在音频信息识别技术的帮助下进行海量音频信息的查询时那些混在其中的不良信息和危害性信息就可以凭借音频识别进行自动检测,这不仅大大降低了人力成本,还能更有效更快捷的识别有害信息。因此对于当今网络社会来说,音频识别技术的应用层面是非常广泛的。音频识别技术不仅适用于网络,在很多实际生活中也被广泛使用。而随着人工智能的发展,研究人员对音频场景理解展现出极大的兴趣,其中音频场景分类和事件检测也成为了焦点。音频场景事件识别是基于音频识别的一种具体应用。目的是为了能根据特定音频来确定某些事件的发生。相比于传统的视频监控和人力监控,在某些特定的情况下可以弥补上述方式的不足。相较于摄像头监控的方式,音频检测装置更加的小巧,且受环境因素的影响性较之更小,因为声音的传递不受大雾天气或者视野的限制,自动化的识别过程也能减轻监控人员的工作量。相较于使用接收声音作为监控的手段,传统的摄像头监控由于采用的是视觉监控,因此不可避免的会受到视线的影响,人多嘈杂时不易发现重要信息,大雾等阻碍视线的天气时也很影响监控效果,而且摄像头监控主要还是依靠人员监视,容易产生纰漏。本课题把音频识别技术与森林的特点结合起来应用到森林盗伐事件检测中,通过声音传感器的点状坐标分布来实时采集音频信息,采用音频识别应用到森林中可以避免树木茂盛遮挡视线,通过散布的音频传感器采集信息可以根据采集器所在的位置来确定事件发生的具体坐标。且音频监控有全时性、不间断性,比现有的人力巡山要更安全更准确。课题研究过程中利用梅尔频谱倒谱系数作为音频特征,在音频预处理后进行提取。使用支持向量机作为分类器在包含电锯声、手锯声、引擎声、机器轰鸣声、风噪声五种类型的共计200个音频数据进行训练识别。最终的整体平均识别率为99.1%,五类音频数据的识别率都达到了90%以上,从而为音频场景分类和音频事件检测打下了良好的基础。