A hardware based gunshot sound detection system
Donanım tabanlı silah sesi tespit sistemi
- Tez No: 637005
- Danışmanlar: PROF. DR. ECE OLCAY GÜNEŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75
Özet
Yarıiletken teknolojisinin gelişimi ile beraber gömülü sistemlerin işlem yapabilme kapasiteleri de artmaktadır. Böylece küçük boyutlu cihazlar, daha büyük çapta işler yapılabilir hale gelmektedir. İnsanlar yaşam kalitelerini artırmak için birçok farklı alanda gömülü sistemlerden faydalanmaktadırlar. Teknolojik gelişmelerin bir sonucu olarak suç tespitinde kolluk kuvvetlerine yardımcı olan araçların kullanımı da artmaktadır. Mevcut silah sesi tespit sistemleri genel olarak yasadışı avlanma tespiti, kamusal alanda yaşanan suç oranlarını düşürme ve savaş alanlarında silah sesinin yönünü tespit etme amaçlı kullanılmaktadır. Literatür incelendiğinde silah sesi tespitinde kullanılan çalışmaların genelinde, makine öğrenmesi yöntemlerinin kullanıldığı görülmektedir. Ancak silah sesi tespitinde kullanılan donanım tabanlı sistemlerin sayısı oldukça azdır ve genellikle çarpaz korelasyon ve kenar tespiti gibi basit yöntemler için kullanmaktadır. Bu çalışmada, silah sesi tespit sisteminin donanım üzerinde gerçekleştirilmesi hedeflenmektedir. Bu kapsamda, makine öğrenmesi yöntemlerinin avantajlarını kullanan ve donanım üzerinde gerçeklemeye en uygun sistemin seçilmesi amaçlanmıştır. Literatür incelendiğinde mel katsayıları, sinyal enerjisi ve sıfır geçisi özelliklerinin silah sesini tespitinde iyi bir performans gösterdikleri gözlemlenmiştir. Bu sebeple, bahsedilen özellikler ses sinyalinden elde edilerek k-en yakın komşuluk (k-NN) ve destek vektör makineleri (DVM) sınıflandırma algortimalarında kullanılmıştır. k-NN sınıfılandırıcısı ile %96.1538, SVM sınıflandırıcısı ile %91.3462 doğruluk oranı elde edilmiştir. Sonuçlar çerçevesinde donanım ile gerçekleme için k-NN sınıflandırıcısı seçilmiştir. Silah sesleri Still North Media ateşli silah ses efektleri kütüphanesinden elde edilmiştir, havlama, kuş sesleri, ayak sesleri gibi diğer sesler ise çevrimiçi web sayfalarından toplanmıştır. Simülasyonlarda, ateşli silah seslerini sınıflandırmada doğruluk oranları elde etmek için, veri setini oluşturmak üzere 104 test ve 389 eğitim seti seçilmiştir. Benzetimi yapılan sistemin donanım üzerinde gerçeklenmesi Matlab Simulink System Generator uygulaması kullanılarak yapılmıştır. Sınıflandırma veritabanına ait özellikler simulasyon ile elde edilerek, donanım gerçeklemesinde de kullanılmıştır. Test için kullanılan ses, donanım üzerinde kurulan sisteme verilerek mel katsayıları, enerji ve sıfır geçişi özellikleri elde edilir ve k-NN sınıflandırıcısı kullanılarak, sesin hangi sınıfa ait olduğu bulunur. Benzetim ile aynı yöntem kullanıldığı için benzetimde elde edilen doğruluk oranları donanım gerçeklemesi için de geçerlidir.
Özet (Çeviri)
With the development of semiconductor technology, embedded systems' capacity of operations also increases day by day. In this way, small-sized devices are able to perform complex works. As a result, people take advantage of embedded systems in a wide variety of areas to enhance the life quality of living. As a result of technological developments, the use of tools that assist law enforcement officers in crime detection is also increasing. Available gunshot detection systems mainly focuses on preventing illegal hunting, decreasing crime rates in public space, and detecting gunshot direction in battlefield areas. When the literature is examined, it is seen that machine learning methods are used in the studies used in gunshot sound detection. However, the number of hardware-based systems used in gunshot sound detection is quite a few and mostly simple methods such as cross-correlation threshold, edge detection are implemented. In this work, it is aimed to realize a gunshot sound detection system on hardware. In this context, it is aimed to select the system that uses the advantages of machine learning methods and is the most suitable for implementation on the hardware. When the literature is examined, it has been observed that the mel coefficients, signal energy and zero crossing properties perform well in determining the gunshot sound. For this reason, the mentioned features were obtained from the audio signal and used in k-nearest neighbors (k-NN) and support vector machines (SVM) classification algorithms. An accuracy rate of 96.1538% was obtained with the k-NN classifier and 91.3462% with the SVM classifier. Within the framework of the results, k-NN classifier was selected for hardware implementation. Gunshot sounds were obtained from the Still North Media firearm sound effects library, while other sounds such as bark, bird sounds, footsteps were collected from online web pages. In the simulations, in order to obtain accuracy rates in classifying gunshot sounds, 104 tests and 389 training sounds were selected to create the data set. Implementation of the simulated system on the hardware was done using Matlab Simulink System Generator application. The test dataset features were obtained by simulation and used in hardware implementation. The sound used for the test is given to the system implemented on hardware, mel coefficients, energy and zero transition properties are obtained and by using the k-NN classifier, it is determined which class the sound belongs to. Since the same method is used with simulation, the accuracy rates obtained in simulation are also valid for hardware implementation.
Benzer Tezler
- Multi shooter localization with acoustic sensors
Akustik algılayıcılar ile çoklu atış konum tespiti
ÇAĞLAR AKMAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KEMAL LEBLEBİCİOĞLU
- Yazılım ve donanım tabanlı saldırı önleme sistemlerinin karşılaştırılması
Comparison of software and hardware based intrusion prevention systems
ÇAĞRI YARDIMCI
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
- Design and implementation of FPGA-based assembler using content addressable memory (CAM)
İçerik adreslemeli bellek (CAM) kullanılarak FPGA tabanlı assembler tasarımı ve uygulaması
ABDELKADER LAZZEM
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN PEHLİVAN
DOÇ. DR. HALİT ÖZTEKİN
- Design and implementation of a kernelized correlation filters accelerator on zynq fpga via high-level synthesis of a custom dft block
Özel dft bloğunun yüksek seviye sentezi ile zynq fpga üzerinde bir çekirdek tabanlı korelasyon filtreleri hızlandırıcısının tasarımı ve uygulaması
MUSTAFA YETİŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ENVER ÇAVUŞ
- Yeni bir kaos tabanlı rasgele sayı üreteci kullanan banka şifrematik cihazı tasarımı ve uygulaması
The design and application of bank authenticator device with a novel chaos based random number generator
SERKAN AKKAYA
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN PEHLİVAN