Classification of nonverbal human-produced audio events

Résumé

La perte d’audition due à une exposition excessive au bruit sur le lieu de travail affecte unnombre croissant de travailleurs et peut être évitée en utilisant correctement des protecteurs auditifs.Les dispositifs de protection se retrouvent sous la forme intra-auriculaire (bouchons) oucircumaural (casque). Lorsque les dispositifs intra-auriculaires sont correctement insérés, ilscréent un effet d’occlusion qui amplifie les bruits physiologiques. Ces bruits physiologiquesamplifiés peuvent être captés à l’aide d’un microphone placé à l’intérieur du conduit auditifocclus. À l’aide d’un algorithme de détection, ces bruits physiologiques pourraient êtreutilisés pour de nombreuses applications. Par exemple, l’utilisateur pourrait interagir avec unpériphérique portable de manière discrète en claquant des dents ou de la langue; les bruits nonverbaux captés pourraient servir à surveiller la santé de l’utilisateur en détectant les événementsaudio liés à la toux ou aux raclements de la gorge; ou également la dose de bruit reçue des travailleurspourrait être mieux précisée en supprimant les bruits émis par le porteur lui-même etdonc inoffensifs pour l’audition. Ce projet comportait 3 volets : 1) développer un algorithme de classification d’événementsaudio non verbaux produits par l’humain, 2) développer un algorithme de détection de signauxnon verbaux et 3) valider la performance et la capacité de ces algorithmes à fonctionner entemps réel sur un dispositif portable à faible puissance de calcul. Dix événements ont été sélectionnés au sein d’une base de données existante constituée d’événementsnon verbaux enregistrés avec un microphone intra-auriculaire. Au total, 3037 échantillonsd’une durée de 400 ms chacun ont été extraits de la base de données afin de développerl’algorithme de classification. Lors du développement de ce dernier, les algorithmes d’apprentissageautomatique suivant “Support Vector Machine”, le “Gaussian Mixture Model”, le “Multi-Layer Perceptron”, le “Convolutional Neural Network” et le “Bag-of-Audio-Words” (BoAW)ont été mis en oeuvre et évalués. Lors du développement de l’algorithme de détection, troistechniques d’analyse du signal audio trouvées dans la littérature ont également été testés : latechnique des “Mel-Frequency Cepstral Coefficients” (MFCC), principalement utilisée pour lareconnaissance vocale, la technique des “Auditory-inspired Amplitude Modulation Features”généralement utilisée pour la vérification de la parole et la “Per-Channel Energy Normalization”(PCEN) souvent utilisée pour la détection de mots-clés dans un champ éloigné. Les performances optimales ont été trouvées en utilisant l’algorithme d’apprentissage automatiqueBoAW et les techniques d’analyse MFCC et PCEN avec une sensibilité de 81,5 % et uneprécision de 83 %. L’algorithme de détection en temps réel a été testé dans un environnementbruyant sur 10 nouveaux sujets. Il a montré une sensibilité de 69,9 % et une précision de 78,9% dans un environnement calme. Cela en fait un algorithme prometteur à implémenter dans denouvelles lignes de protecteurs auditifs numériques intelligents capable d’assurer une meilleuredosimétrie sonore des travailleurs tout en offrant de nouvelles fonctionnalités de surveillancede la santé et d’interfaces homme-machine.

Date	8 oct. 2020
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Jérémie Voix (Directeur(-trice)) & Patrick Cardinal (Codirecteur(-trice))