有趣的问题。看看：http : //www.dsprelated.com/showthread/comp.dsp/129392-1.php 请记住，有商业产品可以识别狗吠并在狗吠时发出超声波，例如：http ://www.ultimatebarkcontrol.com/dog-silencer.htm#tabContent

我不知道你想让事情变得多复杂（即：只检测你的狗叫声、其他狗叫声、检测单个吠声、多个吠声等）。或者，正如 Moti 所说，您希望达到什么样的检测概率 (PD) 或误报率 (PFAR)。我想最简单的方法是记录你的狗的几次吠叫，然后将你的手机设置为监听，并处理传入的信号。如果响度级别超过某个阈值，并且时间长度似乎合适，您会怀疑它是树皮，然后将可疑的树皮与您之前的录音进行交叉关联，或者计算相干函数以确定传入信号的相似性与之前的录音。

但是，使用简单的系统可能难以最大化正确检测和最小化错误警报。我不知道商业系统有多复杂，但您可能想研究它们，看看您是否可以获得任何提示/建议。

您不一定要保留声音的录音才能处理它。只需读取帧，计算 RMS 能量（例如），然后回收帧缓冲区。本质上是改写历史并保护您的隐私。循环缓冲区设计适用于音频处理（想想 FFT 中的滑动窗口）。

也就是说，虽然大多数商业和开源狗吠检测系统仅依赖于狗吠的体积，但它们并不是很强大。如果您的邻居正在敲打一些 DIY 木制品，您的系统就会触发。

关于树莓派，如果你还在做这个，也许可以看看大卫亨特的Pi-Rex项目……也许你甚至可以改进它！

您可以训练深度学习 AI 来为您分类声音，然后将其用作事件源。

https://medium.com/@mikesmales/sound-classification-using-deep-learning-8bc2aa1990b7

这是 Python 中的树皮检测脚本。