CN107179119A - 提供声音检测信息的方法和装置以及包括该装置的车辆 - Google Patents
提供声音检测信息的方法和装置以及包括该装置的车辆 Download PDFInfo
- Publication number
- CN107179119A CN107179119A CN201611069206.5A CN201611069206A CN107179119A CN 107179119 A CN107179119 A CN 107179119A CN 201611069206 A CN201611069206 A CN 201611069206A CN 107179119 A CN107179119 A CN 107179119A
- Authority
- CN
- China
- Prior art keywords
- error
- vehicle
- detecting
- sound
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007689 inspection Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 13
- 239000003795 chemical substances by application Substances 0.000 description 10
- 238000013500 data storage Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 210000004027 cell Anatomy 0.000 description 7
- 210000000352 storage cell Anatomy 0.000 description 7
- 238000009826 distribution Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011017 operating method Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241000209219 Hordeum Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008771 sex reversal Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
Abstract
本发明公开了提供声音检测信息的方法和装置以及包括该装置的车辆。用于提供声音跟踪信息的方法包括检测相邻于主体车辆发生的声音,并且至少基于关于检测到的声音的声音数据生成声音跟踪结果,至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种,以及确定至少基于检测类别而调整的误差检测指数以及是否生成至少基于检测类别的通知。在本文中,声音跟踪结果包括在根据时间连续的多个帧中的每个中于多个角度中的每个处是否有至少一个其它车辆的概率。
Description
相关申请的交叉引用
本申请要求于2016年3月10日在韩国知识产权局提交的韩国专利申请第10-2016-0028654号的优先权和权益,其全部内容以引用方式并入本文,如同在本文完全地阐述。
技术领域
本公开总体上涉及用于提供声音检测信息的方法和用于检测主体车辆周围的声音的装置,并且更特别地,涉及用于提供关于声音的跟踪信息的方法和装置,以便识别相邻于主体车辆行驶的车辆以及能够经由驾驶员辅助设备基于关于声音的跟踪信息来识别交通的车辆。
背景技术
存在着与道路上驾驶的车辆相邻的各种类型的声音。如果驾驶员是具有至少部分受损的听力的老年人或具有不好的声音方向感的人,那么他或她对警告喇叭、警报器等发出的特定声音(他或她应该注意的声音)产生响应将是缓慢的。另外,由于已经开发了就隔音而言的车载技术,所以具有很好的听力的驾驶员可能不可以正确地听到在车辆外部发生的噪声/声音。当他或她听源于车辆后方的特定声音时,对于驾驶员而言不保持其眼睛朝前可能是不安全的。
因此,可以期望将关于特定声音的信息(诸如,与车辆相邻存在什么样的声音、声音来自哪个方向等)告知驾驶员而不干扰驾驶安全。然而,如果驾驶员接收关于由他或她的车辆生成的一些声音(诸如他或她不需要关心的来自轮胎的咝咝声)的信息,那么驾驶安全可处于危险中,从而不应该生成或递送关于该信息的通知。
发明内容
描述了用于至少基于关于声音的跟踪信息向驾驶员提供有关与车辆相邻行进的车辆的具体信息的装置、方法和车辆。
一种用于提供声音跟踪信息的方法,可包括:检测相邻于主体车辆发生的声音,并且至少基于关于检测到的声音的声音数据生成声音跟踪结果;至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种;以及确定至少基于检测类别以及是否生成至少基于检测类别的通知而调整的误差检测指数。在本文中,声音跟踪结果包括在根据时间连续的多个帧中的每个中在多个角度中的每个角度是否有至少一个其它车辆的概率。
确定检测类别可包括确定在声音跟踪结果中是否有其中的概率高于预定阈值的至少一个角度,以检测至少一个另一车辆;以及当检测到至少一个另一车辆时,确定是否有误差检测。
确定是否有误差检测可包括:至少基于当前帧和关于当检测基于来自主体车辆的后轮胎的咝咝噪声的误差时存在的模式有关的平均模式数据之间的相似度来确定是否存在误差检测。
确定是否有误差检测可包括至少基于在声音跟踪结果中当前帧的对称性来确定是否存在误差检测。
当检测类别是误差检测时误差检测指数可以增加1,并且当检测类别是非车辆检测和车辆检测中的一个时下降5。
确定误差检测指数可包括当误差检测指数低于预定阈值并且检测类别是误差检测时,维持先前通告状态。
确定误差检测指数可包括当误差检测指数低于预定阈值并且检测类别是车辆检测时,生成通知信号。
确定误差检测指数可包括当误差检测指数超过预定阈值时,避免生成通知信号。
用于提供声音跟踪信息的装置可包括声音跟踪单元,其被配置为检测相邻于主体车辆发生的声音,并且至少基于关于检测到的声音的声音数据生成声音跟踪结果;车辆检测单元,其被配置为至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种;以及误差避免单元,其被配置为确定至少基于检测类别以及是否生成至少基于检测类别的通知而调整的误差检测指数。在本文中,声音跟踪结果包括在根据时间连续的多个帧中的每个中在多个角度中的每个角度处是否有至少一个其它车辆的概率。
车辆检测单元可以被配置为确定在声音跟踪结果中是否有其中的概率高于预定阈值的至少一个角度,以检测至少一个其它车辆,以及当检测到至少一个其它车辆时确定是否有误差检测。
车辆检测单元可以被配置为至少基于当前帧和关于当检测基于来自主体车辆的后轮胎的咝咝噪声的误差时存在的模式的平均模式数据之间的相似度来确定是否存在误差检测。
车辆检测单元可以被配置为至少基于在声音跟踪结果中当前帧的对称性来确定是否存在误差检测。
当检测类别是误差检测时误差检测指数可以增加1,并且当检测类别是非车辆检测或车辆检测中的一个时下降5。
