CN103473932A - 一种结合振荡标线的音频信号车型识别系统 - Google Patents
一种结合振荡标线的音频信号车型识别系统 Download PDFInfo
- Publication number
- CN103473932A CN103473932A CN2013104040681A CN201310404068A CN103473932A CN 103473932 A CN103473932 A CN 103473932A CN 2013104040681 A CN2013104040681 A CN 2013104040681A CN 201310404068 A CN201310404068 A CN 201310404068A CN 103473932 A CN103473932 A CN 103473932A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sound signal
- audio
- vibration graticule
- graticule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005236 sound signal Effects 0.000 title claims abstract description 62
- 230000010355 oscillation Effects 0.000 title abstract 9
- 239000002245 particle Substances 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 13
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 238000004611 spectroscopical analysis Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000002386 leaching Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及智能交通管理领域，具体公开一种结合振荡标线的音频信号车型识别系统，包括：音频信号采集模块将采集经过振荡标线时产生的音频信号模拟信号转换为数字信号；音频信号处理模块判断是否有车辆经过振荡标线，有车辆通过时提取当前音频信号的特征数据；车型识别模块根据特征数据进行识别分类识别车型；振荡标线包含第1、…、N突起颗粒带，N≥2；第i条突起颗粒带中的突起颗粒间隔与第i+1条突起颗粒带中的突起颗粒间隔错位设置，i=1、…、N-1。将特定振荡标线设置在高速公路及城市道路上，对车辆驶过振荡标线所产生的噪声进行采集处理分析，更高效地判断车辆的到来，并为音频信号车型识别提供更丰富的特征信息，提高识别精度。
Description
技术领域
本发明涉及智能交通管理领域，更具体地，涉及一种结合振荡标线的音频信号车型识别系统。
背景技术
对道路交通流信息的获取是智能交通领域的重要内容，可以为交通管理与控制提供基础数据。特别是在高速公路收费广场和城市道路的交叉路口，通常设置相关监测设施用以对交通流信息进行实时监测及获取。而在交通流信息中，车型是其中一个重要的参数。现有的车型识别技术主要使用视频技术，但使用视频技术存在设备及维护成本高、受光线影响严重等缺点，这为研究设计更低成本、更广泛应用场景的车型识别方法提供了需求。
不同车型的道路交通车辆的运行噪声有所不同，差异不仅体现在声强上，在音色上也有很大的不同。由于引擎差异、轮胎与路面的摩擦力度的不同，车辆噪声反应到信号频域特征上就是信号频谱不同，这使得采用音频信号对车型进行识别有了可能。而音频信号处理技术有着成本低、信息覆盖度高和不受光照影响等优点，因此研究设计关于车型音频识别的方法或系统具有实际意义。授权公告号为CN100507971C的国家专利提出一种基于独立分量分析的车辆声音识别方法，申请号为201210129754.8的国家专利设计了一套用于高速公路上的音频车辆检测装置及其相应的检测方法。这两个专利都使用车辆运行本身及与车辆与路面摩擦产生的音频信号作为处理对象，这样的音频信号变化不明显，难以有效判断车辆的到来，因此容易产生漏检或多检的现象。
不同车型的音频信号识别问题是模式识别理论的一个典型应用。一般的模式识别分类问题的步骤如附图4所示，主要包括数据采集、预处理、特征提取、分类识别四个部分。在此车型识别分类问题中，不同的模式对应于不同的车型类别。其基本的概念即从道路车辆音频信号中提取出某些车辆特征信息，以描述其不同的模式，并利用分类器将对应的不同车型识别分类出来。支持向量机(Support Vector Machine, SVM)分类方法一种针对小样本学习的回归和分类问题而提出的通用学习算法，其用于模式识别分类问题目的是寻求具有强泛化能力的决策函数，即使是由少量训练得到的决策模型对于独立的测试样本仍能够得到理想的识别效果。
现有的高速公路及城市道路中普遍存在振荡标线，振荡标线主要设置在收费广场入口或道路交叉口入口路段，用于警告车辆驾驶人前方应减速慢行。这些振荡标线通常为多道设置，每一道由凸起于路面的虚线组成。当车辆驶过振荡标线时，会产生强烈的振荡和噪声，给驾驶人带来心理及生理上的不舒适感，从而迫使驾驶人降低车辆行驶速度。由于主要作为减速安全设施使用且这个过程会产生噪声，因此振荡标线又称为“减速标线”或“噪音标线”。其产生的噪声相比车辆行驶于正常路面上的噪声要更为突出，声强更大。
