权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Emergency speech detection robust for various speaker and noisy environment

适用于各种说话人和嘈杂环境的紧急语音检测

基本信息

批准号：
21K14381
负责人：
福森隆寛
金额：
$ 2.91万
依托单位：
Ritsumeikan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
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-21K14381/
关键词：
危機的音声発声者雑音音声コーパス

项目摘要

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．

In recent years, security has been in demand, crime prevention and disaster relief activities have been in use, and surveillance has been in focus. This study aims to establish a sound detection method for the sound environment in 2022. The sound detection method for the sound environment in 2022 is divided into two groups: the sound detection method for the sound environment in 2022 and the sound detection method for the sound environment in 2022. In 2021, the construction of the sound system (most of the quiet sound and sound recording), white sound and air conditioning sound, sound and sound enhancement, rich sound environment to reproduce. The distribution of the sound and the quiet sound and the sound is studied. The deep learning is designed by extracting the characteristic quantity of the sound. Comments on the type and quantity of sound, the relationship between the sound and the sound, and the confirmation of the sound. This year, the voice of the new generation of people to understand the new generation of people to open up. The intensity and method of sound transmission vary greatly. The speaker's voice is related to the sound of the voice, and the voice is related to the sound of the voice. 2,500 calls were recorded last year. The intensity of the call is 1 (full call), 7 (very call), 7 (very call), and 1 (full call). The results of this analysis confirm that women tend to cry more than men. The voice of the speaker (gender information) makes the voice of the speaker stronger than that of the speaker. The accuracy of the estimation of the strength of the voice is improved.