CN111128225A - 一种车辆违法鸣笛定位识别方法 - Google Patents
一种车辆违法鸣笛定位识别方法 Download PDFInfo
- Publication number
- CN111128225A CN111128225A CN201911274205.8A CN201911274205A CN111128225A CN 111128225 A CN111128225 A CN 111128225A CN 201911274205 A CN201911274205 A CN 201911274205A CN 111128225 A CN111128225 A CN 111128225A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- sound
- whistle
- identifying
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
Abstract
本发明公开了一种车辆违法鸣笛定位识别方法，包括声源识别、北斗定位、车牌识别和信息转送；通过将禁鸣区域根据车道数量划分成多个独立的检测区域单元，并在划分为多个等距离检测长度，对禁鸣区域进行细分，利用多个声源采集装置对各自检测区域内的声源信息进行采集，分工明确，保证禁鸣区域范围内经过的车辆得到充分的监控；通过建立卷积深度信念网络模型，能够精准分析和提取声音特征信息，结合北斗定位系统，对鸣笛车辆进行定位，再对定位的车辆进行车牌识别以及相关信息提取，能够对违法鸣笛的车辆快速定位识别和抓拍，并在第一时间进行消息的转送，同时向车主以及交通管理中心导入违章信息，以便于对违章鸣笛车辆的取证和跟踪监管。
Description
技术领域
本发明涉及交通管理相关领域，具体为一种车辆违法鸣笛定位识别方法。
背景技术
随着我国城镇化以及交通工具的飞速发展，城镇道路的车流量急剧上升，汽车鸣笛产生的噪音已经成为公害，严重影响市民的居住质量和工作环境。此外，噪声污染也引发了许多疾病。据调查，目前城市内主要的交通噪声就是来自汽车的鸣笛声。汽车喇叭的鸣笛声分贝很大，对身体的伤害也是不容小觑的。因此，对汽车噪音的治理已经引起相关部门的重视，也采取一些措施解决这个问题，例如提高或改进汽车的降噪性能、在道路的两侧种植了大量的树木与草坪作为绿化带，降低噪音污染。如今各大城市都设置了一些禁鸣区域来防止鸣笛噪声的污染。与此同时，国家也颁步了法律规范来制止违章鸣笛，对违章鸣笛的车辆实行处罚。
目前，通常在道路口采取电子设备自动监控车辆的闯红灯和压双黄线等道路违章现象，目前使用的鸣笛抓拍系统的工作原理是先通过麦克风阵列采集系统对声音识别后进行采集，再通过电子抓拍系统抓拍，最后实时呈现在电子屏提示系统，这套系统可将机动车喇叭声与电动车喇叭声、车辆行驶声、刹车声、轰鸣声等噪声精确区分。
现有的抓拍系统虽然能将车辆喇叭声音区分开来，但是对于同一禁鸣区域内的多种车辆鸣笛不能准确区分，因此一直存在管理难度大、取证难等问题，依然无法有效遏制汽车违章鸣笛的行为。
发明内容
本发明的目的在于提供一种车辆违法鸣笛定位识别方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种车辆违法鸣笛定位识别方法，包括如下具体步骤：
S1：声源识别：对禁鸣区域进行监测区域划分，获取各区域单元内的鸣笛声音信号，并对声音信号进行分析处理，获得声音特征信息，具体为：
S11：将禁鸣区域内，以车道为单位，分成多个独立的检测区域单元；在每个检测区域单元内设置声源采集装置；
S12：建立卷积深度信念网络模型，对声音特征进行识别提取；
S13：对采集的声音信号进行分析处理，获取声音特征信息，导入卷积深度信念网络模型内，提取声音特征；
S2：北斗定位：利用北斗导航定位系统接收车辆经纬度信息和时间信息，并根据上述获取的声音特征信息识别声音来源，对声源位置的车辆进行定位，并把定位信息发送至车牌识别装置的输入端；
S3：车牌识别：根据接收的鸣笛车辆的位置信息进行对应车牌的信息识别提取，具体为：
S31：不同时间，同一检测区域的不同车辆鸣笛时，以时间先后为顺序，依次获取各个车辆的车牌信息；
S32：同一时间，同一检测区域内的不同车辆同时鸣笛时，以距离识别装置的远近为顺序，依次获取各个车辆的车牌信息；
S4：信息转送：将鸣笛的车辆信息发送至交通管理中心，并生成对应的违章信息，发送至车主端。
作为本发明一种优选的技术方案，步骤S11中，声源采集装置为声学成像仪，它由多个麦克风按照一定规律排列，通过阵列信号处理算法生成声音在一个平面上的声压分布，能够对采集区域内所有车辆鸣笛声音进行识别获取，声源采集装置上设置有滤波放大器，对获取的声音信号进行放大识别。
作为本发明一种优选的技术方案，步骤S11中，每个检测区域单元对应的车道上划分为多个等距离检测长度，并在每个检测长度的初始位置处分别安装一个声源采集装置。
作为本发明一种优选的技术方案，步骤S12中，建立卷积深度信念网络模型的具体方法步骤为：
S1：将MFCC参数作为DBN网络的输入层进行训练，从而得到MFCC特征中更深层的特征；
