메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
최근 들어 강력범죄들이 공공화장실이나 노상과 같은 공공장소에서 빈번이 일어나서 사회적 문제로 급부상하고 있다. 이로 인해 일반적인 보행자들의 안전 문제를 위한 감시시스템의 중요성은 점차 증대되어가는 추세이다. 하지만 기존의 시각 감시 시스템만으로는 여러 한계점이 있어 오디오 검출 기능을 추가하여 보완하려는 많은 시도가 있었다. 본 연구에서는, SVM(Support Vector Machine)과 GMM(Gaussian Mixture Machine) 기법을 각각 활용하여 사람의 비명소리를 검출하고자 하였으며, 그 두 방법 간의 성능을 다양한 실험을 통하여 상호 비교하였다. 인식실험 결과, SVM의 경우에는 약 0.559%의 False Positive 값을 얻을 수 있었으며, 이는 비명에 대한 오인식이 일어날 가능성이 매우 작음을 의미한다. 반면에, GMM의 경우 약 12.03%의 False Negative 값을 얻을 수 있었는데, 이를 통해서 GMM 방식은 SVM 방식에 비해 비명인식에 대한 민감도가 상대적으로 양호함을 알 수 있었다. 이러한 결과를 통하여 GMM과 SVM은 각각 뚜렷이 구별되는 장점을 가짐을 알 수 있었으며, 향후 두 방식의 결합을 통하여 성능 향상이 이루어질 수 있는 가능성을 확인할 수 있었다.

In recent days, one of the issuing social problems is that violent crimes are frequent in places like public toilets and streets. Due to this problem, the importance of surveillance systems for the safety of pedestrians is increasing gradually. However, since the conventional visual surveillance systems have some limitations, many attempts have been tried to support the system by adding audio-based functionality. In this study, we try to detect scream sounds based on SVM and GMM, respectively, and compare the performance of the two methods through various experiments. From the experimental results, SVM could obtain 0.559% False Positive rate, which menas that there is a very low possibility of incorrectly deciding non-scream sound as a scream sound. In contrary, the GMM method could achieve 12.03% of False Negative rate, which implies that GMM has relatively good sensitivity to the scream sound compared with SVM. From these results, we could conclude that both GMM and SVM have, respectively, a distinctive merit from each other and the plausibility of further performance improvement by combining the two approaches is also observed.
#scream #surveillance system #MFCC #GMM #SVM

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 비명 검출을 위한 특징 추출과 인식 방법
Ⅲ. 실험 결과
Ⅳ. 결론 및 향후 과제
References

참고문헌 (14)

참고문헌 신청
Korean National Police Agency, http://www.police.go.kr/portal/main/contents.do?menuNo=200197 [Accessed: Sep. 05, 2016] J. H. Seo, H. I. Lee, and S. P. Lee, A Design of a Scream Detecting Engine for Surveillance Systems, KIEE, Vol. 63, No. 11, pp. 1559-1563, Nov. 2014. S. Ntalampiras, I. Potamitis, and N. Fakotakis, On acoustic surveillance of hazardous situations, Acoustics, Speech and Signal Processing, 2009. ICASSP 2009. IEEE International Conference on, pp. 165-168, Apr. 2009. J. Y. Chung, Performance Comparison in Noisy Speech Feature Compensation Methods Based on VTS, Journal of KIIT. Vol. 12, No. 4, pp. 65-72, Apr. 30, 2014. J. H. Park, J. Y. Lim, J. Y. Yang, J. M. Kyung, and M. S. Hahn, False Positive Movie Clip Decision in Black-box Using Car Door-Closing Sound Classification, IEIE, Vol. 37, No. 1, pp. 761-763, Jun. 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

헤도닉 가격 모형과 딥러닝을 이용한 주택가격예측 비교 : 서울시 아파트를 중심으로
조유나 ,  김수현 ,  송규원 한국정보과학회 학술발표논문집 2017.06
반복 구매제품의 재구매시기 예측을 위한 다층퍼셉트론(MLP) 모형과 순환신경망(RNN) 모형의 성능비교
송희석 Journal of Information Technology Applications & Management 2017.03
보안 시스템을 위한 비명 검출 엔진 설계
서지훈 ,  이혜인 ,  이석필 전기학회논문지 2014.11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-004-002307210