ADLİ BİLİŞİM SES İNCELEMELERİ İÇİN YAPAY ZEKÂ TABANLI CİNSİYET TESPİTİ MODELİ GELİŞTİRİLMESİ

Abstract

Günümüzde teknolojinin de gelişmesiyle etrafımızda birçok farklı alanda ses verilerine rastlamaktayız. Ses verileriyle işlenen suçların tespitinde konuşmacı tanıma sistemleri kolaylık sağlayacaktır. Konuşmacı tanıma sistemleriyle yaş, cinsiyet, duygu durumu gibi birçok özellik tespit edilmektedir. Tespit edilen bu özellikler bir konuşmadaki önemli özelliklerdendir. Konuşmacının cinsiyetinin tespit edilmesi günümüzde kullandığımız sesli yanıt sistemleri, adli uygulamalar gibi farklı alanlarda işimize yaramaktadır. Adli bilişim alanındaki hukuki olaylarda da karşımıza çıkmaktadır. Konuşmacı sesinin çeşitli özelliklerini incelenerek bu özellikler doğrultusunda çıkarılacak ipuçlarıyla konuşmacı yaşı ve cinsiyeti tespit etme çalışmaları incelenmiştir. Sesin farklı özellikleri açıklanmış, sinyal yapısı ve analizi ile ilgiler bilgiler verilmiş, ses adli bilişiminden bahsedilmiştir. Kullanılabilecek sınıflandırma yöntemleri karşılaştırılmıştır. Toplanan veri seti ile konuşmacının sesinden cinsiyet tespitinde kullanılabilecek bir model geliştirilmiştir. Modelde özellik çıkarımında bir boyutlu üçlü yerel örüntü ve sınıflandırma yöntemi olarak DVM kullanılmıştır. Önerilen metodun doğruluk oranı %99,59 olarak hesaplanmıştır.

Today, with the development of technology, we come across sound data in many different areas around us. Speaker recognition systems will facilitate the detection of crimes committed with voice data. Many features such as age, gender and mood are detected by speaker recognition systems. These detected features are important features in a speech. Knowing the identity of the speaker is useful in different areas such as the voice response systems we use today and forensic applications. It is also seen in legal events in the field of forensic informatics. Various features of the speaker's voice were examined and the studies to determine the age and gender of the speaker were examined with the clues to be extracted in line with these features. Different properties of sound are explained, information about signal structure and analysis is given, sound forensics is mentioned. The classification methods that can be used are compared. With the collected data set, a model has been developed that can be used to determine gender from the speaker's voice. In the model, a one-dimensional three-dimensional local pattern was used for feature extraction and SVM was used as a classification method. The accuracy rate of the proposed method was calculated as 99.59%.