earticle

영어

In this study, we proposed a CNN-DNN based sound event detection in home IoT environments. To reduce the impact of input volume variation, we applied peak normalization, and extracted acoustic feature named Log mel filter bank. Log-mel filter bank is very popular acoustic feature based on mel filter which is powerful for speech recognition and sound event detection. Then, we used CNN-DNN model for classification. CNN outputs of sequential 32 frames were used as DNN input for considering time-series characteristic of the sound. Data were collected in real apartment environment. We used 13 sounds as target such as doorbell, babycry, vacuum, and so on. We evaluated our method using computer simulation, as a result, the accuracy of the proposed sound event detection algorithm was 90.76%.

한국어

본 연구에서는 CNN-DNN 기반의 음향인지 알고리즘을 제안하였다. 입력 볼륨에 따른 영향을 줄이기 위하여 Peak normalization을 적용하였으며, Log mel filter bank 특징벡터에 CNN을 적용하여 음향 분류에 적합한 특성을 추출하고 음향 데이터의 시계열적 특성을 고려할 수 있도록 연속되는 프레임들에서의 CNN 출력을 결합하여 DNN으로 입력하는 방법을 사용하였다. 공개 데이터가 아닌 실제 아파트 환경에서 샷 건 마이크를 이용하여 직접 수집한 데이터를 기반으로 실험을 진행하였으며, 음향의 종류는 홈 IoT(Internet of Things) 환경에서 발생할 수 있는 초인종, 음악, 도어락 등 13가지 음향을 고려하였다. 컴퓨터 시뮬레이션 평가 결과 90.76% 정확도를 얻었다.