Tematyka pracy porusza zagadnienia dotyczące pozyskiwania informacji o ruchu drogowym z wykorzystaniem monitoringu akustycznego. Przybliżono podstawowe techniki nadzoru nad ruchem drogowym. Przedstawiono założenia akustycznego detektora ruchu i zbadano jego skuteczność na trzech płaszczyznach działania – zliczania pojazdów, klasyfikacji rodzajowej i klasyfikacji warunków pogodowych panujących na nawierzchni.
EN
The subject of the work is related to the acquisition of traffic information using acoustic monitoring. Baseline techniques of road traffic supervision are presented. The assumptions of the acoustic motion detector are introduced, and its effectiveness is examined at three levels of operation - vehicle counting, generic classification, and classification of weather conditions on the surface.
W artykule przedstawiono skuteczny sposób klasyfikacji pojazdów oparty na teorii informacji połączonej, wykorzystujący sygnał akustyczny generowany przez pojazdy. Wiele akustycznych czynników może przyczyniać się do trafnego rozpoznania pojazdu. Poleganie na jednym zbiorze cech może pomijać istotne informacje. Dokładność klasyfikacji można poprawić dzięki technice informacji połączonej, gdzie różne aspekty akustycznego ‘podpisu’ pojazdu brane są pod uwagę. Wyodrębniono dwa zbiory cech sygnału: oparte na analizie częstotliwościowej (elementy harmoniczne) oraz oparte na wielowymiarowych zależnościach korelacyjnych. Na ich podstawie używając klasyfikatorów SVM oraz k-NN dokonywana jest identyfikacja danej klasy pojazdów. Do oceny skuteczności rozwiązania wykorzystano bazę sygnałów audio pojazdów różnych klas. Rezultaty pokazują poprawę skuteczności rozpoznania w stosunku do zastosowania tylko jednej grupy cech charakterystycznych pojazdu.
EN
In the article an information fusion approach for vehicles classification using acoustic signal was presented. Many acoustic features can contribute to a right diagnosis of the vehicle. Consisting only one set of features can omit the relevant information. It is possible to improve the accuracy of classification thanks to the technique of information fusion, where various aspects of acoustic 'fingerprint' are being taken into consideration. Two sets of features of the signal were distinguished: based on frequency analysis (harmonic elements) and based on multidimensional correlation relations. Using SVM and k-NN classifiers identification of the given class of vehicles is being made. A vehicle different classes audio signal database was used for the assessment of effectiveness of the proposed solution. Results are showing the improvement the effectiveness of recognizing towards applying only of one features set of the vehicle.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.