基于音频数据的深度卷积神经网络道路事件监测
声音
2022-03-14 v1 人工智能
音频与语音处理
摘要
碰撞事件的识别与预测在理解交通系统安全状况方面起着至关重要的作用。虽然现有系统使用与碰撞数据相关的交通参数来分类和训练这些模型，我们提出了一种也可准确识别碰撞事件的新颖传感单元的使用：麦克风。可以收集和分析音频事件以对诸如碰撞的事件进行分类。在本文中，我们展示了使用深度卷积神经网络（CNN）进行道路事件分类。重要的音频参数如梅尔频率倒谱系数（MFCC）、对数梅尔滤波器组能量谱和傅里叶频谱被用作特征集。此外，通过使用时间和音高偏移等音频增强技术，用更多样本数据扩充了数据集。结合特征提取，该数据增强可达到合理的准确率。碰撞、轮胎打滑、喇叭和警笛声等四类事件可被准确识别，从而指示道路危险，这对交通操作员或医护人员有用。所提出的方法可达到高达 94% 的准确率。此类音频系统可作为物联网（IoT）平台的一部分实现，以补充未完全覆盖的基于视频的传感器。
引用
@article{arxiv.2203.06059,
title = {Deep Convolutional Neural Network for Roadway Incident Surveillance Using Audio Data},
author = {Zubayer Islam and Mohamed Abdel-Aty},
journal= {arXiv preprint arXiv:2203.06059},
year = {2022}
}