[論文レビュー] Intensity Particle Flow SMC-PHD Filter For Audio Speaker Tracking

Yang Liu, Wenwu Wang+1 more|arXiv (Cornell University)|Dec 4, 2018

Speech and Audio Processing参考文献 11被引用数 49

ひとこと要約

本論文は IPF-SMC-PHD を提案する。これは多話者追跡のための NPFS-SMC-PHD への強度ベースの粒子流の強化であり、混雑と検出確率を組み込み、LOCATA タスク 4 で評価され、精度は高いが計算量が大きい。

ABSTRACT

Non-zero diffusion particle flow Sequential Monte Carlo probability hypothesis density (NPF-SMC-PHD) filtering has been recently introduced for multi-speaker tracking. However, the NPF does not consider the missing detection which plays a key role in estimation of the number of speakers with their states. To address this limitation, we propose to use intensity particle flow (IPF) in NPFSMC-PHD filter. The proposed method, IPF-SMC-PHD, considers the clutter intensity and detection probability while no data association algorithms are used for the calculation of particle flow. Experiments on the LOCATA (acoustic source Localization and Tracking) dataset with the sequences of task 4 show that our proposed IPF-SMC-PHD filter improves the tracking performance in terms of estimation accuracy as compared to its baseline counterparts.

研究の動機と目的

• 現実的な音響環境での妨害物と欠測検出を伴う堅牢な多話者追跡を動機づける。
• NPFS-SMC-PHD を拡張し、妨害物と検出確率を扱うために強度ベースの粒子流を組み込む。
• データ同定を伴わない粒子流更新を通じて推定精度を改善する IPF ベースの更新を提供する。
• LOCATA タスク 4 を複数のマイクアレイで評価し、ベースラインと比較する。

提案手法

• 妨害物と検出確率を考慮しつつ prior から posterior へ粒子を移すために強度ベースの粒子流 (IPF) を用いる。
• Eq. (12) のように尤度 h_k^i,r および妨害項 (G_k^r) を組み込んだ強度加重形で粒子流 f_k^i を計算する。
• 非ゼロ拡散粒子流 (NPF) ステップを IPF に置き換え、更新を生存粒子に集中させて計算量を削減する。
• 測定からの Born 粒子を組み込み、検出確率 p_D,k および妨害 κ_k による標準的な SMC-PHD 重み更新で重みを更新する。
• 更新後に粒子をクラスタリングしてターゲット状態推定 t と重みを取得し、ESS が閾値を下回った場合にリサンプリングを適用する。

実験結果

リサーチクエスチョン

• RQ1 IPF-SMC-PHD の導入により LOCATA タスク 4 で NPF-SMC-PHD や他のベースラインと比べて多話者追跡の精度が向上するか？
• RQ2 現実世界データにおける混雑強度と検出確率が PHD ベースの多話者追跡性能にどう影響するか？
• RQ3 オクルージョン下で IPF-SMC-PHD はベースライン法よりも話者状態推定をより正確に提供できるか？
• RQ4 IPF-SMC-PHD と既存法との間で計算コストと追跡精度のトレードオフはどうなるか？

主な発見

Array	Recording	IPF	NPF	SMC	MUSIC
Robot head	1	1.084	1.178	1.247	1.875
Robot head	2	1.079	1.165	1.242	1.753
Robot head	3	1.093	1.205	1.253	1.897
DICIT	1	4.826	5.893	7.089	10.357
DICIT	2	4.543	5.407	6.580	10.182
DICIT	3	5.405	6.777	7.860	11.057
Hearing aids	1	4.833	5.894	7.091	10.360
Hearing aids	2	4.591	5.603	6.736	9.848
Hearing aids	3	5.310	6.507	7.895	11.490
Eigenmike	1	1.465	1.559	1.568	2.288
Eigenmike	2	1.295	1.461	1.616	2.212
Eigenmike	3	1.399	1.503	1.656	2.429
Average	OSPA	3.077	3.679	4.319	6.312

• IPF-SMC-PHD は複数の録音・アレイにおいて NPF-SMC-PHD、SMC-PHD、および MUSIC よりも低い OSPA 誤差を達成した。
• IPF-SMC-PHD の平均 OSPA は 3.077、NPF-SMC-PHD は 3.679、SMC-PHD は 4.319、MUSIC は 6.312 である。
• IPF-SMC-PHD は特に MUSIC に対して、ロボットヘッド、DICIT、補聴器、Eigenmike アレイ全体で推定精度の著しい改善を示す。
• 本研究に記載されているように、平均的には NPF-SMC-PHD に対して追跡誤差を約 16% 減らす。
• IPF は計算コストを高くする（フレームあたり約 10 秒）一方、SMC-PHD（≈3 秒/フレーム）および MUSIC（≈1 秒/フレーム）より高い。
• 結果は LOCATA タスク 4 でのオクルージョンと混雑を処理する IPF の能力を示し、複数の動く話者に対してより良い状態推定を提供する。