Exploring Feature Extraction Technique Parameters for Acoustic Gunshot Classification

기술 요약: 음향 총성 분류를 위한 특징 추출 기법 파라미터 탐색

문제 정의
음향 총성 탐지 및 분류는 민간 공공 안전, 군사 작전, 야생 동물 보호를 위한 핵심 역량이다. 그러나 이 분야는 특히 현실적이고 다양한 데이터에 대한 일반화에 초점을 맞춘 특징 추출 기법에 대한 엄격한 탐색이 부족한 실정이다. ShotSpotter와 같은 상용 시스템은 존재하지만, 총성을 다른 충격성 도시 소음(예: 폭죽, 차량의 백파이어 소리)과 구별하는 데 큰 어려움을 겪고 있으며, 화기 유형 분류에 관한 독립적인 검증된 정확도가 부족한 경우가 많다. 기존 문헌들은 특징 추출을 위한 파라미터 세트를 체계적인 근거 없이 일관성 없게 제시하고 있어, 특정 구성이 실제 시나리오에서 모델 성능에 어떻게 영향을 미치는지에 대한 이해의 공백을 남기고 있다.

연구 방법론
저자들은 21개 구경과 85개의 고유 화기를 포함한 22,306개의 총성 녹음 데이터로 구성된 대규모 데이터셋을 사용하여 체계적인 조사를 수행하였다. 데이터셋은 Certus Innovations의 라이브 수집 데이터를 포함하여 C3GD 데이터셋, Free Firearm Sound Library 등 5개의 오픈 액세스 소스에서 수집되었다.

본 연구는 세 가지 주요 특징 추출 기법에 초점을 맞추었다:

1. 단시간 푸리에 변환(STFT) 스펙트로그램: 선형 주파수 표현.
2. 로그-멜(Log-Mel) 스펙트로그램: 멜 스케일 주파수 왜곡을 사용하는 지각적 동기화 표현.
3. 멜 주파수 셉스트럴 계수(MFCCs): 이산 코사인 변환을 통해 로그-멜 필터 뱅크로부터 유도된 압축된 계수.

저자들은 다음을 포함한 핵심 하이퍼파라미터를 변화시키며 세 가지 기법에 걸쳐 12개의 고유한 파라미터 세트를 평가하였다:

• FFT 윈도우 길이: 512에서 2048 샘플 범위.
• 홉 길이(Hop Length): 스펙트럼 누설을 최소화하기 위해 표준 50% 중첩과 수학적으로 이상적인 75% 중첩(Hann/Hamming 윈도우용)을 비교 테스트.
• 주파수 스케일링: 선형 대 로그(dB) 진폭 스케일링 비교.
• 멜 필터 뱅크: 64, 128, 256개 밴드 테스트.
• 셉스트럴 계수: MFCC를 위한 20, 30, 40개 계수 테스트.

모든 실험에는 PyTorch를 사용하여 학습된 ResNet-18 아키텍처(단일 채널 입력 및 21개 출력 클래스용으로 수정됨)가 사용되었다. 견고성을 보장하기 위해 본 연구는 데이터 증강(시간 이동, 가우시안 노이즈, 이득 조정)을 포함하였으며, 서로 다른 랜덤 시드를 사용하여 각 실험을 5회 반복 수행하였다.

주요 결과
실험은 다음과 같은 성능 지표(Top-1 정확도)를 산출하였다:

• 로그-멜 스펙트로그램: 가장 높은 성능을 기록하였으며, "Hann Ideal" 파라미터 세트를 사용할 때 최대 **96.66%**의 정확도를 달성하였고 평균 정확도는 95.82%였다. 이 방법은 다양한 파라미터 구성에 대해 가장 일관된 결과를 보여주었다.
• STFT 스펙트로그램: 강력한 성능을 보였으며, 최대 95.81%, 평균 94.10%를 기록하였다. 특히, 선형 진폭 STFT는 dB 스케일 버전보다 현저히 낮은 성능을 보였으며, 높은 주파수 해상도(2048 FFT)는 시간 중심의 구성보다 낮은 정확도를 나타냈다.
• MFCCs: 다른 방법들에 비해 성능이 크게 떨어졌다. 최대 85.24%, 평균 82.20%를 기록하였다. MFCC는 결과의 변동성 또한 가장 높게 나타났다.

실험 결과, "Hann Ideal" 파라미터 세트(최적의 사이드 로브 억제를 위해 75% 홉 길이를 활용)가 로그-멜 스펙트로그램에서 가장 안정적이고 정확한 결과를 제공하였으며, 이는 종종 간과되는 홉 길이 파라미터의 중요성을 강조한다. 또한, 결과는 시간 해상도를 선호하는 구성이 우수한 성능을 보임으로써, 시간 영역의 특징이 주파수 기반 특징보다 총성 분류에 더 차별적인 정보를 포함할 수 있음을 시사한다.

의의 및 주장
본 논문은 특징 추출 기법과 그 특정 파라미터의 선택이 음향 총성 분류의 결정적인 요소이며, 부적절한 선택과 비교했을 때 Top-1 정확도를 최대 **20%**까지 향상시킬 수 있다고 주장한다. 구체적으로 저자들은 다음을 입증하였다:

1. 로그-멜 스펙트로그램이 이 작업의 지배적인 입력 표현이며, STFT 및 MFCC보다 우수한 성능을 보인다.
2. 파라미터 튜닝은 필수적이다: 주어진 기법에 적합한 파라미터(예: 홉 길이, FFT 크기)를 사용하는 것은 정확도를 추가로 4.7% 향상시킬 수 있다.
3. MFCC는 보편적으로 최적이 아니다: 음성 인식에서의 인기와는 대조적으로, MFCC는 총성 분류에서 낮은 성능과 높은 변동성을 보였으며, 이는 인간의 청각 지각 모델이 총성과 같은 비생물학적 음향 이벤트에 잘 적용된다는 가설에 도전한다.
4. 일반화가 핵심이다: 본 연구는 견고한 시스템이 단순히 통제된 환경에서의 좁은 성능에 의존하는 것이 아니라, 다양한 화기, 구경 및 녹음 조건에 걸쳐 일반화되어야 함을 강조한다.

저자들은 모든 경우에 지배적인 단일 특징 추출 접근 방식은 존재하지 않으므로, 최적의 기법과 파라미터 세트를 찾는 것이 음향 총성 분류를 위한 모델 개발의 핵심 단계가 되어야 한다고 결론짓는다. 또한, 향후 연구에서는 현재의 오픈 데이터셋에서 누락되는 경우가 많은, 총성 오디오의 탐구되지 않은 초음속 충격파 성분을 다루어야 한다고 언급하였다.