Emergency speech detection robust for various speaker and noisy environment

近年，安全な暮らしの実現が求められる中で，犯罪の予防や災害時の円滑な救助活動のために音情報を用いた監視システムが注目されている．本研究では，音に基づく防犯・生活見守りシステムの基盤技術として，発声者や雑音環境の変化に頑健な危機的音声の検出手法を構築する．2022年度は雑音環境の変化に頑健な危機的音声の検出に取り組んだ．まず2021年度に構築した音声コーパス（多数の平静音声と叫び声を収録）に対して白色雑音や空調騒音などの雑音を加えてバリエーション豊富な雑音環境を再現した．雑音を付加した平静音声と叫び声に対してスペクトログラム（時間・周波数情報）とケプストログラム（時間・ケプストラム情報）の分布を学習し，叫び声に関する特徴量を抽出する深層学習アーキテクチャを設計した．評価実験により，雑音の種類や量に関係なく叫び声を検出できることを確認した．今年度は発声者の変化に注目した新たな叫び声認識アルゴリズムも開発した．叫び声は発声者によってその強度や発声方法が大きく異なる．そこで，話者の発声に関わる情報を組み込みながら，単に音声から叫びを検出するだけでなく，その強度も推定するアルゴリズムを開発した．まずクラウドソーシングサービスを利用した聴取実験を通して，昨年度に収録した2,500個の叫び声に強度スコアを付与した．叫びの強度は1（全く叫び声ではない）から 7（非常に叫び声らしい）の7段階で評価されており，1個の叫び声に対して10名が評価した．この実験で得られた叫び声の強度スコアを分析した結果，全体的に女性よりも男性の方が強く叫ぶ傾向にあることを確認した．この知見をもとに発話音声と話者情報（性別情報）を使って強度スコアを推定する深層学習アーキテクチャを構築した．今回提案した推定モデルを評価した結果，発話音声だけでなく話者情報も利用することで叫びの強度の推定精度が向上した．

近年，安全な暮らしの実現が求められる中で，犯罪の予防や災害時の円滑な救助活動のために音情報を用いた監視システムが注目されている．本研究では，音に基づく防犯・生活見守りシステムの基盤技術として，発声者や雑音環境の変化に頑健な危機的音声の検出手法を構築する．2022年度は雑音環境の変化に頑健な危機的音声の検出に取り組んだ．まず2021年度に構築した音声コーパス（多数の平静音声と叫び声を収録）に対して白色雑音や空調騒音などの雑音を加えてバリエーション豊富な雑音環境を再現した．雑音を付加した平静音声と叫び声に対してスペクトログラム（時間・周波数情報）とケプストログラム（時間・ケプストラム情報）の分布を学習し，叫び声に関する特徴量を抽出する深層学習アーキテクチャを設計した．評価実験により，雑音の種類や量に関係なく叫び声を検出できることを確認した．今年度は発声者の変化に注目した新たな叫び声認識アルゴリズムも開発した．叫び声は発声者によってその強度や発声方法が大きく異なる．そこで，話者の発声に関わる情報を組み込みながら，単に音声から叫びを検出するだけでなく，その強度も推定するアルゴリズムを開発した．まずクラウドソーシングサービスを利用した聴取実験を通して，昨年度に収録した2,500個の叫び声に強度スコアを付与した．叫びの強度は1（全く叫び声ではない）から 7（非常に叫び声らしい）の7段階で評価されており，1個の叫び声に対して10名が評価した．この実験で得られた叫び声の強度スコアを分析した結果，全体的に女性よりも男性の方が強く叫ぶ傾向にあることを確認した．この知見をもとに発話音声と話者情報（性別情報）を使って強度スコアを推定する深層学習アーキテクチャを構築した．今回提案した推定モデルを評価した結果，発話音声だけでなく話者情報も利用することで叫びの強度の推定精度が向上した．