[发明专利]一种车辆鸣笛识别定位系统及方法

说明书

本发明公开了一种车辆鸣笛识别定位系统及方法，包括：声音采集模块、声音处理模块、声音识别模块、MUSIC声源定位模块、车牌识别模块和确认身份模块。本发明采用球形声阵列多角度采集道路上的声音；对采集的声音进行分帧加窗预处理，得到平滑连续的声音，使用谐波冲击源分离方法提取声音的特征；设计了双向窥视孔网络和残差网络相结合的分类器模型，并使用大量车辆鸣笛声音对分类器进行训练，然后对道路声音进行识别；对识别到的鸣笛声音使用MUSIC方法进行定位，并对该车辆的车牌进行拍照识别，最后确定车主的身份，供执法人员对其进行处罚。本发明与传统的车辆鸣笛识别定位系统及方法相比，有着更高的鸣笛声音识别率和更准确的定位。

技术领域

本发明涉及交通声音识别领域，特别涉及一种车辆鸣笛识别定位系统及方法。

背景技术

城市交通管理是一项及其重要的工作，早期的城市交通管理主要依靠人力，随着计算机技术以及人工智能的发展，越来越多的智能设备被应用到交通管理上来。在交通问题中，违规鸣笛的现象屡见不鲜，给城市造成了大量的声音污染，因此出台了一些政策对违规鸣笛现象进行处罚。除此之外，也出现了一些声音监控系统对鸣笛声音进行监控，大大降低了城市的鸣笛率。

在车辆鸣笛声音监控系统中，最重要的两个模块为鸣笛声音的识别和鸣笛车辆的定位，一个好的车辆鸣笛声音监控系统需要非常高的鸣笛声音识别率和准确的声源定位方法。但是现有的车辆鸣笛声音识别方法及声音定位方法存下如下问题：

(1)目前的声音识别方法一般分为两种：传统的基于机器学习的声音识别方法和基于深度学习的声音识别方法。在深度学习技术出现之前，传统机器学习声音识别方法也取得了一些成效，在深度学习技术出现之后，各种神经网络及其改进模型被应用于声音识别中，虽然识别率有了较大提高，但对某种特定的声音识别效果不是很明显。

(2)目前声源定位技术主要应用在机器故障诊断、家电产品异响定位、飞机起飞噪声分布等方面，虽然在车辆鸣笛定位中也有应用，但由于在实际道路中，当车辆较密集、车间距较小时，目前的鸣笛声音识别技术则存在较高的错误率。

由此可见，目前车辆鸣笛的识别和定位技术还不够成熟，一种车辆鸣笛识别定位系统及方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种车辆鸣笛识别定位系统及方法，使用双向窥视孔神经网络和残差网络作为分类器识别车辆鸣笛声音，使用MUSIC声源定位方法确定鸣笛车辆的位置。

为实现上述目的，本发明采用如下技术方案：

一种车辆鸣笛识别定位系统，包括：

声音采集模块，用于采集道路上的声音；

声音处理模块，用于将采集到的声音信号进行预处理，并提取声音信号的特征；

声音识别模块，用于训练出能够识别车辆鸣笛声音的分类器模型，并将待识别的声音输入到分类器里进行识别，判断出是否含有鸣笛声音；

MUSIC声源定位模块，用于定位发出鸣笛声音的车辆，使用的是多信号分类(Multiple Signal Classification，MUSIC)声源定位方法；

车牌识别模块，用于对鸣笛车辆进行拍照，并将照片中的拍照号码进行识别；

确定身份模块，用于将车牌号码与申领车牌的车主进行信息匹配，从而确定鸣笛人的身份，便于后续执法人员对其进行处罚。

优选的，所述声音处理模块还包括：

声音预处理子模块，用于将声音分割成若干个平滑连续的短帧，方便后续声音的特征提取；

谐波冲击源分离子模块，用于声音特征的提取，将时域信号转化为频域信号。

优选的，所述声音识别模块还包括：