特征训练得到的一神经网络等。所述参考声纹模型性可以对输入的任一声纹特征，简便且快速地输出对应的声纹置信度。关于声纹模型的确定过程在后文中予以介绍。
b2,判断所述声纹置信度是否大于预设声纹阈值，
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
在实际中，由于人与人之间的声音会有相似之处，因此，对于一目标声纹特征，可能与目标对象的参考声纹特征具有相似度，但相似度又不足以判定所述目标声纹特征隶属于所述目标对象。因此，在本发明实施例中，可以根据人类的声纹特征的实际情况，设定所述预设声纹阈值，以提高判断的准确性。当所述声纹置信度大于预设声纹阈值时，可以确定所述目标声纹特征，与所述参考声纹特征匹配，表示所述目标声纹特征隶属于所述目标对象。
3)判断所述情感状态识别结果中是否包含至少一种预设情感状态。
如前所述，所述情感状态识别结果可以包括正常状态，或者包括至少一种预设情感状态。
所述对象端设备可以对所述情感状态识别结果中的情感状态进行确认，判断所述情感状态识别结果中是否包含恐惧、恸哭或尖叫中的至少一种。当所述情感状态识别结果包含至少一种预设情感状态时，表示所述目标对象的情感状态是面临安全事件时的情感状态，需要进行后续的安全警示。
4)如果是，向所述对象端设备对应的监控端设备发送警示信息。
所述对象端设备可以采用多种方法向所述对象端设备对应的监控端设备发送警示信息，比如，利用所述对象端设备中的发送模块，向所述对象端设备对应的监控端设备发送警示信息。具体的发送形式可以是短信、微信及邮件等等。
其中，所述警示信息可以包括语音、文字及图片等。所述警示信息可以是预设的信息，比如为“目标对象发生安全事件，请注意”的一段预设语音或文字，也可以为一张含有安全警示内容的图片等等。
可选的，在本发明实施例中，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。当然，所述警示信息还可以包括当前时间和地理位置等等。这样能够使得对应的监控端设备获得到关于目标对象的，内容更丰富、更详细的相关信息，有利于有效解决目标对象所面临的安全事件。
以下针对对象端设备对于声纹模型及情感模型的确定过程予以简单的介绍。
在本发明实施例中，所述声纹模型及情感模型可以为一神经网络，具体的：
所述声纹模型的确定过程，包括：
①确定第一神经网络。
第一网络可以为现有的任意神经网络。
②获得目标对象的样本语音数据。
可以获得预设时间段内的目标对象的样本语音数据，所述预设时间段可以为半年及一年等。
③提取所述样本语音数据的参考声纹特征。
④利用所述声纹特征，训练所述第一神经网络，得到第二神经网络，并将所述第二神经网络作为声纹模型。
所述情感模型的确定过程，包括：
①确定第三神经网络；
第三网络可以为现有的任意神经网络。
②获得目标对象在预设情感状态下的样本语音数据。
可以获得预设时间段内的、在预设情感状态下的样本语音数据，所述预设时间段可以为半年及一年等。
③提取所述样本语音数据的参考情感特征。
④利用所述参考情感特征和对应的预设情感状态，训练所述第三神经网络，得到第四神经网络，并将所述第四神经网络作为情感模型。
在本发明实施例中，提取所述样本语音数据的参考声纹特征及参考情感特征，可以采用现有的多种特征提取方法，在此不再举例说明。
需要强调的是，所述参考声纹特征和所述参考情感特征，用于表征目标对象不同方面的特征。因此，所述参考声纹特征和所述参考情感特征并不能替换使用。
需要说明的是，在本发明实施例中，所述对象端设备在确定所述语音数据隶属于目标对象之后，可以将获得的语音数据进行存储，比如存储在对象端设备中的关于目标对象的声纹模型库中，用于将所述语音数据作为声纹模型的样本语音数据；同理，所述对象端设备在确定所述语音数据的情感状态识别结果之后，可以将获得的语音数据进行存储，比如存储在对象端设备中的关于目标对象的情感模型库中，用于将所述语音数据作为情感模型的样本语音数据，等等。
(2)针对于监控端设备的介绍内容如下：
在本发明实施例中，监控端设备可以是一种智能设备，所具有的功能包括但不限于数据接收等。所述监控端设备可以为智能手机、智能手环及其他智能穿戴设备等等。
本发明实施例中的监控端设备为目标对象对应的监控人员所持有的设备，所述监控人员包括但不限于老师、家长及医生等。
所述监控端设备接收所述警示信息的方式可以包括，由所述监控端设备中的接收模块接收所述警示信息等。
所述监控端设备接收所述警示信息后，可以以多种形式显示所述警示信息。比如利用预设应用程序显示所述警示信息，并可以发出提醒音等，以提醒所述监控人员查阅所述警示信息。
所述监控端设备接收所述警示信息后，还可以调取关于目标对象的监控视频。
具体的，所述监控端设备，可以利用预设的摄像头应用程序，调取目标对象所在位置范围内的监控视频，以使得所述监控人员可以通过所述监控视频对所述目标对象所面临的安全事件进行进一步判断。比如，目标儿童的家长可以将所述警示信息与监控视频结合，对所述目标儿童所面临的安全事件进行进一步了解和判断，以便于所述家长及时有效的帮助所述目标儿童。
本发明实施例所提供的方案中，提出了一种由对象端设备和监控端设备组成的安全监控系统，可以由对象端设备获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向对应的监控端设备发送警示信息，并由所述监控端设备接收并输出所述警示信息，从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
作为另一种实施例，参见图2，图2为本发明实施例所提供的一种安全监控系统的另一种结构示意图，所述监控系统包括：对象端设备110、监控服务器130及监控端设备120。
针对于对象端设备110及监控端设备120的介绍内容与图1所示实施例相同，在此不再赘述。
针对于监控服务器130的介绍内容如下：
监控服务器130，用于接收对象端设备发送的所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
在本发明实施例中，所述监控服务器是为所述对象端设备和所述监控端设备服务的一个第三方设备。所述监控服务器可以为政府的一服务器，也可以为针对关注对象的社会监管或服务机构的一服务器等等。所述监控人员还包括政府、针对关注对象的社会监管或服务机构的工作人员等。