发明内容
为了克服现有技术中的车型识别系统存在的不足，本发明提出一种低成本、易维护的高准确率的结合振荡标线的音频信号车型识别方法。
为了实现上述目的，本发明的技术方案为：
一种结合振荡标线的音频信号车型识别系统，包括：
音频信号采集模块，采集经过振荡标线时产生的音频信号，将采集到的音频模拟信号转换为数字信号，并输出给音频信号处理模块处理；
音频信号处理模块，用于首先判断是否有车辆经过振荡标线，若有车辆通过，则提取当前音频信号的特征数据，并输出给车型识别模块进行车型的识别分类；
车型识别模块，根据特征数据进行识别分类，得到车型识别结果；
所述振荡标线呈特定形态及间隔，振荡标线包含N条突起颗粒带，分别为第1突起颗粒带、第2突起颗粒带、……、第N突起颗粒带，N≥2；第i条突起颗粒带中的突起颗粒间隔与第i+1条突起颗粒带中的突起颗粒间隔错位设置，i=1、2、……、N-1。
本发明的车型识别系统结合了特定形态的振荡标线，是基于车辆驶过振荡标线时能够产生的突出的噪声，该噪声音频在时域上可以表现为音频信号能量在某个时间点上存在波峰，这有利于对车辆到来的检测。特别的，不同车型驶过振荡标线产生的音频音色有所不同，可以为车型识别提供更丰富的特征信息，因此，考虑利用振荡标线为音频车型识别提供特征信息具有其合理性。这不仅有助于车型的识别分类，而且不需要设置额外的设施，具有低成本、易维护等优点。但由于现有的振荡标线形态不一，不利于为车型识别提供统一有效的特征信息，因此一种具有特定形态和间隔的振荡标线，该振荡标线既可以作为减速安全设施使用，亦可以使车辆通过时产生有效的特征信息，提高车型识别的准确率。
上述具有特定形态及间隔的振荡标线中，第i条突起颗粒带中的突起颗粒间隔的中心线位于对应的第i+1条突起颗粒带上相邻突起颗粒间隔之间，或第i+1条突起颗粒带中的突起颗粒间隔的中心线位于对应的第i条突起颗粒带上相邻突起颗粒间隔之间。
车辆驶过该具有特定形态及间隔的振荡标线时产生的音频信号的特征信息更为突出，不仅声强更大有利于判断车辆的到来，且使其频谱特征信息处于标线设计的目标范围内，有利于车型的识别分类；同时，这些道路振荡标线可以作为正常的减速安全设施使用于高速公路收费广场入口路段或城市道路的交叉口入口路段。
更进一步的，所述振荡标线包含3-5条突起颗粒带。
通常道路上都会设置多道振荡标线时，所述音频信号采集模块设置在正对着最后一道振荡标线，即车辆行驶方向上驶过的第一道振荡标线的道路旁，并离最近车道中心线6-8m处，离地面高度约1-2m处，采用这种安装方式可以保证音频信号采集模块采集到正常行驶速度下车辆驶过振荡标线产生的音频信号。
更进一步的，所述音频信号处理模块判断是否有车辆经过振荡标线的具体过程为：以特定周期时长提取当前周期内的音频数据段，并计算得到该数据段的短时平均能量，其计算公式为： 
，其中，E为短时平均能量，N为音频数据段的采样点数，x(n)表示第n个采样点的数值；设置阈值，当E大于所设阈值时，则判断有车辆经过。
更进一步的，所述音频信号处理模块提取当前音频信号的特征数据为1/3倍频程频谱数据，使用1/3倍频程频谱数据作为音频信号车型识别的特征数据，不仅可以反应信号在频域上的信息，还具有数据量少的优点，可以有效减少识别分类过程的计算量。
更进一步的，所述音频信号处理模块中提取当前音频信号的特征数据的提取过程为：为消除频谱泄漏的影响，对音频数据段使用汉明窗窗口函数进行加窗处理，对加窗后的音频数据段进行快速傅立叶计算，得到原始频谱数据；将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱；对1/3倍频程频谱数据进行去均值作为特征数据。
对1/3倍频程频谱数据进行去均值处理是考虑到不同车道上及不同行驶速度的车辆，其产生的音频信号的声强不同。保留频谱数据的均值也即保留声强因素，会增加特征数据的不确定因素，降低车型识别的准确率，因此进行去均值处理以消除声强因素的影响，相当于只考虑音频信号的频谱特性。
更进一步的，所述车型识别模块根据输入的特征数据进行车型的识别分类，其使用的识别分类方法是支持向量机方法，识别前模块保存经由监督方式训练产生的识别分类模型，并根据该模型对输入的特征数据进行分类，完成车型的识别工作。
更进一步的，所述音频信号采集模块设置在车辆行驶方向上驶过的第一道振荡标线的道路旁，并离最近车道中心线7.5m处。
更进一步的，所述音频信号采集模块由测量麦克风和数据采集卡组成。
与现有技术相比，本发明的有益效果为：因为振荡标线普遍存在于高速公路及城市道路上，为了利用了这一资源，设计特定形态及间隔振荡标线，对车辆驶过振荡标线所产生的噪声进行采集并处理分析，从而更高效地判断车辆的到来，并为音频信号车型识别提供更丰富的特征信息，提高识别精度。
附图说明
图1是本发明实施例的系统结构示意图。
图2是本发明实施例的振荡标线的设计示意图。
图3是音频信号采集模块的设置位置示意图。
图4是模式识别的一般步骤。
具体实施方式
下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
