Bee: Lärande ljudigenkänning för kamerafri övervakning
| Diarienummer | |
| Koordinator | Minut AB |
| Bidrag från Vinnova | 500 000 kronor |
| Projektets löptid | maj 2016 - januari 2017 |
| Status | Avslutat |
Viktiga resultat som projektet gav
Syftet med projektet är att utveckla algoritmer för lärande ljudigenkänning. En första applikation är övervakning av områden där respekt för personlig integritet är en förutsättning. Målet har uppnåtts och ett system som kan lära sig att känna igen en godtycklig händelse från dess akustiska signatur har implementerats. Systemet består av algoritmer på en lyssnande enhet som analyserar ljudet och skickar dess signatur till en server. På servern används maskininlärning för att matcha signaturen till en händelse i en växande global databas. Ett fält-test med prototyper är pågående.
Långsiktiga effekter som förväntas
Produkten är inte redo för kommersiella applikationer och mycket arbete kvarstår innan en eventuell marknadsintroduktion. Det stora framsteget i det här projektet är algoritmerna som ligger till grund för att systemet kan läras att känna igen nya händelser har visats fungera i praktiken. Om systemet kommersialiseras och lever upp till förväntningarna öppnas stora möjligheter inom områden där den personliga integriteten behöver balanseras mot ett övervakningsbehov. Flera användningsområde är tänkbara, exempelvis för äldrevård eller inom försäkringsbranschen.
Upplägg och genomförande
De olika delarna i systemet har utvecklats på en PC som simulerar ljudmiljön, produkten och server-mjukvaran. Systemet har tränats att känna igen specifika händelser från fritt tillgängliga ljudbibliotek och källor som Youtube. Därefter har algoritmerna implementerats på en server och enkla prototyper byggts för att samla ljuddata i en faktisk hemmiljö. Befintlig hårdvara har till stor del kunnat användas för data-insamling. En större del av systemet har implementerats på server-sidan vilket möjliggjort större fält-test trots begränsningar på den befintliga hårdvaran.