| 1 |
1
오디오 데이터 식별 장치에 있어서,정상 소리와 비정상 소리를 탐지하는 단일 클래스 SVDD(Support Vector Data Description)를 위한 학습 데이터와, 상기 비정상 소리로 탐지된 오디오 데이터를 유형별로 분류하는 다중 클래스 SVDD를 위한 학습 데이터를 생성하는 학습 데이터 생성부,상기 단일 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 단일 클래스 결정함수의 거리를 이용하여, 입력된 오디오 데이터가 상기 정상 소리 또는 비정상 소리인지 여부를 탐지하는 오디오 데이터 탐지부 및상기 오디오 데이터가 상기 비정상 소리로 탐지된 경우, 상기 다중 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 각 단일 클래스 결정함수의 거리를 이용하여, 상기 비정상 소리로 탐지된 오디오 데이터를 유형별로 분류하는 오디오 데이터 분류부를 포함하는오디오 데이터 식별 장치
|
| 2 |
2
제 1 항에 있어서,상기 단일 클래스 SVDD를 위한 학습 데이터는 정상 소리에 대해서 학습을 실시한 데이터인 것을 특징으로 하는 오디오 데이터 식별 장치
|
| 3 |
3
제 2 항에 있어서,상기 오디오 데이터 식별부는 상기 오디오 데이터가 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함되지 않은 경우, 상기 오디오 데이터를 상기 비정상 소리로 탐지하는 것인 오디오 데이터 식별 장치
|
| 4 |
4
제 3 항에 있어서,MFCC(Mel-Frequency Cepstral Coefficient), LPCC(Linear Prediction Cepstrum Coefficient), PLP(Perceptual Linear Prediction), 및 LDA(Linear Discriminative Analysis) 중 어느 하나를 이용하여 상기 오디오 데이터에서 특징 벡터를 추출하여, 상기 추출된 특징 벡터와 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함된 정상 소리와의 비교를 통해, 상기 오디오 데이터가 정상 소리 또는 비정상 소리인지에 대한 탐지가 이루어지도록 하는 특징 벡터 추출부를 더 포함하는 오디오 데이터 식별 장치
|
| 5 |
5
제 1 항에 있어서,상기 학습 데이터 생성부는,새로운 비정상 소리가 추가될 경우, 해당 비정상 소리 클래스에 대해서만 추가로 학습 데이터를 생성하는 것인 오디오 데이터 식별 장치
|
| 6 |
6
오디오 데이터 식별 장치를 이용한 오디오 데이터 식별 방법에 있어서,(a) 정상 소리와 비정상 소리를 탐지하는 단일 클래스 SVDD(Support Vector Data Description)를 위한 학습 데이터와, 상기 비정상 소리로 탐지된 오디오 데이터를 유형별로 분류하는 다중 클래스 SVDD를 위한 학습 데이터를 생성하는 단계,(b) 상기 단일 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 단일 클래스 결정함수의 거리를 이용하여, 입력된 오디오 데이터가 상기 정상 소리 또는 비정상 소리인지 여부를 탐지하는 단계 및(c) 상기 오디오 데이터가 상기 비정상 소리로 탐지된 경우, 상기 다중 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 각 단일 클래스 결정함수의 거리를 이용하여, 상기 비정상 소리로 탐지된 오디오 데이터를 유형별로 분류하는 단계를 포함하되,상기 단일 클래스 SVDD를 위한 학습 데이터는 정상 소리에 대해서 학습을 실시한 데이터이고,상기 정상 소리 또는 비정상 소리인지 여부를 탐지하는 단계는,상기 오디오 데이터가 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함되지 않은 경우, 상기 오디오 데이터를 상기 비정상 소리로 탐지하는 것으로 이루어지는 것인오디오 데이터 식별 방법
|
| 7 |
7
제 6 항에 있어서,상기 (b) 단계는,MFCC(Mel-Frequency Cepstral Coefficient), LPCC(Linear Prediction Cepstrum Coefficient), PLP(Perceptual Linear Prediction), 및 LDA(Linear Discriminative Analysis) 중 어느 하나를 이용하여 상기 오디오 데이터에서 특징 벡터를 추출하여, 상기 추출된 특징 벡터와 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함된 정상 소리와의 비교를 통해, 상기 오디오 데이터가 정상 소리 또는 비정상 소리인지에 대한 탐지가 이루어지도록 하는 단계를 포함하는 오디오 데이터 식별 방법
|
| 8 |
8
제 6 항에 있어서,새로운 비정상 소리가 추가될 경우, 해당 비정상 소리 클래스에 대해서만 추가로 학습 데이터를 생성하는 단계를 더 포함하는 오디오 데이터 식별 방법
|
| 9 |
9
오디오 데이터 식별을 이용한 방범 시스템에 있어서,오디오 데이터를 감지하는 오디오 데이터 수신부,상기 감지된 오디오 데이터에서 잡음 성분을 제거하는 필터링부,단일 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 단일 클래스 결정함수의 거리를 이용하여, 상기 오디오 데이터가 정상 소리 또는 비정상 소리인지 여부를 탐지하는 오디오 데이터 탐지부 및상기 오디오 데이터가 비정상 소리로 탐지된 경우, 다중 클래스 SVDD를 위한 학습 데이터에 기초하여 계산된 각 단일 클래스 결정함수의 거리를 이용하여, 상기 비정상 소리로 탐지된 오디오 데이터를 유형별로 분류하는 오디오 데이터 분류부를 포함하되,상기 단일 클래스 SVDD를 위한 학습 데이터는 정상 소리에 대해서 학습을 실시한 데이터이고,상기 오디오 데이터 식별부는 상기 오디오 데이터가 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함되지 않은 경우, 상기 오디오 데이터를 상기 비정상 소리로 탐지하는 것인 오디오 데이터 식별을 이용한 방범 시스템
|
| 10 |
10
제 9 항에 있어서,MFCC(Mel-Frequency Cepstral Coefficient), LPCC(Linear Prediction Cepstrum Coefficient), PLP(Perceptual Linear Prediction), 및 LDA(Linear Discriminative Analysis) 중 어느 하나를 이용하여 상기 오디오 데이터에서 특징 벡터를 추출하여, 상기 추출된 특징 벡터와 상기 단일 클래스 SVDD를 위한 학습 데이터에 포함된 정상 소리와의 비교를 통해, 상기 오디오 데이터가 정상 소리 또는 비정상 소리인지에 대한 탐지가 이루어지도록 하는 특징 벡터 추출부를 더 포함하는 오디오 데이터 식별을 이용한 방범 시스템
|
| 11 |
11
제 9 항에 있어서,상기 오디오 데이터가 비정상 소리로 탐지된 경우 및 상기 비정상 소리로 탐지된 오디오 데이터에 대한 유형별 분류가 완료된 경우 중 하나 이상의 경우에 대해 외부 장치로 해당 상황을 알리는 통지 메시지를 전달하는 통지부를 더 포함하는 오디오 데이터 식별을 이용한 방범 시스템
|
