JP6726082B2

JP6726082B2 - 防犯に関わる音の判定方法及び情報処理装置

Info

Publication number: JP6726082B2
Application number: JP2016207756A
Authority: JP
Inventors: 翔太藤丸; 淳宏桜井; 晋太木村; 鈴木　晃; 晃鈴木
Original assignee: Animo Ltd
Current assignee: Animo Ltd
Priority date: 2016-10-24
Filing date: 2016-10-24
Publication date: 2020-07-22
Anticipated expiration: 2036-10-24
Also published as: JP2018072878A

Description

本発明は、防犯に関わる音を検出する技術に関する。

従来から、悲鳴を検出するような技術は存在している。具体的には、母音の継続期間を測定することで検出する例や、音声のパワー情報と調波情報と基本周波数とに基づき検出処理を行う例や、２つの帯域における音声の音量により検出を行う例などが知られている。また、パターンマッチングにより、言葉以外の音声や破壊音等を検出するような技術もある。

しかしながら、これらの従来技術では、様々な環境音や会話音声が存在する空間において、悲鳴やその他防犯上識別すべき音の発生を精度良く検出できない。

特開平９−２５１５８３号公報特開２００１−３１２２９２号公報特開２０１１−５３５５７号公報特開２０１２−４８１７３号公報

従って、本発明の目的は、一側面によれば、精度良く、防犯上識別すべき音の発生を検出するための技術を提供することである。

本発明に係る判定方法は、（Ａ）入力された音データに対して、音データに係る音のスペクトルの変動度合いを表す第１のパラメータ値と、音データに係る音の白色度合いを表す第２のパラメータ値と、音データに係る音における調波構造の度合いを表す第３のパラメータ値とを算出するステップと、（Ｂ）第１のパラメータ値と第２のパラメータ値と第３のパラメータ値とに基づき、音データに、防犯上識別すべき所定の音が含まれるか否かを判定するステップとを含む。

一側面によれば、精度良く、防犯上識別すべき音の発生を検出できるようになる。

図１は、実施の形態に係るシステムの概要を示す図である。図２は、防犯上識別すべき音とパラメータ値との関係を表す図である。図３は、実施の形態に係る処理フローを示す図である。図４は、実施の形態に係る処理フローを示す図である。

本発明の一実施の形態に係るシステム構成例を図１に示す。

実施の形態に係る主要な処理を実行する情報処理装置１００には、集音用のマイク１ａが接続されている。ここでは、マイク１ａから、周辺の音のアナログ信号をディジタル化することで得られた音データが情報処理装置１００に入力されるものとする。但し、音のアナログ信号が情報処理装置１００に入力されて、情報処理装置１００においてディジタル化された音データが生成される場合もある。

また、場合によっては、マイク１ｂが、ＩｏＴ（Internet of Things）ゲートウェイのような端末装置３００に接続されており、当該端末装置３００が、インターネット等のコンピュータネットワーク２００を介して情報処理装置１００に接続される場合もある。この場合、マイク１ｂ又は端末装置３００において、音のアナログ信号をディジタル化することで音データが得られて、当該音データは、コンピュータネットワーク２００を介して、情報処理装置１００に入力される。

マイク１ａ又は１ｂは、警備を行うべきエリアに配置される。情報処理装置１００は、警備を行うべきエリアの近隣に設置されることもあれば、遠隔地に設置される場合もある。情報処理装置１００は、クラウドなどに設けられる物理的なサーバである場合もあれば、仮想マシンとして実現される場合もある。

情報処理装置１００は、音データ格納部１０２と、算出部１０３と、第２データ格納部１０４と、判定部１０５と、出力部１０６とを有する。

音データ格納部１０２は、マイク１ａ又は１ｂからの音データを格納する。算出部１０３は、本実施の形態において特徴的なパラメータ値を算出する。より具体的には、算出部１０３は、前処理部１０３１と、第１データ格納部１０３２と、第１パラメータ値算出部１０３３と、第２パラメータ値算出部１０３４と、第３パラメータ値算出部１０３５と、第４パラメータ値算出部１０３６とを有する。

前処理部１０３１は、第１乃至第４パラメータ値算出部１０３３乃至１０３６共通で用いるデータを生成するための処理を実行し、処理結果を第１データ格納部１０３２に格納する。なお、第４パラメータ値算出部１０３６を用いるか否かは任意である。

