Classificação e identificação de eventos sonoros em ambiente urbano

Abstract

O som ainda é uma medida ambiental pouco explorada, que transporta grande quantidade de informação sobre o ambiente em que se insere, o que leva à oportunidade de investigar novas dimensões e interações em ambientes urbanos. A necessidade de detetar e classificar, automaticamente, sons urbanos complexos e dinâmicos levou ao surgimento de novos métodos, que dependem exclusivamente de características extraídas do sinal de áudio, conhecidos como métodos baseados em conteúdo. Consequentemente as pesquisas efetuadas nesta área, proporcionaram o surgimento de inúmeras aplicações urbanas, tais como: controlo eficiente do ruído, gestão de tráfego, vigilância e mapeamento da paisagem sonora. Porém, ao ser uma área relativamente nova, a sua limitação deve-se ao facto de não possuir uma taxonomia comum e bem definido. Deste modo, o objetivo da dissertação é desenvolver um sistema eficiente, baseado em aprendizagem automática, para classificar e identificar eventos sonoros urbanos em condições reais de ruído. Para este propósito, será descrito em detalhe o esquemático do sistema em termos dos seus blocos de processamento e apresentados os resultados obtidos, para diferentes classificadores e atributos. Para avaliar o sistema apresentado, foram usadas duas bases de dados disponíveis ao público, a UrbanSound4k e a ESC-50. Relativamente aos resultados obtidos, o sistema supera as implementações efetuadas em baseline e atinge resultados comparáveis a outras abordagens similares.

The sound is still an unexplored environmental measure, which carries a lot of information about the environment in which it is inserted, which leads to the opportunity to investigate new dimensions and interactions in urban environments. The need to automatically detect and classify complex and dynamic urban sounds led to the emergence of new methods, which depend only on characteristics extracted from the audio signal, known as content-based methods. Consequently, the researches carried out in this area have provided the emergence of numerous urban applications, such as: efficient noise control, traffic management, surveillance and mapping of the sound landscape. However, as a relatively new area, its limitation is due to the fact that it does not have a common and well-defined taxonomy. Thus, the aim of the dissertation is to develop an efficient system, machine learning system, to classify and identify urban sound events in real noise conditions. For this purpose, it will be described in detail the design of the system in terms of its processing blocks and presented the results obtained, for different classifiers and attributes. To evaluate the system presented, were used two databases available to the public, the UrbanSound4k and the ESC-50. Regarding the results obtained, the system overcome the implementations performed at baseline and achieves results comparable to other similar approaches.