您的当前位置:
北斗智库环保管家网讯：开学在即，广大学生们的假期余额已严重不足，纷纷为开学积极做起了准备。安徽合肥的交警蜀黍们近期开展了“百日行动”，搞起“大动作”——交警部门在长江中路试点安装鸣笛抓拍系统，长江中路日均现场查处违反禁鸣规定交通违法数起，降噪效果明显。
鸣笛抓拍系统究竟是如何达到智能“消音”“降噪”的效果呢？今天，咱们就来一起揭秘这款神器！
智能鸣笛抓拍系统上线运行（合肥九中）
鸣笛抓拍系统是一款运用人工智能技术研发的智能产品。针对噪音污染违法成本低，执法取证难这一现象，鸣笛抓拍系统可有效解决违法行为后续追踪问题，为取证提供有力依据，助力提升执法人员工作效率。鸣笛抓拍是如何进行智能化运作的？随小编一起来看看吧！
声源与车辆如何识别
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、鸣笛信号检测和鸣笛车辆定位三部分：
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：采用基于阵列信号处理和深度学习结合技术，能有效区分鸣笛声和环境噪声；
鸣笛车辆定位：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。
鸣笛声检测：采用基于阵列信号处理和深度学习结合技术，能有效区分鸣笛声和环境噪声；
鸣笛车辆定位：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。
鸣笛与交通噪声如何区分
真实的交通环境中，噪声类型非常多样化，可能会存在一些在某些特性上与汽车鸣笛声相近的噪声类型，会存在一定的虚警。
为了更准确的区分鸣笛与交通噪声，该系统引入了最新的深度学习技术，采用了卷积神经网络 （Convolutional Neural Network, CNN） 来实现鸣笛声与噪声的区分，CNN可以输入直接的音频数据，通过网络来提取区分信息，避免了由于特征设计不合理带来的性能损失。基于深度神经网络的干扰声滤除，神经网络非线性结构无关噪声滤出率超过95%，大幅度降低系统虚警率。
同时锁定多个同时鸣笛车辆
在交通高峰期，往往有多辆车同时鸣笛，产生较大的噪声，对人们造成身体危害。鸣笛抓拍系统可否识别多辆车同时鸣笛呢？
实际上，所有车辆不可能同一时刻鸣笛，但鸣笛抓拍系统抓拍的精确度是可以精确到50毫秒的分辨率（两个鸣笛声音相差50毫秒，也可精准区分），解决同时鸣笛的抓拍问题。具体而言，鸣笛抓拍系统采取这样几个策略：
首先，针对鸣笛定位这种特殊场景和优化设计过的阵列构型，对传统的超分辨率声源定位算法做了定制优化，提高了定位的分辨率；其次，不同车辆的鸣笛声在多数情况下是有明显差异的，例如同时鸣笛的车辆，其鸣笛声有明显的频率分布差异，则可以将信号分解为不同的子带，分别进行定位。目前该系统可以解决绝大部分多车同时鸣笛问题。
为交通部门提供可靠执法依据
在实际执行过程中，面对取证难、执法难的问题，鸣笛抓拍系统助力执法依据的可靠获取：
首先，系统运用高清摄像头对监控路段进行实时抓拍；其次，将机动车违法行为的过程进行视频摘录；再次，配合违法图片及车牌照OCR识别，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；最后，实时将违章过程的照片、音视频等证据推送到交通管理部门数据中心。系统可在1秒内识别出鸣笛车辆车牌，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。
被抓拍车辆提出异议怎么办
除了现场的鸣笛抓拍之外，该系统还有针对鸣笛声的鉴定算法，可以从多个维度对违章鸣笛音、采集的样本鸣笛音进行比对。
在被抓拍车辆提出异议时，鸣笛抓拍系统可通过数据比对进行复议。系统在抓拍鸣笛的同时会保存音视频数据（永久保存），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，除了给出综合比对结果外，系统还会给出一些音频信号的显式特征，例如基频频率，谐波相对强度等，这样可以结合鉴定算法和人工比对，确保处罚结果公平、公正。
路面监控示意图
至于最令人关心的系统识别率问题，该系统实测识别准确率可以达到90%以上，且经实测能够实现最高车速50Km/h下鸣笛车辆的车牌识别。这款智能消音神器，会为规范合肥道路通行秩序，改善鸣笛等噪声污染带来有效助力，也帮助广大市民朋友给即将上学的孩子们提供一个安静的学习环境。
