一种用于室内环境中重叠声学事件的步态分选工具包
声音
2022-11-17 v1 音频与语音处理
摘要
步态已在临床和医疗健康应用中用于评估老年人的身体与认知健康。基于声学的步态检测是一种被动且非侵入式收集老年人步态数据的有前景的方法。然而，在家庭和养老院的嘈杂复调声学场景中可运行的基于声学的步态检测器开发工作十分有限。我们将此归因于缺乏来自真实世界的高质量步态数据集以训练步态检测器。本文提出一种新颖的基于机器学习的滤波器，可对适用于训练步态检测机器学习模型的步态音频样本进行分选。该滤波器通过以0.85的f(1)分数剔除噪声样本，并优先选择具有明显频谱特征和最小噪声的步态样本来实现此目的。为证明该滤波器的有效性，我们在应用与未应用滤波器所收集的老年人步态数据集上训练并评估了一个深度学习模型。当使用经滤波的步态样本训练时，该模型在未见过的真实世界步态数据上的f(1)分数提升了25个点。所提出的滤波器将有助于自动化标注步态样本的任务，以训练面向室内环境中老年人的基于声学的步态检测模型。
引用
@article{arxiv.2211.05944,
title = {A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Environments},
author = {Kelvin Summoogum and Debayan Das and Parvati Jayakumar},
journal= {arXiv preprint arXiv:2211.05944},
year = {2022}
}
备注
5 pages