딥러닝 기반의 기침 인식 카메라

Abstract

코로나19의 대표적인 증상이 발열과 기침인데, 본 연구에서는 배경소음이 있는 일상적인 환경에서 기침 소리를 인식할 수 있는 딥러닝 모델을 개발하여 음향 카메라에 적용하였다. 기침 인식 모델의 개발을 위해 합성곱 신경망을 기반으로 지도 학습을 하였다. 입력은 1초 음향신호의 특징, 출력은 0: else 또는 1: cough 인 2진 분류 모델이다. 학습률 최적화를 위해 일정 기간 학습률이 정체하면 그 값을 낮추도록 설정하였다. 데이터는 기침 인식 모델의 훈련 및 평가를 위해 Audioset, DEMAND, ETSI 및 TIMIT 등의 데이터셋을 수집하였다. 여기서, Audioset은 훈련 및 평가 데이터셋 구성을 위해 사용하였으며, 나머지는 본 모델이 다양한 배경소음에 일반화될 수 있도록 데이터 증강을 위한 배경소음으로 사용하였다. 데이터 증강은 배경소음을 0.15 ~ 0.75의 비율로 Audioset에 섞은 후, 다양한 거리에 일반화되도록 0.25 ~ 1.0 배로 음량을 조정하였다. 훈련 및 평가 데이터셋은 증강된 데이터셋을 9:1 로 나누어 구성하였으며, 시험 데이터셋은 따로 사무실에서 녹음한 것을 사용하였다. 모델 최적화를 위해 5개의 음향 특징 및 7개의 최적화기를 사용하여 학습을 진행하였으며, 시험 데이터셋의 정확도로 그 성능을 확인하였다. 그 결과, Mel-scaled Spectrogram을 음향 특징으로 사용하여 ASGD로 모델을 최적화하였을 때, 87.4 %의 시험 정확도를 얻을 수 있었다. 학습된 기침 인식 모델을 음향 카메라에 적용하였다. 음향 카메라는 소리를 수집하는 마이크로폰 배열과 카메라 모듈로 구성된다. 수집된 데이터는 음원의 위치를 계산하는 빔 형성 과정을 거친 후, 기침 인식 모델이 기침 소리로 인식했을 경우, 촬영된 이미지 상에서 기침 소리가 난 위치에 등고선과 라벨로 표시된다. 개발된 기침 인식 카메라의 예비 시험을 진행한 결과, 잡음 환경에서도 기침과 그 이외의 소리를 구분하고 기침한 사람과 그 위치 그리고 횟수 등을 실시간으로 추적하여 향후 적용 가능성을 확인할 수 있었다.