[发明专利]一种用于公路隧道交通事件的音频检测方法

说明书

本发明公开了一种用于公路隧道交通事件的音频检测方法，将在公路隧道内采集到的音频数据进行分帧划分，并采用二级长短期记忆网络模型来提高识别率和鲁棒性，具体为1）采用第一长短期记忆网络模型A来优化提取的音频特征，并引入注意力机制提高特征的鲁棒性；2）采用第二长短期记忆网络模型B针对优化精简后的特征进行加权，进一步优化输出结果，从而公路隧道交通事件检测实时性强、准确率高，具有良好的应用前景。

技术领域

本发明涉及交通事件检测技术领域，具体涉及一种一种用于公路隧道交通事件的音频检测方法。

背景技术

公路隧道结构异于一般路面建筑，具有内部路基宽度相对狭窄、空间密闭性强、视野范围小、可见度低等一系列不良特点，导致行车环境较为复杂，由此引起的公路隧道呈现的交通事故形态，主要有追尾、翻车、撞壁、火灾及爆炸、货物抛洒等，其中，追尾事故为公路隧道交通事故的主要形态。

现有技术中通过技术侦测手段能够及时的发现公路隧道内的事故，如通过传统的视频监控技术，依靠人工查看视频画面，能够发现事故的地点和现场的状况。但是，采用视频监控手段会受到烟雾遮挡、照明设备故障等因素的严重影响，因此，通过音频监控的手段，可以从交通事故的声音中识别出事件类型，及时发出警报，相比其他侦测技术更加及时可靠。

目前，现有技术中，专利号CN201510324584公开了一种行车噪声环境下快速声学事件的检测方法，该方法采用常规的语音降噪和特征提取方法，并没有考虑到公路隧道噪声中的回响，也没有对特征进行优化等问题，不适用于公路隧道的交通事件检测；专利号CN201710069291公开了一种基于音频的交通事件检测装置及方法，但是该方法更多了关注了前端采集方法，即采用阵列采集音频数据，并进行波束形成降噪，但是对高速行驶的汽车进行快速定位和波束形成困难较大，尤其针对公路隧道交通事件检测的准确性不佳；专利号CN201410668501公开了一种行车噪声环境下的快速声学事件检测系统，该方法主要关注了风噪声的消除，具有一定的局限性，同样不适用于公路隧道的交通事件检测。

综上所述，上面介绍的三种专利都采用较传统声音降噪策略来提升前端语音采集质量，后端的识别算法也主要是支撑向量机和卷积神经网络，适用环境有限，其主要问题在于传统声音降噪策略不可训练且具有一定局限性，而传统的模式识别算法的识别能力随环境变化影响较大，鲁棒性较差；而且，上述三种方法也没有涉及任何优化特征的方法，以及如何通过特征加权方式来改善识别效率和鲁棒性的问题，以便提高根据音频进行交通事件检测的准确性，是当前急需解决的。

发明内容

本发明的目的是克服现有技术中交通事件音频检测，采用较传统声音降噪策略来提升前端语音采集质量，后端的识别算法也主要是支撑向量机和卷积神经网络所存在的问题。本发明的用于公路隧道交通事件的音频检测方法，将在公路隧道内采集到的音频数据进行分帧划分，并采用二级长短期记忆网络模型来提高识别率和鲁棒性，具体为1)采用第一长短期记忆网络模型A来优化提取的音频特征，并引入注意力机制提高特征的鲁棒性；2)采用第二长短期记忆网络模型B针对优化精简后的特征进行加权，进一步优化输出结果，从而公路隧道交通事件检测实时性强、准确率高，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种用于公路隧道交通事件的音频检测方法，包括以下步骤，

步骤(A)，将在公路隧道内采集到的音频数据进行分帧，划分为多组音频数据帧；

步骤(B)，对各组音频数据帧进行384维音频特征提取；

步骤(C)，将各组音频数据帧对应的384维音频特征，输入到第一长短期记忆网络模型A中，获得各组音频数据帧对应的64维音频特征；

步骤(D)，将各组音频数据帧对应的64维音频特征，输入到第二长短期记忆网络模型B中，获得该段音频数据对应的交通事件，交通事件的类别包括行驶、刹车和碰撞。