图1所示为本发明较佳实施例的系统结构图，包括道路振荡标线模块1、音频信号采集模块2、音频信号处理模块3、车型识别模块4。
道路振荡标线模块1中的振荡标线设计成如图2所示的形态与间隔，其中绘制了两条相邻的振荡标线，振荡标线的宽度为35cm，包含三条突起颗粒带，颗粒带间隔为5cm；各颗粒带中，颗粒长为10cm，宽5cm，相邻颗粒间隔为10cm。相邻标线的间隔设计为20cm。当车辆行驶过振荡标线时，产生突出的音频信号。
第一条突起颗粒带中的突起颗粒间隔与第二条突起颗粒带中的突起颗粒间隔错位设置，第二条突起颗粒带中的突起颗粒间隔与第三条突起颗粒带中的突起颗粒间隔错位设置，即第一条突起颗粒带中的突起颗粒间隔的中心线位于对应的第二条突起颗粒带上相邻突起颗粒间隔之间。
音频信号采集模块2，由单个测量麦克风21和数据采集卡22组成，用于采集行驶车辆产生的音频信号，并输出给音频信号处理模块3进行处理、分析；其中，测量麦克风21用于采集音频模拟信号，数据采集卡22用于将模块信号转换为数字信号，即A/D转换。通常，道路上的振荡标线为多道设置，如附图3所示，在某高速公路路段上存在4道振荡标线，且每道有3条标线，此时，音频信号采集模块装置于正对着最后一道振荡标线的道路旁，即车辆在其行驶方向上驶过的第一道振荡标线的道路旁，并离最近车道中心线7.5m处，离地面高度1.2m。
音频信号处理模块3，用于对音频信号采集模块输出的音频信号进行处理，首先在车辆到来检测子模块31判断是否有车辆通过：若有车辆通过，则在特征提取子模块32提取当前信号的特征数据，并输出给车型识别模块4进行车型的识别分类。
音频信号处理模块3中的车辆到来检测子模块31判断是否有车辆经过振荡标线的具体过程为：以特定周期时长提取当前周期内的音频数据段，并计算得到该数据段的短时平均能量，其计算公式为：
，其中，E为短时平均能量，N为音频数据段的采样点数，x(n)表示第n个采样点的数值；设置阈值，当E大于所设阈值时，则判断有车辆经过。
音频信号处理模块3中的特征提取子模块32提取当前音频信号的特征数据的提取过程为：为消除频谱泄漏的影响，对音频数据段使用汉明窗窗口函数进行加窗处理，对加窗后的音频数据段进行快速傅立叶计算，得到原始频谱数据；将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱；对1/3倍频程频谱数据进行去均值作为特征数据。
车型识别模块，用于对输入的1/3倍频程频谱特征数据进行识别分类，得到车型识别结果，其所使用的识别分类方法是支持向量机（SVM）方法。识别前需要保存经由监督方式训练产生的识别分类，并根据该模型对输入的特征数据进行分类，完成车型的识别工作。
上述完成车型识别的工作流程如下：
第一步，待检测的运行车辆驶过振荡标线，产生比行驶于正常路面上更突出的噪声，不仅声强更大，且携带处于标线设计形态与间隔目标范围内的丰富特征信息；
第二步，测量麦克风21采集周围环境声音信号，经由数据采集卡22将音频模拟信号转换为数字信号，并输出给音频信号处理模块3；本实例所使用的数据采集卡22为USB声卡，单通道采样，采样率为8000Hz；
第三步，音频信号处理模块3以256ms的周期时长提取当前的音频数据段，共2048个采样数据；将各采样点数值归一化至[-1，1]区间，并计算得到该数据段的短时平均能量，短时平均能量的计算公式为：
，其中，E为短时平均能量，N为音频数据段的采样点数，此处N=2048，x(n)表示第n个采样点的数值。
第四步，设置适当的阈值
，当平均能量E大于所设阈值时，则判断有车辆经过，继续执行下述步骤，否则不进行下述步骤；本实例设置阈值
。
第五步，为消除频谱泄漏的影响，对音频数据段进行加窗处理，所使用的窗口函数为汉明窗，其公式为： 
；
第六步，对加窗后的音频数据段进行快速傅立叶（FFT）计算，得到1024个原始频谱数据；
第七步，将各原始频谱数据累积到10Hz至4000Hz之间的对应的1/3倍频程频带上，得到1/3倍频程频谱，共27个数据值；对1/3倍频程频谱数据进行去均值以消除音频信号的声强因素的影响，作为特征数据；
第八步，将特征数据输出到车型识别模块进行车型的识别分类，其中，所使用的识别分类方法是支持向量机（SVM）方法，识别前模块需要保存经由监督方式训练产生的识别分类模型，并根据该模型对输入的特征数据进行分类，完成车型的识别工作。
以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (9)
1.一种结合振荡标线的音频信号车型识别系统，其特征在于，包括：
音频信号采集模块，采集经过振荡标线时产生的音频信号，将采集到的音频模拟信号转换为数字信号，并输出给音频信号处理模块处理；
音频信号处理模块，用于首先判断是否有车辆经过振荡标线，若有车辆通过，则提取当前音频信号的特征数据，并输出给车型识别模块进行车型的识别分类；
车型识别模块，根据特征数据进行识别分类，得到车型识别结果；
所述振荡标线呈特定形态及间隔，振荡标线包含N条突起颗粒带，分别为第1突起颗粒带、第2突起颗粒带、……、第N突起颗粒带，N≥2；第i条突起颗粒带中的突起颗粒间隔与第i+1条突起颗粒带中的突起颗粒间隔错位设置，i=1、2、……、N-1。
2.根据权利要求1所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述振荡标线包含3-5条突起颗粒带。
