基于嵌入式硬件的实时应急车喇叭检测：高效 CNN 实验
声音
2025-07-03 v1 人工智能
音频与语音处理
摘要
我们提出了一个为实时部署在嵌入式硬件上设计的应急车 (EV) 喇叭检测系统。该方法基于 E2PANNs，这是一种从 EPANNs 微调的卷积神经网络，针对城市声学环境下的二分类声事件检测进行优化。一个关键贡献是创建了精选且语义结构化的数据集——AudioSet-EV、AudioSet-EV Augmented 和 Unified-EV——通过自定义的 AudioSet-Tools 框架开发，克服了标准 AudioSet 标注可靠性低的问题。该系统部署在配备高保真 DAC+麦克风板的树莓派 5 上，实现多线程推理引擎，采用自适应帧大小、概率平滑和决策状态机控制误报激活。远程 WebSocket 接口提供实时监控并支持现场演示。结果在多种配置下使用帧级和事件指标进行评估，显示系统在实际音频条件下的低延迟检测和 improved robust性。本工作证明了在低成本边缘设备上部署 IoS 兼容的声事件检测解决方案的可行性，通过 WebSocket 连接构建分布式声学监测网络，实现通过智能城市基础设施的协作性应急车跟踪。
引用
@article{arxiv.2507.01563,
title = {Real-Time Emergency Vehicle Siren Detection with Efficient CNNs on Embedded Hardware},
author = {Marco Giordano and Stefano Giacomelli and Claudia Rinaldi and Fabio Graziosi},
journal= {arXiv preprint arXiv:2507.01563},
year = {2025}
}
备注
10 pages, 10 figures, submitted to https://internetofsounds2025.ieee-is2.org/. arXiv admin note: text overlap with arXiv:2506.23437