误差避免单元可以被配置为当误差检测指数低于预定阈值并且检测类别是误差检测时,维持先前通告状态。
误差避免单元可以被配置为当误差检测指数低于预定阈值并且检测类别是车辆检测时,生成通知信号。
误差避免单元可以被配置为当误差检测指数超过预定阈值时,避免生成通知信号。
车辆可包括多声道麦克风,其被配置为检测相邻于主体车辆发生的声音并且生成关于声音的声音数据;声音跟踪设备,其被配置为至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种,声音跟踪结果至少基于声音数据,以及确定至少基于检测类别以及是否生成至少基于检测类别的通知而调整的误差检测指数;以及通知接口,其被配置为当生成通知时听觉上或视觉上告知驾驶员关于相邻于主体车辆的至少一个车辆的信息。
用于在车辆中提供声音跟踪信息的装置可包括:处理系统,其包括至少一个数据处理器和存储计算机程序的至少一个计算机可读存储器。在本文中,处理系统被配置为使得装置:检测相邻于主体车辆发生的声音,并且至少基于关于检测到的声音的声音数据生成声音跟踪结果;至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种;以及确定至少基于检测类别以及是否生成至少基于检测类别的通知而调整的误差检测指数。在本文中,声音跟踪结果包括在根据时间连续的多个帧中的每个中在多个角度中的每个角度处是否有至少一个其它车辆的概率。
非易失性计算机可读介质可以存储使处理系统执行用于提供声音跟踪信息的处理的程序。该处理包括:检测相邻于主体车辆发生的声音,并且至少基于关于检测到的声音的声音数据生成声音跟踪结果;至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一种;以及确定至少基于检测类别以及是否生成至少基于检测类别的通知而调整的误差检测指数。在本文中,声音跟踪结果包括在根据时间连续的多个帧中的每个中于多个角度中的每个角度处是否有至少一个其它车辆的概率。
附图说明
被包括以提供对本公开的进一步理解并且被并入并构成本申请的一部分的附图示出了本公开的一种或多种形式,并与说明书一起用于解释本公开的原理。在附图中:
图1示出了车辆;
图2示出了图1所示的声音跟踪装置;
图3描述了图2所示的声音跟踪装置的操作方法;
图4示出了图3所示的S50步骤;
图5和图6描述了当检测类别是误差检测时的示例;
图7和图8描述了图2所示的车辆检测单元如何将检测类别确定为误差检测;以及
图9和图10示出了图2所示的误差避免单元如何控制通知生成单元。
具体实施方式
现在将详细参考本公开的示例性形式,本公开的示例在附图中示出。在附图中,相同的元件由相同的参考标号表示,并且将不给出其重复解释。在本文中的元件的后缀“模块”和“单元”是为了方便描述而使用的,并且因此可以互换使用,并且不具有任何可区分的含义或功能。
如本文所使用的术语“一”或“一个”被定义为一或多于一个。如本文所使用的术语“另一”被定义为至少第二或更多。如本文所使用的术语“包括”和/或“具有”被定义为包括(即,开放性转变)。如本文所使用的术语“耦合”或“操作性地耦合”被定义为连接,尽管不一定是直接地,并且不一定是机械地。
在本公开的描述中,当认为相关技术的某些详细解释可不必要地模糊本发明的本质时,省略相关技术的某些详细解释。本公开的特征将从附图中更清楚地理解,并且不应由附图限制。应当理解,不脱离本发明的精神和技术范围的所有改变、等同物和替代物都包括在本发明中。
图1示出了车辆。如所示,车辆10可以在生成关于具体声音的信息之后向驾驶员提供通知,诸如与在驾驶员驾驶时的车辆10相邻发生什么样的声音、声音来自哪个方向等。
车辆10可以包括多声道麦克风50,其被配置为收集车辆10外部的声音,以及声音跟踪装置100,其被配置为至少基于由多声道麦克风50收集的声音数据生成关于具体声音的信息。多声道麦克风50的每个麦克风可以被认为是单声道的。通过示例而非限制的方式,有多声道麦克风50中的3个麦克风。虽然图1中示出了车辆10中的麦克风的多个位置,但可以改变位置。
参考图2,描述了声音跟踪装置100的详细操作。
图2示出了图1所示的声音跟踪装置100。
如所示,声音跟踪装置100可包括信号处理单元110、数据存储单元120、声音识别单元130、声音跟踪单元140、车辆检测单元150、误差避免单元160和通知生成单元170。通过示例而非限制的方式,声音跟踪装置100可以被设计为装备在车辆10的头部单元(headunit,收音头)内。
多声道麦克风50可以检测相邻于车辆10发生的声音,以通过模数转换生成关于声音的声音数据,并将声音数据递送到信号处理单元100。
有位于车辆附近或靠近车辆的各种类型的声音。例如,有来自车辆附近的其它车辆的引擎声音,自后轮胎的咝咝声,由交通标志、电气标志等发出的声音,自然的声音等。
驾驶员在驾驶车辆10时想要知道会在车辆10的前面、后面或侧面的盲区中行进的另一车辆的状态和关系位置。在本文中,状态可包括另一车辆是否试图超过车辆10。
由于车内隔音系统,存在于车辆10外部的一些声音可能未递送到驾驶员。因此,当听到警告喇叭声音时,驾驶员想要知道警告喇叭声音来自哪个方向或警告喇叭声音是否与车辆10相关。如果适当识别警告喇叭声音,那么驾驶员可以减速车辆、改变道路的车道、打开应急灯等。
此外,当开大车载音频系统的音量时,驾驶员可能未捕捉或听到车辆附近的警告喇叭声音。在这种情况下,当接近车辆发生警告喇叭声音的情况下,可需要经由车载音频系统听觉上或视觉上告知驾驶员。
驾驶员可以对另一种声音感兴趣。例如,当车辆突然停止时,由于地面和轮胎之间的摩擦,可以生成大声的摩擦声音。大声的摩擦声音可以与汽车事故或近车(near car)事故相关,使得可以期望使驾驶员小心。再如,当车辆与另一车辆碰撞时发生巨响。如果在车辆的前面、侧面等发生巨响,那么将可以识别的声音以及关于发生巨响的方向信息提供给驾驶员,以使驾驶员能够避免另一次随后的汽车事故/撞击(clash)。
当在接近或靠近车辆的救护车或警车上装备的警报器发出大声长鸣的信号或警告声音时,驾驶员应该移动车辆,使得救护车或警车可以超过车辆。在特定情况下,如果驾驶员不采取所要求的行动,他或她可面临法律处罚。因此,辅助驾驶员识别来自应急车辆或政府运行的车辆的大声长鸣的信号或警告声音对于车辆可以是有用的。
信号处理单元110可以针对递送的声音数据实行噪声滤波。可以通过噪声滤波去除难以理解声音的特性或源的各种噪声。驾驶员感兴趣的大多数声音(诸如警告喇叭声、警报器声、大声的摩擦声音、巨响声等)可以具有足够高的分贝(dB)水平,例如超过70dB。因此,信号处理单元110可以确定去除噪声之后的声音数据是否具有高于或等于参考水平的分贝水平。换言之,具有比参考水平低的分贝水平的声音数据可以由信号处理单元110删除。
数据存储单元120可以存储去除了噪声的声音数据。数据存储单元120可以将声音数据存储为帧的单元,并将声音数据提供到声音识别单元130中。通过示例而非限制的方式,帧可以包括在特定时间收集的多个声音数据,并且每个帧之间的间隔可以是具体的恒定时间(例如,40ms、100ms等)。
