Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Son, Sang Hyuk | - |
| dc.contributor.advisor | Park, Tae Joon | - |
| dc.contributor.author | Lee, Sang Hyuk | - |
| dc.date.accessioned | 2017-05-10T08:50:35Z | - |
| dc.date.available | 2016-05-18T00:00:00Z | - |
| dc.date.issued | 2014 | - |
| dc.identifier.uri | http://dgist.dcollection.net/jsp/common/DcLoOrgPer.jsp?sItemId=000002262552 | en_US |
| dc.identifier.uri | http://hdl.handle.net/20.500.11750/1359 | - |
| dc.description.abstract | The world’s elderly population is expected to grow by more than triple by 2050. This indicates that detecting human activity is needed to prevent emergency situations for people living alone. Sound is an excellent resource because it has enough information to detect events and it is easy to gather. However, variability is one of the main challenges in research related to sound. To solve variability, most research focuses on selecting sound features because researches related to sound have their own purpose and suitable sound features are different for each research. In this research, we focus on classifiers to solve problem of variability. The Double-layer classification (DLC) is composed with Support Vector Machines (SVM) and the Viterbi search and detects sound events using the Hidden Markov Model (HMM). As a result, unusual sounds which occur at home such as a baby crying, a scream, a breaking glass, and a gunshot are classified by the DLC, which accuracy is 94.4%. ⓒ 2014 DGIST | - |
| dc.description.tableofcontents | I. INTRODUCTION 1-- II. RELATED WORK 6-- III. SYSTEM OVERVIEW – DOUBLE LAYER CLASSIFICATION 8-- 3.1. HMM (Hidden Markov Model) 9-- 3.1.1. Example of HMM 9-- 3.1.2. Define HMM Parameters 10-- 3.1.3. HMM for the Sound Event Detection 10-- 3.1.4. Definition of Observations 12-- 3.2. Preprocessing and Feature Extraction 13-- 3.3. First Layer SVM 14-- 3.4. Second Layer Viterbi Search 15-- 3.5. Decision Making 17-- IV. EVALUATION 19-- 4.1. Performance Comparison 19-- 4.2. Accuracy of Sound Features 20-- 4.3. Relationship between the Early Detection and Computation Time 21-- 4.4. Result of Classification Four Kinds of Unusual Sound Event 23-- 4.5. Accuracy of Frame Duration and Computation Time 23-- 4.6. Classification in a Noisy Environment 25-- V. CONCLUSIONS 28-- REFERENCES 29-- 요약문 33 |
- |
| dc.format.extent | 33 | - |
| dc.language | eng | - |
| dc.publisher | DGIST | - |
| dc.subject | Sound event detection | - |
| dc.subject | HMM | - |
| dc.subject | SVM | - |
| dc.subject | Viterbi search | - |
| dc.subject | double-layer classification | - |
| dc.subject | acoustic event detection | - |
| dc.subject | activity of daily living (ADL) | - |
| dc.subject | context awareness | - |
| dc.title | Acoustic Event Detection Using Double-Layer Classification | - |
| dc.title.alternative | 소리를 이용하여 현재 상황을 감지하는 DLC 시스템 | - |
| dc.type | Thesis | - |
| dc.identifier.doi | 10.22677/thesis.2262552 | - |
| dc.description.alternativeAbstract | 혼자 사는 사람들의 수가 점차 늘어나고 있으며 독거노인의 경우 미국에서만 2050 년에 현재보다 3 배 더 많아질 것으로 전망되고 있다. 혼자 사는 사람들은 각종 사고와 질병으로 인해 자신에게 급박한 일이 발생할 경우 이에 대한 대처가 늦어질 수 밖에 없으며 이를 방지하기 위해 각 종 센서들을 이용하여 현재 집안에 무슨 일이 발생하고 있는지를 실시간으로 감지해주는 시스템들이 많이 연구되어지고 있다. 그 중 소리를 이용하여 감지할 수 있는데, 소리는 무슨 상황이 일어났는지 알 수 있는 충분한 정보를 포함하고 있으며 마이크와 녹음할 수 있는 저장공간만 있다면 아주 쉽게 구할 수 있기 때문에 각광받고 있다. 소리를 이용하여 사건, 사고를 감지하기 위해서는 아날로그 형태의 소리를 디지털 형태로 가공하여야 하며 가공 후 각 종 알고리즘들을 이용하여 감지를 하는 것이 대표적인 방법이다. 현재 수많은 연구들이 진행되어 왔으며 대부분의 연구들은 아날로그 형태의 소리를 연구의 목적에 맞게 어떻게 가공할 것인가에 대해 초점을 두고 진행되어 왔다. 하지만 이 방법은 소리의 특성 중 하나인 다양함에 의해 한계가 있다. 본 연구에서는 소리의 가공에 초점을 두는 것이 아니라 어떠한 방법으로 감지를 할 것인지 분류하는 알고리즘에 포커스를 두어 진행하였다. HMM 로 모델링을 하고 SVM 과 Viterbi search 알고리즘을 사용함으로써 기존의 일차원적인 알고리즘에 비해 약 10%정도 더 높은 결과를 얻을 수 있었으며 아기 울음소리, 비명소리, 유리 깨지는 소리, 총소리 그리고 기타 집안에서 일어날 수 있는 웃음소리, 대화소리 등을 실험하여 94.4%의 정확도를 얻을 수 있었다. ⓒ 2014 DGIST | - |
| dc.description.degree | Master | - |
| dc.contributor.department | Information and Communication Engineering | - |
| dc.contributor.coadvisor | Moon, Sang Jun | - |
| dc.date.awarded | 2014. 2 | - |
| dc.publisher.location | Daegu | - |
| dc.description.database | dCollection | - |
| dc.date.accepted | 2016-05-18 | - |
| dc.contributor.alternativeDepartment | 대학원 정보통신융합공학전공 | - |
| dc.contributor.affiliatedAuthor | Lee, Sang Hyuk | - |
| dc.contributor.affiliatedAuthor | Son, Sang Hyuk | - |
| dc.contributor.affiliatedAuthor | Park, Tae Joon | - |
| dc.contributor.affiliatedAuthor | Moon, Sang Jun | - |
| dc.contributor.alternativeName | 이상혁 | - |
| dc.contributor.alternativeName | 손상혁 | - |
| dc.contributor.alternativeName | 박태준 | - |
| dc.contributor.alternativeName | 문상준 | - |
- Files in This Item:
-
기타 데이터 / 2.36 MB / Adobe PDF
download
- Appears in Collections:
- Department of Electrical Engineering and Computer Science Theses Master
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.