S2：在网络的输出层加入soft-max分类器完成对数据的分类；
S3：对汽车鸣笛声信号提取频谱特征，将频谱特征作为CDBN网络的输入对网络进行训练，得到CDBN特征；
S4：将得到的CDBN特征对GMM模型进行训练，对数据进行识别，直到所述卷积循环网络模型满足预设的训练结束条件，得到用于声音特征识别的卷积深度信念网络模型，利用完成训练的所述卷积循环网络模型对待处理的声音数据进行识别分类。
作为本发明一种优选的技术方案，步骤S3中，车牌识别装置为高清抓拍摄像头。
作为本发明一种优选的技术方案，步骤S3中，车牌信息识别提取的同时，获取鸣笛车辆的即时图片，并以短信的形式将即时图片以及对应的时间、位置等信息发送至车主手机上。
作为本发明一种优选的技术方案，所述北斗导航定位系统主要由UM220系列导航定位芯片组成，UM220是一款双系统导航定位芯片，能实时接收北斗和GPS卫星信号，通过对卫星信号的解算处理能获得车辆的所处的经纬度与时间，然后由单片机提取该定位信息。
与现有技术相比，本发明的有益效果是：
本发明通过将禁鸣区域根据车道数量划分成多个独立的检测区域单元，并在每个独立的检测区域单元内的车道上划分为多个等距离检测长度，对禁鸣区域进行细分，利用多个声源采集装置对各自检测区域内的声源信息进行采集，分工明确，保证禁鸣区域范围内经过的车辆得到充分的监控；通过建立卷积深度信念网络模型，能够精准分析和提取声音特征信息，对车辆鸣笛信号进行快速提取，结合北斗定位系统，对鸣笛车辆进行定位，再对定位的车辆进行车牌识别以及相关信息提取，能够对违法鸣笛的车辆快速定位识别和抓拍，并在第一时间进行消息的转送，同时向车主以及交通管理中心导入违章信息，以便于对违章鸣笛车辆的取证和跟踪监管，节省了大量的人力物力，从而有效遏制城市汽车违章鸣笛的行为，提高了城市居民的居住质量和工作环境。
附图说明
图1为本发明的整体流程示意图；
图2为本发明的声源采集装置在禁鸣区车道上的分布示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种车辆违法鸣笛定位识别方法，包括如下具体步骤：
S1：声源识别：对禁鸣区域进行监测区域划分，获取各区域单元内的鸣笛声音信号，并对声音信号进行分析处理，获得声音特征信息，具体为：
S11：将禁鸣区域内，以车道为单位，分成多个独立的检测区域单元；在每个检测区域单元内设置声源采集装置；
S12：建立卷积深度信念网络模型，对声音特征进行识别提取；
S13：对采集的声音信号进行分析处理，获取声音特征信息，导入卷积深度信念网络模型内，提取声音特征；
S2：北斗定位：利用北斗导航定位系统接收车辆经纬度信息和时间信息，并根据上述获取的声音特征信息识别声音来源，对声源位置的车辆进行定位，并把定位信息发送至车牌识别装置的输入端；
S3：车牌识别：根据接收的鸣笛车辆的位置信息进行对应车牌的信息识别提取，具体为：
S31：不同时间，同一检测区域的不同车辆鸣笛时，以时间先后为顺序，依次获取各个车辆的车牌信息；
S32：同一时间，同一检测区域内的不同车辆同时鸣笛时，以距离识别装置的远近为顺序，依次获取各个车辆的车牌信息；
S4：信息转送：将鸣笛的车辆信息发送至交通管理中心，并生成对应的违章信息，发送至车主端。
进一步的，步骤S11中，声源采集装置为声学成像仪，它由多个麦克风按照一定规律排列，通过阵列信号处理算法生成声音在一个平面上的声压分布，能够对采集区域内所有车辆鸣笛声音进行识别获取，声源采集装置上设置有滤波放大器，对获取的声音信号进行放大识别。
进一步的，步骤S11中，每个检测区域单元对应的车道上划分为多个等距离检测长度，并在每个检测长度的初始位置处分别安装一个声源采集装置。
进一步的，步骤S12中，建立卷积深度信念网络模型的具体方法步骤为：
S1：将MFCC参数作为DBN网络的输入层进行训练，从而得到MFCC特征中更深层的特征；
S2：在网络的输出层加入soft-max分类器完成对数据的分类；
S3：对汽车鸣笛声信号提取频谱特征，将频谱特征作为CDBN网络的输入对网络进行训练，得到CDBN特征；
S4：将得到的CDBN特征对GMM模型进行训练，对数据进行识别，直到所述卷积循环网络模型满足预设的训练结束条件，得到用于声音特征识别的卷积深度信念网络模型，利用完成训练的所述卷积循环网络模型对待处理的声音数据进行识别分类。
进一步的，步骤S3中，车牌识别装置为高清抓拍摄像头。
进一步的，步骤S3中，车牌信息识别提取的同时，获取鸣笛车辆的即时图片，并以短信的形式将即时图片以及对应的时间、位置等信息发送至车主手机上。
进一步的，所述北斗导航定位系统主要由UM220系列导航定位芯片组成，UM220是一款双系统导航定位芯片，能实时接收北斗和GPS卫星信号，通过对卫星信号的解算处理能获得车辆的所处的经纬度与时间，然后由单片机提取该定位信息。
与现有技术相比，本发明的有益效果是：
