基于多分類器融合決策的車輛鳴笛聲識別方法

田 野，張曉燦，湯躍忠

（中國電子科技集團公司第三研究所，北京 100015）

0 引言

隨著我國城市化和現代化的快速發展，城市環境中的交通噪聲污染和交通擁堵問題日益凸顯，急需有效的治理手段。交通噪聲雖然看不見摸不著，但對人們的身體健康、生活質量的負面影響是真實存在的［1］。不當場所、不當時間下的汽車亂鳴笛聲是常見的交通噪聲，嚴重影響著居民的生活和工作?！兜缆方煌ò踩▽嵤l例》規定，駕駛機動車不得在禁止鳴喇叭的區域或者路段鳴喇叭。而交通擁堵問題不僅給市民出行帶來困擾，而且嚴重影響了緊急車輛（救火車、救護車等）的快速出行，延誤緊急事件的最佳處置時機。針對上述問題，本文重點研究面向汽車鳴笛聲、緊急車輛鳴笛聲的音頻檢測識別技術，為鳴笛抓拍系統提供抓拍依據，為智能交通疏導系統提供緊急避讓疏導依據，從而緩解交通噪聲與擁堵問題。

針對車輛鳴笛聲識別任務，大多數處理方法主要包括特征提取與分類器構建兩大環節。文獻［2］提出一種基于能頻積的鳴笛聲與非鳴笛聲的區分方法，文獻［3］提出一種基于子帶譜熵法特征和改進支持向量機（Support Vector Machine，SVM）分類器的汽車鳴笛識別方法，文獻［4］提出一種基于信號分解、梅爾頻率倒譜系數（Mel Frequency Cepstrum Coefficient，MFCC）與線性預測倒譜系數融合特征與BP 神經網絡分類器的汽車鳴笛聲識別方法。這些方法從單一特征到多特征融合，從淺層分類器到深度分類器，整體上向更寬、更深的集成融合方向發展。

由于不同特征、不同分類器間具有一定的互補性，采用多特征融合與多分類器融合，對于提升鳴笛聲識別效果是一種可行的思路。但從車輛鳴笛聲檢測應用的實時性要求方面考慮，采用多特征融合需要對實時音頻提取高維特征，往往比較耗費時間，且特征維度過高對分類器也是一種負擔，而多分類器融合在模型訓練時比較耗時、在決策時并不需要耗費很多時間。因此，本文提出一種基于多分類器融合決策的車輛鳴笛聲識別方法，提取道路噪聲、汽車鳴笛聲、緊急車輛鳴笛聲音頻的時域能量、過零率及頻域梅爾頻率倒譜系數作為特征，采用支持向量機、樸素貝葉斯網絡、隨機森林這三種在分類識別領域應用廣泛且各具特色的方法作為基礎分類器，通過融合三種分類器的識別結果，并綜合考慮時序關聯關系，提升不同車輛鳴笛聲檢測識別的準確率。

1 技術實現方式

1.1 鳴笛聲特征提取

為了從時域、頻域角度獲取不同車輛鳴笛聲間的可區分性信息，又兼顧特征提取的實時性，本文提取時域能量［5］、過零率［5］以及在聲音信號處理中應用最廣的MFCC 特征［6］作為后續分類器的輸入。本文中的音頻特征提取流程如下。

（1）對音頻進行分幀、加窗。本文中幀長設置為20 ms，幀移為10 ms，即以50%的重疊度分幀，并采用Hamming 窗避免幀信號前后端信號不連續的問題。

（2）提取幀特征。對每幀信號提取時域能量、過零率及MFCC 共14 維的特征。

（3）提取段特征。為了緩解幀特征的短時波動，本文對提取的幀特征分段、取均值得到段特征，作為最終的特征向量。本文中，段長設置為25，段移為10。

1.2 分類器構建

1.2.1 支持向量機

支持向量機SVM 是一種應用非常廣泛的分類方法，通過在特征空間中找到最優超平面，將不同類別的數據區分開?；诜蔷€性映射函數φ(x)，SVM 將在原始空間上線性不可分的輸入數據，投影到一個更高維度的特征空間，以尋求可分的線性判別函數：f(x)=ω·φ(x)+b。這里，非線性映射的核函數選擇是分類器構建的關鍵。在SVM 算法中，比較常用的核函數有多項式核、高斯徑向基核以及指數徑向基核等。本文考慮所涉及數據的特性，選用高斯徑向基核作為SVM 的核函數。關于SVM 算法更詳細的原理介紹可參考文獻［7］。

