Audioanalyse für Überwachungsanwendungen

Wir haben einen ansatzbasierten Zeitreihenanalyse-Vorschlag für die systematische Auswahl von Audioklassen zur Verbrechensdetektion in Aufzügen in R. Radhakrishnan et al. (2005) vorgeschlagen. Da nicht alle verschiedenen Geräusche in einer Überwachungsumgebung vorhergesehen werden können, kann ein Überwachungssystem zur Ereigniserkennung nicht vollständig auf ein überwachtes Audio-Klassifizierungsframework angewiesen sein. In diesem Papier schlagen wir eine hybride Lösung vor, die aus zwei Teilen besteht: einem, der eine unbeaufsichtigte Audioanalyse durchführt, und einem anderen, der die Analyse mit einem aus off-line Analyse und Training gewonnenen Audio-Klassifizierungsframework durchführt. Das vorgeschlagene System ist in der Lage, neue Arten von verdächtigen Audioereignissen zu erkennen, die als Ausreißer vor dem Hintergrund üblicher Aktivitäten auftreten. Es lernt adaptiv ein Gaussian Mixture Model (GMM), um die Hintergrundgeräusche zu modellieren, und aktualisiert das Modell schrittweise, sobald neue Audiodaten eintreffen. Neue Typen verdächtiger Ereignisse können als Abweichungen von diesem üblichen Hintergrundmodell erkannt werden. Die Ergebnisse der Audioanalyse in Aufzügen sind vielversprechend.