本发明通过将禁鸣区域根据车道数量划分成多个独立的检测区域单元，并在每个独立的检测区域单元内的车道上划分为多个等距离检测长度，对禁鸣区域进行细分，利用多个声源采集装置对各自检测区域内的声源信息进行采集，分工明确，保证禁鸣区域范围内经过的车辆得到充分的监控；通过建立卷积深度信念网络模型，能够精准分析和提取声音特征信息，对车辆鸣笛信号进行快速提取，结合北斗定位系统，对鸣笛车辆进行定位，再对定位的车辆进行车牌识别以及相关信息提取，能够对违法鸣笛的车辆快速定位识别和抓拍，并在第一时间进行消息的转送，同时向车主以及交通管理中心导入违章信息，以便于对违章鸣笛车辆的取证和跟踪监管，节省了大量的人力物力，从而有效遏制城市汽车违章鸣笛的行为，提高了城市居民的居住质量和工作环境。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种车辆违法鸣笛定位识别方法，其特征在于，包括如下具体步骤：
S1：声源识别：对禁鸣区域进行监测区域划分，获取各区域单元内的鸣笛声音信号，并对声音信号进行分析处理，获得声音特征信息，具体为：
S11：将禁鸣区域内，以车道为单位，分成多个独立的检测区域单元；在每个检测区域单元内设置声源采集装置；
S12：建立卷积深度信念网络模型，对声音特征进行识别提取；
S13：对采集的声音信号进行分析处理，获取声音特征信息，导入卷积深度信念网络模型内，提取声音特征；
S2：北斗定位：利用北斗导航定位系统接收车辆经纬度信息和时间信息，并根据上述获取的声音特征信息识别声音来源，对声源位置的车辆进行定位，并把定位信息发送至车牌识别装置的输入端；
S3：车牌识别：根据接收的鸣笛车辆的位置信息进行对应车牌的信息识别提取，具体为：
S31：不同时间，同一检测区域的不同车辆鸣笛时，以时间先后为顺序，依次获取各个车辆的车牌信息；
S32：同一时间，同一检测区域内的不同车辆同时鸣笛时，以距离识别装置的远近为顺序，依次获取各个车辆的车牌信息；
S4：信息转送：将鸣笛的车辆信息发送至交通管理中心，并生成对应的违章信息，发送至车主端。
2.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，步骤S11中，声源采集装置为声学成像仪，能够对采集区域内所有车辆鸣笛声音进行识别获取，声源采集装置上设置有滤波放大器，对获取的声音信号进行放大识别。
3.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，步骤S11中，每个检测区域单元对应的车道上划分为多个等距离检测长度，并在每个检测长度的初始位置处分别安装一个声源采集装置。
4.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，步骤S12中，建立卷积深度信念网络模型的具体方法步骤为：
S1：将MFCC参数作为DBN网络的输入层进行训练，从而得到MFCC特征中更深层的特征；
S2：在网络的输出层加入soft-max分类器完成对数据的分类；
S3：对汽车鸣笛声信号提取频谱特征，将频谱特征作为CDBN网络的输入对网络进行训练，得到CDBN特征；
S4：将得到的CDBN特征对GMM模型进行训练，对数据进行识别，直到所述卷积循环网络模型满足预设的训练结束条件，得到用于声音特征识别的卷积深度信念网络模型，利用完成训练的所述卷积循环网络模型对待处理的声音数据进行识别分类。
5.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，步骤S3中，车牌识别装置为高清抓拍摄像头。
6.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，步骤S3中，车牌信息识别提取的同时，获取鸣笛车辆的即时图片，并以短信的形式将即时图片以及对应的时间、位置等信息发送至车主手机上。
7.根据权利要求1所述的一种车辆违法鸣笛定位识别方法，其特征在于，所述北斗导航定位系统主要由UM220系列导航定位芯片组成，UM220是一款双系统导航定位芯片，能实时接收北斗和GPS卫星信号，通过对卫星信号的解算处理能获得车辆的所处的经纬度与时间，然后由单片机提取该定位信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911274205.8A CN111128225A (zh) | 2019-12-12 | 2019-12-12 | 一种车辆违法鸣笛定位识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911274205.8A CN111128225A (zh) | 2019-12-12 | 2019-12-12 | 一种车辆违法鸣笛定位识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111128225A true CN111128225A (zh) | 2020-05-08 |
Family
ID=70499898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911274205.8A Withdrawn CN111128225A (zh) | 2019-12-12 | 2019-12-12 | 一种车辆违法鸣笛定位识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111128225A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112687105A (zh) * | 2020-12-30 | 2021-04-20 | 浙江大华技术股份有限公司 | 一种车辆鸣笛检测系统和方法 |
