论文部分内容阅读
在部分区域和路段鸣笛是违反道路交通安全法规的行为，而随着交通监管系统的智能化，针对类似行为的执法取证难度已经越来越小。
违法鸣笛就“上榜”，这个系统覆盖多地
除了警示行人，当我们被一辆停留在红绿灯前迟迟不肯启动的汽车拦住去路时，按下喇叭鸣笛这个动作里，其实也难免掺杂着一点情绪表达的味道。但这种表达方式可要适度——去年下半年至今，针对违规鸣笛行为的智能鸣笛抓拍系统陆续在北京、兰州、海口、合肥等多地上线，尽管具体的实现方式略有差异，但它们都已取得不错的城市“降噪”效果。
最早部署“城市道路违法鸣笛抓拍系统”的北京，去年7月便开始在协和医院西门进行试点。从试点和后续情况来看，这套整合了声阵列采集、高清摄像捕捉、数据采集和声源自动识别的违法鸣笛抓拍系统反应灵敏，不仅能在嘈杂环境中准确提取喇叭声，分析完成将抓拍结果公布在路口的LED屏幕上的处理时间也极短——车辆从违规鸣笛到被抓拍“上榜”几乎同时发生。
几乎与北京同时开始测试的兰州，所部署的违法鸣笛抓拍系统在试运行期间也取得了不错的效果，在测试调试的5个多月时间里，通过这个系统累计抓拍到的违法鸣笛记录超过1.5万条，除了现场声音，抓拍到的数据还包括现场图像和现场抓拍视频，三者共同构成一份完整的“声音云图”，方便交警部门向有异议的车主出具。
今年8月新近加入智能违法鸣笛抓拍行列的合肥，首套设备部署完成当天便抓拍到违法鸣笛行为400余起，次日部署路段违法鸣笛行为减少八成；截至本月月初，合肥市交警部门已经在市内布点了20多个类似的禁鸣抓拍系统，部署点位最多的庐阳区共抓拍违法鸣笛3.5万余起。据合肥市交警廬阳大队介绍，随着处罚措施的落实和宣传报道的跟进，8月以后庐阳市内违法鸣笛行为呈阶梯下降趋势，重点区域的“降噪”效果明显。
和传统的交通执法方式相比，智能鸣笛抓拍系统能够在违法鸣笛行为的取证、抓拍和后续跟踪等环节发挥巨大的作用并显著提升交通执法人员工作效率。那这些在全国各地交通监管中应用得越来越普遍的鸣笛抓拍系统，具体如何实现智能“消音”效果的呢？
智能鸣笛抓拍系统如何“寻声捕影”
记者了解到，就国内各地部署的智能鸣笛抓拍系统而言，清听声学、海康威视、科大讯飞是主要的解决方案提供商。
以目前广泛部署于安徽省合肥市市内的智能鸣笛抓拍系统为例，根据技术供应方科大讯飞方面的介绍，这个系统的主要优势体现在四个方面。
首先是声源与车辆的准确识别和对应。
鸣笛抓拍系统采用麦克风阵列技术对汽车鸣笛问题进行量身定制，具体包含声信号采集、鸣笛声检测和鸣笛车辆定位三部分。其中，声信号采集使用多个麦克风同步采集（对所有麦克风阵列的声音信号+摄像头获得的视频图像信号进行全面采集）并对信号进行存储；鸣笛声检测采用阵列信号处理和深度学习技术，能有效区分鸣笛声和环境噪声；鸣笛车辆定位则采用多波束形成结合技术，基于鸣笛声的特点对信号进行挑选，再基于挑选的信号进行定位，可实时、精准定位声源的方向，将定位的声源信息标注到实时采集的图片和视频上进行智能采集分析，形成可视化结果。
其次，这个系统能够有效过滤鸣笛与交通噪声。
在现实环境中，由于道路交通情况复杂，势必会存在一些与汽车鸣笛声相近的背景噪声，造成“虚警”现象。为了更准确地区分鸣笛与交通噪声，科大讯飞在这个系统中使用了深度学习，借助CNN卷积神经网络来提取区分性信息，并进一步对鸣笛声与噪声进行“剥离”。基于这个深度神经网络进行干扰声滤除，智能鸣笛抓拍系统在实际运行过程中的无关噪声滤出率超过95%，系统虚警率也得以大幅度降低。
再次，这个系统还能锁定多个对象。
早晚高峰，道路上的鸣笛车辆往往也不止一台，但即便是那些人耳听上去同时发出的鸣笛声，智能鸣笛抓拍系统也能以50毫秒的分辨率进行捕捉，换句话说，即便是两个鸣笛时间相差50毫秒的声源，这个系统也能精准区分。这样一来就解决了同时鸣笛车辆的抓拍问题。
