一種基於碰撞聲的交通事故自動檢測方法
2023-05-17 10:50:11 2
專利名稱：一種基於碰撞聲的交通事故自動檢測方法
技術領域：
本發明涉及交通事故自動檢測技術領域，特別是涉及利用聲音信號進行交通事故 檢測的方法。
背景技術：
相對於自動事件檢測技術的發展，對重大交通事故檢測的研究較為滯後。傳統的 交通事件檢測裝置，主要分為基於磁頻信號的車輛檢測設備，基于波譜信號車輛檢測設備 和基於視頻信號車輛檢測設備。但各種傳感器包括攝像頭，超聲波，微波被用來檢測交通事 件，主要著眼於宏觀的道路交通流信息如道路流量、車輛佔有率、車流密度等，對於交通事 故這種微觀現象的檢測是間接的，效果不佳。現階段最為有效的撥打報警電話的方式，則存 在目擊者在場的制約，而且事發地點難以確定，報警信息甄別困難，因此需要一種直接而自 動的檢測方式。美國明尼蘇達州交通部，州巡邏部門等聯合開發的MayDay Plus系統由調 度平臺、通訊網關和車載模塊組成，由車載模塊負責檢測並發出該車輛的各種信息，已經開 始直接從車輛狀態出發實現交通事故自動檢測的實踐。聲音傳感器比如簡單的麥克風可能成為一種計算簡單，成本較低的替代選擇，研 究人員已經用來檢測過往車輛。在重大交通事故發生時，車輛運行狀態發生了相應的變化， 並伴有劇烈碰撞的聲音，其碰撞聲與周圍的噪聲存在較大的差別。因此通過聲音傳感器實 時採集並分析車輛周圍的聲音，判別車輛的運行情況，一旦有事故發生，可立即提取碰撞聲 並識別，及時發出警報信號。國內外研究人員在利用音頻信號進行交通檢測方面已經做了一定的研究。2001年 開始路易斯安那州立大學的Harlow和Wang開始使用音頻信號檢測路口的交通事故，採用 的是離線學習的方式採集數據計算其Mel頻率倒譜係數作為特徵訓練出一個神經網絡作 為分類器。2003年密西西比州立大學的YimlongZhang等人設計了一個基於音頻信號分析 的十字路口交通事故檢測系統，同樣是離線學習，小波變換被用來提取特徵，Fisher線性判 別分析被用來做分類。吉林大學的陳強等人和印度理工學院的Mittal等人也先後採用基 於小波變換的聲檢測方法檢測交通事故。現有的基於音頻信號的檢測算法大部分是在實驗室環境下進行離線實驗，對有限 的特定樣本，取得了較高的檢測率和較低的誤判率。而對於實際的複雜交通環境，聲音信號 變化多樣，不能取得理想的效果；有的算法還存在計算量巨大不利於實時檢測的缺點。
發明內容
本發明主要針對現有算法存在的缺陷，提出一種多特徵的碰撞聲交通事故自動檢 測算法，在提高檢測準確率和降低誤報率的同時將計算量抑制到最小。本發明是通過以下技術方案實現的一種基於碰撞聲的交通事故自動檢測方法，對於採集到的聲信號進行分幀，首先 檢測時域總能量分布，若滿足碰撞的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；接下來判別頻域的能量分布，利用小波提取能量分布特徵分量並判別，若滿足碰撞 的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；最後進行ACF檢測，若滿 足碰撞的條件，則判別為碰撞聲，否則等待下一幀的處理。 一種基於碰撞聲的交通事故自動檢測方法，所述的時域能量分布檢測方法是把總 能量值E和能量變化值AE作為碰撞聲判別特徵，其中AE定義為 E。為碰撞峰值能量，Ef為碰撞前t秒平均能量，Eb為碰撞後t秒平均能量。符合
碰撞聲的判別條件為
