通过枪声录音解密枪支类型层级结构

枪支相关暴力事件和大规模枪击事件的上升率代表了公共安全的重大威胁。及时和准确的信息对法律执法机构至关重要，以减轻这些事件。当前商业枪声检测系统虽然有效，但往往成本 prohibitive。本研究探索一种基于枪声录音的成本效益替代方案， potentially obtainable from ubiquitous devices like cell phones, to not only detect gunshots but also classify the type of firearm used. 本文详细介绍了针对3459个录音的枪支类型层级结构解密研究。我们研究枪声的基本声学特征，包括枪口冲击和冲击波，这些特征根据枪支类型、弹药和射击方向而有所不同。我们提出并评估了机器学习框架，包括Support Vector Machines (SVMs) as a baseline and a more advanced Convolutional Neural Network (CNN) architecture for joint gunshot detection and gun type classification. 结果表明，我们的深度学习方法在干净标记数据上的平均精度（mAP）为0.58，优于SVM基线（mAP 0.39）。也讨论了与数据质量、环境噪声以及使用噪声网络数据时（mAP 0.35）的泛化能力挑战。长期愿景是开发一个高度准确的、可在普通录音设备上部署的实时系统，显著降低检测成本，为应急人员提供关键情报。