Software pro detekci a klasifikaci impulsních událostí

Abstract

V dnešním světě dochází k nárůstu vlastnictví domácích střelných zbraní. To vedlo k potřebě být schopen detekovat nebezpečnou událost výstřelu nejen ve vojenských oblastech, ale i v civilních oblastech, jako jsou mimo jiné školy, školní areály a nemocnice. Současné prostředky detekce této nebezpečné události dnes využívají uzavřený televizní okruh (CCTV) a kamery z dronů, což nemusí být za určitých okolností zcela účinné. To znamená, že v určitých situacích bychom potřebovali být schopni detekovat, lokalizovat a klasifikovat výstřely pomocí automatického akustického senzoru. To by zahrnovalo mnoho komponentů, které by byly společně použity pro účinnou detekci a klasifikaci výstřelu. Jakmile je akustická událost detekována, algoritmus začne extrahovat rysy založené na Melově frekvenční transformaci, jakož i na některých modifikovaných verzích této transformace a některých víceznačkových klasifikačních algoritmech, aby potvrdil, zda událost byla skutečně výstřelem z určité vzdálenosti, který lze detekovat. To je základní logika toho, co se děje v rámci snímače akustických událostí, protože dokáže přijímat zvuky z okolního prostředí v reálném čase, snaží se detekovat akustickou událost, extrahovat z této události některé rysy a pomocí těchto rysů ji klasifikovat buď jako výstřel, nebo ne. Systém byl navržen tak, aby pracoval s nahranými zvukovými signály, u nichž bychom byli schopni detekovat zajímavou akustickou událost a klasifikovat ji. Systém byl testován na různých střelných zbraních se záměrem, aby byl schopen efektivně detekovat i klasifikovat výstřely navzdory faktorům prostředí a určitému šumu v pozadí. Byly zvažovány i další akustické události, jako je tlesknutí rukou, bouchnutí rukou, bouchnutí dveřmi, zabalení bubliny a bouchnutí knihou, které mají podobné vlastnosti jako výstřely. Algoritmus byl definován tak, aby účinně klasifikoval výstřely od falešných poplachů.

In the world today, there is an increase in the ownership of domestic firearms. This has led to a need to be able to detect the dangerous event of a gunshot not just in military areas but in civil areas such as schools, campuses, hospitals amongst others. The current means of detection of this dangerous event today is with the use of Closed-Circuit Television (CCTV) and drone cameras which might not be completely effective in some circumstances. This means that in certain situations we would need to be able to detect, localize and classify gunshots using an automatic acoustic sensor. This would involve a lot of components that would be used together for the effective detection, and classification of the gunshot. Once an acoustic event is detected, the algorithm starts to extract features based on Mel Frequency Transformation as well as some modified versions of this transformation and some multi-label classification algorithms to confirm if the event was indeed a gunshot fired at a specific distance that can be detected. This is the basic logic of what happens within the acoustic event sensor as it can receive the sound of the surrounding environment in real time, tries to detect an acoustic event, extract some features from this event and using these features classifies it as either a gunshot or not. The system was designed to work with recorded sound signals where we would be able to detect the interesting acoustic event and classify it. The system has been tested across different firearms with the intention of being able to detect as well as classify gunshots effectively despite environmental factors and some background noise. There were some other acoustic events which were considered such as hand claps, hand slams, door slams, bubble wraps and book slams with similar characteristics to the gunshots. The algorithm was defined to effectively classify the gunshots from the false alarms.