کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11021181 1715031 2019 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Assessing the performances of different neural network architectures for the detection of screams and shouts in public transportation
ترجمه فارسی عنوان
ارزیابی عملکرد معماری شبکه های عصبی مختلف برای تشخیص فریاد و فریاد در حمل و نقل عمومی
کلمات کلیدی
نظارت صوتی، تشخیص رویداد آکوستیک، حمل و نقل، طبقه بندی، شبکه های عصبی،
ترجمه چکیده
به عنوان سیستم های حمل و نقل هوشمند در حال تبدیل شدن بیشتر و بیشتر شایع، ارتباط سیستم های نظارت خودکار افزایش می یابد. در حالی که چنین سیستم هایی به شدت به سیگنال های ویدئویی وابسته هستند، دیگر انواع سیگنال ها نیز می توانند برای نظارت بر امنیت مسافرین استفاده شوند. در این مقاله، یک سیستم هوشمند مبتنی بر صوتی برای نظارت در حمل و نقل عمومی ارائه شده است، با هدف بررسی استفاده از برخی از روش های هوش مصنوعی پیشرفته برای تشخیص خودکار فریاد و فریاد. ما نتایج آزمون تولید شده در یک پایگاه داده از صداها رخ می دهد در قطار مترو در شرایط واقعی کار، طبقه بندی صداها به فریاد، فریاد و دیگر دسته ها با استفاده از معماری های شبکه های عصبی. ارتباط این معماری در تجزیه و تحلیل سیگنال های صوتی تجزیه و تحلیل می شود. با توجه به دشواری کار، به ویژه هنگامی که سطح بالایی صدا در اطراف وجود دارد، نتایج تشویق را گزارش می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
As intelligent transportation systems are becoming more and more prevalent, the relevance of automatic surveillance systems grows larger. While such systems rely heavily on video signals, other types of signals can be used as well to monitor the security of passengers. The present article proposes an audio-based intelligent system for surveillance in public transportation, investigating the use of some state-of-the-art artificial intelligence methods for the automatic detection of screams and shouts. We present test results produced on a database of sounds occurring in subway trains in real working conditions, by classifying sounds into screams, shouts and other categories using different Neural Network architectures. The relevance of these architectures in the analysis of audio signals is analyzed. We report encouraging results, given the difficulty of the task, especially when a high level of surrounding noise is present.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 117, 1 March 2019, Pages 29-41
نویسندگان
, , , ,