NWO maakt trein hufterproof
Wandelend door de stad ondervind je als mens weinigproblemen om een gesprek te voeren. Bijna feilloos ben je in staatde stem van je gesprekspartner uit de brij van stadsgeluiden tehalen. Dergelijke bijgeluiden zijn daarentegen fnuikend voorcomputers, want een spraakherkenner ziet die ook als spraak, metonzinnige uitvoer als gevolg. Om geluidsherkenning te kunnengebruiken voor alarmsystemen, moet er dus nog veel gebeuren. Demodellen van Krijnders (RUG) blijken een grote stapvoorwaarts.
Geluid bestaat uit drie delen: resonantie, botsing enruis. In het model van Krijnders wordt geluid opgedeeld inobjecten, op basis van verschillende fysische processen. Elk proceswordt apart verwerkt en van elk proces wordt een aantal crucialekenmerken vastgesteld. Op basis van deze kenmerken wordt vervolgensgezocht naar bekende voorbeelden die vergelijkbare kenmerkenhebben. Zo kan de computer bepalen wat de bron is van welkgeluid.
Om te meten of de modellen werken, verzameldeKrijnders verschillende datasets. Een van de sets is opgenomen opeen treinperron dat gewoon in gebruik was en waar vier acteursdiverse scènes speelden. Deze scènes varieerden van normalestationsscènes, zoals een begroeting, tot minder vaak voorkomende,zoals agressief gedrag van voetbalhooligans.
Deze dataset is ook gebruikt in combinatie met eenUvA-videodetectiesysteem om agressie te detecteren op basis van dehoeveelheid beweging in het beeld. Dit gebruikt de uitkomsten vanzowel het geluidssysteem als het videosysteem om de beste schattingvan het agressieniveau op het perron te geven. Door gebruik temaken van twee verschillende sensortypen blijkt het aantal ‘goede’alarmsignalen toe te nemen van 45 procent voor alleen geluid en 67procent voor alleen video, tot 78 procent voor de combinatie,zonder dat het aantal valse signaleringen toeneemt.
