通过过表达识别非语音声音无监督学习人类活动
人工智能
2013-11-11 v1 人机交互
摘要
人类活动和环境会产生声音，例如在家中，水流声、咳嗽声或电视声。这些声音可用于确定环境中的活动。其目标是通过声音分析，利用单个低成本麦克风来监控人员活动或确定其环境。目的是使程序适应活动或环境，或检测异常情况。在识别出的声音序列中，某些在环境间和环境内反复过表达的模式可用于表征活动，如人员进入房屋或观看电视节目。我们首先手动标注了 1500 个居家老年人日常活动的识别声音。随后，我们推断出一个本体，并通过众包手动标注 7500 个声音来丰富标注数据库，以辅助对最频繁声音的标注。利用声音学习算法，我们定义了 50 种最频繁的声音类型。我们使用这套可识别的声音作为基础来标记声音并为其添加标签。通过利用标签序列中过表达的基序数量，我们能够仅使用单个低成本麦克风对人员在家的复杂日常活动进行分类，如看电视、人员进入公寓或电话交谈，包括检测未知活动（如用户执行的重复任务）。
引用
@article{arxiv.1311.1935,
title = {Unsupervised learning human's activities by overexpressed recognized non-speech sounds},
author = {Serge Smidtas and Magalie Peyrot},
journal= {arXiv preprint arXiv:1311.1935},
year = {2013}
}