第１パラメータ値算出部１０３３は、音のスペクトルの変動度合いを表す第１パラメータ値を算出する。第２パラメータ値算出部１０３４は、音の白色度合いを表す第２パラメータ値を算出する。第３パラメータ値算出部１０３５は、音における調波構造の度合いを表す第３パラメータ値を算出する。第４パラメータ値算出部１０３６は、音の主要な周波数を表す第４パラメータ値を算出する。第１乃至第４パラメータ値については後に詳しく述べる。

第２データ格納部１０４は、算出部１０３によって算出されたパラメータ値を格納する。判定部１０５は、第２データ格納部１０４に格納されているパラメータ値に基づき、防犯上識別すべき所定の音が発生したか否かを判定する。出力部１０６は、判定部１０５によって防犯上識別すべき所定の音が発生したと判定された場合に、その旨又は検出した音の種類を表す通知を出力する。例えば、警告音又は警告音声メッセージを出力する。又は、情報処理装置１００に接続される端末装置又はコンピュータネットワーク２００などを介して接続される端末装置のモニターに、警告メッセージを表示する。このような端末装置から、警告音又は警告音声メッセージを出力するようにしても良い。警告音声メッセージ及び警告メッセージは、検出した音の種類についての情報を含む。

ここで、本実施の形態で用いられる第１乃至第４パラメータ値について説明しておく。第１パラメータ値は、音のスペクトルの変動度合いを表す指標値であり、例えば、スペクトル包絡の変動を表す値、又はスペクトルの変動を表す値である。具体的計算方法については、処理フローの説明において述べる。

第２パラメータ値は、音の白色度合いを表す指標値であり、例えば、音データに係る音のスペクトルを確率分布とみなして算出される情報エントロピー（本実施の形態では、スペクトルエントロピーとも呼ぶ）である。具体的計算方法については、処理フローの説明において述べる。

第３パラメータ値は、音データに係る音における調波構造の度合いを表す指標値であり、例えば、音データに係る音のケプストラムにおける所定範囲内の最大値（本実施の形態では、調波構造強度とも呼ぶ）である。具体的計算方法については、処理フローの説明において述べる。

第４パラメータ値は、音データに係る音の主要な周波数であり、例えば、音データに係る音のスペクトルの重心周波数（本実施の形態では、スペクトル重心とも呼ぶ）である。具体的計算方法については、処理フローの説明において述べる。

一方、本実施の形態において防犯上識別すべき音の種類は、悲鳴、踏みしめると特殊な音が発生する防犯砂利を踏みしめた時の音、ガラス破壊音又は爆発音である。

これらの音と、第１乃至第３パラメータ値との関係は、図２に示すような関係となるということが、今回分かった。

具体的には、悲鳴であれば、第１パラメータ値が「低」、第２パラメータ値が「高」、第３パラメータ値が「高」となる。すなわち、音色の変化が小さく、自然音らしく、調波構造の度合いが高い音の発生を、第１乃至第３パラメータ値で特定できる。

防犯砂利を踏みしめた時の音は、第１パラメータ値が「低」、第２パラメータ値が「高」、第３パラメータ値が「低」となる。すなわち、音色の変化が小さく、自然音らしく、調波構造の度合いが低い音の発生を、第１乃至第３パラメータ値で特定できる。

ガラス破壊音及び爆発音は、第１パラメータ値が「高」、第２パラメータ値が「高」、第３パラメータ値が「低」となる。すなわち、音色の変化が大きく、自然音らしく、調波構造の度合いが低い音の発生を、第１乃至第３パラメータ値で特定できる。

このように、悲鳴、防犯砂利を踏みしめた時の音、ガラス破壊音及び爆発音は、一例であり、上記のような性質の音であれば、検出可能となる。

なお、ガラス破壊音であれば、音データに係る音の主要な周波数を表す第４パラメータ値が「高」であり、爆発音であれば、第４パラメータ値が「低」である。従って、ガラス破壊音と爆発音とを区別するためには、第４パラメータ値を用いればよい。

従って、第１乃至第４パラメータ値の閾値（一般的には範囲を定める値）を、各種音サンプルによる実験などにより定めておけば、判定部１０５によって、防犯上識別すべき所定の音の発生を検出できるようになる。

