Erkennung und Klassifikation von akustischen Ereignissen zur häuslichen Pflege

Konferenz: Ambient Assisted Living - AAL - 4. Deutscher Kongress: Demographischer Wandel - Assistenzsysteme aus der Forschung in den Markt
25.01.2011 - 26.01.2011 in Berlin

Tagungsband: Ambient Assisted Living - AAL

Seiten: 8Sprache: DeutschTyp: PDF

Persönliche VDE-Mitglieder erhalten auf diesen Artikel 10% Rabatt

Autoren:
Schröder, Jens; Wabnik, Stefan; Hengel, Peter W. J. van; Goetze, Stefan (Fraunhofer Institut für Digitale Medientechnologie (IDMT), Projektgruppe Hör-, Sprach- und Audiotechnologie (HSA), Oldenburg, Deutschland)

Inhalt:
Im Zuge des demographischen Wandels wird die Anzahl älterer Mitmenschen innerhalb der nächsten Jahrzehnte stetig ansteigen. Im Bereich des "Ambient Assisted Living" (AAL) werden unterstützende Systeme, Algorithmen und Methoden entwickelt, um älteren Menschen ein möglichst langes, selbstbestimmtes und sicheres Leben in ihren eigenen vier Wänden zu ermöglichen. Zu diesem Zweck können die Wohnungen mit verschiedenen Sensoren oder Geräten zum Sammeln und Evaluieren persönlicher Informationen ausgerüstet werden. Die akustische Überwachung durch Mikrophone wird durch die Nutzer im Vergleich zu einer Überwachung durch Kameras als geringerer Eingriff in die Privatsphäre empfunden. In diesem Beitrag wird ein akustisches Überwachungssystem zur Auswertung akustischer Signale exemplarisch anhand von vier Ereignissen (Husten, Klopfen, Klatschen und Telefonklingeln) vorgestellt. Die akustische Überwachung besteht aus mehreren, aufeinanderfolgenden Signalverarbeitungsschritten: Aus dem mittels Mikrophon aufgenommenen Signal wird das sogenannte Cochleogramm berechnet, welches psycho-physiologisch motiviert ist. Aus dem Cochleogramm wird das Hintergrundrauschen geschätzt und in einem ersten Verarbeitungsschritt eliminiert. Nachfolgend werden diejenigen Abschnitte im Cochleogramm bestimmt, die ein einzelnes akustisches Ereignis beinhalten. Jedes dieser Ereignisse wird dann durch einen Klassifikationsalgorithmus ausgewertet. Während des Klassifikationsschritts wird die Zugehörigkeit zu einer Klasse überprüft, indem das Ereignis mit Repräsentanten verglichen wird, die zuvor aus einer Self-Organizing Map ermittelt wurden. Es zeigt sich, dass bei einer Richtig-Positiv-Rate von über 79 % alle Geräusche bis auf Klopfen bei einer Falsch-Positiv-Rate von unter 4 % liegen.