[发明专利]一种基于声音的农村道路交通事故警情识别方法

说明书

本发明提出一种基于声音的农村道路交通事故警情的识别方法，包括如下步骤：利用麦克风采集道路上的声音信号，人为听取上述获取的声音片段并分类，将正负样本数据集分别随机划分为训练数据集和测试数据集，构建一维CNN网络分类模型；训练构建的CNN网络分类模型；将训练好的CNN网络分类模型部署到嵌入式设备中，部署框架采用腾讯开源的ncnn神经网络推理框架；将检测装置安装在实际道路环境中运行,分析实时音频流，检测是否有疑似交通事故警情发生；而本发明中采用麦克风自动识别交通事故警情，则能够大大降低成本、覆盖面广，且系统能长期稳定运行并高度智能化。

技术领域

本发明涉及道路交通安全领域，具体涉及一种基于声音的农村道路交通事故警情的识别方法。

背景技术

随着农村经济发展和居民生活水平的提高，农村车辆也在迅猛增长，随之而来的是道路事故的增加。由于农村地区地广人稀，当发生严重交通事故时，可能当事人已经受伤且周围没有路过群众，因此往往不能第一时间向外报警而耽搁救援。当前监控道路的主要设施为摄像头，但摄像头成本较高，一般部署在路口等重要路段；且需要有后台人员不间断查看，人力成本较高；另还存在监控死角等问题。

随着人工智能和语音识别技术的发展，通过声音自动识别道路交通事故警情的发生已成为可能。此外，用于采集声音信号的麦克风设备成本较低，可以大面积铺设。因此，该方法既降低了人力成本又降低了设备成本，具有重要的安全和经济效益。

发明内容

有鉴于此，本发明提出一种基于声音的农村道路交通事故警情的识别方法，发生严重交通事故时一般都伴随大音量的碰撞声及尖锐的刹车声，麦克风会持续采集周围道路声音，当自动识别算法检测到此类声音时便自动发送消息给后台人员；后台人员可以播放截取的录音片段或是查看周围监控确认是否有事故发生并处理。

为实现上述目的，本发明提供如下技术方案：一种基于声音的农村道路交通事故警情识别方法，其特征在于，包括如下步骤：

步骤(1)：利用麦克风采集道路上的声音信号，并采用门限阈值法提取大于预设强度阈值的声音片段，声音强度的计算公式为：

e(t)＝x²(t)

其中，x(t)为t时刻归一化后的声音大小值，当检测到某一时刻e(t₀)的值大于阈值0.2时认为有声音发生，当e(t₁)的值小于阈值0.1时认为正在发生的声音结束，截取t₀～t₁的声音片段并保存成波形文件(.wav)格式；

步骤(2)：人为听取上述步骤(1)获取的声音片段并分为正负两类作为正负样本数据集：正类为含有碰撞声和刹车声的警情声音片段，负类为包含其它声音的声音片段；

步骤(3)：将正负样本数据集分别随机划分为训练数据集和测试数据集，其中测试集占20％；

步骤(4)：构建一维CNN网络分类模型；

(4.1)、CNN网络分类模型的网络结构图如图2所示，输入为固定长度的一维信号，长度大小为24000，要求麦克风的采样频率为8KHz，采样时长为3s整。若声音片段的时长小于3s，则补零操作；若大于3s，则滑窗切分为多个3s片段，最后不足3s的补足；

(4.2)、CNN网络分类模型的主干网络使用6次一维卷积操作，并在每一次卷积操作后都加入了归一化和激活操作，使得网络的泛化能力更强。同时设置每次卷积操作的滑步为4，因此每次卷积操作输出的长度为输入的1/4；