声音识别单元130可以分析声音数据的特性。即使具有比参考水平高的分贝水平,声音数据对于驾驶员可能也是不重要。例如,虽然来自火车的声音、来自机场附近的航班的声音等可具有较高的分贝水平,但是那些声音可以不影响驾驶员开车。在道路恢复、重新发布项目等中发生的噪声是相同的。如果将这些声音连续不断地告知驾驶员,那么在驾驶员应注意的情况下,驾驶员的响应可能变慢或不存在。
关于从数据存储单元120递送的声音数据,声音识别单元130可以在时域和频域两者中提取特定值。声音识别单元120可以构建包括特定值的平均值和变化值的数据库。在本文中,特定值可以包括梅尔频率倒频谱系数(MFCC)、总频谱功率(TSP)、子带频谱功率(SSP)和/或音调频率。声音识别单元120可以将关于声音数据的预定时间段(例如,100ms的帧)的平均值和变化值存储在数据库中。
在声音信号处理的技术领域中,梅尔频率倒频谱(MFC)是表示声音的短期功率谱的方法中的一种。可以基于频率的非线性梅尔标度上的对数功率谱的线性余弦变换来获得MFC。梅尔频率倒频谱系数(MFCC)是共同构成MFC的系数。通常,MFCC对短期声音数据(信号)使用预加重滤波器,然后应用离散傅里叶变换(DFT)。在MFCC中,功率谱可以通过Mel滤波器组获得,并且将对数用于功率谱。然后,可以通过将离散余弦变换(DCT)施加至对数值来获得MFCC。
功率谱可以示出预定帧中的能量分布,并且子带频谱功率可以描述通常四个子带频谱诸如[0,1/8f0]、[1/8f0,1/4f0]、[1/4f0,1/2f0]和[1/2f0,f0]的能量分布值。可以至少基于自相关函数来获得音调频率。在本文中,音调可以是音频波形的基频,并且是在诸如语音和音乐信号的声音的分析中的参数,并且音调频率可以通过平均幅度不同函数(AMDF)曲线上原始和第一谷之间的时间段的倒数来估计。在估计声音数据的音调频率之后,音调轮廓(PC)、音调标准偏差(PSTD)、平滑音调比(SPR)和非音调比(NPR)可以是用于将声音数据分类成不同类别的一些有效特征。
声音识别单元130可以使用分类器,其被配置为对关于通过上述方法获得的声音数据的特性值进行分类,以识别声音数据是否包括驾驶员会感兴趣的具体声音。分类器可以包括神经网络分类器、支持向量机(SVM)和贝叶斯分类器中的一个。
在下文中,描述其中声音识别单元130使用神经网络分类器的示例。
声音识别单元130的分类器可以基于声音的类型将声音分类为多个类,并且使用关于获得的声音数据的特性值,以至少基于声音数据和多个类之间的相似度来估计或计算声音数据的置信水平。换言之,置信水平包括声音数据可以被归类为具体类的概率。置信水平的总和可以为一。
由声音识别单元130的分类器生成的声音分类结果可以包括关于每个类的信息、对应于每个类的声音的类型,以及对应于每个类的置信水平。
声音识别单元130可以确定声音数据的置信水平是否等于或大于阈值(例如,0.7),并将确定结果添加到声音分类结果中。换言之,在置信水平等于或大于阈值的情况下,声音识别单元130可以将对应于置信水平的具体类确定为声音数据的类型。
因此,声音识别单元130可以分析声音数据的特性,以生成考虑关于声音数据是哪种类型的声音的信息的声音分类结果。
就具有高于具体类(其被归类为具体类)的阈值的置信水平的声音(或目标声音)的类型而言,声音跟踪单元140至少基于声音数据可以跟踪声音方向,即,声音来自哪。声音的类型可以由声音识别单元130提供。
声音跟踪单元140可以累积包括在连续帧中的声音数据,识别在波形(具有声音的时间特性)中经由每个麦克风进入的声音的相似度,并且测量在经由每个麦克风接收声音数据的定时之间的差。声音的时间特性可以由声音识别单元130提供。
声音的音量与平方距离成反比。当距离是距发生声音的位置的两倍远时,声音的音量可以减少1/4(约6dB)。在假设典型车辆具有约2m的宽度和约3m的长度的情况下,所检测的声音(声音数据)的音量之间的差可以是基于发生声音的位置的有用信息。
通过示例而非限制的方式,当多声道麦克风50装备在图1所示的车辆中时,如果在车辆的右上方发生声音,那么由布置在车辆上部的麦克风检测的声音的音量大于布置在车辆的右下方和左边的麦克风检测的声音的音量。此外,由布置在车辆右下方的麦克风检测的声音的音量大于布置在车辆的左下方的麦克风检测的声音的音量。
至少基于那些特性,从每个麦克风收集的声音的音量可以用于在主体车辆基础上跟踪大体方向。
此外,经由每个麦克风接收声音的定时之间的差(例如,信号延迟)可以用于测量关于发生声音的地点的角度。声音跟踪单元140存储表格/矩阵类型数据,其包含关于发生声音的地点的角度与对应于每个麦克风的信号延迟之间的测绘信息。通过示例而非限制的方式,在表格/矩阵类型数据中,一个度数与预定的第一时间t1(针对第一麦克风的信号延迟)、预定的第二时间t2(针对第二麦克风的信号延迟)、和预定的第三时间t3(针对第三麦克风的信号延迟)相关联。此外,可以通过将信号延迟t1、t2、t3施加至存储在数据存储单元120中的声音数据(其经由每个麦克风收集)而获得的值的和,来估计跟踪目标置于一度数的概率。
换言之,可以将对于所有角度中的每个角度的延迟值施加至当前信号(声音数据),以便测量跟踪目标置于每个度数的概率。因此,可以估计发生声音的位置/地点。这是因为关于发生声音的位置/地点的角度和对应于麦克风中的每个的信号延迟的每个组合可以彼此一一对应。
使用该信息,声音跟踪单元140可以在连续帧中生成相对于车辆10的每个角度的声音跟踪信息。
声音跟踪信息可以包括在每个角度是否有与根据时间连续的每个帧中的目标声音匹配的对象(例如,另一车辆)的概率。
在下文中,可以假设装置可以仅收集主体车辆周围的摩擦音声音(例如,来自轮胎的咝咝声)。在这种情况下,至少基于在根据时间连续的每个帧中的检测/收集的摩擦音声音的声音跟踪信息可以包括是否有另一车辆接近于和每个角度相对于主体车辆10的概率。
车辆检测单元150可以至少基于声音跟踪信息来确定是否有另一车辆。此外,当确定靠近主体车辆存在另一车辆时,车辆检测单元150可以确定是否有由来自主体车辆的后轮胎的咝咝声而不是来自另一车辆引起的误差检测。
当主体车辆附近有另一车辆并且没有误差情况时,车辆检测单元150可以确定当前检测类别是车辆检测。
如果主体车辆附近有另一车辆并且有误差情况,那么车辆检测单元150可以确定当前检测类别是误差检测。
当主体车辆附近没有其它车辆时,车辆检测单元150可以确定当前检测类别是非车辆检测。
车辆检测单元150可以将检测类别和对应角度信息(即,当检测另一车辆时相对于主体车辆的另一车辆的地点的角度)递送到误差避免单元160中。
误差避免单元160可以至少基于检测类别和根据检测类别可调整的误差检测指数来确定是否为驾驶员生成通知。误差检测指数是用于最终判定检测类别是否包括误差的一种因素。误差检测指数可以是大于或等于0的整数。
误差避免单元160可以确定是否为驾驶员生成通知以及控制通知生成单元170以生成或阻断通知生成单元170以生成通知,或者保持先前通告状态。当确定将生成通知时,误差避免单元160可以将对应角度信息递送到通知生成单元170中。
稍后将参考图4至图10描述车辆检测单元150和误差避免单元160的详细操作。
由误差避免单元160控制的通知生成单元170可以生成包括关于靠近主体车辆的另一车辆的信息(位置、速度、角度等)的通知。