次に、情報処理装置１００において実行される具体的な処理について、図３及び図４を用いて説明する。

前処理部１０３１は、音データ格納部１０２に格納されている音データのうち、所定期間分の未処理の音データを読み出す（図３：ステップＳ１）。そして、前処理部１０３１は、所定の前処理を実行し、処理結果を第１データ格納部１０３２に格納する（ステップＳ２）。

ステップＳ２の前処理は、所定期間分の音データに対する窓処理を含む。この窓処理は、例えば、所定期間を複数のサブ期間に分けて、それぞれに対して窓関数を乗ずる処理である。例えば、窓関数にはハニング窓を用いる。窓処理及び窓関数については、例えば、＜http://www.ni.com/white-paper/4844/ja/＞を参照のこと。

さらに、前処理では、サブ期間毎に、窓処理後の音データに対してＦＦＴ（Fast Fourier Transform）を実行して、ＦＦＴ処理結果の複素数の絶対値を算出する。そうすると、各周波数について、値ａ［ｉ］（ｉは周波数に対応するインデックス値）が得られる。

そして、第１パラメータ値算出部１０３３は、第１データ格納部１０３２に格納されているデータを用いて第１パラメータ値を算出し、第２データ格納部１０４に格納する（ステップＳ３）。

第１パラメータ値がスペクトルの変動を表す値であれば、第１パラメータ値算出部１０３３は、所定期間に含まれる全サブ期間について、ｉ（すなわち周波数）毎にａ［ｉ］の分散を算出する。そして、周波数毎に算出された分散を合計することで、スペクトルの変動を表す値が得られる。なお、分散ではなく、標準偏差などのばらつきを表す他の統計量を用いても良い。

一方、第１パラメータ値がスペクトル包絡の変動を表す値であれば、第１パラメータ値算出部１０３３は、各サブ期間について、ａ［ｉ］の二乗の対数（＝log(a[i]²)）を算出し、算出された値を信号とみなして逆ＦＦＴ（Inverse ＦＦＴ）を実行することでケプストラムを算出する。ケプストラムでは、低次にスペクトル包絡が現れることが知られている。なお、ケプストラムにおいて、周波数に相当するものをケフレンシと呼び、ｊをそのインデックスとすると、ケプストラムはｂ［ｊ］と表される。そこで、第１パラメータ値算出部１０３３は、所定期間に含まれる全サブ期間について、低次の部分（例えば、サンプリング周波数１６０００Ｈｚのとき８次まで（０次を除く）。）におけるｊ毎にｂ［ｊ］の分散を算出する。そして、ケフレンシ毎に算出された分散を合計することで、スペクトル包絡の変動を表す値が得られる。なお、分散ではなく、標準偏差などのばらつきを表す他の統計量を用いても良い。

また、第２パラメータ値算出部１０３４は、第１データ格納部１０３２に格納されているデータを用いて第２パラメータ値を算出し、第２データ格納部１０４に格納する（ステップＳ５）。

例えば、第２パラメータ値算出部１０３４は、各サブ期間について、ａ［ｉ］の総和ａｓｕｍ（＝ａ［０］＋ａ［１］＋・・・・＋ａ［max］）を算出し、ａ［０］／ａｓｕｍ、ａ［１］／ａｓｕｍ、ａ［２］／ａｓｕｍ、．．．、ａ［max］／ａｓｕｍをさらに算出する。そして、これらを確率密度とみなした時の情報エントロピーＨを算出する。具体的には、以下のように表される。
Ｈ＝Σ^max _i=0ａ［ｉ］／ａｓｕｍ＊ｌｏｇ（ａ［ｉ］／ａｓｕｍ）

このようにすれば、サブ期間ごとのスペクトルエントロピーが得られる。そして、サブ期間のスペクトルエントロピーの平均値を算出することで、所定期間のスペクトルエントロピーを算出する。なお、平均値ではなく、中央値その他の統計量を用いるようにしても良い。

さらに、第３パラメータ値算出部１０３５は、第１データ格納部１０３２に格納されているデータを用いて第３パラメータ値を算出し、第２データ格納部１０４に格納する（ステップＳ７）。

