발화행태 특징을 활용한 응급상황 신고자 연령분류
Age classification of emergency callers based on behavioral speech utterance characteristics
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 실제 응급상황센터에 접수된 신고전화의 음성분석을 통하여 발화자의 연령을 분류하고자 한다. 2가지 발화행태적 특징요소인 무성휴지(Silent Pause), 대화반응시간(Turn-taking latency)를 활용하여 성인과 노인을 분류할 수 있는 특징에 대한 분류기준을 선정하고, 이를 기계학습 분류기인 SVM(Support Vector Machine)을 활용하여 분류정확도를 확인하였다. 먼저, 응급상황센터의 실제 신고전화에 대하여 발화행태적 특징요소를 기반으로 청취분석을 통하여 발생길이에 대하여 성인과 노인사이에 통계적으로 유의하다는 것을 확인하였다(p<0.05). 또한, 성인과 노인 각 100개, 총 200개의 음성데이터를 5차 교차검증방법을 사용하여 기계학습을 실행한 결과, 2가지의 발화행태를 모두 사용한 복합기준(무성휴지+대화반응시간)일 경우, 70%의 가장 높은 분류정확도를 확인할 수 있었다. 본 연구의 결과는 음성에 기반한 연령을 분류하는 연구에 있어서, 기존의 음성정보와 더불어, 새로운 발화행태적 특징요소와의 결합을 통하여 연령구분을 가능하게 하는 새로운 방법으로 제안할 수 있을 것이다. 또한, 향후 음성기반 상황판단 시스템 기술 개발에 있어서 기초자료로 적용이 가능하며, 이를 통하여 신속한연령분류를 판단을 통한 상황대처가 가능하도록 하는 데에 기여할 수 있을 것이다.
Abstract
In this paper, we investigated the age classification from the speaker by analyzing the voice calls of the emergency center. We classified the adult and elderly from the call center calls using behavioral speech utterances and SVM(Support Vector Machine) which is a machine learning classifier. We selected two behavioral speech utterances through analysis of the call data from the emergency center: Silent Pause and Turn-taking latency. First, the criteria for age classification selected through analysis based on the behavioral speech utterances of the emergency call center and then it was significant(p ＜0.05) through statistical analysis. We analyzed 200 datasets (adult: 100, elderly: 100) by the 5 fold cross-validation using the SVM(Support Vector Machine) classifier. As a result, we achieved 70% accuracy using two behavioral speech utterances. It is higher accuracy than one behavioral speech utterance. These results can be suggested age classification as a new method which is used behavioral speech utterances and will be classified by combining acoustic information(MFCC) with new behavioral speech utterances of the real voice data in the further work. Furthermore, it will contribute to the development of the emergency situation judgment system related to the age classification.
참고문헌 (23)
- world and korea population prospects, "Korea, Statistics", ~ (2015)
- S.I. Kwon, "Pre processing for elderly speech recognition of smart devices", Computer Speech & Language, 36, pp.110~121 (2016)
- Tobias Bocklet, "Age and gender recognition for telephone applications based on gmm supervectors and support vector machines", Acoustics, Speech and Signal Processing, pp.1605~1608 (2008)
- Combining short-term cepstral and long-term pitch features for automatic recognition of speaker age, "Müller, Christian A.", Interspeech, 2277~2280 (2007)
- Knapp, Mark L., "Nonverbal communication in human interaction", Cengage Learning (2013)
- 최양, "비언어커뮤니케이션: 목소리와 커뮤니케이션" (2012), 커뮤니케이션북스
- 김선우, "노령화에 따른 건강한 정상 성인의 음향음성학적 특성 비교", 말소리와 음성과학, 2(4), pp.19~28 (2010), 한국음성학회
- Redford, Melissa A., "A comparative analysis of pausing in child and adult storytelling", Applied psycholinguistics, 34(03), pp.569~589 (2013)
- Mortensen, Linda, "Age-related effects on speech production: A review", Language and Cognitive Processes, 21(1-3), pp.238~290 (2006)
- Levelt, Willem JM, "Accessing words in speech production: Stages, processes and representations", Cognition, 42(1), pp.1~22 (1992)
- Jefferson, Gail, "Preliminary notes on a possible metric which provides for a'standard maximum'silence of approximately one second in conversation", Multilingual Matters (1989)
- Aldert Vrij, "Detecting deceit via analyses of verbal and nonverbal behavior in children and adults", Human communication research, 30(1), pp.8~41 (2004)
- Levinson, Stephen C., "Turn-taking in human communication–origins and implications for language processing", Trends in cognitive sciences, 20(1), pp.6~14 (2016)
- Kelly, Ellen M., "Speech rates and turn-taking behaviors of children who stutter and their fathers", Journal of Speech, Language, and Hearing Research, 37(6), pp.1284~1294 (1994)
- Mortensen, Linda, "Age-related effects on speech production: A review", Language and Cognitive Processes, 21(1-3), pp.238~290 (2006)
- Potamianos, A., "A review of the acoustic and linguistic properties of children's speech", MMSP 2007 IEEE 9th Workshop on Multimedia Signal Processing, pp.22~25 (2007)
- Bortfeld, H., "Disfluency rates in conversation : Effects of age, relationship, topic, role, and gender", Language and speech, 44(2), pp.123~147 (2001)
- Strik, Helmer, "Pronunciation reduction:how it relates to speech style, gender, and age", INTERSPEECH 2008, pp.1477~1480 (2008)
- Newman, Linda L., "Some effects of variations in response time latency on speech rate, interruptions, and fluency in children's speech", Journal of Speech, Language, and Hearing Research, 32(3), pp.635~644 (1989)
- Pedregosa, F., "Scikit-learn: Machine learning in Python", Journal of Machine Learning Research, 12, pp.2825~2830 (2011)
- 김정묵, "엘리베이터 탑승자의 환경정보를 이용한 비상상황 감지 시스템", 한국차세대컴퓨팅학회 논문지, 11(5), pp.73~80 (2015), 한국차세대컴퓨팅학회
- 성동수, "CCTV 카메라의 상태 정보에 근거하여 다수의 위치 정보를 처리하는 응급 상황 신고 서비스", 한국차세대컴퓨팅학회 논문지, 11(6), pp.51~59 (2015), 한국차세대컴퓨팅학회
- 이호준, "VREscapeSim : 사용자 스스로 체득하는 가상현실 지하철 재난 탈출 기능성 게임", 한국차세대컴퓨팅학회 논문지, 12(4), pp.125~132 (2016), 한국차세대컴퓨팅학회