Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)

Audio content analysis of real world recordings instead of common SPL measures is proposed as a technique for environmental noise evaluation. However, because of the large quantity of data that a monitoring system produces an automatic sound event algorithm was built using audio descriptors as MFCC,...

Full description

Autores:: Giraldo Valencia, José Omar

Tipo de recurso:

Fecha de publicación:: 2017

Institución:: Universidad de San Buenaventura

Repositorio:: Repositorio USB

Idioma:: spa

id	SANBUENAV2_62a684eeba866c068a988c798b992ff8
oai_identifier_str	oai:bibliotecadigital.usb.edu.co:10819/4431
network_acronym_str	SANBUENAV2
network_name_str	Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
title	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
spellingShingle	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM) Machine-learning Machine audition Procesamiento digital de señales Environmental noise Digital signal processing Ruido ambiental Procesamiento digital de señales Grabaciones sonoras Monitores de audio Monitoreo de señales
title_short	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
title_full	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
title_fullStr	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
title_full_unstemmed	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
title_sort	Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
dc.creator.fl_str_mv	Giraldo Valencia, José Omar
dc.contributor.advisor.none.fl_str_mv	Ortega Gribenchenko, Alexander
dc.contributor.author.none.fl_str_mv	Giraldo Valencia, José Omar
dc.subject.spa.fl_str_mv	Machine-learning Machine audition Procesamiento digital de señales Environmental noise Digital signal processing
topic	Machine-learning Machine audition Procesamiento digital de señales Environmental noise Digital signal processing Ruido ambiental Procesamiento digital de señales Grabaciones sonoras Monitores de audio Monitoreo de señales
dc.subject.lemb.spa.fl_str_mv	Ruido ambiental Procesamiento digital de señales Grabaciones sonoras Monitores de audio Monitoreo de señales
description	Audio content analysis of real world recordings instead of common SPL measures is proposed as a technique for environmental noise evaluation. However, because of the large quantity of data that a monitoring system produces an automatic sound event algorithm was built using audio descriptors as MFCC, spectral centroid, zcr and roll off coupled with a supervised learning approach with SVM. For traffic related audio events an 84% recognition rate was achieved and for music related events a 95% rate in controlled environments. This was done in database composed of outdoor residential audios recorded in Medellin city.
publishDate	2017
dc.date.accessioned.none.fl_str_mv	2017-09-01T14:46:30Z
dc.date.available.none.fl_str_mv	2017-09-01T14:46:30Z
dc.date.issued.none.fl_str_mv	2017
dc.date.submitted.none.fl_str_mv	2017-09-01
dc.type.spa.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.spa.spa.fl_str_mv	Trabajo de Grado
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.identifier.citation.spa.fl_str_mv	[1] J. O. Giraldo Valencia, “Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte(SVM).”, Trabajo de grado Ingeniería de Sonido, Universidad de San Buenaventura Medellín, Facultad de Ingenierías, 2017.
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/10819/4431
identifier_str_mv	[1] J. O. Giraldo Valencia, “Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte(SVM).”, Trabajo de grado Ingeniería de Sonido, Universidad de San Buenaventura Medellín, Facultad de Ingenierías, 2017.
url	http://hdl.handle.net/10819/4431
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.cc.spa.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