1.2.2 樸素貝葉斯網絡

貝葉斯網絡是一種概率圖模型，在分類預測等不確定性分析問題中有著重要應用。貝葉斯網絡由一個有向無環圖和一個條件概率表組成，前者用于描述屬性間的依賴關系，后者描述屬性間的聯合概率分布［8］。假設數據集的特征屬性集合為D，類別標簽集合C，di是特征屬性Di的取值，則數據樣本x={d1,d2,…,dk}屬于類別cj的概率可以表示為：

樸素貝葉斯是一種最基本的貝葉斯網絡分類器，優點是計算高效、泛化能力強。其假設屬性間相互獨立，則聯合概率可轉換為各屬性邊緣概率的乘積，即

1.2.3 隨機森林

隨機森林（Random Forest，RF）是一種典型的集成學習方法，采用Bagging 策略，基于若干個決策樹構成集成分類器。決策樹是組成隨機森林分類器的基礎單元，每棵決策樹包含一系列分叉節點，每次分叉時選擇最佳分類屬性，根據屬性值確定每個節點處的劃分結果。

隨機森林模型的構建過程為：

（1）采用Bootstrap 方法從訓練數據樣本中有放回的抽樣，作為單個決策樹的訓練樣本；

（2）基于隨機抽樣的訓練數據進行決策樹分類訓練；

（3）重復上述操作得到多個決策樹，形成決策森林；

（4）對測試數據，綜合多個決策樹的分類結果進行投票，得到最終的分類結果。

隨機森林模型的構建過程中，隨機為每個決策樹選擇訓練樣本，并在決策樹每個節點劃分時隨機選取特征屬性，有效避免了過擬合問題，提升了模型的泛化能力［9］。

1.3 時序關聯關系

在車輛鳴笛聲檢測任務中，由于道路噪聲干擾，瞬時識別結果往往不穩定。因此，本文考慮識別結果的前后關聯關系，設定在實時檢測過程中，后一時刻識別結果B與前一時刻識別結果A不同時，連續檢測后續8 個時刻的結果，若其中有5 個時刻的識別結果為B，則保留結果B，否則，將識別結果B改為前序結果A，從而減少誤報警率，保證識別穩定性。

1.4 融合決策機制

本文的融合決策體現在兩個方面。

（1）基于三個分類器的識別結果進行投票融合決策，少數服從多數，各執一詞時，以單獨分類時準確率最高的分類器的結果為主。

（2）在分類器融合的基礎上，考慮時序關聯關系進行二次融合決策，得到最終識別結果。

1.5 總體方案

本文所提方法的技術實現流程如圖1 所示，主要包括訓練和測試兩個過程。訓練過程基于從訓練數據集提取的特征集，訓練得到三種分類算法的模型；測試過程中，由待測音頻提取的特征作為三個分類器的輸入，得到三個識別結果，結合時序關聯關系融合決策得到最終的識別結果。

圖1 本文所提方法的技術實現流程圖

2 案例分析

在本文的案例分析中，道路噪聲音頻數據來自谷歌公開的Audioset 數據集，汽車鳴笛聲和緊急車輛鳴笛聲音頻數據來自UrbanSound8K 數據集。

對于三種聲音信號，統一采樣到16 kHz，提取14 維的幀特征與段特征，共得到2 500 組特征數據樣本，隨機抽取其中的1 500 組作為訓練樣本，剩余1 000 組作為測試樣本數據。

基于訓練樣本數據，訓練SVM、樸素貝葉斯網絡及隨機森林分類器?；跍y試樣本數據對各分類器的識別性能進行驗證，并采用兩種融合決策方法對識別結果進行二次處理，得到最終的識別結果。測試結果如表1 和圖2 所示。從表1 可以看到，三個分類器的測試分類準確率都在95%上下，隨機森林的準確率最高為95.37%，因此在融合決策中，遇到三者意見不同時以隨機森林分類器的識別結果為準。通過三個分類器的融合，綜合識別準確率提升到97.5%，說明三個分類器在決策中確實存在著互補性，可以實現整體識別性能的提升。再考慮前后時序關聯關系，最終的識別準確率可以提升到98.60%。從圖2 可以清晰地看到兩種融合過程中識別標簽的變化情況。

圖2 各個分類器及融合決策的結果標簽情況

表1 各個分類器及融合決策的識別結果明細

3 結語

本文針對復雜交通噪聲背景下對于汽車鳴笛與緊急車輛鳴笛聲的檢測識別任務，提出了一種基于多分類器融合決策的識別方法，利用支持向量機、樸素貝葉斯網絡、隨機森林三種分類器間的互補特性提高了識別的準確率，并通過考慮前后時序關聯關系，消除因環境干擾帶來的誤識別，進一步提升了識別的準確率和穩定性，減少因鳴笛誤報而給后續汽車鳴笛抓拍系統或緊急車輛調度系統帶來的負擔。