3.根据权利要求1所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号采集模块设置在车辆行驶方向上驶过的第一道振荡标线的道路旁，并离最近车道中心线6-8m处。
4.根据权利要求1至3任一项所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号处理模块判断是否有车辆经过振荡标线的具体过程为：以特定周期时长提取当前周期内的音频数据段，并计算得到该数据段的短时平均能量，其计算公式为： ，其中，E为短时平均能量，N为音频数据段的采样点数，x(n)表示第n个采样点的数值；设置阈值，当E大于所设阈值时，则判断有车辆经过。
5.根据权利要求4所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号处理模块提取当前音频信号的特征数据为1/3倍频程频谱数据。
6.根据权利要求5所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号处理模块中提取当前音频信号的特征数据的提取过程为：对音频数据段使用汉明窗窗口函数进行加窗处理，对加窗后的音频数据段进行快速傅立叶计算，得到原始频谱数据；将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱；对1/3倍频程频谱数据进行去均值作为特征数据。
7.根据权利要求6所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述车型识别模块根据输入的特征数据进行车型的识别分类，其使用的识别分类方法是支持向量机方法，识别前模块保存经由监督方式训练产生的识别分类模型，并根据该模型对输入的特征数据进行分类，完成车型的识别工作。
8.根据权利要求3所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号采集模块设置在车辆行驶方向上驶过的第一道振荡标线的道路旁，并离最近车道中心线7.5m处。
9.根据权利要求1所述的结合振荡标线的音频信号车型识别系统，其特征在于，所述音频信号采集模块由测量麦克风和数据采集卡组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310404068.1A CN103473932B (zh) | 2013-09-06 | 2013-09-06 | 一种结合振荡标线的音频信号车型识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310404068.1A CN103473932B (zh) | 2013-09-06 | 2013-09-06 | 一种结合振荡标线的音频信号车型识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103473932A true CN103473932A (zh) | 2013-12-25 |
| CN103473932B CN103473932B (zh) | 2016-01-20 |
Family
ID=49798760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310404068.1A Expired - Fee Related CN103473932B (zh) | 2013-09-06 | 2013-09-06 | 一种结合振荡标线的音频信号车型识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103473932B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104612077A (zh) * | 2015-01-31 | 2015-05-13 | 徐英杰 | 一种具有视听功能的高速公路标线 |
| CN104851301A (zh) * | 2015-05-22 | 2015-08-19 | 重庆交通大学 | 一种基于减速带声音分析的车辆参数识别方法 |
| CN105469798A (zh) * | 2015-11-17 | 2016-04-06 | 浙江图维电力科技有限公司 | 基于声信号统计特征的挖掘器械识别方法 |
| CN105489019A (zh) * | 2015-12-18 | 2016-04-13 | 中山大学 | 一种基于双音频信号采集的分车型的交通流量监测系统 |
| CN105702028A (zh) * | 2016-02-16 | 2016-06-22 | 中山大学 | 一种基于机动车音频信号的交通状态判别系统 |
| CN109785634A (zh) * | 2017-11-13 | 2019-05-21 | 厦门雅迅网络股份有限公司 | 基于基站切换的车型识别方法及计算机可读存储介质 |
| CN109816987A (zh) * | 2019-01-24 | 2019-05-28 | 苏州清听声学科技有限公司 | 一种汽车鸣笛电子警察执法抓拍系统及其抓拍方法 |
| WO2020220440A1 (zh) * | 2019-04-29 | 2020-11-05 | 东北大学 | 基于gmm-hmm的高速公路大型车辆识别方法 |
