Efficient Feature Set Developed for Acoustic Gunshot Detection in Open Space
Loading...
Date
2021-08-23
Authors
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
Kaunas University of Technology
Altmetrics
Abstract
This paper presents an efficient approach to automatic gunshot detection based on a combination of two feature sets: adapted standard sound features and hand-crafted novel features. The standard features are mel-frequency cepstral coefficients adapted for gunshot recognition in terms of uniform gamma-tone filters linearly spaced over the whole frequency range from 0 kHz to 16 kHz. The novel features were derived in the time domain from individual significant points of the raw waveform after amplitude normalization. Experiments were performed using single and ensemble neural networks to verify the effectiveness of the novel features for supplementing the standard features. In binary classification, the developed approach achieved an accuracy of 95.02 % in gunshot detection.
Tento článek představuje účinný postup na automatickou detekci výstřelů založený na kombinaci dvou sad příznaků: upravených standardních zvukových příznaků a ručně vytvořených nových příznaků. Standardními příznaky jsou mel-frekvenční kepstrální koeficienty přizpůsobené pro rozpoznání výstřelů pomocí jednotkových gama-tónových filtrů lineárně rozmístěných v celém frekvenčním rozsahu od 0 kHz do 16 kHz. Nové příznaky byly odvozeny v časové oblasti z jednotlivých významných bodů průběhu po normalizaci amplitudy. Experimenty byly prováděny s použitím jednoduchých a souborových neuronových sítí k ověření účinnosti nových příznaků pro doplnění standardních příznaků. V binární klasifikaci vyvinutý postup dosáhl přesnosti 95,02 % při detekci výstřelu.
Tento článek představuje účinný postup na automatickou detekci výstřelů založený na kombinaci dvou sad příznaků: upravených standardních zvukových příznaků a ručně vytvořených nových příznaků. Standardními příznaky jsou mel-frekvenční kepstrální koeficienty přizpůsobené pro rozpoznání výstřelů pomocí jednotkových gama-tónových filtrů lineárně rozmístěných v celém frekvenčním rozsahu od 0 kHz do 16 kHz. Nové příznaky byly odvozeny v časové oblasti z jednotlivých významných bodů průběhu po normalizaci amplitudy. Experimenty byly prováděny s použitím jednoduchých a souborových neuronových sítí k ověření účinnosti nových příznaků pro doplnění standardních příznaků. V binární klasifikaci vyvinutý postup dosáhl přesnosti 95,02 % při detekci výstřelu.
Description
Citation
Elektronika Ir Elektrotechnika. 2021, vol. 27, issue 4, p. 62-68.
https://eejournal.ktu.lt/index.php/elt/article/view/28877
https://eejournal.ktu.lt/index.php/elt/article/view/28877
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
en