Master 2017 2018
Stages de la spécialité SAR
Reconnaissance d’incidents sonores dans un environnement ferroviaire


Site : Trac-RECONNAISSANCE d’INCIDENTS SONORES DANS UN ENVIRONNEMENT FERROVIAIRE
Lieu : Le Mans (FRANCE)
Encadrant : Sitou AFANOU
Dates :26/02/2018 au 26/08/2018
Rémunération :Environ 1000 EUR
Mots-clés : Parcours ATIAM : Acoustique, Parcours ATIAM : Informatique musicale, Parcours ATIAM : Traitement du signal

Description

1 CONTEXTE DE L’UNITE Au sein de SNCF Mobilités, le Centre d’Ingénierie du Matériel (CIM) réalise des missions d’expertise dans diverses spécialités lors de l’acquisition et la rénovation de matériels roulants. Intégré à la spécialité ‘’Systèmes de Management de l’Information Train’’ du CIM, le groupe Images travaille sur des solutions de surveillance à base de caméras vidéo.

2 CONTEXTE DU STAGE Dans le cadre de l’expérimentation de diverses solutions de « Surveillance intelligente », le matériel roulant doit embarquer des solutions logicielles et/ou matérielles, complètement autonomes, qui doivent être utilisés pour détecter des situations anormales : agression physique ou verbale, coup de feu, explosion. La veille technologique réalisée au sein de la spécialité montre l’arrivée à maturité de systèmes permettant de détecter certaines situations à partir des séquences audio en utilisant une analyse adaptée.

3 BUT DU STAGE Le stage a pour but de développer des algorithmes de détection d’incidents sonores en tirant profit des meilleures techniques de reconnaissance sonore afin d’assurer une détection fiable

Les étapes envisagées pour le stage sont :

  • Faire un état des lieux bibliographique des travaux et technologies avancées dans le domaine de la reconnaissance sonore (capacité des algorithmes à reconnaître des motifs sonores dans un environnement avec un fond sonore important)
  • Etudier comment ces algorithmes se comportent dans un environnement à fond sonore élevé (bruits de roulements mécaniques, bruits pneumatiques, …) -* Développer et fournir un logiciel capable de tirer profit des meilleures techniques existantes afin de reconnaitre de manière fiable les incidents sonores.
  • Etudier le développement de méthodes d’apprentissage supervisé ou non, ou une combinaison de ces méthodes sur des séquences enregistrées afin de déterminer et quantifier le gain en performances de détection
  • Tester et valider les algorithmes sur des séquences de test sur matériel roulant.

Les solutions mises en œuvre devront prendre en compte l’aspect « temps-réel » de l’application finale qui implique l’activation d’une alarme visuelle ou informatique lorsqu’il y a détection d’un incident sonore

Bibliographie

Detection, classification and localization of acoustic events in the presence of background noise for acoustic surveillance of hazardous situations, K. Lopatka & J. Kotus & A. Czyzewski

AUTOMATIC SOUND DETECTION AND RECOGNITION FOR NOISY ENVIRONMENT, Alain Dufaux, Laurent Besacier, Michael Ansorge, and Fausto Pellandini

SCREAM AND GUNSHOT DETECTION IN NOISY ENVIRONMENTS, L. Gerosa, G. Valenzise, M. Tagliasacchi, F. Antonacci, A. Sarti