rights_invalid_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ http://purl.org/coar/access_right/c_abf2
dc.format.spa.fl_str_mv	pdf
dc.format.extent.spa.fl_str_mv	78 páginas
dc.format.medium.spa.fl_str_mv	Recurso en linea
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.faculty.spa.fl_str_mv	Ingenierias
dc.publisher.program.spa.fl_str_mv	Ingeniería de Sonido
dc.publisher.sede.spa.fl_str_mv	Medellín
institution	Universidad de San Buenaventura
dc.source.bibliographicCitation.spa.fl_str_mv	[1] W. Wang, Machine Audition: Principles, Algorithms and Systems. New York: Information Science Reference, 2011. [2] J. Salamon, C. Jacoby, and J. P. Bello, “A Dataset and Taxonomy for Urban Sound Research,” Proc. ACM Int. Conf. Multimed. - MM ’14, no. 3, pp. 1041–1044, 2014. [3] A. Farina, P. James, C. Bobryk, N. Pieretti, E. Lattanzi, and J. McWilliam, “Low cost (audio) recording (LCR) for advancing soundscape ecology towards the conservation of sonic complexity and biodiversity in natural and urban landscapes,” Urban Ecosyst., vol. 17, no. 4, pp. 923–944, 2014. [4] B. C. Pijanowski, A. Farina, S. Gage, S. Dumyahn, and B. Krause, “What is soundscape ecology? An introduction and overview of an emerging new science,” Landsc. Ecol., vol. 26, no. 9, pp. 1213–1232, 2011. [5] L. J. Villanueva-Rivera and B. C. Pijanowski, “Pumilio: A Web-Based Management System [6] T. Andringa and C. Pals, “Detection and Recognition Threshold of Sound Sources in Noise,” Proc. Thirty-First Annu. Conf. Cogn. Sci. Soc., pp. 1798–1803, 2009. [7] M. Cowling and R. Sitte, “Comparison of techniques for environmental sound recognition,” Pattern Recognit. Lett., vol. 24, no. 15, pp. 2895–2907, 2003. [8] X. Zhuang, X. Zhou, M. A. Hasegawa-Johnson, and T. S. Huang, “Real-world acoustic event detection,” Pattern Recognit. Lett., vol. 31, no. 12, pp. 1543–1551, 2010. [9] C. Asensio, M. Ruiz, and M. Recuero, “Real-time aircraft noise likeness detector,” Appl Acoust., vol. 71, no. 6, pp. 539–545, 2010. [10] T. C. Andringa and M. E. Niessen, “Real-world sound recognition: A recipe,” Learn. Semant. Audio Signals, p. 106, 2006. [11] T. C. Andringa and H. Duifhuis, “Continuity Preserving Signal Processing,” University of Groningen, 2002. [12] D. W. Thomas and B. R. Wilkins, “The analysis of vehicle sounds for recognition,” Pattern Recognit., vol. 4, no. 4, pp. 379–389, 1972. [13] N. Bhave and P. Rao, “Vehicle engine sound analysis applied to traffic congestion estimation,” in CMMR/FRSM, 2011, pp. 5–9. [14] J.-R. Gloaguen, A. Can, M. Lagrange, and J.-F. Petiot, “ESTIMATING TRAFFIC NOISE LEVELS USING ACOUSTIC MONITORING : A PRELIMINARY STUDY,” in Detection and Classification of Acoustic Scenes and Events, 2016, no. September. [15] A. Mesaros, T. Heittola, A. Eronen, and T. Virtanen, “Acoustic event detection in real life recordings,” in 18th European Signal Processing Conference, 2010, pp. 1267–1271. [16] Ministerio de la Presidencia de España, “Directiva 2002/49/CE del Parlamento Europeo y del Consejo de 25 de junio de 2002 sobre evaluación y gestión del ruido ambiental,” D. Of. las comunidades Eur., p. 25, 2002. [17] D. Havelock, S. Kuwano, and M. Volander, Handbook of Signal Processing in Acoustics, vol. 1. 2008. [18] Brüel & Kjær, Ruido Ambiental. Brüel&Kjær Sound & Vibration Measurement A/S, 2000. [19] AENOR, Descripción, medición y evaluación del ruido ambiental UNE-ISO 1996-1. 