Résumé:
Notre projet vise à concevoir et implémenter une plateforme de reconnaissance des
événements acoustiques en temps réel en vue de surveiller les parcs de
stationnements. Nous nous intéressons à la reconnaissance de trois catégories de
sons : cris humain, alarmes de voitures et bris de glace. L’IA à base du Data Centric
est adoptée pour développer notre système. Notre approche est composée de deux
étages de traitement : (i) la détection des évènements sonores impulsifs et (ii) la
reconnaissance des sons. La méthode de détection des évènements est basée sur
l’analyse de la variance des énergies à courts termes de l’onde acoustique.
Cependant, l'étage de reconnaissance est basé sur le Dynamic Time Warping. Nous
avons utilisé les coefficients cepstraux (MFCCs) comme attributs acoustiques. Nos
résultats de reconnaissance ont été comparés à un modèle d’apprentissage utilisant
le BI-LSTM (Bidirectional long short-term memory). Le software que nous avons
développé reconnait les trois catégories de sons cités ci-dessus en temps réel. Les
résultats obtenus sont très encourageants.
Mots clés : Détection des évènements sonores, reconnaissance des évènements acoustiques, en temps réel, l’IA à base du Data Centric, la déformation temporelle dynamique, BI-LSTM, MFCCs.