例えば、第３パラメータ値算出部１０３５は、上で述べたように、サブ期間毎にケプストラムを算出する。ケプストラムでは、高次にスペクトル微細構造が現れることが知られている。従って、例えば悲鳴の基本周波数の範囲に対応するケフレンシの範囲におけるケプストラムの最大値を、サブ期間毎に特定する。なお、ケフレンシの範囲は、例えば周波数であれば７０−６００Ｈｚに相当する次数の範囲であり、サンプリング周波数１６０００Ｈｚのとき２７次から２２９次である。このケプストラムの最大値が、各サブ期間の調波構造強度である。そして、サブ期間の調波構造強度の平均値を算出することで、所定期間の調波構造強度を算出する。なお、平均値ではなく、中央値その他の統計量を用いるようにしても良い。

また、第４パラメータ値算出部１０３６は、第１データ格納部１０３２に格納されているデータを用いて第４パラメータ値を算出し、第２データ格納部１０４に格納する（ステップＳ９）。

例えば、第４パラメータ値算出部１０３６は、以下の算式に従って、インデックスｃｏｇを算出する。
cog＝（a[0]*0 + a[1]*1 + a[2]*2 + a[3]*3 + ・・・・+ a[max]*max）／asum

このインデックスcogが、サブ期間のスペクトル重心となる。よって、サブ期間のスペクトル重心の平均値を算出することで、所定期間のスペクトル重心を算出する。なお、平均値ではなく、中央値その他の統計量であっても良い。

以上第１乃至第４パラメータ値の算出を説明したが、これらの処理は並列に実行するようにしても良いし、その実行順番は問わない。なお、ケプストラムの計算についても、前処理部１０３１に実行させるようにしても良い。また、ケプストラムの計算を先に行ったパラメータ算出部が他のパラメータ算出部に処理結果を出力するようにしても良い。

そうすると、判定部１０５は、第２データ格納部１０４に格納されている第１乃至第３パラメータ値について予め定められたいずれかの条件に合致するか否かを判定する（ステップＳ１１）。図２に示すような傾向があるので、第１乃至第３パラメータ値について設定された閾値に基づき、悲鳴、防犯砂利を踏みしめた時の音、爆発音又はガラス破壊音のいずれかの条件に合致するか否かを判定する。処理は端子Ａを介して図４に移行する。

悲鳴の条件を満たしている場合、すなわち第１パラメータ値が「低」範囲に入り、第２パラメータ値が「高」範囲に入り、第３パラメータ値が「高」範囲に入っていれば（ステップＳ１３：Ｙｅｓルート）、判定部１０５は、出力部１０６に、悲鳴を表す通知を出力させる（ステップＳ１５）。悲鳴を表す通知は、警告音でも音声メッセージでも表示メッセージでも他の装置への命令であってもよい。そして処理はステップＳ３１に移行する。

一方、悲鳴の条件を満たしていない場合（ステップＳ１３：Ｎｏルート）であって、爆発音又はガラス破壊音の条件を満たしている場合、すなわち、第１パラメータ値が「高」範囲に入り、第２パラメータ値が「高」範囲に入り、第３パラメータ値が「低」範囲に入っていれば（ステップＳ１７：Ｙｅｓルート）、判定部１０５は、第２データ格納部１０４に格納されている第４パラメータ値による判定を実行する（ステップＳ１９）。上でも述べたように、爆発音とガラス破壊音を区別するための閾値（一般的には範囲を表す値）に基づき、いずれであるかを判定する。ガラス破壊音であれば（ステップＳ２１：Ｙｅｓルート）、判定部１０５は、出力部１０６に、ガラス破壊音を表す通知を出力させる（ステップＳ２３）。通知はステップＳ１５と同様な態様で行われる。そして処理はステップＳ３１に移行する。

一方、ガラス破壊音でなければ（ステップＳ２１：Ｎｏルート）、判定部１０５は、出力部１０６に、爆発音を表す通知を出力させる（ステップＳ２５）。通知はステップＳ１５と同様な態様で行われる。そして処理はステップＳ３１に移行する。

また、爆発音又はガラス破壊音の条件を満たしていない場合（ステップＳ１７：Ｎｏルート）であって、防犯砂利を踏みしめた時の音の条件を満たしている場合、すなわち、第１パラメータ値が「低」範囲に入り、第２パラメータ値が「高」範囲に入り、第３パラメータ値が「低」範囲に入る場合には（ステップＳ２７：Ｙｅｓルート）、判定部１０５は、出力部１０６に、防犯砂利を踏みしめた時の音を表す通知を出力させる（ステップＳ２９）。通知はステップＳ１５と同様な態様で行われる。そして処理はステップＳ３１に移行する。