当然，科大讯飞也指出，在这个多个声源对象解决方案中，还有具体的优化策略，比如针对鸣笛定位这种特殊场景和优化设计过的阵列构型、通过对同时鸣笛车辆的鸣笛声进行频率信号分解定位等等。这个系统可以解决绝大部分多车同时鸣笛问题，同时也是国内唯一可以锁定多个同时鸣笛车辆的系统。
最后，借助这个系统生成的执法依据和传统手段相比更加可靠。
以往在违法鸣笛抓拍的实际执行过程中，交警工作人员往往都会碰上取证难、执法难的问题，智能鸣笛抓拍系统则运用高清摄像头对监控路段进行实时抓拍并将机动车违法行为过程进行视频摘录，配合违法图片及车牌照OCR识别，最终生成符合GAT832-2014《道路交通安全违法行为图像取证技术规范》要求的处罚依据图片和抓拍音视频。这些数据推送到交通管理部门数据中心后，系统可进一步识别出鸣笛车辆的车牌并实时推送到电子显示大屏和执法交警的手机上，为鸣笛抓拍取证提供有力证据。
值得一提的是，通过与现有的交警违章违法监测系统联网，智能抓拍系统通过捕捉到的“声纹”识别车牌的过程不超过一秒。同时，由于系统抓拍违法鸣笛时也会永久保存相关的音视频数据，若涉事车主提出异议，这个系统还可以通过数据比对进行复议，在复议时对复议车辆录制几秒钟鸣喇叭声音数据，使用鉴定算法对比两次音频数据的基频频率、谐波相对强度等参数，结合鉴定算法和人工比对，确保处罚结果公平、公正。
相关链接
鸣笛抓拍系统中的麦克风阵列
对智能鸣笛抓拍系统而言，用于采集原始音频数据的麦克风阵列（Microphone Array）其实是最为基础也最为关键的部件。
麦克风阵列即声学相机，也叫声相仪。顾名思义，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级分布，以彩色等高线图的方式实现声音可视化，通过照片或视频的方式显示被测物的声音分布。
按照指定要求排列而成的麦克风阵列在具体算法的加成（排列+算法）下可以解决很多实际问题，如声源定位、去混响、语音增强、盲源分离等等。而在智能化产品井喷的当下，语音交互仍是智能人机交互的主流入口，麦克风阵列技术也借此飞入寻常百姓家，在智能音箱、智能机器人、智能穿戴等常见智能设备中都有应用。
违法鸣笛就“上榜”，这个系统覆盖多地
除了警示行人，当我们被一辆停留在红绿灯前迟迟不肯启动的汽车拦住去路时，按下喇叭鸣笛这个动作里，其实也难免掺杂着一点情绪表达的味道。但这种表达方式可要适度——去年下半年至今，针对违规鸣笛行为的智能鸣笛抓拍系统陆续在北京、兰州、海口、合肥等多地上线，尽管具体的实现方式略有差异，但它们都已取得不错的城市“降噪”效果。
最早部署“城市道路违法鸣笛抓拍系统”的北京，去年7月便开始在协和医院西门进行试点。从试点和后续情况来看，这套整合了声阵列采集、高清摄像捕捉、数据采集和声源自动识别的违法鸣笛抓拍系统反应灵敏，不仅能在嘈杂环境中准确提取喇叭声，分析完成将抓拍结果公布在路口的LED屏幕上的处理时间也极短——车辆从违规鸣笛到被抓拍“上榜”几乎同时发生。
几乎与北京同时开始测试的兰州，所部署的违法鸣笛抓拍系统在试运行期间也取得了不错的效果，在测试调试的5个多月时间里，通过这个系统累计抓拍到的违法鸣笛记录超过1.5万条，除了现场声音，抓拍到的数据还包括现场图像和现场抓拍视频，三者共同构成一份完整的“声音云图”，方便交警部门向有异议的车主出具。
今年8月新近加入智能违法鸣笛抓拍行列的合肥，首套设备部署完成当天便抓拍到违法鸣笛行为400余起，次日部署路段违法鸣笛行为减少八成；截至本月月初，合肥市交警部门已经在市内布点了20多个类似的禁鸣抓拍系统，部署点位最多的庐阳区共抓拍违法鸣笛3.5万余起。据合肥市交警廬阳大队介绍，随着处罚措施的落实和宣传报道的跟进，8月以后庐阳市内违法鸣笛行为呈阶梯下降趋势，重点区域的“降噪”效果明显。
和传统的交通执法方式相比，智能鸣笛抓拍系统能够在违法鸣笛行为的取证、抓拍和后续跟踪等环节发挥巨大的作用并显著提升交通执法人员工作效率。那这些在全国各地交通监管中应用得越来越普遍的鸣笛抓拍系统，具体如何实现智能“消音”效果的呢？