一種基於碰撞聲的交通事故自動檢測方法，所述的小波的頻域能量分布檢測是對 每一幀聲信號，通過小波分解，不同尺度對應了不同的頻率範圍，提取不同尺度下的小波系 數，建立能量分布與不同目標類別之間的映射關係。一種基於碰撞聲的交通事故自動檢測方法，所述的小波為Dbl小波。一種基於碰撞聲的交通事故自動檢測方法，所述的ACF檢測為計算不同延時的自相關係數R(k)，根據R(k)的大小來對聲音進行分類， 其中xjnxi+k為i時刻聲音信號序列及其延時k時刻後的聲音信號序列，ui+k 是它們的均值，o為標準差；對每一幀數據，從t時刻開始，每延時A t計算一個自相關係數，共N個，記為Rn， 定義判別分量P T為常數。為交通事故碰撞聲的判別條件為P < Tacf。本發明時域的能量分布、頻域的能量分布和ACF都是獨立的碰撞聲識別有效特 徵，多種特徵的組合可以提高分類精度。但是每種特徵的檢測計算代價不一樣，ACF計算代 價最高，基於小波的頻域能量分布檢測其次，時域的能量分布檢測計算代價最小。因此按照 本算法的流程，先處理計算代價小的特徵，可以將計算量抑制到最小。碰撞聲具有總能量大 和能量包絡線有明顯突變的特點，因此把能量值E和能量變化值AE作為碰撞聲判別特徵。 碰撞聲和其它聲音所含的頻率成分不一樣，將其轉化到頻域，則表現為能量在各個頻率分 布不一樣。對每一幀聲信號，通過小波分解，不同尺度對應了了不同的頻率範圍，因此提取 不同尺度下的小波係數，建立能量分布與不同目標類別之間的映射關係。正常環境中的語 音信號、音樂信號等，大部份都具有很強得規律性，因此其自相關性比較強；而碰撞聲信號在碰撞聲持續的短時間內，類似於噪聲信號，自相關性非常小。通過計算不同延時的自相關 係數，根據自相關係數的大小來對聲音進行分類。通過以上算法可以有效的提高檢測率和 降低誤判率。對於實際的複雜交通環境，可以取得理想的效果；並且算法計算量小。
附圖為小波分解樹狀圖。
具體實施例方式本發明同時採用聲信號在時域的能量分布，頻域的能量分布和自相關函數(Auto Correlation Function, ACF)作為識別交通事故碰撞聲的特徵，其中頻域的能量分布通過 小波提取。具體步驟如下1)採集聲信號並進行分幀；2)時域總能量分布檢測，若滿足碰撞的條件，轉3)，否則轉5)；3)基於小波的頻域能量分布檢測，若滿足碰撞的條件，轉4)，否則轉5)；4)檢測ACF，若滿足碰撞的條件，發送報警信號，否則轉5)；5)等待數據採集直至下一幀數據採滿，進行下一幀處理。時域的能量分布、頻域的能量分布和ACF都是獨立的碰撞聲識別有效特徵，多種 特徵的組合可以提高分類精度。但是每種特徵的檢測計算代價不一樣，ACF計算代價最高， 基於小波的頻域能量分布檢測其次，時域的能量分布檢測計算代價最小。因此按照本算法 的流程，先處理計算代價小的特徵，可以將計算量抑制到最小。每種特徵的具體檢測算法如 下1.時域總能量分布檢測碰撞聲具有總能量大和能量包絡線有明顯突變的特點，因此把能量值E和能量變 化值A E作為碰撞聲判別特徵，其中AE定義為 E。為碰撞峰值能量，Ef為碰撞前t秒平均能量，Eb為碰撞後t秒平均能量。符合 碰撞聲的條件為 其中和T2為常數。2.基於小波的頻域能量分布檢測碰撞聲和其它聲音所含的頻率成分不一樣，將其轉化到頻域，則表現為能量在各 個頻率分布不一樣。對每一幀聲信號，通過小波分解，不同尺度對應了 了不同的頻率範圍， 因此提取不同尺度下的小波係數，建立能量分布與不同目標類別之間的映射關係。本算法採用DB1小波，對每一幀信號，先進行一層分解，然後高頻係數進行兩層 完整的分解，低頻係數進行10層單向分解，如附圖所示。最後利用分解出的底層高頻系 數和最後一層低頻係數，附圖中的黑框所示部分:CA31,⑶31，CA32，⑶32，CD2, CD3, CD4, CD5, CD6, CD7, CD8, CD9,⑶10，⑶11，CA11共15個，記為Cn。計算得到特徵分量F = [E^E2……E15]，En的計算公式如下:
