[发明专利]一种特种车辆识别方法、装置及车辆

说明书

本发明属于智能驾驶技术领域，具体涉及一种特种车辆识别方法、装置及车辆，包括：在自车运行过程中，对自车周围的声音数据进行如下判断处理：获取自车周围环境的声音数据，从中截取K个预设周期的声音数据；对截取的声音数据进行处理，以提取K个预设周期内声音数据对应的基频特征序列；将基频特征序列与各种特种车辆声音模板特征序列进行相关性计算，得到与各种特征车辆声音模板相对应的相关系数；判断各相关系数是否大于相应的设定阈值，若存在大于相应的设定阈值的相关系数，则判定截取的声音数据中含有该特种车辆声音；根据声音数据的判断处理结果，确定自车周围环境中是否存在特种车辆。由此，本发明能够精准的识别特种车辆。

技术领域

本发明属于智能驾驶技术领域，具体涉及一种特种车辆识别方法、装置及车辆。

背景技术

救护车、警车、消防车、工程救险车在执行紧急任务时，不受行驶路线、行驶方向、行驶速度和信号灯限制的通行自由，即拥有道路优先通行权。因此，在遇到上述特种车辆时，其他车辆需要主动避让，以保证特种车辆快速通行。但是，在城市交通路况中，特别是对于拥挤路段，由于声音嘈杂、视线不足，很难发现道路上执行任务的特种车辆。因此，在行驶过程中，要求其他车辆拥有精准的目标识别技术，以便精确感知自车周围的特种车辆，并为做出正确的决策控制及路径规划等相关动作提供帮助。

如授权公告号为CN107633684B的中国发明专利公开了一种用于无人驾驶车的特种车辆识别方法，该方法包括：多通道信息采集、车辆检测与特征提取、特种车辆识别处理。根据深度学习从多通道的实时交通视音频信息中提取目标车辆特征，利用贝叶斯统计学习实现多模态融合的特种车辆身份识别。根据特种车辆的标志及其特有的图像特征，以及警灯和警报的声光特征，可快速识别特种车。该方法需要构建深度学习网络模型，并且需要大量的训练数据才能保证模型识别的精度；另一方面，由于城市道路拥堵、嘈杂，可能存在无法拍摄到特种车辆图像的情况，从而导致对特种车辆识别的准确率较低。

发明内容

本发明的目的在于提供一种特种车辆识别方法、装置及车辆，用以解决对特种车辆识别准确率低的问题。

为解决上述技术问题，本发明所提供的技术方案以及技术方案对应的有益效果如下：

本发明的一种特种车辆识别方法，包括以下步骤：

在自车运行过程中，获取自车周围的声音数据并进行如下判断处理：

从获取的声音数据中截取K个预设周期的声音数据；对截取的声音数据进行处理，以提取K个预设周期内声音数据对应的基频特征序列；将所述基频特征序列与各种特种车辆声音模板特征序列进行相关性计算，得到与各种特征车辆声音模板相对应的相关系数；判断各相关系数是否大于相应的设定阈值，若存在大于相应的设定阈值的相关系数，则判定截取的声音数据中包含有该特种车辆声音；

根据对声音数据的判断处理结果，确定自车周围环境中是否存在特种车辆，以实现对特种车辆的识别。

上述技术方案的有益效果为：本发明采集了自车周围的声音数据，并对声音数据进行处理判断，以识别特种车辆。在声音数据处理判断时结合了特种车辆声音周期时长固定的特点，截取预设周期时长的数据对声音数据进行分析，本发明使用提取的基频特征序列直接与各特种车辆声音模板特征序列进行相关性计算，计算速度快且准确性高，进而实现对特种车辆识别精确度高且识别速度快。

进一步地，在自车运行过程中，还获取自车周围环境的图像数据；若声音数据的判断处理结果为包含有特种车辆声音，还需对图像数据进行判断处理，以判断所述图像数据中是否含有特种车辆，若对图像数据的判断处理结果也为包含有特征车辆，则确定自车周围环境中存在特种车辆。