| CN113532425A (zh) * | 2021-09-16 | 2021-10-22 | 西南交通大学 | 基于振荡标线和手机传感的隧道无基站车路协同定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101145280A (zh) * | 2007-10-31 | 2008-03-19 | 北京航空航天大学 | 基于独立分量分析的车辆声音识别方法 |
| CN101256715A (zh) * | 2008-03-05 | 2008-09-03 | 中科院嘉兴中心微系统所分中心 | 无线传感器网络中基于粒子滤波的多车辆声信号分离方法 |
| CN101464168A (zh) * | 2009-01-20 | 2009-06-24 | 清华大学 | 一种车辆加速噪声的噪声源识别方法 |
| WO2011087401A2 (ru) * | 2010-01-12 | 2011-07-21 | Miroshnichenko Vladimir Vitalievich | Способ дистанционного получения информации об автотранспортном средстве |
| CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
| CN102749136A (zh) * | 2012-06-20 | 2012-10-24 | 中山大学 | 一种机动车噪声等效频率的测定方法 |
-
2013
- 2013-09-06 CN CN201310404068.1A patent/CN103473932B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101145280A (zh) * | 2007-10-31 | 2008-03-19 | 北京航空航天大学 | 基于独立分量分析的车辆声音识别方法 |
| CN101256715A (zh) * | 2008-03-05 | 2008-09-03 | 中科院嘉兴中心微系统所分中心 | 无线传感器网络中基于粒子滤波的多车辆声信号分离方法 |
| CN101464168A (zh) * | 2009-01-20 | 2009-06-24 | 清华大学 | 一种车辆加速噪声的噪声源识别方法 |
| WO2011087401A2 (ru) * | 2010-01-12 | 2011-07-21 | Miroshnichenko Vladimir Vitalievich | Способ дистанционного получения информации об автотранспортном средстве |
| CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
| CN102749136A (zh) * | 2012-06-20 | 2012-10-24 | 中山大学 | 一种机动车噪声等效频率的测定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王双雄 等: "不同车型的车辆声音与振动信号特征研究", 《声学技术》, vol. 26, no. 3, 30 June 2007 (2007-06-30), pages 460 - 463 * |
| 罗向龙 等: "基于经验模态分解和支持向量机的车型声频识别", 《应用声学》, vol. 29, no. 3, 31 May 2010 (2010-05-31), pages 178 - 183 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104612077A (zh) * | 2015-01-31 | 2015-05-13 | 徐英杰 | 一种具有视听功能的高速公路标线 |
| CN104851301B (zh) * | 2015-05-22 | 2017-01-25 | 重庆交通大学 | 一种基于减速带声音分析的车辆参数识别方法 |
| CN104851301A (zh) * | 2015-05-22 | 2015-08-19 | 重庆交通大学 | 一种基于减速带声音分析的车辆参数识别方法 |
| CN105469798A (zh) * | 2015-11-17 | 2016-04-06 | 浙江图维电力科技有限公司 | 基于声信号统计特征的挖掘器械识别方法 |
| CN105469798B (zh) * | 2015-11-17 | 2019-05-03 | 浙江图维科技股份有限公司 | 基于声信号统计特征的挖掘器械识别方法 |
| CN105489019B (zh) * | 2015-12-18 | 2018-04-24 | 中山大学 | 一种基于双音频信号采集的分车型的交通流量监测系统 |
| CN105489019A (zh) * | 2015-12-18 | 2016-04-13 | 中山大学 | 一种基于双音频信号采集的分车型的交通流量监测系统 |
| CN105702028A (zh) * | 2016-02-16 | 2016-06-22 | 中山大学 | 一种基于机动车音频信号的交通状态判别系统 |