通知接口200可以至少基于由声音跟踪装置100提供的通知将关于发生声音的位置的信息递送到驾驶员。通过示例而非限制的方式,通知接口200可以听觉上、视觉上或两者均向驾驶员提供信息。
通知接口200可以在车辆10中装备的头部单元显示器(HUD)或集群(cluster)中实施,以便提供关于发生声音的位置的视觉信息。此外,通知接口200可以在经由诸如控制器局域网(CAN)总线等的有线通信网络与声音跟踪装置100耦合的导航设备中实施。此外,通知接口200可以被包括在经由诸如蓝牙、NFC、Wi-Fi等的短程无线技术与声音跟踪装置100耦合的智能设备(诸如智能手机、平板电脑、智能手表等)中。
图3描述了图2所示的声音跟踪装置的操作方法。图4示出了图3所示的S50步骤。图5和图6描述了当检测类别包括误差(即,误差检测)时的示例。图7和图8描述了图2所示的车辆检测单元如何将检测类别确定为误差检测。图9和图10示出了图2所示的误差避免单元如何控制通知生成单元。
参考图3,描述了由图2所示的声音跟踪装置100执行的操作方法,即,用于提供声音跟踪信息的方法。
信号处理单元110可以检测相邻于主体车辆10发生的声音,并接收通过声音的模数转换生成的声音数据(S10)。
信号处理单元110可以针对获得的声音数据实行噪声滤波,并且数据存储单元120可以存储其噪声被去除的声音数据(S20)。
声音识别单元130可以从数据存储单元120递送的声音数据中提取或抽取时域和频域中的特性值,并使用分类器以对特性值进行分类,以便生成声音分类结果(S30)。
就至少基于声音数据具有比阈值高的置信水平的声音的类型或类而言,声音跟踪单元140可以生成关于在根据时间连续的每个帧中于每个角度处是否存在对应于声音的该类型或类的对象或目标的概率的信息(S40)。
车辆检测单元150和执行车辆检测算法的误差避免单元160可以确定检测类别并去除误差(S50)。
图4示出来图3所示的步骤(S50)。
车辆检测单元150可以至少基于声音跟踪结果来确定检测类别(S51)。
声音跟踪结果可以包括关于在根据时间连续的每个帧中另一车辆是否对应于假定来自轮胎的咝咝声的概率的信息。因此,当声音跟踪结果中的另一车辆的概率是否等于或大于阈值(例如,90%)时,车辆检测单元150确定在对应角度处有另一车辆。
即使当确定有另一车辆时,车辆检测单元150可进一步考虑其确定是否包括误差(即,误差检测)。
参考图5,如果主体车辆的右侧是在主体车辆基础上的0度,那么可以确定向前变为90度、左侧为180度并且向后为270度。
声音可来自另一车辆以及主体车辆的后轮胎。在本文中,来自后轮胎的声音可以经由主体车辆的多声道麦克风50进入。
在图6中,有示出了在没有另一车辆靠近主体车辆行驶的情形下由声音跟踪单元140生成的声音跟踪结果的曲线图。在曲线图中,越暗,在每个角度处是否存在另一车辆的概率越高。
换言之,在图5所示的主体车辆中,在第一角度θ1和第二角度θ2处有两个后轮胎。参考图6,在第一角度θ1和第二角度θ2处的声音数据比另一声音数据暗,使得可以确定另一车辆存在于第一角度θ1和第二角度θ2。例如,第一角度为约235度,而第二角度为约305度。
图6包括示出在示出声音跟踪结果的上述曲线图中的与特定时间T匹配的单个帧的角度θ和概率之间的关系的另一曲线图。参考该曲线图,可以在第一角度θ1和第二角度θ2处估计更高或最高概率。曲线图示出了在第一角度θ1和第二角度θ2处的两个概率之间的中值基础上的对称类型结果。
如上所述,在即使当没有另一车辆接近主体车辆行驶的情形下,也可能至少基于包括来自主体车辆的后轮胎的咝咝声的声音数据而确定有其它车辆。
例如,当另一车辆靠近主体车辆行驶时,来自主体车辆的后轮胎的咝咝声具有比来自装备在另一车辆中的多个轮胎的另一声音低的音量。因此,在这种情况下,没有基于来自主体车辆的后轮胎的咝咝声而存在另一车辆的误解。
如上所述,在即使当确定主体车辆附近存在另一车辆的情况下,车辆检测单元150可以进一步确定示出靠近主体车辆行驶的另一车辆的结果是否包括误差。
图7和图8描述了车辆检测单元150如何确定作为检测类别的车辆检测包括由来自主体车辆的后轮胎的摩擦声音引起的误差(例如,误差检测)的两种不同方法。
参考图7,作为第一方法,车辆检测单元150可以在角度θ和当有由来自主体车辆的后轮胎的摩擦声音引起的误差检测时的概率之间累积多个模式数据DATA_1至DATA_K(K是等于或大于2的整数),并且存储累积的多个模式数据的平均模式数据APD。在本文中,参考图6,模式数据包括示出角度θ和由来自主体车辆的后轮胎的摩擦声音引起的误差检测的概率之间的关系的曲线图的模式。
多个模式数据DATA_1至DATA_K可以根据主体车辆的规格来确定,并且然后由操作者存储在声音跟踪装置100中。
通过示例而非限制的方式,可以通过计算在每个角度处的多个模式数据DATA_1至DATA_K的平均值来生成平均模式数据APD。
车辆检测单元150可以将当前声音跟踪结果的帧CF与平均模式数据APD进行比较以获得相似度。可以至少基于百分比相似度、Jaccard相似度(指数/系数)等来测量相似度。在下文中,可以假设在本公开中使用百分比相似度方法。
当相似度高于阈值(例如,75%)时,车辆检测单元150可以确定当前声音跟踪结果的帧CF中的车辆检测包括来自主体车辆的后轮胎的摩擦声音引起的误差。此外,当相似度低于或等于阈值时,车辆检测单元150可以确定当前声音跟踪结果的帧CF中的车辆检测不包括由来自主体车辆的后轮胎的摩擦声音引起的误差。
可以合理地实现这些确定,因为对应于来自主体车辆的后轮胎的摩擦声音的概率值的分布通常包括规则模式。
换言之,车辆检测单元150可以将统计上示出由来自主体车辆的后轮胎的摩擦声音引起的误差(误差检测)的平均模式与当前帧进行比较,并且至少基于比较(例如,平均模式与当前帧之间的相似度)来确定是否包括误差,以便更准确地识别由来自主体车辆的后轮胎的摩擦声音引起的误差检测。
参考图8,作为第二方法,车辆检测单元150可以确定当前声音跟踪结果的帧CF中的中位角(median angle)C,并且基于中位角C获得对称性。
中位角C可以是实验上可以确定的中位角范围(例如,250至290度,或距270度的中心的预定范围)内具有最低概率的角度。
相似度可以通过多种方法获得。例如,恒定值(例如,1)与从中位角C的中心的左角(例如(C-10)θ)和右角(例如(C+10)θ)的概率之间的差的比率可以进行平均以获得相似度。
当相似度高于阈值(例如,75)时,车辆检测单元150可以确定当前声音跟踪结果的帧CF中的车辆检测包括由来自主体车辆的后轮胎的摩擦声音引起的误差。此外,当相似度低于或等于阈值时,车辆检测单元150可以确定当前声音跟踪结果的帧CF中的车辆检测不包括由来自主体车辆的后轮胎的摩擦声音引起的误差。
这些确定可以合理地实现,因为基于来自主体车辆的后轮胎的摩擦声音估计的概率值的分布具有明显的对称性。
换言之,车辆检测单元150可以测量当前帧的对称性以确定是否包括误差,以便可以更精确地识别由来自主体车辆的后轮胎的摩擦声音引起的误差检测。
在当有靠近主体车辆行驶的另一车辆并且确定不包括误差的情况下,车辆检测单元150可以将检测类别确定为车辆检测。
在当有靠近主体车辆行驶的另一车辆并且确定包括任何误差的情况下,车辆检测单元150可以将检测类别确定为误差检测。
在当没有靠近主体车辆行驶的其它车辆的情况下,车辆检测单元150可以将检测类别确定为非车辆检测。
