| 研究課題/領域番号 |
20K12757
|
|---|
| 研究機関 | 秋田県立大学 |
|---|
研究代表者 |
安倍 幸治 秋田県立大学, システム科学技術学部, 助教 (50315652)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 見守りシステム / 異常検知 / オートセグメンテーション / 時間長重み |
|---|
| 研究実績の概要 |
本研究は，一人暮らしの高齢者の見守りを，音信号を用いた機械的な異常検知に基づいて行うことを目的とする．
本年度は，前年度に作成した音信号のセグメンテーションシステムを用いて分割した音を，設置環境から得た環境音サンプルとして用いて，日常音を混合ガウスモデルで表現し，そのモデルからの乖離度をもとに異常を検知するシステムを構築した．これまでの混合ガウス分布を用いたモデル化では，個々の環境音サンプルを等しく扱っていたが，前述のセグメンテーションシステムで分割した音信号は，それぞれの区間長が異なってくるため，その区間長を重みとして発生確率に掛け合わせることで，個々の音響イベントの占める時間長を反映したモデルを作成し，より日常音発生を適切に表現したモデルとなるよう構築している．
五つの生活環境で収録した2時間から6時間程度の環境音を用いて，短時間等分割（セグメンテーションシステムなし）した環境音サンプルを時間長重みなしで分析する条件1と，セグメンテーションシステムを用いて分割した環境音サンプルを時間長重みなしで分析する条件2，時間長重みありで分析する条件3で，異常検知能力の評価実験を実施したところ，環境に依存するところはあるものの，条件3において異常検知性能が向上する可能性があることが示唆される結果となった．また，一定区間で短時間等分割し，重みなしとするよりもセグメンテーションシステムを用いてサンプル数を低減することで，計算量の削減を実現できた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究の実施計画は大きく三つの構成により成り立っている．一つ目が音信号のセグメンテーション部，二つ目が音響特徴量に基づくステアリングベクトルの生成部，三つ目が音響イベント発生モデルの生成とそれを用いた異常判別部である．
研究実績の概要で書いた通り，音響特徴量に基づく自動セグメンテーション部の構築・評価はほぼ終わっている．また，三つ目の音響イベント発生モデルの生成とそれを用いた異常判別部の作成・評価も，混合ガウス分布に基づく異常検知システムについては作成は終了している．しかし，評価に用いるステアリングベクトルの構成とそれが異常検知の性能に及ぼす評価に関しては，検討はすすめているものの，結果との対応関係の考察が進んでおらず，最適化が進んでいない傾向にある．そのため，本研究課題の進捗状況は，想定よりもやや遅れていると言える．また，前述の通り，混合ガウス分布に基づく異常検知システムについては作成できているものの，深層学習を利用した，オートエンコーダやGAN等を利用した異常検知システムは作成に着手できていない．ベースとなるシステムを作成したのち，実験的検討に基づいた改良を予定しているため，急ぎベースシステムの構築を行う必要があると考える．
|
| 今後の研究の推進方策 |
本年は，研究計画の全容を実現するために，深層学習に基づく異常検知システムの構築を行う．構築を目指すシステムとしては，自己符号化器に基づくもの，敵対的学習を利用した異常検知システムの二つを検討している．構築においては，リアルタイム性については保留し，異常検知のアルゴリズムとして所望の働きをするかどうかを検討することを優先する．評価サンプルについても，既存の研究との比較・検討を可能とするために，これまでに実施してきた独自の生活環境での収録環境音のみではなく，DCASEやTUT等で公開されているデータベースを利用し，より一般的な知見を得ることを予定している．
|
