MVD：一种用于声学车辆类型分类的新方法与数据集
声音
2023-09-08 v1 机器学习
音频与语音处理
摘要
城市人口的增长导致车辆使用激增，使交通监测与管理不可或缺。声学交通监测(ATM)提供了一种高性价比且高效的替代方案，以替代如涉及计算机视觉技术那些计算开销更大的交通监测方法。本文中，我们提出MVD和MVDA：两个用于开发声学交通监测和车辆类型分类算法的开放数据集，包含行驶车辆的音频记录。该数据集包含四类——卡车、汽车、摩托车和无车辆类。此外，我们提出一种新颖高效的方法，利用基于倒谱和频谱的局部与全局音频特征以及多输入神经网络来准确分类这些声学信号。实验结果表明，我们的方法改进了以往工作的既定基线，在MVD和MVDA数据集上分别达到了91.98%和96.66%的准确率。最后，所提模型通过Android应用程序部署，以使其可测试并证明其有效性。
引用
@article{arxiv.2309.03544,
title = {MVD:A Novel Methodology and Dataset for Acoustic Vehicle Type Classification},
author = {Mohd Ashhad and Omar Ahmed and Sooraj K. Ambat and Zeeshan Ali Haq and Mansaf Alam},
journal= {arXiv preprint arXiv:2309.03544},
year = {2023}
}