车辆检测单元150可以将检测类别和角度信息(即,关于在主体车辆基础上另一车辆存在的位置的角度)递送到误差避免单元160。
误差避免单元160可以至少基于检测类别来改变或调整误差检测指数(S52)。当检测类别是误差检测时,误差检测指数可以增加1。
误差检测指数是当检测类别是误差检测时用于最终确定是否可以包括误差的一种参考值。例如,误差检测指数可以是大于或等于0的整数。换言之,误差检测指数的最小值可以是0。
误差避免单元160可以当检测类别是误差检测时将误差检测指数增加1,并且当检测类别是非车辆检测或车辆检测时将误差检测指数下降或减少5。这是为了阻断立即生成通知,即使在连续不断地保持误差判定的同时由系统误差等暂时释放或中止误差检测。在本文中,当误差检测指数在0到4(小于5)的范围内时,即使减少5,但误差检测指数也变为0(最小值)。
误差避免单元160可以确定误差检测指数是否等于或大于阈值(S53)。误差检测指数对于用于确定当检测类别是误差检测时的情况是否最后包括误差可以是有价值的。例如,阈值是4,但是其可以是至少基于声音跟踪结果中的帧的间隔(即,声音跟踪的时段)调整的预定值。间隔越长,阈值可以越低。
如果当误差检测指数低于阈值(例如,步骤S53中的“否”)时检测类别是误差检测(例如,步骤S54中的“是”),那么误差避免单元160可以使通知生成单元170保持先前通知状态(S55)。先前通知状态可以包括生成通知的不同状态或不生成通知。
如果当误差检测指数低于阈值(例如,步骤S53中的“否”)时检测类别是车辆检测,而不是误差检测(例如,步骤S54中的“否”),那么误差避免单元160可以使通知生成单元170生成通知信号(S56)。如果先前已经生成了通知信号,那么误差避免单元160可以控制通知生成单元170,以便保持先前通知信号。
此外,如果检测类别是非车辆检测,而不是误差检测(例如,步骤S54中的“否”),那么误差避免单元160可以阻断通知生成单元170生成通知信号。
当误差检测指数等于或大于阈值(例如,步骤S53中的“是”)时,误差避免单元160可以最终确定基于当前声音跟踪结果的检测类别是误差检测(S57)。
因此,误差避免单元160可以处理通知生成单元170不生成通知信号(S58)。
图9和图10示出了误差避免单元160如何至少基于检测类别来控制通知生成单元170。在下文中,假设误差检测指数Q为4。
参考图9,例如,误差避免单元160可以顺序地接收三个非车辆检测和九个误差检测作为检测类别。
当递送三个非车辆检测时,误差避免单元160照原样保持误差检测指数Q,并且确定通知生成单元170不生成通知信号。
然而,在递送误差检测时,误差避免单元160将误差检测指数Q增加1。在递送第四误差检测之前,误差检测指数低于4,使得误差避免单元160控制通知生成单元170保持先前通知状态(即,没有通知信号的先前状态)。
当递送第四误差检测时,误差检测指数Q变为4。然后,误差避免单元160可以最终确定检测类别是误差检测,使得通知生成单元170不生成通知信号。
此后,当随后进入另一误差检测时,误差避免单元160类似于先前情况(即,当递送第四误差检测时)重复操作。
假设车辆检测单元150没有发现由主体车辆的后轮胎引起的误差,则通知生成单元170可以连续不断地生成通知信号,以在输入第一误差检测作为检测类别之后告知驾驶员不必要的信息。
然而,如上所述的声音跟踪装置100可以检测由主体车辆的后轮胎引起的误差,以便避免向驾驶员提供不必要的警报或通知,并且从而有助于驾驶安全。
参考图10,再如,误差避免单元160可以顺序地接收两个非车辆检测、四个车辆检测和六个误差检测作为检测类别。
当递送两个非车辆检测时,误差避免单元160照原样保持误差检测指数Q,并且确定通知生成单元170不生成通知信号。
当在两个非车辆检测之后接收车辆检测时,误差避免单元160保持误差检测指数Q,但由于输入车辆检测作为检测类别,所以使得通知生成单元170生成通知信号。
可以重复实行误差避免单元160的该操作,直到递送第四车辆检测作为检测类别。
然后,在输入误差检测时,误差避免单元160将误差检测指数Q增加1。在递送第四误差检测之前,误差检测指数低于4,使得误差避免单元160控制通知生成单元170保持先前通知状态(即,具有通知信号的先前状态)。
当递送第四误差检测时,误差检测指数Q变为4。然后,误差避免单元160可以最终确定检测类别是误差检测,使得通知生成单元170不生成通知信号。
此后,当随后进入另一误差检测时,误差避免单元160类似于先前情况(即,当递送第四误差检测时)重复操作。
参考图9和图10,当进入第一误差检测作为检测类别时不立即生成通知信号,并且可以通过误差检测指数Q的阈值来保留是否生成通知信号的确定。这些处理可以是有效的以避免没有误差的情况(例如,当两个其它车辆在与主体车辆的两个后轮胎具有相同角度的位置上行驶时)可被暂时误解为误差检测。
因此,上述声音跟踪装置100可以至少基于误差检测指数Q的阈值来保留是否生成通知信号,使得可以通过对于非误差检测或误差检测的暂时误解或误导来避免释放先前通知状态。
参考图3,由误差避免单元160控制的通知生成单元170可以生成包括关于靠近主体车辆操作的另一车辆的信息的通知信号。接收信息,通知接口200可以向驾驶员提供就发生声音的区域而言的信息(S60)。
如上所述,由于识别由来自车辆的后轮胎的声音引起的误差,所以车辆不向驾驶员提供不必要的通知,以便可以确保驾驶安全。
此外,因为在找到类似于误差的声音模式时施加就误差检测指数而言的阈值以保留状态(例如不生成通知),所以装置可以避免释放先前通知状态(这是由暂时错误或误算的判定引起的)。
上述形式由本发明的结构元件和特征以预定方式组合来实现。结构元件或特征中的每个应当被选择性地考虑,除非单独指定。结构元件或特征中的每个可以在不与其它结构元件或特征组合的情况下执行。另外,一些结构元件和/或特征可以彼此组合以构成本公开的形式。可以改变本公开的形式中描述的操作的顺序。一种形式的一些结构元件或特征可以包括在另一种形式中,或者可以用另一种形式的对应结构元件或特征代替。此外,显而易见的是,涉及具体权利要求的一些权利要求可以与涉及除了具体权利要求之外的其它权利要求的另一权利要求组合以构成该形式,或者在提交申请之后通过修正而添加新的权利要求。
根据上述形式的方法可以实施为计算机可执行程序并且存储在计算机可读记录介质中。计算机可读记录介质可以是ROM、RAM、CD-ROM、磁带、软盘、光学数据存储设备等中的一种。此外,计算机可读记录介质可以以载波(例如,在因特网上传输)的形式实现。
计算机可读记录介质可以分布到由网络连接的计算机系统,并且可以以分布式方式作为由计算机可读的代码来存储和执行。此外,实施上述方法的功能程序、代码和代码段可以由实施方案所属领域的程序员容易地推导出。
对于本领域技术人员显而易见的是,在不脱离本发明的精神或范围的情况下,可以对本发明进行各种修改和变化。因此,本公开旨在覆盖本公开的修改和变化,只要它们落入所附权利要求及其等同物的范围内。
Claims (17)
1.一种用于提供声音跟踪信息的方法,所述方法包括以下步骤:
检测相邻于主体车辆发生的声音,并且至少基于有关检测到的所述声音的声音数据生成声音跟踪结果;
