Assessing the Performances of different Neural Network Architectures for the Detection of Screams and Shouts in Public Transportation

Résumé : Au jour où les systèmes de transport intelligents devenant de plus en plus répandus, l'intérêt des systèmes de surveillance automatique augmente. Bien que ces systèmes reposent principalement sur les signaux vidéo, d'autres types de signaux peuvent également être utilisés pour surveiller la sécurité des passagers. Le présent article propose un système automatique de reconnaissance de motifs sonores pour la surveillance à l'intérieur des transports publics, en étudiant l'utilisation de méthodes d'intelligence artificielle de pointe pour la détection automatique des cris. Nous présentons des résultats testés sur une base de données de sons enregistrés au sein même d'une rame de métro dans des conditions de travail réelles, en classant les sons en cris et en d'autres catégories en utilisant différentes architectures de réseaux de neurones. Les résultats obtenus sont encourageants, compte tenu de la difficulté de la tâche, en particulier lorsque le niveau de bruit environnant est élevé.
Type de document :
Article dans une revue
Expert Systems With Applications, 2019, 117, pp29-41. 〈10.1016/j.eswa.2018.08.052〉
Liste complète des métadonnées

Littérature citée [20 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01892436
Contributeur : Ifsttar Cadic <>
Soumis le : mercredi 10 octobre 2018 - 16:04:03
Dernière modification le : vendredi 16 novembre 2018 - 16:32:20

Fichier

 Accès restreint
Fichier visible le : 2019-03-20

Connectez-vous pour demander l'accès au fichier

Identifiants

Collections

Citation

Pierre Laffitte, Yun Wang, David Sodoyer, Laurent Girin. Assessing the Performances of different Neural Network Architectures for the Detection of Screams and Shouts in Public Transportation. Expert Systems With Applications, 2019, 117, pp29-41. 〈10.1016/j.eswa.2018.08.052〉. 〈hal-01892436〉

Partager

Métriques

Consultations de la notice

46