在本发明实施例的安全监控系统中，所述警示信息的发送过程为：先由所述对象端设备向所述监控服务器发送所述警示信息，再由所述监控服务器向所述监控人员所持有的监控端设备发送所述警示信息。
所述监控服务器可以为所述对象端设备及对应的监控端设备提供转发服务。需要说明的是，所述监控服务器内部储存有各个目标对象及对应的监控人员的属性信息，所述属性信息可以包括姓名、年龄及设备地址等。因此，所述监控服务器，可以基于一目标对象，迅速查找到所述目标对象对应的监控人员信息，并基于所述监控人员信息，如监控人员所持有的监控端设备的地址等，向所述监控人员所持有的监控端设备发送所述警示信息。
当然，所述监控服务器可以采用多种方法向所述对象端设备对应的监控端设备发送警示信息。并且，所述警示信息可以有多种形式及内容。上述部分的具体内容，与图1所示实施例中的步骤4)的内容类似，在此不再举例说明。
可选的，在本发明实施例中，所述监控服务器还可以基于所述监控人员的电话号码，与所述监控人员进行语音等通信，并在语音等通信中，提醒所述监控人员查阅所述监控服务器发送的所述警示信息。这样可以及时提醒所述监控人员查阅所述警示信息，快速处理所述目标对象面临的安全事件。
需要说明的是，所述监控服务器除了提供所述警示信息的转发以外，还可以统计及分析各个目标对象的所述警示信息，为政府、针对关注对象的社会监管或服务机构等提供各种数据。关于所述监控服务器的其他功能在此不再一一举例。
本发明实施例所提供的方案中，提出了一种由对象端设备、监控服务器及监控端设备组成的安全监控系统，先由对象端设备获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向监控端服务器发送警示信息；其次由所述监控端服务器接收对象端设备发送的所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息；最后由所述监控端设备接收所述警示信息，并输出所述警示信息。从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
以下，提出一种安全检测方法，应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备。需要说明的是，本发明实施例所提供的一种安全检测方法的执行主体可以为一种安全检测装置，该装置可以运行于电子设备中。其中，该电子设备可以为对象端设备等。
下面，首先对本发明实施例所提供的一种安全检测方法进行介绍。
如图3所示，本发明实施例所提供的一种安全检测方法，可以包括如下步骤：
s201，获得语音数据。
s202，确定所述语音数据的情感状态识别结果。
可选的，在本发明实施例中，所述确定所述语音数据的情感状态识别结果，包括以下步骤：
第一步，提取所述语音数据的目标情感特征。
其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征。
第二步，确定所述目标情感特征与各个参考情感特征的匹配度。
其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的。
具体的，该步骤可以包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的。
第三步，基于各个匹配度，确定所述语音数据的情感状态识别结果。
具体的，该步骤可以包括：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可选的，在本发明实施例中，s202之前，所述方法还包括：
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行s202所述确定所述语音数据的情感状态识别结果的步骤。
可选的，在本发明实施例中，所述判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括以下步骤：
a.提取所述语音数据的目标声纹特征。
b.判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象。
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
其中，步骤b具体包括：
b1.将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
b2.判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
s203，当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息。
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
可选的，在本发明实施例中，所述安全监控系统还包括：监控服务器；
所述向所述对象端设备对应的监控端设备发送警示信息，包括：
向所述监控服务器发送所述警示信息，以使得所述监控服务器接收所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
以上各步骤的详细内容，参见图1所示实施例的对象端设备的相关内容，在此不做赘述。
本发明实施例所提供的方案中，提出了一种应用于所述对象端设备的安全检测方法。本发明实施例所提供的方案，可以获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则发送警示信息。从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
相应于上述方法实施例，本发明实施例还提供了一种安全检测装置，所述安全检测装置应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备。如图4所示，该装置包括：
获得模块401，用于获得语音数据；
确定模块402，用于确定所述语音数据的情感状态识别结果；
发送模块403，用于当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息；
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
可选的，在本发明实施例中，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
