基于Tiny AI技术的玻璃敲碎声事件离线检测方案

基于Tiny AI技术的玻璃敲碎声音事件离线检测解决方案是由瑞萨电子合作伙伴Aizip开发，并提供AI算法及技术支持。

方案演示视频

方案简介

该方案基于RA系列MCU产品（RA4），在R7FA4E10D2CNE硬件上运行Aizip Tiny AI玻璃敲碎声音事件检测算法库，实现了实时检测玻璃敲碎声，并个性化定制报警逻辑的功能。解决方案充分利用开发板硬件资源，对板载数字麦克风采集到的高保真音频进行处理，通过Aizip的玻璃敲碎声检测算法得到检测结果，再根据用户定制逻辑进行亮灯和串口打印报警。借助e2 studio友好的开发环境，玻璃敲碎声音事件检测算法可以快速落地到嵌入式设备。

 VOICE-RA4E1 Kit

资源消耗

玻璃敲碎声音识别算法占用Ram：13KB，Flash: 115KB

性能表现

在咪头哭声音量65db~75db范围内时，识别率可达94%以上，并且误识别率非常低。

应用场景

该方案可以应用在玻璃门窗防盗报警器，以及其他家庭智能监护产品上，配合视频实时监控，以及声光等功能，可以实时在线监测门窗安全状态，一旦发生非法入侵事件时及时做出响应。

方案特点

对玻璃敲碎声进行实时监测，并能根据模型输出结果个性化定制报警逻辑。算法采用CRNN模型框架，结合了卷积神经网络（CNN）在提取局部特征方面和循环神经网络（RNN）捕捉长期依赖关系的优势，结合两者可以同时捕获局部特征和全局序列信息，并且能够通过端到端的学习来实现对数据的有效特征学习。

演示硬件

该演示方案采用瑞萨VOICE-RA4E1开发板，主控芯片为R7FA4E10D2CNE，是一款入门级的Cortex-M33内核芯片，主频为100M，配备128kRAM和512kFLASH。板子上搭载了I2S接口的数字麦克风，方便音频采集，同时还有LED以及J-Link生态，方便调试和打印输出，在实际应用中，可以根据资源需要选择瑞萨不同配置的MCU型号。

应用Tips

在实际应用场景中，根据需要报警提示的情况，工程中提供了两种报警逻辑选择：一种是没用应用逻辑，一旦检测到玻璃敲碎声，红灯就会开始闪烁，在闪烁过程中若再次检测到玻璃敲碎声，会刷新延长闪烁时间；另一种应用了控制报警逻辑，只有当4秒内检测到两次玻璃敲碎声才会报警，这样可以过滤掉环境中发出的类似玻璃破碎声的单独声音，降低误识别率。此外，报警闪光和打印接口以及模型输出接口也开放给用户，用户可以根据自己的实际需求进行定制编程。