一方、防犯砂利を踏みしめた時の音の条件を満たさない場合には（ステップＳ２７：Ｎｏルート）、防犯上識別すべき所定の音が検出されなかったことになるので、処理はステップＳ３１に移行する。

ステップＳ３１では、例えば管理者などによって処理終了を指示されていないと例えば前処理部１０３１が判断しなければ（ステップＳ３１：Ｎｏルート）、処理は端子Ｂを介してステップＳ１に戻る。一方、処理終了が指示されたと判断されれば、処理は終了する。

以上のように処理を行えば、防犯上識別すべき所定の音の発生を精度良く検出することができる。

なお、図４の処理フローでは、悲鳴、爆発音又はガラス破壊音、防犯砂利を踏みしめた時の音の順番で判定を行ったが、この判定順番でなくても良い。また、これらの音を区別することを求められないのであれば、いずれかの条件を満たした時点で、防犯上識別すべき所定の音の検出を表す通知を出力するようにしても良い。

さらに、爆発音とガラス破壊音とを区別することを求められない場合には、第４パラメータ値の算出及びそれに基づく判定を行わなくても良い。

以上本発明の実施の形態を説明したが、本発明はこれに限定されるものではない。例えば、図１に示した機能ブロック構成は一例であって、プログラムモジュール構成とは一致しない場合もある。さらに、図３及び図４の処理フローも一例であり、処理結果が変わらない限り処理順番を入れ替えたり、並列実行するようにしてもよい。

また、各パラメータ値について閾値を決定する例を示したが、防犯上識別すべき音の種類毎に値域が決定される場合もある。但し、図２に示すような傾向は保持される。

また、上では閾値等を実験などにより定めて判定部１０５で判定することを述べたが、例えば、音の種類と上記の３種類又は４種類のパラメータ値との組み合わせを機械学習その他の手法によって学習させて判定部１０５を構成するようにしても良い。

なお、上で述べた情報処理装置１００は、コンピュータ装置であって、メモリとＣＰＵ（Central Processing Unit）とハードディスク・ドライブ（ＨＤＤ：Hard Disk Drive）と表示装置に接続される表示制御部とリムーバブル・ディスク用のドライブ装置と入力装置とネットワークに接続するための通信制御部とがバスで接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤに格納されており、ＣＰＵにより実行される際にはＨＤＤからメモリに読み出される。ＣＰＵは、アプリケーション・プログラムの処理内容に応じて表示制御部、通信制御部、ドライブ装置を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリに格納されるが、ＨＤＤに格納されるようにしてもよい。本発明の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスクに格納されて頒布され、ドライブ装置からＨＤＤにインストールされる。インターネットなどのネットワーク及び通信制御部を経由して、ＨＤＤにインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ、メモリなどのハードウエアとＯＳ及びアプリケーション・プログラムなどのプログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。

以上述べた本実施の形態をまとめると以下のようになる。

本実施の形態に係る判定方法は、（Ａ）入力された音データに対して、音データに係る音のスペクトルの変動度合いを表す第１のパラメータ値と、音データに係る音の白色度合いを表す第２のパラメータ値と、音データに係る音における調波構造の度合いを表す第３のパラメータ値とを算出する算出ステップと、（Ｂ）第１のパラメータ値と第２のパラメータ値と第３のパラメータ値とに基づき、音データに、防犯上識別すべき所定の音が含まれるか否かを判定する判定ステップとを含む。

このような３種類のパラメータ値を判定指標として用いることによって、防犯上識別すべき所定の音の検出精度が高くなる。

なお、上で述べた判定ステップにおいて、第１のパラメータ値と第２のパラメータ値と第３のパラメータ値とに基づき、上記音データが、少なくとも悲鳴、防犯砂利を踏みしめた時の音、及びガラスの破壊又は爆発音のいずれを含むか判定するようにしても良い。防犯上識別すべき音の種類を特定しても良いし、種類を特定しないようにしても良い。

また、上で述べた算出ステップが、音データに係る音の主要な周波数を表す第４のパラメータ値を算出するステップを含むようにしても良い。この場合、上で述べた判定ステップが、第４のパラメータ値に基づき、ガラスの破壊音と爆発音とのいずれであるかを判定するステップをさらに含むようにしても良い。