可选的，在本发明实施例中，所述装置还包括：
判断模块，用于在确定所述语音数据的情感状态识别结果之前，判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
可选的，在本发明实施例中，所述判断模块，包括：
第一提取子模块，用于提取所述语音数据的目标声纹特征；
判断子模块，用于判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
可选的，在本发明实施例中，所述判断子模块，具体用于：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
可选的，在本发明实施例中，所述确定模块402，包括：
第二提取子模块，用于提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
第一确定子模块，用于确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
第二确定子模块，用于基于各个匹配度，确定所述语音数据的情感状态识别结果。
可选的，在本发明实施例中，所述第一确定子模块，具体用于：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述第二确定子模块，具体用于：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
可选的，在本发明实施例中，所述安全监控系统还包括：监控服务器；
所述发送模块403，具体用于：
向所述监控服务器发送所述警示信息，以使得所述监控服务器接收所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
本发明实施例所提供的方案中，提出了一种应用于所述对象端设备的安全检测装置。可以获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向对应的监控端设备发送警示信息，以使得所述监控端设备接收并输出所述警示信息，从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
相应于上述方法实施例，本发明实施例还提供了一种电子设备，如图5所示，可以包括处理器501和存储器502，其中，
所述存储器502，用于存放计算机程序；
所述处理器501，用于执行所述存储器502上所存放的程序时，实现本发明实施例所提供的安全检测方法的步骤。
上述存储器可以包括ram(randomaccessmemory，随机存取存储器)，也可以包括nvm(non-volatilememory，非易失性存储器)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离于上述处理器的存储装置。
上述处理器可以是通用处理器，包括cpu(centralprocessingunit，中央处理器)、np(networkprocessor，网络处理器)等；还可以是dsp(digitalsignalprocessor，数字信号处理器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field-programmablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
通过上述电子设备，能够实现：获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向对应的监控端设备发送警示信息，以使得所述监控端设备接收并输出所述警示信息，从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
另外，相应于上述实施例所提供的安全检测方法，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时，实现本发明实施例所提供的安全检测方法的步骤。
上述计算机可读存储介质存储有在运行时，执行本发明实施例所提供的安全检测方法的应用程序，因此能够实现：获得目标对象的语音数据，并基于所述语音数据，检测目标对象的情感状态是否是面临安全事件时的预设情感状态。如果是，则向对应的监控端设备发送警示信息，以使得所述监控端设备接收并输出所述警示信息，从而实现警示所述对象当前发生安全事件的目的。因此，本发明实施例所提供的方案，能够在对象面临安全事件时，及时有效地进行安全警示。
对于电子设备以及计算机可读存储介质实施例而言，由于其所涉及的方法内容基本相似于前述的方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
技术特征：
1.一种安全监控系统，其特征在于，包括：
对象端设备，用于获得语音数据，确定所述语音数据的情感状态识别结果，当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息；其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息；
监控端设备，用于接收所述警示信息，并输出所述警示信息。
2.根据权利要求1所述的系统，其特征在于，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
3.根据权利要求1所述的系统，其特征在于，所述对象端设备还用于：在确定所述语音数据的情感状态识别结果之前，
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
4.根据权利要求3所述的系统，其特征在于，所述对象端设备判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括：
提取所述语音数据的目标声纹特征；
判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
5.根据权利要求4所述的系统，其特征在于，所述对象端设备判断所述目标声纹特征，与参考声纹特征是否匹配，包括：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
6.根据权利要求1-5任一项所述的系统，其特征在于，所述对象端设备确定所述语音数据的情感状态识别结果，包括：
