独居者生活音の定期的自己学習可能な確率モデルを用いた異常検出アルゴリズムの構築

点击翻译按钮获取中文摘要

独居者の日常の生活活動音（生活音）から家屋内事故等の異常検出を目的に，生活音のクラスタを定期的に更新する方法についての検討を中心に進めた。また，夜間睡眠時の音の利用について検討した。以下に結果をまとめる。なお，本研究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) 生活音の確率モデルの更新方法に関する検討： はじめに，X-means法で適当なクラスタ数（今回は約100）に分類し，これまでに提案した従来法で確率モデル化を行った。その後は，半数を新しいデータに入れ替えて，k-means法で各クラスタの中心座標を初期条件としてクラスタリングを行い，確率モデルのパラメータを更新していく方法を検討した。サンプルとして，被験者1名（男性，22歳）の生活音を1日約6時間，7日間録音した。時間-周波数解析から帯域80 kHzまでの15次特徴量を求め，最初の2日分の特徴量を初期学習に用い，以降1日毎に更新した。6日目まで更新し，7日目の生活音の発生確率を求めた。6日目までの全ての音を1度に学習させた場合と比較した結果，確率の値は若干異なるが，生活音の変化に対して同様の変化が得られ，本方法の利用の可能性が示唆された。(2) 夜間睡眠時の音に関する検討： 異常候補検出の一方法として，特異スペクトル変換の利用を検討した。超指向性マイクロフォンを用意し，被験者1名（男性，21歳）の口元から約30 cmの位置に配置して，睡眠時の呼吸音を録音した。時間-周波数解析を行い，呼吸に対応した周期的な変化を確認できたスペクトル重心，スペクトルエントロピー，などを抽出した。それぞれについて特異スペクトル変換を行い，異常度を求めた結果，寝返りや咳込んだ区間の前後で異常度が大きく変化し，通常の周期的な呼吸音から外れる音を検出できる可能性が示唆された。