至少基于所述声音跟踪结果将检测类别确定为以下各项之一:非车辆检测、误差检测、车辆检测;以及
确定至少基于所述检测类别所调整的误差检测指数以及确定是否生成至少基于所述检测类别的通知,
其中,所述声音跟踪结果包括在根据时间连续的多个帧中的每个帧中在多个角度中的每个角度处是否有至少一个其它车辆的概率。
2.根据权利要求1所述的方法,其中,确定检测类别包括:
确定在所述声音跟踪结果中是否有至少一个角度处的所述概率高于预定阈值,以检测所述至少一个其它车辆;以及
当检测到所述至少一个其它车辆时确定是否有所述误差检测。
3.根据权利要求2所述的方法,其中,确定是否有所述误差检测包括:至少基于当前帧与关于当检测到基于来自所述主体车辆的后轮胎的咝咝噪声的误差时存在的模式的平均模式数据之间的相似度来确定是否存在所述误差检测。
4.根据权利要求2所述的方法,其中,确定是否有所述误差检测包括:至少基于在所述声音跟踪结果中当前帧的对称性来确定是否存在所述误差检测。
5.根据权利要求1所述的方法,其中,当所述检测类别是所述误差检测时所述误差检测指数增加1,并且当所述检测类别是所述非车辆检测或所述车辆检测中的一者时所述误差检测指数下降5。
6.根据权利要求1所述的方法,其中,确定误差检测指数包括:当所述误差检测指数低于预定阈值并且所述检测类别是所述误差检测时,维持先前通告状态。
7.根据权利要求1所述的方法,其中,确定误差检测指数包括:当所述误差检测指数低于预定阈值并且所述检测类别是所述车辆检测时,生成通知信号。
8.根据权利要求1所述的方法,其中,确定误差检测指数包括:当所述误差检测指数超过预定阈值时,避免生成通知信号。
9.一种用于提供声音跟踪信息的装置,所述装置包括:
声音跟踪单元,所述声音跟踪单元被配置为检测相邻于主体车辆发生的声音并且至少基于有关检测到的所述声音的声音数据生成声音跟踪结果;
车辆检测单元,所述车辆检测单元被配置为至少基于所述声音跟踪结果将检测类别确定为以下各项之一:非车辆检测、误差检测、车辆检测;以及
误差避免单元,所述误差避免单元被配置为确定至少基于所述检测类别所调整的误差检测指数以及确定是否生成至少基于所述检测类别的通知,
其中,所述声音跟踪结果包括在根据时间连续的多个帧中的每个帧中在多个角度中的每个角度处是否有至少一个其它车辆的概率。
10.根据权利要求9所述的装置,其中,所述车辆检测单元被配置为:确定在所述声音跟踪结果中是否有至少一个角度处的所述概率高于预定阈值,以检测所述至少一个其它车辆;以及当检测到所述至少一个其它车辆时确定是否有所述误差检测。
11.根据权利要求10所述的装置,其中,所述车辆检测单元被配置为:至少基于当前帧与关于当检测到基于来自所述主体车辆的后轮胎的咝咝噪声的误差时存在的模式的平均模式数据之间的相似度来确定是否存在所述误差检测。
12.根据权利要求10所述的装置,其中,所述车辆检测单元被配置为:至少基于在所述声音跟踪结果中当前帧的对称性来确定是否存在所述误差检测。
13.根据权利要求9所述的装置,其中,当所述检测类别是所述误差检测时所述误差检测指数增加1,并且当所述检测类别是所述非车辆检测或所述车辆检测中的一者时所述误差检测指数下降5。
14.根据权利要求9所述的装置,其中,所述误差避免单元被配置为:当所述误差检测指数低于预定阈值并且所述检测类别是所述误差检测时,维持先前通告状态。
15.根据权利要求9所述的装置,其中,所述误差避免单元被配置为:当所述误差检测指数低于预定阈值并且所述检测类别是所述车辆检测时,生成通知信号。
16.根据权利要求9所述的装置,其中,所述误差避免单元被配置为:当所述误差检测指数超过预定阈值时,避免生成通知信号。
17.一种车辆,所述车辆包括:
多声道麦克风,所述多声道麦克风被配置为检测相邻于主体车辆发生的声音并且生成有关所述声音的声音数据;
声音跟踪设备,所述声音跟踪设备被配置为至少基于声音跟踪结果将检测类别确定为非车辆检测、误差检测或车辆检测中的一者,以及所述声音跟踪设备被配置为确定至少基于所述检测类别所调整的误差检测指数以及确定是否生成至少基于所述检测类别的通知,其中,所述声音跟踪结果至少基于所述声音数据;以及
通知接口,所述通知接口被配置为当生成所述通知时听觉上或视觉上告知驾驶员关于相邻于所述主体车辆的至少一个车辆的信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2016-0028654 | 2016-03-10 | ||
KR1020160028654A KR101759143B1 (ko) | 2016-03-10 | 2016-03-10 | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107179119A true CN107179119A (zh) | 2017-09-19 |
CN107179119B CN107179119B (zh) | 2021-12-21 |
Family
ID=59430839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611069206.5A Active CN107179119B (zh) | 2016-03-10 | 2016-11-28 | 提供声音检测信息的方法和装置以及包括该装置的车辆 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9934687B2 (zh) |
KR (1) | KR101759143B1 (zh) |
CN (1) | CN107179119B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109031200A (zh) * | 2018-05-24 | 2018-12-18 | 华南理工大学 | 一种基于深度学习的声源空间方位检测方法 |
CN110033628A (zh) * | 2019-05-14 | 2019-07-19 | 陕西智多搭智能科技有限公司 | 人工智能多功能交通指挥机器人 |
CN110435672A (zh) * | 2019-08-11 | 2019-11-12 | 西藏宁算科技集团有限公司 | 一种基于场景预判安全驾驶辅助方法及其系统 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10276187B2 (en) * | 2016-10-19 | 2019-04-30 | Ford Global Technologies, Llc | Vehicle ambient audio classification via neural network machine learning |
JP6947219B2 (ja) * | 2017-09-06 | 2021-10-13 | 日本電信電話株式会社 | 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム |
JP6610693B2 (ja) * | 2018-03-20 | 2019-11-27 | 株式会社Jvcケンウッド | 車両用撮像記録装置、車両用撮像制御方法及びプログラム |