提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
基于各个匹配度，确定所述语音数据的情感状态识别结果。
7.根据权利要求6所述的系统，其特征在于，所述对象端设备确定所述目标情感特征与各个参考情感特征的匹配度，包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述基于各个匹配度，确定所述语音数据的情感状态识别结果，包括：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
8.根据权利要求1-5任一项所述的系统，其特征在于，所述安全监控系统还包括：监控服务器；
所述对象端设备向所述对象端设备对应的监控端设备发送警示信息，包括：
所述对象端设备向所述监控服务器发送所述警示信息；
监控服务器，用于接收对象端设备发送的所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
9.一种安全检测方法，其特征在于，应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备；所述方法包括：
获得语音数据；
确定所述语音数据的情感状态识别结果；
当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息；
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
10.根据权利要求9所述的方法，其特征在于，所述警示信息包括：所述语音数据和/或所述情感状态识别结果。
11.根据权利要求9所述的方法，其特征在于，在确定所述语音数据的情感状态识别结果之前，所述方法还包括：
判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，如果是，执行所述确定所述语音数据的情感状态识别结果的步骤。
12.根据权利要求11所述的方法，其特征在于，所述判断所述语音数据的发出者是否是持有所述对象端设备的目标对象，包括：
提取所述语音数据的目标声纹特征；
判断所述目标声纹特征与参考声纹特征是否匹配，如果是，则确定所述语音数据的发出者为所述目标对象，如果否，则确定所述语音数据的发出者不为所述目标对象；
其中，所述参考声纹特征为：所述对象端设备中预存的所述目标对象的样本语音数据的声纹特征。
13.根据权利要求12所述的方法，其特征在于，所述判断所述目标声纹特征，与参考声纹特征是否匹配，包括：
将所述目标声纹特征输入预先训练的声纹模型中，得到声纹置信度，其中，所述声纹模型是基于所述参考声纹特征训练得到的；
判断所述声纹置信度是否大于预设声纹阈值；
如果是，则确定所述目标声纹特征，与所述参考声纹特征匹配，如果否，则确定所述目标声纹特征，与所述参考声纹特征不匹配。
14.根据权利要求9-13任一项所述的方法，其特征在于，所述确定所述语音数据的情感状态识别结果，包括：
提取所述语音数据的目标情感特征，其中，所述目标情感特征为：与所述语音数据的情感状态有关的特征；
确定所述目标情感特征与各个参考情感特征的匹配度，其中，所述参考情感特征为：所述对象端设备中预存的关于各个预设情感状态的样本语音数据的特征，所述预设情感状态为恐惧、恸哭或尖叫，所述参考情感特征是基于目标对象的样本语音数据得到的；
基于各个匹配度，确定所述语音数据的情感状态识别结果。
15.根据权利要求14所述的方法，其特征在于，所述确定所述目标情感特征与各个参考情感特征的匹配度，包括：
将所述目标情感特征输入到预先训练的情感模型中，得到各个预设情感状态对应的情感置信度，其中，所述情感模型是基于各个参考情感特征训练得到的；
所述基于各个匹配度，确定所述语音数据的情感状态识别结果，包括：
将各个情感置信度与对应的情感阈值进行比较，
如果有至少一个情感置信度大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括：大于对应情感阈值的情感置信度对应的预设情感状态；
如果各个情感置信度均不大于对应的情感阈值，则确定所述语音数据的情感状态识别结果包括正常状态。
16.根据权利要求9-13任一项所述的方法，其特征在于，所述安全监控系统还包括：监控服务器；
所述向所述对象端设备对应的监控端设备发送警示信息，包括：
向所述监控服务器发送所述警示信息，以使得所述监控服务器接收所述警示信息，确定目标对象对应的监控人员信息，基于所述监控人员信息，向所述监控人员所持有的监控端设备发送所述警示信息。
17.一种安全检测装置，其特征在于，应用于安全监控系统中的对象端设备，所述安全监控系统还包括监控端设备；所述装置包括：
获得模块，用于获得语音数据；
确定模块，用于确定所述语音数据的情感状态识别结果；
发送模块，用于当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息，以使得所述监控端设备接收所述警示信息，并输出所述警示信息；
其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息。
18.一种电子设备，其特征在于，包括处理器和存储器，其中，
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求9-16任一所述的方法步骤。
技术总结
本发明实施例提供了一种安全监控系统、安全检测方法、装置及电子设备。所述系统包括：对象端设备，用于获得语音数据，确定所述语音数据的情感状态识别结果，当所述情感状态识别结果中包含至少一种预设情感状态时，向所述对象端设备对应的监控端设备发送警示信息；其中，所述预设情感状态为：持有所述对象端设备的目标对象面临安全事件时的情感状态，所述警示信息为：警示所述目标对象当前发生安全事件的信息；监控端设备，用于接收所述警示信息，并输出所述警示信息。应用本发明实施例能够在对象面临安全事件时，及时有效地进行安全警示。
技术研发人员：李婉瑜;陈展;周洪伟
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：.07.25
技术公布日：.02.11
如果觉得《一种安全监控系统 安全检测方法 装置及电子设备与流程》对你有帮助，请点赞、收藏，并留下你的观点哦！
