|
独居者の生活活動音（生活音）から家屋内事故等の異常検出を目的に，日々の生活環境やスタイルの変化（発生する音の変化）に対応して，学習内容および確率モデルを定期的に自動更新して継続的に利用可能な異常検出方法についての検討を進めた。なお，本研究では，秋田大学手形地区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生活音などを採取した。
広帯域マイクロフォン1本を用いて生活音をコンピュータに取り込み（サンプリング周波数192 kHz，周波数帯域幅80 kHz），時間-周波数解析から特徴抽出を行った。特徴量としては，これまでの検討から，80 kHzまでを15個のサブバンド（帯域幅10 kHz，三角窓，シフト幅5 kHz）に分割し，それぞれの合計電力を求めた。最初に，階層的クラスタリングを行い，生活音の確率モデルを作成した。その後，特徴量を半分入れ替え，k-means法でクラスタリングすることでクラスタ中心座標を更新し，それに合わせて確率モデルのパラメータを再計算していく方法を提案した。このとき，生活環境の変化で生活音が著しく変わった場合など，更新時に特定のクラスタ内の特徴量がすべて失われる場合があり，その対応も検討した。データ数が0になったクラスタを削除し，クラスタ数が削除前と同数になるように再設定した。更新後のモデルで生活音の発生確率を算出し，生活音が大きく変化した後の生活音だけを学習させたモデルで算出した発生確率と比較した。その結果，両者の確率の変化は同様な傾向を示し，本手法は極端な生活音の変化にも対応できる可能性が得られた。今後の課題として，より長期間の生活音を対象とした，モデル更新時の最適条件（間隔など）についての検討が挙げられる。
|