其中N為Cn的長度。 在提取 出的特徵分量F的基礎上，本算法採用基於主成分分析(PCA)的異常點檢 測算法檢測交通事故碰撞聲。原特徵F經變換後F*// = #，H為由PCA方法得到的投影矩 陣。判別條件為
表示月允許偏出給定區間L的最大個數。
為訓練樣本集的特徵分量投影。3. ACF 檢測正常環境中的語音信號、音樂信號等，大部份都具有很強得規律性，因此其自相關 性比較強；而碰撞聲信號在碰撞聲持續的短時間內，類似於噪聲信號，自相關性非常小。通 過計算不同延時的自相關係數R(k)，根據R(k)的大小來對聲音進行分類。 其中XjnXi+k為i時刻聲音信號序列及其延時k時刻後的聲音信號序列，μ 」 μ i+k 是它們的均值，ο為標準差。對每一幀數據，從t時刻開始，每延時Δ t計算一個自相關係數，共N個，記為Rn， 定義判別分量P T為常數。為交通事故碰撞聲的判別條件為P < Tacf
權利要求
一種基於碰撞聲的交通事故自動檢測方法，其特徵在於對於採集到的聲信號進行分幀，首先檢測時域總能量分布，若滿足碰撞的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；接下來判別頻域的能量分布，利用小波提取能量分布特徵分量並判別，若滿足碰撞的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；最後進行ACF檢測，若滿足碰撞的條件，則判別為碰撞聲，否則等待下一幀的處理。
2.根據權利要求1所述的一種基於碰撞聲的交通事故自動檢測方法，其特徵在於所述 的時域能量分布檢測方法是把總能量值E和能量變化值ΔΕ作為碰撞聲判別特徵，其中ΔΕ 定義為 Ec為碰撞峰值能量，Ef為碰撞前t秒平均能量，Eb為碰撞後t秒平均能量。符合碰撞 聲的判別條件為
3.根據權利要求1所述的一種基於碰撞聲的交通事故自動檢測方法，其特徵在於所述 的小波的頻域能量分布檢測是對每一幀聲信號，通過小波分解，不同尺度對應了不同的頻 率範圍，提取不同尺度下的小波係數，建立能量分布與不同目標類別之間的映射關係。
4.根據權利要求1或3所述的一種基於碰撞聲的交通事故自動檢測方法，其特徵在於 所述的小波為Dbl小波。
5.根據權利要求1所述的一種基於碰撞聲的交通事故自動檢測方法，其特徵在於所述 的ACF檢測為計算不同延時的自相關係數R(k)，根據R(k)的大小來對聲音進行分類， 其中Xi和Xi+k為i時刻聲音信號序列及其延時k時刻後的聲音信號序列，μ ρ μ i+k是 它們的均值，ο為標準差；對每一幀數據，從t時刻開始，每延時Δ t計算一個自相關係數，共N個，記為Rn，定義 判別分量P T為常數。為交通事故碰撞聲的判別條件為P < Tacf。
全文摘要
本發明涉及一種基於碰撞聲的交通事故自動檢測方法，對於採集到的聲信號進行分幀，首先檢測時域總能量分布，若滿足碰撞的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；接下來判別頻域的能量分布，利用小波提取能量分布特徵分量並判別，若滿足碰撞的條件，則進行進一步的識別，否則直接跳出等待下一幀的處理；最後進行ACF檢測，若滿足碰撞的條件，則判別為碰撞聲，否則等待下一幀的處理。本發明能在提高檢測準確率和降低誤報率的同時將計算量抑制到最小。
文檔編號G08G1/01GK101877172SQ20091025143
公開日2010年11月3日 申請日期2009年12月21日 優先權日2009年12月21日
發明者宋揚, 金會慶 申請人:金會慶;安徽三聯事故預防研究所;上海申磬產業有限公司;安徽三聯學院