Exploring Feature Extraction Technique Parameters for Acoustic Gunshot Classification

Technische Samenvatting: Onderzoek naar de parameters van kenmerkextractietechnieken voor akoestische vuurwapenclassificatie

Probleemstelling
Akoestische detectie en classificatie van vuurmonden is een cruciale capaciteit voor burgerlijke publieke veiligheid, militaire operaties en natuurbehoud. Het vakgebied kampt echter met een gebrek aan een rigoureus onderzoek naar kenmerkextractietechnieken die specifiek gericht zijn op generalisatie naar realistische, diverse data. Hoewel commerciële systemen zoals ShotSpotter bestaan, worden zij geconfronteerd met aanzienlijke uitdagingen bij het onderscheiden van schoten van andere impulsieve stedelijke geluiden (bijv. vuurwerk, af en toe af en toe klappende voertuigen) en ontbreken zij vaak aan onafhankelijk geverifieerde nauwkeurigheid met betrekking tot de classificatie van het type vuurwapen. De huidige literatuur biedt inconsistente parametersets voor kenmerkextractie zonder systematische rechtvaardiging, wat een gat laat in het begrip van hoe specifieke configuraties de modelprestaties in real-world scenario's beïnvloeden.

Methodologie
De auteurs voerden een systematisch onderzoek uit met behulp van een grootschalige dataset bestaande uit 22.306 vuurwapenopnames over 21 kalibers en 85 unieke vuurwapens. De dataset werd samengesteld uit vijf open-access bronnen, waaronder live verzamelde data van Certus Innovations, de C3GD Dataset en de Free Firearm Sound Library.

De studie richtte zich op drie primaire kenmerkextractietechnieken:

1. Short-Time Fourier Transform (STFT) Spectrogrammen: Lineaire frequentie-representaties.
2. Log-Mel Spectrogrammen: Perceptueel gemotiveerde representaties met behulp van een mel-schaal frequentiewarping.
3. Mel-Frequency Cepstral Coefficients (MFCCs): Compacte coëfficiënten afgeleid van de log-mel filterbank via een Discrete Cosinus Transformatie.

De auteurs evalueerden 12 unieke parametersets over deze technieken, waarbij kritieke hyperparameters werden gevarieerd, waaronder:

• FFT Vensterlengte: Variërend van 512 tot 2048 samples.
• Hop Lengte: Het testen van de standaard 50% overlap tegenover de mathematisch ideale 75% overlap (voor Hann/Hamming vensters) om spectrale lekkage te minimaliseren.
• Frequentieschaling: Het vergelijken van lineaire versus logaritmische (dB) amplitude-schaling.
• Mel Filter Banks: Het testen van 64, 128 en 256 banden.
• Cepstrale Coëfficiënten: Het testen van 20, 30 en 40 coëfficiënten voor MFCCs.

Alle experimenten maakten gebruik van een ResNet-18 architectuur (gemodificeerd voor single-channel input en 21 output klassen) getraind met PyTorch. Om robuustheid te garanderen, incorporeerde de studie data-augmentatie (tijdverschuiving, Gaussische ruis en gain-aanpassing) en werd elke experiment vijf keer uitgevoerd met verschillende random seeds.

Belangrijkste Resultaten
De experimenten leverden de volgende prestatie-metrieken op (Top-1 Nauwkeurigheid):

• Log-Mel Spectrogrammen: Behaalden de hoogste prestaties, met een maximale nauwkeurigheid van 96,66% (gebruikmakend van de "Hann Ideal" parameterset) en een gemiddelde nauwkeurigheid van 95,82%. Deze methode vertoonde de meest consistente resultaten over verschillende parameterconfiguraties.
• STFT Spectrogrammen: Presteerden sterk met een maximale nauwkeurigheid van 95,81% en een gemiddelde van 94,10%. Opvallend genoeg presteerden lineaire-amplitude STFT's aanzienlijk slechter dan de dB-geschaalde versies, en een hogere frequentieresolutie (2048 FFT) resulteerde in een lagere nauwkeurigheid vergeleken met tijdgerichte configuraties.
• MFCCs: Presteerden aanzienlijk ondermaats vergeleken met de andere methoden, met een maximale nauwkeurigheid van 85,24% en een gemiddelde van 82,20%. MFCCs vertoonden ook de hoogste variantie in de resultaten.

De studie vond dat de "Hann Ideal" parameterset (het gebruik van een 75% hop lengte voor optimale side-lobe onderdrukking) de meest stabiele en nauwkeurige resultaten opleverde voor Log-Mel spectrogrammen, wat het belang van de vaak over het hoofd geziene hop lengte parameter benadrukt. Verder suggereren de resultaten dat tijd-domein kenmerken meer discriminerende informatie kunnen bevatten voor schoten dan frequentie-gebaseerde kenmerken, zoals blijkt uit de superieure prestaties van configuraties die de voorkeur geven aan tijdsresolutie.

Betekenis en Claims
Het artikel beweert dat de selectie van kenmerkextractietechnieken en hun specifieke parameters een beslissende factor is in akoestische vuurwapenclassificatie, in staat om de top-1 nauwkeurigheid met wel 20% te verbeteren ten opzichte van suboptimale keuzes. Specifiek demonstreren de auteurs dat:

1. Log-Mel Spectrogrammen de dominante inputrepresentatie zijn voor deze taak, waarbij ze zowel STFT's als MFCC's overtreffen.
2. Parameteroptimalisatie cruciaal is: Het gebruik van de juiste parameters voor een gegeven techniek (bijv. hop lengte, FFT grootte) kan de nauwkeurigheid met een extra 4,7% verbeteren.
3. MFCCs niet universeel optimaal zijn: In tegen weerstelling van hun populariteit in spraakherkenning, boden MFCC's slechte prestaties en een hoge variantie voor vuurwapenclassificatie, wat de aanname uitdaagt dat menselijke auditieve perceptiemodellen goed vertalen naar niet-biologische akoestische gebeurtenissen zoals schoten.
4. Generalisatie essentieel is: De studie benadrukt dat robuuste systemen moeten generaliseren over diverse vuurwapens, kalibers en opnamecondities, in plaats van te vertrouwen op smalle prestaties in gecontroleerde omgevingen.

De auteurs concluderen dat geen enkele enkele kenmerkextractie-aanpak universeel domineert; daarom zou het vinden van de optimale techniek en parameterset een kernstap moeten zijn in de modelontwikkeling voor akoestische vuurwapenclassificatie. Zij merken ook op dat toekomstig werk de nog onvoldoende onderzochte supersonische schokgolfcomponent van het geluid van een schot moet adresseren, die vaak ontbreekt in huidige open datasets.