Разработка системы обнаружения опасных событий на основе машинного обучения

Abstract

Системы аудионаблюдения являются одними из самых востребованных систем безопасности, доступных сегодня. В области обнаружения и классификации входных параметров за последние несколько десятилетий был проведен и опубликован значительный объем работы. Комбинация аудио- и видео-потоков может привести к созданию сложной системы наблюдения, которую можно описать следующим образом: Обстоятельства окружающей местности оказывают прямое влияние на то, насколько хорошо работает система наблюдения. Если проблемное обстоятельство не находится в поле зрения камеры наблюдения, визуальный компонент системы обнаружения, скорее всего, выйдет из строя. Это связано с тем, что плохие условия освещения являются одной из наиболее распространенных причин этого. С другой стороны, аудиокомпонент системы очень чувствителен даже к небольшим различиям в звуке. Эффективность любой системы наблюдения часто снижается при суровых погодных условиях.

Основная цель каждой отдельной системы наблюдения - помочь в сохранении как человеческой жизни, так и частной собственности. Только в том случае, если обнаружено потенциально опасное происшествие, системы обнаружения должны подавать сигнал тревоги. Крайне важно уменьшить количество ложных тревог, вызванных неправильно идентифицированными паттернами. Предлагаемая система обнаружения предназначена для выявления потенциально опасных обстоятельств на основе информации, полученной от звука. В частности, цель этой работы состоит в том, чтобы идентифицировать два различных вида акустических явлений, таких как звук выстрела и звук разбитого стекла. Эти шумы указывают на аномальное поведение и сигнализируют о наличии некоторых потенциально опасных обстоятельств.

Системы видеонаблюдения часто используются для мониторинга общественных зон, стадионов, автомобилей, станций общественного транспорта и других мест. Существует несколько потенциально опасных сценариев, в которых звуковая информация может более легко идентифицировать опасность, чем визуальная, например, кто-то зовет на помощь или звуки выстрелов и т.д. Очевидно, что существует большое количество приложений, где идентификация определенных звуков может оказать большую помощь, например, в умных комнатах, приложениях, связанных со здравоохранением или промышленностью, и т.д.

В автономных системах наблюдения звуковой анализ часто используется в качестве дополнительного метода к методам, основанным на видео, для идентификации потенциально опасных событий. Идентифицировать потенциально опасные события можно, изучив слуховое представление таких событий. Для достижения этой цели необходимо разработать метод извлечения признаков и классификации. Существует несколько различных подходов к распознаванию звука. В этом исследовании основное внимание уделяется нескольким методам выделения признаков и использованию классификации опорных векторов в качестве эффективного инструмента для классификации звуковых явлений. Показаны результаты классификации, демонстрирующие, что предложенные методы являются полезными компонентами автономной системы видеонаблюдения.

В этом исследовании мы предлагаем разработку системы автоматического обнаружения звуков опасных источников действий, таких как звуки стрельбы, аварий, взрывов, звуков разъярённой толпы и др., в режиме реального времени с помощью применения алгоритмов машинного обучения.