| 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 – 2024-03-31
|
| キーワード | 見守りシステム / 異常検知 / 深層学習 / DAGMM / GAN |
|---|
| 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基にして，性能を比較するために，モデルからの外れ度をもとに異常検知を行う深層学習を用いた異常検知モデルを構築した．
構築したシステムは自己符号化器（オートエンコーダ）によるもの，敵対的生成ネットワークによるもの，DAGMM（Deep Autoencoding Gaussian Mixture Model）によるものの3つである．前者二つは，音信号を短区間に分割し，波形を符号化することで，自己復元の度合いを基に異常検知を行っている．後者のDAGMMは，波形そのもの入力とする場合と，セグメンテーションで分割した特徴量を入力とした場合の両方について検討した．2時間程度の長さの日常環境を対象とした異常検知システムの評価実験を行ったところ，検出させたい異常音として準備した収録環境音外の音信号サンプルについては，作成したシステムの全てにおいてほぼ100%近い精度で検出された．しかし，学習した日常音として用いた収録環境内の音信号のいくつかが異常と判定されることがあり，異常検知システムの再現率は8割から9割となった．再現率が一番高くなったシステムはオートエンコーダに基づくシステムであり，これは信号の復元精度の観点から考えると，GAN等に関する過去の知見などとはそぐわない結果となっている．評価実験を実施する環境を増やし，その挙動を検討することで，この点についてさらなる検討を実施したい．
|
| 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．
本年度は，計画に掲げていた深層学習（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した．学習音源，評価音源を用意すれば評価実験を行うことができるところまでは研究を進めたが，その挙動，特に再現率の挙動に不明確なところがあるため，システムの改良，実験的検討を繰り返しているところである．成果を外部発表することもできていないため，急ぎ異常検知システムの構築完了させる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，検討中の深層学習に基づく異常検知システムの構築終了させる．構築完了後は，各システムの差異について実験的な検討を行い，日常生活の見守りに適した手法の組み合わせについて提案を行う予定である．
また，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．
|
| 次年度使用額が生じた理由 |
研究進行状況が思わしくなく，予定していた外部発表に至らなかった．そのため研究費の一部を次年度に繰り越し，実験関連費，外部発表のための旅費として使用できるよう次年度使用とすることとした．
|