| CN114283588A (zh) * | 2022-01-07 | 2022-04-05 | 刘高峰 | 一种用于车辆鸣笛抓拍系统防误报的方法 |
| CN115116232A (zh) * | 2022-08-29 | 2022-09-27 | 深圳市微纳感知计算技术有限公司 | 汽车鸣笛的声纹比较方法、装置、设备及存储介质 |
-
2019
- 2019-12-12 CN CN201911274205.8A patent/CN111128225A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112687105A (zh) * | 2020-12-30 | 2021-04-20 | 浙江大华技术股份有限公司 | 一种车辆鸣笛检测系统和方法 |
| CN112687105B (zh) * | 2020-12-30 | 2022-02-15 | 浙江大华技术股份有限公司 | 一种车辆鸣笛检测系统和方法 |
| CN114283588A (zh) * | 2022-01-07 | 2022-04-05 | 刘高峰 | 一种用于车辆鸣笛抓拍系统防误报的方法 |
| CN115116232A (zh) * | 2022-08-29 | 2022-09-27 | 深圳市微纳感知计算技术有限公司 | 汽车鸣笛的声纹比较方法、装置、设备及存储介质 |
| CN115116232B (zh) * | 2022-08-29 | 2022-12-09 | 深圳市微纳感知计算技术有限公司 | 汽车鸣笛的声纹比较方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111128225A (zh) | 一种车辆违法鸣笛定位识别方法 | |
| CN109345834A (zh) | 机动车违法鸣笛捕获系统 | |
| CN109816987B (zh) | 一种汽车鸣笛电子警察执法抓拍系统及其抓拍方法 | |
| CN100466011C (zh) | 车辆违章鸣笛电子取证装置、电子警察系统及取证方法 | |
| CN101430826B (zh) | 基于北斗卫星定位系统的出租车无线视频监控系统及方法 | |
| US6909963B1 (en) | Method and apparatus for adding commercial value to traffic control systems | |
| US11437056B1 (en) | Vehicle sound analysis | |
| US9891061B2 (en) | Determining areas to avoid for navigation guidance | |
| US11282383B1 (en) | Deploying an emergency vehicle | |
| US10440471B2 (en) | Noise violation localization identifier | |
| CN101030323A (zh) | 车辆违章鸣笛自动取证路口机装置 | |
| CN102945675A (zh) | 检测户外呼救声音的智能传感网络系统 | |
| CN109035749B (zh) | 一种道路异常轰鸣声检测预警应用系统 | |
| CN102722983A (zh) | 一种基于音频和视频的机动车违章鸣喇叭检测系统和方法 | |
| Agha et al. | Noisy vehicle surveillance camera: A system to deter noisy vehicle in smart city | |
| CN101430827A (zh) | 基于gps的出租车无线视频监控系统及方法 | |
| CN112532941A (zh) | 车辆源强监测方法、装置、电子设备及存储介质 | |
| CN105139481A (zh) | 一种汽车喇叭识别系统 | |
| CN102768797A (zh) | 一种城市路况信息评价方法及装置 | |
| CN101377886A (zh) | 车辆违章鸣笛电子取证装置、电子警察系统及取证方法 | |
| CN106909922A (zh) | 一种应急车道移动稽查系统及方法 | |
| CN105160876A (zh) | 一种汽车喇叭监控系统 | |
| CN201348821Y (zh) | 一种基于gps的出租车无线视频监控系统 | |
| CN204480352U (zh) | 一种汽车喇叭识别装置 | |
| CN112687105B (zh) | 一种车辆鸣笛检测系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200508 |