Charakterystyki behawioralne w biometrii

• Autorzy: Kamińska D. , Sapiński T. , Pelikant A.

Identyfikatory

DOI

10.15199/13.2015.10.9

Warianty tytułu

EN

Behavioral characteristics in biometry

• Języki publikacji: PL

Abstrakty

PL

W artykule omówiono sposoby pozyskiwania, przetwarzania i reprezentacji sygnałów audio w celu prowadzenia dalszych analiz związanych zarówno z semantyką wypowiedzi, jak również z cechami behawioralnymi mówcy. Przyjęto, że analiza danych powinna być prowadzona możliwie blisko miejsca ich przechowywania, np. w komercyjnych serwerach baz danych z wykorzystaniem enkapsulacji klas obiektowych do elementów programistycznych relacyjnego serwera. Poza wykorzystaniem reprezentacji sygnału za pomocą wektorów wyrażonych w skalach cepstralnych, ważnym elementem analizy jest zastosowanie algorytmów dopasowania strumieni wektorów danych – Spring DTW. W przypadku analizy stanów emocjonalnych do wzmocnienia procesu klasyfikacji zastosowano komitety klasyfikatorów działających na różnych zestawach atrybutów, a analizę odniesiono do modelu Plutchika.

EN

The article describes methods of acquisition, processing and representation of audio signals for the purpose of further analysis associated with both the semantics of expression, as well as behavioral characteristics of the speaker. It is assumed that the data analysis should be carried out as close to the place of storage, eg. in commercial database servers using the encapsulation of object classes to relational server software components. In addition to using a representation of a signal as vectors in cepstral scale, an important part of the analysis is to apply matching algorithms - Spring DTW. In order to enhance the analysis of emotional states classification committees consiting of classifiers operating on different sets of attributes were used. Emotion detection was based on Plutchik’s wheel.

Słowa kluczowe

PL

przetwarzanie mowy; wykrywanie emocji; dane semistrukturalne

EN

speech analysis; emotion recognition; big data

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2015
• Tom: Vol. 56, nr 10
• Strony: 38--40
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Kamińska D.

• Politechnika Łódzka, Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki

autor

Sapiński T.

• Politechnika Łódzka, Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki

autor

Pelikant A.

• Politechnika Łódzka, Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki

Bibliografia

• [1] A. Pelikant, „Zastosowanie typów obiektowych w przetwarzaniu analitycznym”, Roczniki Kolegium Analiz Ekonomicznych, zeszyt 25/2012, SGH 2012, ISSN 1232-4671 pp. 231-250.
• [2] A. Kowalczyk-Niewiadomy, A. Pelikant, „Fuzzy clustering Algorithms for Imprecise Database Queries”, Proceedings of the Joint Conference NTAV/SPA 2012, Signal Processing: Algorithms, Architectures, Arrangements and Applications, 2012, pp. 257-262.
• [3] D. Niewiadomy and A. Pelikant, „Query by Voice Example and sound similarity based on the Dynamic Time Warping algorithm”, Przegląd Elektrotechniczny, No. 8, 2010.
• [3] D. Niewiadomy, A. Pelikant, and R. Kubiak, „Automatyczne znakowanie danych audio na platformie serwera baz danych Oracle”, Studia Informatica, vol. 31, No. 2A, 2010.
• [5] D. Kamińska, T. Sapiński, A. Pelikant, „Recognition of Emotion Intensity Basing on Neutral Speech Model” In book: Advances in Intelligent Systems and Computing, Chapter: Recognition of Emotion Intensity Basing on Neutral Speech Model, Publisher: Springer, 01/2014, pp. 451-459.
• [6] A. Schafer, R. Oppenheim, „Homomorphic analysis of speech”, vol. 16, no. 2, 1968.
• [7] H. Hermansky, „Perceptual Linear Predictive (PLP) Analysis of Speech”, Journal Acoustical Society of America, 87(4):1738- 1752, 1989.
• [8] M. Skowronski and J. Harris, „Increased MFCC filter bandwidth for noise-robust phoneme recognition”, Orlando, Florida, USA, 2002.
• [9] M. Farhid and M. Tinati, „Improving Quality of Voice Conversion Systems”, in Communications in Computer and Information Science. 13th International CSI Computer Conference, CSICC 2008: Springer, 2008.
• [10] B. Moore B. Glasberg, „Suggested formula for calculating auditory- filter bandwidth and excitation patterns”, The Journal of Acoustical Society of America, vol. 74, no. 3, 1983.
• [11] R. Plutchik, „Emotion A Psychoevolutionary Synthesis”, New York Harper and Row, 1980.
• [12] P. Kumar, A. Biswas, A. N. Mishra, M. Chandra, „Spoken Language Identification Using Hybrid Feature Extraction Methods”, Journal of Telecommunications, 1(2):11-15, 2010.
• [13] D. Kamińska, A. Pelikant, T. Sapiński, „Automatic behavioural therapy tool for children with Asperger’s Syndrome – Paradigm”, In proceeding of: SIGNAL PROCESSING Algorithms, Architectures, Arrangements and Applications, Poznań 09/2013.

Uwagi

PL

Błędna numeracja bibliografii.