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

使用概率模型构建异常检测算法，可以定期自学习独居的声音

• 批准号: 21K02145
• 负责人: 田中 元志
• 金额: $ 2.5万
• 依托单位: Akita University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K02145/
• 关键词: 生活音; 時間-周波数解析; 特徴抽出; 機械学習; クラスタリング; 確率モデル; 異常検出; 生活活動音; 信号解析; 自己学習

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。

The daily life activity sound of the person living alone (life sound) is changed from the abnormal detection of accidents in the home to the regular update of the life sound. The use of sound during sleep at night The following is the result. This study was approved by the Research Ethics Review Committee of Akita University and conducted with the consent of the respondent. (1)The accuracy rate of life sound is updated by X-means method. The accuracy rate of life sound is updated by X-means method. After that, half of the new data are updated, and the k-means method is used to analyze the initial conditions and update the center coordinates of each data. 1 person (male, 22 years old) was recorded during the day for about 6 hours. Time-cycle analysis is performed in the frequency band 80 kHz, and the 15-order feature is calculated. The feature is used in the initial learning period for the first 2 minutes, and updated every 1 day. 6 days to update, 7 days to improve the quality of life. 6. Comparing the results of the study on the first degree of the whole sound, the accuracy of the value is different, and the transformation of the living sound is similar. The possibility of using this method is demonstrated. (2)A method for detecting abnormal candidates and a method for detecting abnormal candidates during night sleep One person (male, 21 years old) who was exposed to hyperdirectivity was placed at a position of about 30 cm, and breathing sounds were recorded during sleep. Time-cycle analysis is performed, and the change of respiration cycle is confirmed. The abnormal degree is calculated according to the result of the abnormal degree before and after the abnormal degree of the abnormal degree.

项目成果

屋内生活活動音の確率モデルの更新方法に関する一検討

室内活动声音概率模型更新的研究

• 发表时间: 2023
• 作者: Tchoukoua Abdou;Tomfeun Nganou Sandrine Carole;Dabole Bernard;Yoshida Jun;Ito Yoshiaki;Ngadjui Bonaventure Tchaleu;Shiono Yoshihito;松尾大地，室賀翔，田中元志
• 通讯作者: 松尾大地，室賀翔，田中元志

A Study on Clustering for Stochastic Modeling of Indoor Daily Activity Sound

室内日常活动声音随机建模的聚类研究

• 发表时间: 2022
• 作者: D. Matsuo;S. Muroga;and M. Tanaka
• 通讯作者: and M. Tanaka

機械動作音から異常検出するための自己組織化マップ利用に関する一検討

使用自组织图检测机器操作声音异常的研究

• 发表时间: 2021
• 作者: Sofian Ferry Ferdiansyah;Suzuki Takuma;Supratman Unang;Harneti Desi;Maharani Rani;Salam Supriatno;Abdullah Fajar Fauzi;Yoshida Jun;Ito Yoshiaki;Koseki Takuya;Shiono Yoshihito;斎藤亮太，室賀翔，田中元志
• 通讯作者: 斎藤亮太，室賀翔，田中元志