基于声信号处理的交通事故自动检测方法研究

交通事故伤害已成为对人类生命安全的严重威胁,建立一个快速、高效的应急救援系统,推动我国交通事故应急救援模式的转变,具有重大的现实意义。传统的交通事件检测的研究专注于宏观的道路交通流信息,对交通事故这种微观现象的检测重视不够,交通事故检测的实时性和准确度并不理想。 本文研究基于声信号处理的交通事故自动检测方法。该算法运行在车载DSP系统中,通过采集并分析处理车辆周围的声音,实时监测车辆的运行状态。检测出交通事故发生后,由DSP系统控制向后台的救护系统发出报警信号。 使用模式识别的方法对声信号进行分析处理,分为三个阶段:预处理、特征提取和实时分类。分类器的参数由离线训练得到。首先使用haar小波变换提取声信号的频域特征,采用单类支持向量机进行异常点检测以实现分类判别,该方法在克服线性判别局限性的同时保证了良好的泛化能力,与常用的线性判别分析方法相比准确率有了显着提高,而且计算复杂度低,易于实现。设计了基于DSP的交通事故自动检测系统。在DSP中融合使用了多种判别信息,保证了系统既能实时运行又具有较高的检测准确率。仿真平台和实际场景下的实验结果表明该算法的判别性能达到了实用化的程度。