Reconnaissance des évènements audio en vue de la mise en œuvre d’un système de surveillance audio

Abstract

Ce projet consiste à concevoir une méthode de reconnaissance des sons de l’environnement en utilisant peu de données. Il s’agit d’un module important pour la conception des systèmes de surveillance audio. Nous nous sommes intéressés à la reconnaissance de trois catégories de sons : (i) cris humains, (ii) alarmes de voitures et (iii) bris de glace. Le schéma de classification que nous proposons est basé sur la déformation temporelle dynamique. Nous appliquons une méthodologie qui consiste à utiliser une multitude de données de références (codebook) pour le calcul des distances entre les séquences. Nous comparons les performances de la méthode de reconnaissance en utilisant deux techniques d’extraction d’attributs : les MFCCs (Mel-Frequency Cepstral Coefficients) et les LPCs (Linear Prediction Coefficients). Nous avons trouvé que la méthode proposée a atteint un taux de reconnaissance de 83.33% en utilisant seulement 5 attributs LPCs. De plus, ce résultat a été obtenu en exploitant seulement une durée égale à 0.2s du segment sonore. Cependant, pour les MFCCs, le même taux de reconnaissance a été atteint en utilisant (i) une durée du segment sonore de 0.6s et (ii) 30 attributs (incluant les dérivées des MFCCs). Nous concluons que les LPCs sont plus appropriés que les MFCCs.