2005 pp. 1–32. [20] P. Pertila, “Mel-frequency cepstral coefficients ( MFCCs ) and gammatone filter banks Introduction,” TUT, 2015. . [21] A. Das, N. Borisov, and M. Caesar, “Do You Hear What I Hear?: Fingerprinting Smart Devices Through Embedded Acoustic Components,” no. September 2016, pp. 441–452, 2014. [22] A. Ng, “1. Supervised learning,” Stanford, 2012. [Online]. Available: http://stanford.io/2eSiTDP. [23] A. Ng, “Advice for applying Machine Learning,” Stanford, 2016. [Online]. Available: http://stanford.io/2s2WXtS. [24] Wildlife Acoustics, Song Meter User Manual, 3rd ed. Concord: Wildlife Acoustics, Inc, 2011. [25] Wildlife Acoustics, Song Meter User Manual part2, 3rd ed. Concord: Wildlife Acoustics, Inc, 2011. [26] Annamaria Mesaros, Toni Heittola and T. Virtanen, “TUT database for acoustic scene classification and sound event detection,” 24th Eur. Signal Process. Conf. (EUSIPCO 2016), 2016. [27] L. Tafur, C. Durango, D. Garza, L. Londoño, and H. García, “Geographic Information System ( Gis ) To Manage Environmental Noise in the City of Medellin , Co- Lombia,” no. July, pp. 12–16, 2015. [28] IMAGINE, “Guidelines for the use of traffic models for noise mapping and noise action planning,” Netherlands, 2003.
dc.source.instname.spa.fl_str_mv	Universidad de San Buenaventura - Medellín
dc.source.other.spa.fl_str_mv	Biblioteca USB Medellín (San Benito): CD-4401t
dc.source.reponame.spa.fl_str_mv	Biblioteca Digital Universidad de San Buenaventura
bitstream.url.fl_str_mv	https://bibliotecadigital.usb.edu.co/bitstreams/c6b237f4-afd8-4e0d-af49-b3b40d1e0ae4/download https://bibliotecadigital.usb.edu.co/bitstreams/e6c78a60-026d-49a6-8eca-f8dabd56319a/download https://bibliotecadigital.usb.edu.co/bitstreams/df59d33c-5b7f-40ed-8d77-17bc3819de01/download https://bibliotecadigital.usb.edu.co/bitstreams/33de5e83-ce81-4844-a5a9-92b6486015f0/download
bitstream.checksum.fl_str_mv	9c7db61af93b52af13f9ec3c039870d1 0c7b7184e7583ec671a5d9e43f0939c0 4db7b3a67e30067725be9edae828244b ae3d25074e8a07f301bb9d3cc4cc7cba
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1837099276678725632
spelling	Comunidad Científica y AcadémicaOrtega Gribenchenko, Alexander8a9cc527-7d79-49f2-8b5c-c59f9ba8d014-1Giraldo Valencia, José Omarb2d36f0b-c576-4b16-80b5-1220b7d1863e-12017-09-01T14:46:30Z2017-09-01T14:46:30Z20172017-09-01Audio content analysis of real world recordings instead of common SPL measures is proposed as a technique for environmental noise evaluation. However, because of the large quantity of data that a monitoring system produces an automatic sound event algorithm was built using audio descriptors as MFCC, spectral centroid, zcr and roll off coupled with a supervised learning approach with SVM. For traffic related audio events an 84% recognition rate was achieved and for music related events a 95% rate in controlled environments. This was done in database composed of outdoor residential audios recorded in Medellin city.El análisis en términos del contenido de una señal grabada en la situación real y no en términos de niveles se plantea como una opción para obtener información relevante para la evaluación de las situaciones que no son representadas de una manera adecuada por las metodologías actuales de gestión y evaluación del ruido ambiental; sin embargo, la gran cantidad de datos que genera un sistema de monitoreo mediante grabación de audio, hace necesarias herramientas que extraigan información relevante de la señal sin que se demande tanto tiempo de trabajo. Por esto, se propuso un algoritmo de identificación automática de eventos sonoros relacionados con el ruido ambiental. Se emplearon descriptores de audio comúnmente usados (MFCC, spectral centroid, zcr, roll off) para la clasificación de sonidos en conjunto con un algoritmo de SVM para clasificar eventos sonoros relacionados con el ruido de música y ruido vehicular. Se obtuvo una tasa de reconocimiento de 84% para eventos relacionados con tráfico y una de 95% para la música en ambientes controlados de zonas residenciales a partir de una base de datos que se grabó en la ciudad de Medellínpdf78 páginasRecurso en lineaapplication/pdf[1] J. O. Giraldo Valencia, “Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte(SVM).”, Trabajo de grado Ingeniería de Sonido, Universidad de San Buenaventura Medellín, Facultad de Ingenierías, 2017.http://hdl.handle.net/10819/4431spaIngenieriasIngeniería