なお、上で述べた第１のパラメータ値が、例えば、音データに係る音のスペクトル包絡の変動を表す値と、音データに係る音のスペクトルの変動を表す値とのいずれかである場合もある。

さらに、上で述べた第２のパラメータ値が、例えば、音データに係る音のスペクトルを確率分布とみなして算出される情報エントロピーである場合もある。これは、スペクトルエントロピーとも呼ばれる。

さらに、上で述べた第３のパラメータ値が、例えば、音データに係る音のケプストラムにおける所定範囲内の最大値である場合もある。これは、調波構造強度とも呼ばれる。

さらに、上で述べた第４のパラメータ値が、例えば、音データに係る音のスペクトルの重心周波数である場合もある。これは、スペクトル重心とも呼ばれる。

なお、上記処理を実行するためのプログラムを作成することができ、当該プログラムは、例えばフレキシブルディスク、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなど）、光磁気ディスク、半導体メモリ、ハードディスク等のコンピュータ読み取り可能な記憶媒体又は記憶装置に格納される。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。

１００情報処理装置
１０２音データ格納部
１０３算出部
１０４第２データ格納部
１０５判定部
１０６出力部
１０３１前処理部
１０３２第１データ格納部
１０３３第１パラメータ値算出部
１０３４第２パラメータ値算出部
１０３５第３パラメータ値算出部
１０３６第４パラメータ値算出部

Claims

入力された音データに対して、前記音データに係る音のスペクトルの変動度合いを表す第１のパラメータ値と、前記音データに係る音の白色度合いを表す第２のパラメータ値と、前記音データに係る音における調波構造の度合いを表す第３のパラメータ値とを算出する算出ステップと、
前記第１のパラメータ値と前記第２のパラメータ値と前記第３のパラメータ値とに基づき、前記音データに、防犯上識別すべき所定の音が含まれるか否かを判定する判定ステップと、
を、コンピュータに実行させるためのプログラム。
前記判定ステップにおいて、
前記第１のパラメータ値と前記第２のパラメータ値と前記第３のパラメータ値とに基づき、前記音データが、少なくとも悲鳴、防犯砂利を踏みしめた時の音、及びガラスの破壊又は爆発音のいずれを含むか判定する
請求項１記載のプログラム。
前記算出ステップが、
前記音データに係る音の主要な周波数を表す第４のパラメータ値を算出するステップ
を含み、
前記判定ステップが、
前記第４のパラメータ値に基づき、前記ガラスの破壊音と前記爆発音とのいずれであるかを判定するステップ
をさらに含む請求項２記載のプログラム。
前記第１のパラメータ値が、前記音データに係る音のスペクトル包絡の変動を表す値と、前記音データに係る音のスペクトルの変動を表す値とのいずれかである
請求項１乃至３のいずれか１つ記載のプログラム。
前記第２のパラメータ値が、前記音データに係る音のスペクトルを確率分布とみなして算出される情報エントロピーである
請求項１乃至４のいずれか１つ記載のプログラム。
前記第３のパラメータ値が、前記音データに係る音のケプストラムにおける所定範囲内の最大値である
請求項１乃至５のいずれか１つ記載のプログラム。
前記第４のパラメータ値が、前記音データに係る音のスペクトルの重心周波数である
請求項３記載のプログラム。
入力された音データに対して、前記音データに係る音のスペクトルの変動度合いを表す第１のパラメータ値と、前記音データに係る音の白色度合いを表す第２のパラメータ値と、前記音データに係る音における調波構造の度合いを表す第３のパラメータ値とを算出する算出ステップと、
前記第１のパラメータ値と前記第２のパラメータ値と前記第３のパラメータ値とに基づき、前記音データに、防犯上識別すべき所定の音が含まれるか否かを判定する判定ステップと、
を含み、コンピュータが実行する判定方法。
入力された音データに対して、前記音データに係る音のスペクトルの変動度合いを表す第１のパラメータ値と、前記音データに係る音の白色度合いを表す第２のパラメータ値と、前記音データに係る音における調波構造の度合いを表す第３のパラメータ値とを算出する算出部と、
前記第１のパラメータ値と前記第２のパラメータ値と前記第３のパラメータ値とに基づき、前記音データに、防犯上識別すべき所定の音が含まれるか否かを判定する判定部と、
を有する情報処理装置。