| CN105702028B (zh) * | 2016-02-16 | 2018-07-03 | 中山大学 | 一种基于机动车音频信号的交通状态判别系统 |
| CN109785634A (zh) * | 2017-11-13 | 2019-05-21 | 厦门雅迅网络股份有限公司 | 基于基站切换的车型识别方法及计算机可读存储介质 |
| CN109785634B (zh) * | 2017-11-13 | 2021-06-29 | 厦门雅迅网络股份有限公司 | 基于基站切换的车型识别方法及计算机可读存储介质 |
| CN109816987A (zh) * | 2019-01-24 | 2019-05-28 | 苏州清听声学科技有限公司 | 一种汽车鸣笛电子警察执法抓拍系统及其抓拍方法 |
| WO2020220440A1 (zh) * | 2019-04-29 | 2020-11-05 | 东北大学 | 基于gmm-hmm的高速公路大型车辆识别方法 |
| CN113532425A (zh) * | 2021-09-16 | 2021-10-22 | 西南交通大学 | 基于振荡标线和手机传感的隧道无基站车路协同定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103473932B (zh) | 2016-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103473932B (zh) | 一种结合振荡标线的音频信号车型识别系统 | |
| CN105489019B (zh) | 一种基于双音频信号采集的分车型的交通流量监测系统 | |
| CN107591002B (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
| CN108986482A (zh) | 一种基于单轴地磁传感器的车辆检测方法 | |
| CN101923782B (zh) | 基于地磁传感技术的交通车辆速度获取方法 | |
| CN103345842B (zh) | 一种道路车辆分型系统及方法 | |
| CN106856049B (zh) | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 | |
| CN106846801A (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
| CN110285877B (zh) | 基于Spark Streaming的列车实时定位跟踪与速度计算方法 | |
| CN105976617A (zh) | 非法营运车辆检测方法和系统 | |
| CN107256635A (zh) | 一种智能交通中基于分布式光纤传感的车辆识别方法 | |
| CN104240455A (zh) | 一种分布式光纤管线安全预警系统中的扰动事件识别方法 | |
| WO2020257167A1 (en) | Distributed intelligent traffic informatics using fiber sensing | |
| CN104408927B (zh) | 一种基于调频连续波雷达的车型分类方法 | |
| Chen et al. | Road vehicle detection and classification using magnetic field measurement | |
| CN103021193A (zh) | 一种面向行驶速度区间的干道绿波协调控制方法 | |
| Jeng et al. | Wavelet–k nearest neighbor vehicle classification approach with inductive loop signatures | |
| CN105346561A (zh) | 基于运营车辆的轨道道岔病害检测系统及方法 | |
| CN104299417A (zh) | 基于波形检测的车辆识别方法 | |
| Dalir et al. | Classification of vehicles based on audio signals using quadratic discriminant analysis and high energy feature vectors | |
| CN102663833A (zh) | 城市轨道交通专用闸机的通行事件识别方法 | |
| CN109696609A (zh) | 一种新型弓网受流质量的获取方法及其获取系统 | |
| Kaewkamnerd et al. | Automatic vehicle classification using wireless magnetic sensor | |
| CN109612568B (zh) | 一种振源移动干扰源识别方法 | |
| Zhu et al. | Acceleration-based deep learning method for vehicle monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 |