de SonidoMedellínAtribución-NoComercial-SinDerivadas 2.5 ColombiaPor medio de este formato manifiesto mi voluntad de AUTORIZAR a la Universidad de San Buenaventura, Sede Bogotá, Seccionales Medellín, Cali y Cartagena, la difusión en texto completo de manera gratuita y por tiempo indefinido en la Biblioteca Digital Universidad de San Buenaventura, el documento académico-investigativo objeto de la presente autorización, con fines estrictamente educativos, científicos y culturales, en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre derechos de autor. Como autor manifiesto que el presente documento académico-investigativo es original y se realiza sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de mi exclusiva autora y poseo la titularidad sobre la misma. La Universidad de San Buenaventura no será responsable de ninguna utilización indebida del documento por parte de terceros y será exclusivamente mi responsabilidad atender personalmente cualquier reclamación que pueda presentarse a la Universidad. Autorizo a la Biblioteca Digital de la Universidad de San Buenaventura convertir el documento al formato que el repositorio lo requiera (impreso, digital, electrónico o cualquier otro conocido o por conocer) o con fines de preservación digital. Esta autorización no implica renuncia a la facultad que tengo de publicar posteriormente la obra, en forma total o parcial, por lo cual podrá, dando aviso por escrito con no menos de un mes de antelación, solicitar que el documento deje de estar disponible para el público en la Biblioteca Digital de la Universidad de San Buenaventura, así mismo, cuando se requiera por razones legales y/o reglas del editor de una revista.http://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2[1] W. Wang, Machine Audition: Principles, Algorithms and Systems. New York: Information Science Reference, 2011.[2] J. Salamon, C. Jacoby, and J. P. Bello, “A Dataset and Taxonomy for Urban Sound Research,” Proc. ACM Int. Conf. Multimed. - MM ’14, no. 3, pp. 1041–1044, 2014.[3] A. Farina, P. James, C. Bobryk, N. Pieretti, E. Lattanzi, and J. McWilliam, “Low cost (audio) recording (LCR) for advancing soundscape ecology towards the conservation of sonic complexity and biodiversity in natural and urban landscapes,” Urban Ecosyst., vol. 17, no. 4, pp. 923–944, 2014.[4] B. C. Pijanowski, A. Farina, S. Gage, S. Dumyahn, and B. Krause, “What is soundscape ecology? An introduction and overview of an emerging new science,” Landsc. Ecol., vol. 26, no. 9, pp. 1213–1232, 2011.[5] L. J. Villanueva-Rivera and B. C. Pijanowski, “Pumilio: A Web-Based Management System[6] T. Andringa and C. Pals, “Detection and Recognition Threshold of Sound Sources in Noise,” Proc. Thirty-First Annu. Conf. Cogn. Sci. Soc., pp. 1798–1803, 2009.[7] M. Cowling and R. Sitte, “Comparison of techniques for environmental sound recognition,” Pattern Recognit. Lett., vol. 24, no. 15, pp. 2895–2907, 2003.[8] X. Zhuang, X. Zhou, M. A. Hasegawa-Johnson, and T. S. Huang, “Real-world acoustic event detection,” Pattern Recognit. Lett., vol. 31, no. 12, pp. 1543–1551, 2010.[9] C. Asensio, M. Ruiz, and M. Recuero, “Real-time aircraft noise likeness detector,” Appl Acoust., vol. 71, no. 6, pp. 539–545, 2010.[10] T. C. Andringa and M. E. Niessen, “Real-world sound recognition: A recipe,” Learn. Semant. Audio Signals, p. 106, 2006.[11] T. C. Andringa and H. Duifhuis, “Continuity Preserving Signal Processing,” University of Groningen, 2002.[12] D. W. Thomas and B. R. Wilkins, “The analysis of vehicle sounds for recognition,” Pattern Recognit., vol. 4, no. 4, pp. 379–389, 1972.[13] N. Bhave and P. Rao, “Vehicle engine sound analysis applied to traffic congestion estimation,” in CMMR/FRSM, 2011, pp. 5–9.[14] J.-R. Gloaguen, A. Can, M. Lagrange, and J.