Acoustic surveillance has advantage

Acoustic surveillance has advantages over video surveillance in some special situations such as in darkness and in confined area where camera privacy is a public concern [1]. Previous approaches on developing acoustic monitoring system for automatic surveillance include cases such as gunshot detection system based on features derived from the timefrequency domain and Gaussian Mixture Model (GMM) classifier [2]. A two-stage approach is reported in [3] where the first stage is to classify sound events into typical and atypical cases and subsequent processing is done on atypical events such as gun shot, screaming and explosion. An audio surveillance system for typical office environment is reported in [4]. This system employs a background noise model to continuously update for event detection while both supervised and k-means data clustering are observed. In this paper, we look at sound surveillance as a problem to firstly classify sound events into human and non-human sounds, and apply different strategies to do subsequent processing of human screaming or non-human emergency sounds.

ผลลัพธ์ (ไทย) 1:

เฝ้าระวังระดับมีข้อดีกว่าวิดีโอรักษาความปลอดภัยในบางสถานการณ์พิเศษเช่น ในที่มืด และ ในพื้นที่จำกัดที่ตัวกล้องเป็นเรื่องกังวลสาธารณะ [1] ก่อนหน้านี้วิธีการพัฒนาระบบตรวจสอบระดับการรักษาความปลอดภัยอัตโนมัติรวมกรณีเช่นระบบตรวจแท๊กตามคุณลักษณะที่ได้รับจากโดเมน timefrequency และ classifier Gaussian ผสมรุ่น (GMM) [2] มีรายงานวิธีการสองแบบใน [3] ซึ่งระยะแรกคือการ จำแนกเสียงเหตุการณ์ในกรณีปกติ และการอักเสบ และต่อมาดำเนินเหตุการณ์พิเศษเช่นปืนยิง กรีดร้อง และขยาย รายงานระบบการเฝ้าระวังเสียงสำหรับสำนักงานทั่วไปสภาพแวดล้อมใน [4] ระบบนี้ใช้แบบจำลองเสียงพื้นหลังอย่างต่อเนื่องปรับปรุงสำหรับการตรวจหาเหตุการณ์ขณะทั้งสองแบบมีผู้สอน และ clustering ข้อมูล k หมายถึงพบ ในเอกสารนี้ เราดูเฝ้าระวังเสียงเป็นปัญหาในการจัดประเภทเหตุการณ์เสียงแรก เป็นเสียงมนุษย์ และไม่ใช่มนุษย์ และใช้กลยุทธ์ต่าง ๆ เพื่อทำการประมวลผลตามมาของมนุษย์การกรีดร้องหรือเสียงฉุกเฉินไม่ใช่มนุษย์

ผลลัพธ์ (ไทย) 2:

การเฝ้าระวังอะคูสติกมีข้อได้เปรียบกว่าการเฝ้าระวังวิดีโอในสถานการณ์พิเศษบางอย่างเช่นในความมืดและถูกคุมขังอยู่ในพื้นที่ที่เป็นส่วนตัวกล้องเป็นความกังวลของประชาชน [1] วิธีการก่อนหน้าในการพัฒนาระบบการตรวจสอบอะคูสติกสำหรับการเฝ้าระวังโดยอัตโนมัติรวมถึงกรณีเช่นระบบการตรวจสอบกระสุนปืนตามลักษณะที่ได้มาจากโดเมน timefrequency และเสียนรุ่นผสม (GMM) จําแนก [2] วิธีการที่สองขั้นตอนจะมีการรายงานใน [3] ที่ขั้นตอนแรกคือการจำแนกเหต​​ุการณ์เสียงลงในกรณีปกติและผิดปกติและการประมวลผลที่ตามมาจะทำเกี่ยวกับเหตุการณ์ที่ผิดปกติเช่นการยิงปืนเสียงกรีดร้องและการระเบิด ระบบเฝ้าระวังเสียงสำหรับสภาพแวดล้อมที่ทำงานโดยทั่วไปจะมีการรายงานใน [4] ระบบนี้ใช้รูปแบบเสียงพื้นหลังการปรับปรุงอย่างต่อเนื่องสำหรับการตรวจสอบเหตุการณ์ในขณะที่ทั้งสองภายใต้การดูแลและ k หมายถึงการจัดกลุ่มข้อมูลที่มีการสังเกต ในบทความนี้เรามองไปที่การเฝ้าระวังเสียงเป็นปัญหาในการจำแนกเหต​​ุการณ์แรกเสียงเข้าไปในเสียงของมนุษย์และไม่ใช่มนุษย์และใช้กลยุทธ์ที่แตกต่างที่จะทำในการประมวลผลที่ตามมาของเสียงกรีดร้องของมนุษย์หรือไม่ใช่มนุษย์เสียงฉุกเฉิน

ผลลัพธ์ (ไทย) 3:

อะคูสติกมีข้อดีกว่าระบบกล้องวงจรปิดเฝ้าระวังพิเศษในบางสถานการณ์ เช่น ในที่มืด และในพื้นที่ที่เป็นส่วนตัวคับกล้องสาธารณะเป็นปัญหา [ 1 ]แนวทางในการพัฒนาระบบตรวจสอบอะคูสติกก่อนหน้านี้สำหรับการเฝ้าระวังอัตโนมัติรวมถึงกรณีเช่นระบบตรวจจับการยิงปืนตามคุณสมบัติที่ได้จาก timefrequency โดเมนและแบบผสม ) ( GMM ) ลักษณนาม [ 2 ]สองขั้นตอนการรายงานใน [ 3 ] ซึ่งขั้นตอนแรกคือการจัดกิจกรรมเสียงในคดีทั่วไปและผิดปรกติและการประมวลผลที่ตามมาจะทำในเหตุการณ์ผิดปรกติ เช่น ปืนยิง กรีดร้อง และการระเบิด ระบบการเฝ้าระวังเสียงสำหรับสภาพแวดล้อมสำนักงานทั่วไปที่รายงานใน [ 4 ]ระบบนี้ใช้เสียงพื้นหลังรูปแบบการปรับปรุงอย่างต่อเนื่องสำหรับการตรวจจับเหตุการณ์ในขณะที่ทั้งสองดูแลและ k-means การจัดกลุ่มข้อมูลตามลำดับ ในบทความนี้เราจะดูที่เป็นปัญหาคือเสียงการจัดกิจกรรมเสียงเป็นเสียงมนุษย์และไม่ใช่มนุษย์ และใช้กลยุทธ์ที่แตกต่างกันเพื่อการประมวลผลที่ตามมาของคนร้อง หรือเสียงฉุกเฉินสิ่งที่ไม่ใช่คน