國際聲音偵測大賽中，技壓世界各國研究機關，NEC技術勇奪第1名

提到公共設施或防範街頭尋釁滋事的監控解決方案，每個人最先想到的，應該就是技術開發先進、高度精準的監視攝影機。然而，攝影機本身有著受限於無法在昏暗、不明亮、遠處拍攝的明顯弱點。因此，近年來常將它的效用，聚焦在能從噪音中偵測目標音的聲學偵測技術。可藉由聲學感測器，高度精準地偵測出目標音，藉此掌握無法從影像瞭解的事件狀況。

2016年9月，IEEE（電機電子工程師學會）舉辦了國際聲音偵測大賽「DCASE2016」。本次是第2次舉辦，在「噪音中的日常聲音偵測」項目中，就由世界各國大學研究室為主而組成的10隊參賽，針對噪音之中的關門聲、紙張翻動聲等，以100分之1秒為單位的精確度，進行各隊偵測技術的比賽。NEC以獨創概念展開研究的「聲音狀況辨識技術」，在此項目勇奪第1名。透過本技術，在遠距離偵測聲音的表現也極為優異。根據NEC的驗證，傳統技術只能在4公尺處偵測，而NEC能夠在5倍距離的20公尺處進行偵測。這樣的偵測性能，能夠完全涵蓋一般監視攝影機之間的設置間隔，可說是邁向與監視攝影機合併使用的實際運用之路。

傳統技術面臨「學習」的課題，以「改變思維」挑戰

以往的偵測技術，是在特定環境下大量學習目標聲音，進而能夠偵測。偵測時，事先去除在該處學習到的環境噪音，來提升偵測的精準度。然而，在實際環境中，噪音隨著日期與時間會有大幅變動。此外，也會混入無法預期的噪音。

例如，在都會的喧鬧中，想偵測玻璃碎裂的聲音，傳統技術的作法，是讓系統學習在該環境下所設想到各種模式的玻璃碎裂聲音，因此，系統必須耗費數週的時間，來學習該環境下的噪音。然而，實際偵測時，若突然混入附近的施工聲音或街頭樂手的現場演奏聲等未知的噪音，就會大幅降低偵測的精準度。為了提高精準度，勢必得再學習未知的聲音。

近年來，研發出所謂Deep Learning（深度學習）的機械學習技術，一般做法上都是讓系統學習大量數據。然而，實際環境下的噪音，由於有著無限的變化，無論怎樣學也學不完。於是，NEC資料科學研究所便在2年前「改變思維」。

累積長年技術的成果，將目標聲音分解為特定構成聲音的「聲音資料庫」

NEC注意到，現實的聲音是基於物理現象而產生有限的構成聲音（頻率結構有固定模式）。例如「玻璃碎裂的聲音」，可分解成玻璃碎裂瞬間的碎裂聲音、碎片飛散所產生的共鳴聲音等，因此事先讓系統在無噪音的環境下學習這些構成聲音。如此一來，將現場所偵測的聲音分解成構成聲音之後，再重新組合成所謂「玻璃碎裂聲音」的目標聲音，就能正確辨識。此外，不僅是目標聲音，還可當場判斷出各個未知的噪音，因此可從現場偵測到的聲音中，計算噪音成分並自動排除。

附帶一提，要將聲音分解成有限的構成聲音、重構構成聲音再進行辨識，需要建立「聲音資料庫」。這個「聲音資料庫」的一部分，運用了NEC長年來累積、獨創的聲音訊號處理技術。

如上所述，用這樣嶄新的思維來著手研發的NEC「聲音狀況辨識技術」，與傳統技術相比，只需學習較為少量的數據，便可發揮出高度精準的偵測性能。因此在導入未知環境使用時更為簡便，是本技術最大的優勢。

從監控解決方案到支援瘦身的多樣可能性

NEC的「聲音狀況辨識技術」具有優異性能和靈活性，更能迅速邁向實際運用，未來在廣泛領域的應用也備受期待。

本技術預定逐步實際運用在監控解決方案。原先預期會實際運用的環境，是環境影響條件少、聲音不會逸散到四面八方的設施內，透過本技術，能夠將用途拓展到室外的大規模活動監視、鬧區或小巷道等都市監控。此外，將監視攝影機到各種感測器一併進行連動，可望提升監視精準度並更為可靠。

未來想必還會有更多的用法。舉例來說，若將感測器設置於獨居老人的家中，便可藉由聲音自動守護。一旦偵測到有人跌倒的聲音或難受的呻吟聲，便發出警報的用法。

此外，將本技術搭配振動感測器，設置於購物中心等場所，以特定的精準度來偵測男女、兒童等各種屬性的人流量。記錄一定時間的人流量後，便可用來預測每天購買行為的變化，在舉辦宣傳活動時偵測人流量變化，相信能夠作為具體量化廣告效果的工具。

在其他用途上，還能將辦公室的活絡程度、店內的客層與氣氛予以可視化。聲音感測器可辨別出笑聲與認真討論的聲音，藉此對應到辦公室內一整天工作流程。與高產能辦公室的工作流程相比，能有助於改善每天的工作。再者，生意興隆的居酒屋等處，嘈雜喧鬧而不過度的交流氣氛，透過聲音感測器化為學習模型，可用在提升一般店家營業額的對策。此外，若能看見家人的運動情景，用來支援更細膩的瘦身計畫，將不再是遙不可及的夢想。

研究者簡介

小松 達也 ( NEC資料科學研究所 偵測領域 )

近藤 玲史 ( NEC資料科學研究所 偵測領域 主任研究員 )