智能鸣笛抓拍系统如何“寻声捕影”
记者了解到，就国内各地部署的智能鸣笛抓拍系统而言，清听声学、海康威视、科大讯飞是主要的解决方案提供商。
以目前广泛部署于安徽省合肥市市内的智能鸣笛抓拍系统为例，根据技术供应方科大讯飞方面的介绍，这个系统的主要优势体现在四个方面。
首先是声源与车辆的准确识别和对应。
鸣笛抓拍系统采用麦克风阵列技术对汽车鸣笛问题进行量身定制，具体包含声信号采集、鸣笛声检测和鸣笛车辆定位三部分。其中，声信号采集使用多个麦克风同步采集（对所有麦克风阵列的声音信号+摄像头获得的视频图像信号进行全面采集）并对信号进行存储；鸣笛声检测采用阵列信号处理和深度学习技术，能有效区分鸣笛声和环境噪声；鸣笛车辆定位则采用多波束形成结合技术，基于鸣笛声的特点对信号进行挑选，再基于挑选的信号进行定位，可实时、精准定位声源的方向，将定位的声源信息标注到实时采集的图片和视频上进行智能采集分析，形成可视化结果。
其次，这个系统能够有效过滤鸣笛与交通噪声。
在现实环境中，由于道路交通情况复杂，势必会存在一些与汽车鸣笛声相近的背景噪声，造成“虚警”现象。为了更准确地区分鸣笛与交通噪声，科大讯飞在这个系统中使用了深度学习，借助CNN卷积神经网络来提取区分性信息，并进一步对鸣笛声与噪声进行“剥离”。基于这个深度神经网络进行干扰声滤除，智能鸣笛抓拍系统在实际运行过程中的无关噪声滤出率超过95%，系统虚警率也得以大幅度降低。
再次，这个系统还能锁定多个对象。
早晚高峰，道路上的鸣笛车辆往往也不止一台，但即便是那些人耳听上去同时发出的鸣笛声，智能鸣笛抓拍系统也能以50毫秒的分辨率进行捕捉，换句话说，即便是两个鸣笛时间相差50毫秒的声源，这个系统也能精准区分。这样一来就解决了同时鸣笛车辆的抓拍问题。
当然，科大讯飞也指出，在这个多个声源对象解决方案中，还有具体的优化策略，比如针对鸣笛定位这种特殊场景和优化设计过的阵列构型、通过对同时鸣笛车辆的鸣笛声进行频率信号分解定位等等。这个系统可以解决绝大部分多车同时鸣笛问题，同时也是国内唯一可以锁定多个同时鸣笛车辆的系统。
最后，借助这个系统生成的执法依据和传统手段相比更加可靠。
以往在违法鸣笛抓拍的实际执行过程中，交警工作人员往往都会碰上取证难、执法难的问题，智能鸣笛抓拍系统则运用高清摄像头对监控路段进行实时抓拍并将机动车违法行为过程进行视频摘录，配合违法图片及车牌照OCR识别，最终生成符合GAT832-2014《道路交通安全违法行为图像取证技术规范》要求的处罚依据图片和抓拍音视频。这些数据推送到交通管理部门数据中心后，系统可进一步识别出鸣笛车辆的车牌并实时推送到电子显示大屏和执法交警的手机上，为鸣笛抓拍取证提供有力证据。
值得一提的是，通过与现有的交警违章违法监测系统联网，智能抓拍系统通过捕捉到的“声纹”识别车牌的过程不超过一秒。同时，由于系统抓拍违法鸣笛时也会永久保存相关的音视频数据，若涉事车主提出异议，这个系统还可以通过数据比对进行复议，在复议时对复议车辆录制几秒钟鸣喇叭声音数据，使用鉴定算法对比两次音频数据的基频频率、谐波相对强度等参数，结合鉴定算法和人工比对，确保处罚结果公平、公正。
相关链接
鸣笛抓拍系统中的麦克风阵列
对智能鸣笛抓拍系统而言，用于采集原始音频数据的麦克风阵列（Microphone Array）其实是最为基础也最为关键的部件。
麦克风阵列即声学相机，也叫声相仪。顾名思义，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级分布，以彩色等高线图的方式实现声音可视化，通过照片或视频的方式显示被测物的声音分布。
按照指定要求排列而成的麦克风阵列在具体算法的加成（排列+算法）下可以解决很多实际问题，如声源定位、去混响、语音增强、盲源分离等等。而在智能化产品井喷的当下，语音交互仍是智能人机交互的主流入口，麦克风阵列技术也借此飞入寻常百姓家，在智能音箱、智能机器人、智能穿戴等常见智能设备中都有应用。