智慧城市网

　　【安防展览网 品牌专栏】为更查处各种交通违法违规行为，交管部门不断加大信息化建设，积极引入各种创新治理方式。
 

　　近年来，“声呐电子警察”——违法鸣笛抓拍系统从无到有，对乱鸣喇叭不文明行为起到了很大的威慑作用。其高自主研发的鸣笛抓拍系统覆盖了全国上百个城市，无疑成为了备受关注的产品之一。‍
 

　　其高鸣笛抓拍系统可以把鸣笛过程完完整整地记录下来了，音视频全再现，违法乱鸣喇叭的司机想抵赖都不好意思。
 

　　由于鸣笛抓拍系统太过于神奇，鸣笛抓拍产品一在社会上亮相就“问题不断”，例如：其高鸣笛抓拍系统是如何做到抓拍的？两车并排挨着会不会抓错？短按一下也能抓拍吗？用惨叫鸡或嘴巴喊是不是才不会被抓拍？ 会不会因刹车声被误抓？下雨也能抓吗？……
 

　　小编告诉你，上面这些都不是“问题”。其高专注于声学技术研发十多年，这种“问题”见多了，已经发布了可大量使用复制的鸣笛抓拍系统产品，在全国一百多个城市长期稳定使用，实现对乱鸣喇叭车辆的即时抓拍。
 

 

　　其高鸣笛抓拍系统为何能够在嘈杂的环境中，识别出乱鸣喇叭的车辆？本文将详细阐述其高鸣笛抓拍系统的底层工作原理。‍
 

　　鸣笛抓拍系统工作原理‍
 

　　如图1所示，基于麦克风阵列的鸣笛抓拍系统主要由鸣笛声识别和鸣笛声定位两部分组成。
 

图1 鸣笛抓拍系统框图
 

　　“麦克风阵列”模块是硬件，由几十个麦克风同时采集声音信号。
 

　　“鸣笛声识别”模块解决“听准”的问题，也就是确保鸣笛抓拍系统抓拍结果是依据鸣笛声的定位，而不是因为其他声音而抓拍。机动车在禁鸣区域发出鸣笛声，抓拍系统可以取证并由交管部门进行处罚。但是，机动车发出其他声音，声音再大，目前也没有相关法规可以依据进行处罚，抓拍系统不应实施抓拍取证，例如，大货车的刹车声也扰民，但不能因为它发出刹车声而对其进行处罚。
 

　　“鸣笛声定位”模块解决“定准”的问题，也就是通过声源定位算法确定按喇叭车辆。抓拍系统定位误差必须足够小，不能因A车鸣笛，结果对B车进行抓拍。
 

　　鸣笛声识别
 

　　通过分析鸣笛声与环境噪声的能量比、鸣笛声的持续时间及鸣笛声频域特征，可以将鸣笛声与其他非鸣笛噪声区分开来。
 

　　典型鸣笛声声纹特征
 

　　鸣笛声是一种通过多个正弦信号调制、具有丰富谐波的信号。
 

　　图2是麦克风阵列单个通道采集的一个包含噪声与鸣笛声的时域信号。
 

　　图3是该时域波形的短时能量，从该图可知鸣笛时的能量远大于噪声能量。不仅如此，从该短时能量图上可以看出，鸣笛声的其持续时间一般要大于200毫秒。
 

　　图4是该时域波形的中分别截取0.2秒的鸣笛信号和噪声信号的功率谱比对图，从该图可知鸣笛信号具有丰富的谱线，且各个谱线之前呈类似谐波的特征。
 

图2 典型鸣笛声时域波形
 

图3 典型鸣笛声短时能量
 

图4 典型鸣笛声音与噪声频谱
 

　　非鸣笛噪声排除
 

　　鸣笛声的频谱声纹特征很明显，但也不是100%*，很多环境噪声也会有类似的特征，例如刹车声、雨滴声、鸟叫声、蝉鸣声等等都有可能被误认为是鸣笛声。
 

　　其高鸣笛抓拍系统采用深度学习神经网络识别鸣笛声，通过上百万笔各种道路状况下的鸣笛声训练，形成鲁棒的模型，能够排除各种非鸣笛噪声的干扰，实现准确定位抓拍。
 

　　以下是几种典型非鸣笛噪声信号的特征分析。
 

　　1、普通刹车
 

　　普通刹车是指小轿车的刹车声。
 

　　图5为典型的刹车信号；图6为刹车信号的频谱图。通过该频谱特征可以有效识别为非鸣笛声。
 

图5 刹车信号的时域波形
 

图6 刹车信号的频谱
 

　　2、气刹声
 

　　气刹声是指由大货车发出的刹车声。
 

　　图7为典型的气刹信号；图8为气刹信号的频谱图。
 

　　该频谱结比普通刹车声具有更加丰富的谐波，但与鸣笛声的频谱特征还是有差别。
 

图7 气刹信号的时域波形
 

图8 气刹信号的频谱
 

　　3、雨滴声
 

　　雨滴直接敲击鸣笛抓拍系统的麦克风阵列，可以产生很大声压级的噪声。
 

　　图9为一典型小雨情况下的雨滴声时域波形。
 

　　图10和图11分别是该信号的短时能量和频谱，通过短时能量发现雨滴声持续的时间远小于鸣笛声，且频谱也与鸣笛声不同，故可以排除该类噪声。
 

图9 雨滴信号的时域波形
 

图10 雨滴信号的时域波形
 

图11 雨滴信号的频谱
 

　　鸣笛声定位算法
 

　　主要的声源定位方法可分为以下三类：
 

　　1.基于时间到达差的方法：该方法原理简单，使用麦克风数量少，计算量小，易于实现。但其主要核心为计算声源到达各个麦克风的时间差，这要求系统的采样率足够高；此外，该方法在通过互相关或广义互相关的方法对周期性信号的计算结果存在较大误差，而鸣笛声信号就可以认为是一类准周期信号。
 

　　2.基于高分辨率谱估计的方法：该方法需要首先获得接收信号的空间相关矩阵，这在实际中是比较困难。该方法对定位模型的误差十分敏感，鲁棒性较差。该方法常常用于窄带的信号的定位，虽然可以将鸣笛信号分解成多个窄带进行定位，但由此带来的计算量成倍增长。
 

　　3.基于波束形成的方法：该方法通过将阵列中各个传感器所采集到的信号进行滤波、加权叠加后形成波束，扫描整个接收空间。波束大的点即为目标声源，该方法可以同时定位多个声源。更为重要的是该方法鲁棒性较强，不需要先验知识。
 

　　其高鸣笛抓拍系统采用波束形成算法来实现鸣笛声的定位。
 

 

　　将图2采集到的一组鸣笛信号进行波束形成，定位结果如图12所示。
 

　　图13是与画面信息叠加后的结果，可见定位结果与车辆真实位置一致。
 

图12 鸣笛声定位结果
 

图13 鸣笛声定位结果
 

　　鸣笛抓拍系统应用
 

　　基于上述方法，其高自主研发出了多款基于克风阵列的鸣笛抓拍产品，可以实时定位汽车鸣笛声，系统作为辅助执法手段已在全国各大城市得到了应用和推广。
 

其高自主研发的32通道和64通道麦克风阵列
 

基于麦克风阵列的汽车鸣笛声系统应用