加强智慧城市安全建设,保障人们日常生活安全,创建和谐社会已成为各国政府关心的问题。随着5G、物联网技术、智能技术的快速发展,城镇中随处可见的路灯也从传统的照明作用发展成为具有视频监控、广播、视频等功能的智慧路灯。充分利用智慧路灯上的监控和边缘设备,将声音和视频结合,解决视频监控存在盲区的问题,不仅建设成本大幅降低,而且对提高现有的监控系统的智能化水平,维护社会和谐,构建智慧城市也具有很大的意义。针对现有监控系统中存在监控盲区的问题,本研究主要利用异常事件发生时伴随的哭声、尖叫声等异常声音,通过部署在智慧照明系统中的无线传感网络节点实现采样,在详细分析异常声音特征的基础上,使用卷积神经网络实现异常声音识别。提出一种基于裁剪的卷积网络压缩算法,解决了卷积模型过大难以在边缘设备中应用的问题。根据智慧照明设备安装位置,设计异常声音定位策略,实现异常声音的识别与定位,控制摄像头的转动。论文的主要工作如下:(1)针对卷积神经网络模型较大的问题,提出基于裁剪的模型压缩算法。首先分析卷积神经网络的相关理论,以及模型裁剪算法,针对模型压缩算法,分析模型压缩的关键特征,删除卷积中冗余的节点,达到模型压缩的标准,最后通过实验验证了本算法的有效性。(2)针对目前缺乏基于智慧照明应用场景的声源定位方法,本文依据智慧照明设备的特性,结合照明设备安装位置,设计基于智慧照明拓扑结构的异常声音定位策略,使用基于时延和能量定位方法,实现声源的最终定位,最后通过实验仿真证明本定位策略的有效性。(3)在上述研究的基础上,本文设计智慧照明系统的原型。该系统包括软硬件两部分,在客户端可以实现对整个系统的实时监控,当发生异常事件时,自动调整摄像头角度,远程实时报警。