-F. Petiot, “ESTIMATING TRAFFIC NOISE LEVELS USING ACOUSTIC MONITORING : A PRELIMINARY STUDY,” in Detection and Classification of Acoustic Scenes and Events, 2016, no. September.[15] A. Mesaros, T. Heittola, A. Eronen, and T. Virtanen, “Acoustic event detection in real life recordings,” in 18th European Signal Processing Conference, 2010, pp. 1267–1271.[16] Ministerio de la Presidencia de España, “Directiva 2002/49/CE del Parlamento Europeo y del Consejo de 25 de junio de 2002 sobre evaluación y gestión del ruido ambiental,” D. Of. las comunidades Eur., p. 25, 2002.[17] D. Havelock, S. Kuwano, and M. Volander, Handbook of Signal Processing in Acoustics, vol. 1. 2008.[18] Brüel & Kjær, Ruido Ambiental. Brüel&Kjær Sound & Vibration Measurement A/S, 2000.[19] AENOR, Descripción, medición y evaluación del ruido ambiental UNE-ISO 1996-1. 2005 pp. 1–32.[20] P. Pertila, “Mel-frequency cepstral coefficients ( MFCCs ) and gammatone filter banks Introduction,” TUT, 2015. .[21] A. Das, N. Borisov, and M. Caesar, “Do You Hear What I Hear?: Fingerprinting Smart Devices Through Embedded Acoustic Components,” no. September 2016, pp. 441–452, 2014.[22] A. Ng, “1. Supervised learning,” Stanford, 2012. [Online]. Available: http://stanford.io/2eSiTDP.[23] A. Ng, “Advice for applying Machine Learning,” Stanford, 2016. [Online]. Available: http://stanford.io/2s2WXtS.[24] Wildlife Acoustics, Song Meter User Manual, 3rd ed. Concord: Wildlife Acoustics, Inc, 2011.[25] Wildlife Acoustics, Song Meter User Manual part2, 3rd ed. Concord: Wildlife Acoustics, Inc, 2011.[26] Annamaria Mesaros, Toni Heittola and T. Virtanen, “TUT database for acoustic scene classification and sound event detection,” 24th Eur. Signal Process. Conf. (EUSIPCO 2016), 2016.[27] L. Tafur, C. Durango, D. Garza, L. Londoño, and H. García, “Geographic Information System ( Gis ) To Manage Environmental Noise in the City of Medellin , Co- Lombia,” no. July, pp. 12–16, 2015.[28] IMAGINE, “Guidelines for the use of traffic models for noise mapping and noise action planning,” Netherlands, 2003.Universidad de San Buenaventura - MedellínBiblioteca USB Medellín (San Benito): CD-4401tBiblioteca Digital Universidad de San BuenaventuraMachine-learningMachine auditionProcesamiento digital de señalesEnvironmental noiseDigital signal processingRuido ambientalProcesamiento digital de señalesGrabaciones sonorasMonitores de audioMonitoreo de señalesIngeniero de SonidoIdentificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)Trabajo de grado - PregradoTrabajo de Gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fPublicationORIGINALIdentificacion_Automatica_Eventos_Giraldo_2017.pdfIdentificacion_Automatica_Eventos_Giraldo_2017.pdfapplication/pdf3310857https://bibliotecadigital.usb.edu.co/bitstreams/c6b237f4-afd8-4e0d-af49-b3b40d1e0ae4/download9c7db61af93b52af13f9ec3c039870d1MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82071https://bibliotecadigital.usb.edu.co/bitstreams/e6c78a60-026d-49a6-8eca-f8dabd56319a/download0c7b7184e7583ec671a5d9e43f0939c0MD52TEXTIdentificacion_Automatica_Eventos_Giraldo_2017.pdf.txtIdentificacion_Automatica_Eventos_Giraldo_2017.pdf.txtExtracted texttext/plain111917https://bibliotecadigital.usb.edu.co/bitstreams/df59d33c-5b7f-40ed-8d77-17bc3819de01/download4db7b3a67e30067725be9edae828244bMD53THUMBNAILIdentificacion_Automatica_Eventos_Giraldo_2017.pdf.jpgIdentificacion_Automatica_Eventos_Giraldo_2017.pdf.jpgGenerated Thumbnailimage/jpeg6681https://bibliotecadigital.usb.edu.co/bitstreams/33de5e83-ce81-4844-a5a9-92b6486015f0/downloadae3d25074e8a07f301bb9d3cc4cc7cbaMD5410819/4431oai:bibliotecadigital.usb.edu.co:10819/44312023-02-24 11:31:40.381http://creativecommons.org/licenses/by-nc-nd/2.5/co/https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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

Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)

Publicaciones similares