DE102018214420A1 (de) * | 2018-08-27 | 2020-02-27 | Zf Friedrichshafen Ag | Fahrerassistenzsystem |
US10909847B1 (en) * | 2018-09-19 | 2021-02-02 | All Turtles Corporation | Building urban area noise pollution maps and mitigating noise from emergency vehicles |
FR3086787B1 (fr) * | 2018-09-27 | 2021-05-28 | Continental Automotive France | Procede d'identification de sirenes de vehicules prioritaires et d'avertissement d'un conducteur malentendant d'une presence d'un vehicule prioritaire |
US11231905B2 (en) * | 2019-03-27 | 2022-01-25 | Intel Corporation | Vehicle with external audio speaker and microphone |
US11322019B2 (en) * | 2019-10-23 | 2022-05-03 | Zoox, Inc. | Emergency vehicle detection |
JP6822538B2 (ja) * | 2019-10-24 | 2021-01-27 | 株式会社Jvcケンウッド | 車両用撮像記録装置、車両用撮像制御方法及びプログラム |
CN113311391A (zh) * | 2021-04-25 | 2021-08-27 | 普联国际有限公司 | 基于麦克风阵列的声源定位方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331408A (zh) * | 2000-06-22 | 2002-01-16 | 松下电器产业株式会社 | 机动车检测装置和机动车检测方法 |
DE102004045690A1 (de) * | 2003-10-29 | 2005-06-02 | Volkswagen Ag | Vorrichtung zur Bestimmung externer Schallquellen in der Umgebung eines Kraftfahrzeugs und entsprechendes Fahrerassistenzsystem |
CN102869961A (zh) * | 2010-04-30 | 2013-01-09 | 丰田自动车株式会社 | 车外声音检测装置 |
CN103069297A (zh) * | 2011-01-18 | 2013-04-24 | 松下电器产业株式会社 | 车辆方向确定装置、车辆方向确定方法及其程序 |
CN103930791A (zh) * | 2011-09-20 | 2014-07-16 | 丰田自动车株式会社 | 声源检测系统和声源检测方法 |
CN103988090A (zh) * | 2011-11-24 | 2014-08-13 | 丰田自动车株式会社 | 声源检测装置 |
CN104221067A (zh) * | 2012-03-29 | 2014-12-17 | 丰田自动车株式会社 | 驾驶支援装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0592767U (ja) | 1992-05-18 | 1993-12-17 | 株式会社豊田中央研究所 | 接近車両認識装置 |
US9008854B2 (en) * | 1995-06-07 | 2015-04-14 | American Vehicular Sciences Llc | Vehicle component control methods and systems |
JP2000105274A (ja) * | 1998-09-30 | 2000-04-11 | Honda Motor Co Ltd | 接近車両検出装置およびその方法 |
US7576639B2 (en) * | 2006-03-14 | 2009-08-18 | Mobileye Technologies, Ltd. | Systems and methods for detecting pedestrians in the vicinity of a powered industrial vehicle |
CN101140704A (zh) | 2006-09-08 | 2008-03-12 | 松下电器产业株式会社 | 方向检测装置 |
EP2090895B1 (en) | 2006-11-09 | 2011-01-05 | Panasonic Corporation | Sound source position detector |
JP2008149917A (ja) | 2006-12-18 | 2008-07-03 | Denso Corp | 車両用周囲音報知装置 |
US8296038B2 (en) | 2009-03-03 | 2012-10-23 | GM Global Technology Operations LLC | Method and system for determining engine brake torque in real time |
JP2011242343A (ja) | 2010-05-20 | 2011-12-01 | Panasonic Corp | 車両方向特定装置、車両方向特定方法、及びそのプログラム |
JP2011252853A (ja) | 2010-06-03 | 2011-12-15 | Toyota Motor Corp | 音源方向検出装置 |
JP2012145461A (ja) | 2011-01-12 | 2012-08-02 | Panasonic Corp | 車両方向特定装置及び車両方向特定方法 |
KR20130079877A (ko) | 2012-01-03 | 2013-07-11 | 현대모비스 주식회사 | 차량의 장애물 감지 장치 및 방법 |
JP2013238911A (ja) * | 2012-05-11 | 2013-11-28 | Toyota Motor Corp | 運転支援装置 |
JP5888414B2 (ja) * | 2012-05-25 | 2016-03-22 | トヨタ自動車株式会社 | 接近車両検出装置及び運転支援システム |
JP5867352B2 (ja) | 2012-09-24 | 2016-02-24 | トヨタ自動車株式会社 | 走行音を用いた車両検出装置 |
US20150371516A1 (en) * | 2014-01-03 | 2015-12-24 | Google Inc. | Determining information flow using physiological parameters |
