音频监控在安防中的应用

音频监控是智慧安防建设系统的重要组成部分，它是一种防范能力较强的综合系统，直观、准确、及时和信息内容丰富，是其突出的特点。

对于音视频一体化监控来说，摄像机相当于眼睛，拾音器相当于耳朵。眼睛看到的图像和耳朵听到的声音通过光纤、网络等神经系统传输到存储服务器就构成一个完整的音视频监控系统，为智慧安防或智慧城市提供 高品质完整的基础数据。

传统的视频监控系统都没有声音，就像早期的无声电影，人们只能看到无声的影像。而现在很多的智慧安防，已经要求增加音频采集，例如在平安城市、公检法办案区、金融机构、公共交通、教育监考、行政服务、执法取证等领域，越来越多的优质项目需要高清晰、高保真的音视频同步监控系统，在优质安防工程中已凸显出音频监控的重要性，成为平安城市和智能政务的新亮点。

一套完整的音频监控系统包括拾音器和语音降噪设备、网络录音对讲系统、音频智能分析系统。

拾音器：拾音器是音频监控系统的核心，主要是通过声音的震动来采集现场的声音。拾音器一般分为数字拾音器和模拟拾音器，数字拾音器就是通过数字信号处理系统将模拟的音频信号转换成数字信号并进行相应的数字信号处理的声音传感设备。模拟拾音器就只是用一般的模拟电路放大咪头采集到的声音。

网络录音对讲系统：主要包括远程录音系统和对讲系统。一旦采集到声音，就会自动启动录音功能，并主要通过语音卡和音箱，实现实时监听的功能。

音频智能分析系统：音频智能分析类似于视频监控系统中的智能分析。通过声纹采集和比对，来分析出声音的具体特征，并能分析出当时的应用场景。

音频监控经过多年的发展，技术正趋于成熟。通过对声纹的识别可以鉴定个人的身份。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官(舌、牙齿、喉头、肺、鼻腔)在尺寸和形态方面差异很大，所以每个人的声纹图谱都有独特的，既有相对稳定性，也有一些变异。但尽管如此，由于每个人的发音器官都不尽相同，因此在一般情况下，可以通过音频系统来区别不同的人的声音或判断是否是同一人的声音。

通过音频监控的场景分析来判断当时场景下的异常行为。这种技术是基于各类异常声音在时域、频域的特征，结合模式识别的分类方法对异常事件报警。

其实，现在已经有些厂商的技术已经可以做到通过声音的识别来判断说话人的情绪、所处的环境等问题。