2020 Fiscal Year Annual Research Report
Study on Detection Method of Abnormal Situation in Daily Life by Machine Learning of Indoor Activity Sound
| Project/Area Number |
18K02236
|
|---|
| Research Institution | Akita University |
|---|
Principal Investigator |
田中 元志 秋田大学, 理工学研究科, 准教授 (50261649)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 生活活動音 / 時間-周波数解析 / 異常検出 / 機械学習 / 自己組織化マップ |
|---|
| Outline of Annual Research Achievements |
マイクロフォン1本を用いて採取した日常の生活活動音（生活音）による家屋内事故等の異常検出を目的に，自己組織化マップ（SOM）を用いた確率モデル，睡眠時の呼吸検出，深層学習による歩行認識，およびそれらの利用を検討した。結果を以下にまとめる。なお，生活音などの採取においては，秋田大学の研究倫理審査委員会の承認を受け，被験者の同意を得て行った。
(1) SOMを用いた異常候補検出方法に関する検討： 約6時間の生活音のSOMを求め，その確率モデル化を検討した。SOM学習後の重みを特徴ベクトルとして階層的クラスタリングを行い，15クラスタに分類した。クラスタ毎に，中心から近い順に98%のベクトルを含む領域を日常的な音，その外側を異常の可能性がある領域とした。また，距離の近いクラスタを統合して状態と定義し，確率モデルを求めた。生活音の発生確率を求めた結果，音によって値が変化し，その時間変化を観察することで異常状態を検出できる可能性が示唆された。
(2) 夜間睡眠中の呼吸検出に関する検討： マイクロフォンを口元近くに配置して録音した寝息音の時間-周波数解析を行い，特徴量として3，7次のMFCC，スペクトル重心，スペクトルエントロピーを求めた。呼吸間隔の推定を試みた結果，いずれかの特徴量が検出された区間では，連続的な呼吸を推定できた。しかし，頭部の向きにより特徴量を検出できない場合があり，異常状態との区別が課題となった。
(3) 足音による歩行認識に関する検討： たたみ込みニューラルネットワークを用いて，複数人が同時に歩いたときの足音から特定歩行者の検出を試みた。被験者3名とし，足音の時間-周波数解析を行い，20次ログメルスペクトラムを求めた。全ての被験者の組み合わせで学習を行った結果では，90％以上の認識率が得られた。しかし，未学習の歩行者を含む場合は識別できず，今後の課題となった。
|