-
2016
- 2016-03-10 KR KR1020160028654A patent/KR101759143B1/ko active IP Right Grant
- 2016-10-13 US US15/293,022 patent/US9934687B2/en active Active
- 2016-11-28 CN CN201611069206.5A patent/CN107179119B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331408A (zh) * | 2000-06-22 | 2002-01-16 | 松下电器产业株式会社 | 机动车检测装置和机动车检测方法 |
DE102004045690A1 (de) * | 2003-10-29 | 2005-06-02 | Volkswagen Ag | Vorrichtung zur Bestimmung externer Schallquellen in der Umgebung eines Kraftfahrzeugs und entsprechendes Fahrerassistenzsystem |
CN102869961A (zh) * | 2010-04-30 | 2013-01-09 | 丰田自动车株式会社 | 车外声音检测装置 |
CN103069297A (zh) * | 2011-01-18 | 2013-04-24 | 松下电器产业株式会社 | 车辆方向确定装置、车辆方向确定方法及其程序 |
CN103930791A (zh) * | 2011-09-20 | 2014-07-16 | 丰田自动车株式会社 | 声源检测系统和声源检测方法 |
CN103988090A (zh) * | 2011-11-24 | 2014-08-13 | 丰田自动车株式会社 | 声源检测装置 |
CN104221067A (zh) * | 2012-03-29 | 2014-12-17 | 丰田自动车株式会社 | 驾驶支援装置 |
Non-Patent Citations (1)
Title |
---|
刘桂林 等: "基于无线传感器网络的车辆检测识别算法研究", 《传感器与微系统》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109031200A (zh) * | 2018-05-24 | 2018-12-18 | 华南理工大学 | 一种基于深度学习的声源空间方位检测方法 |
CN110033628A (zh) * | 2019-05-14 | 2019-07-19 | 陕西智多搭智能科技有限公司 | 人工智能多功能交通指挥机器人 |
CN110435672A (zh) * | 2019-08-11 | 2019-11-12 | 西藏宁算科技集团有限公司 | 一种基于场景预判安全驾驶辅助方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
US9934687B2 (en) | 2018-04-03 |
KR101759143B1 (ko) | 2017-07-18 |
CN107179119B (zh) | 2021-12-21 |
US20170263126A1 (en) | 2017-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107179119A (zh) | 提供声音检测信息的方法和装置以及包括该装置的车辆 | |
CN107985225B (zh) | 提供声音追踪信息的方法、声音追踪设备及具有其的车辆 | |
KR101759144B1 (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 | |
US9858813B2 (en) | Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same | |
US10618466B2 (en) | Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same | |
CN108226854B (zh) | 提供后车的可视化信息的装置和方法 | |
US10369999B2 (en) | Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same | |
KR101519255B1 (ko) | 차량 주변 소리 알림 시스템 및 그 방법 | |
Nandwana et al. | Towards Smart-Cars That Can Listen: Abnormal Acoustic Event Detection on the Road. | |
Lee et al. | Acoustic hazard detection for pedestrians with obscured hearing | |
Valiveti et al. | Soft computing based audio signal analysis for accident prediction | |
Choudhury et al. | Review of Emergency Vehicle Detection Techniques by Acoustic Signals | |
KR101748270B1 (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 | |
JP2000275096A (ja) | 音源種別識別装置 | |
CN112230208A (zh) | 一种基于智能手机音频感知的汽车行驶速度检测方法 | |
KR102331758B1 (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 | |
KR102601171B1 (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 | |
KR102378940B1 (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 | |
Marciniuk et al. | Acoustic Road Monitoring | |
Zhang et al. | Automated accident detection at intersections. | |
Alqudah et al. | Audition ability to enhance reliability of autonomous vehicles: Allowing cars to hear | |
KR20180046546A (ko) | 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |