本发明属于车辆监控技术领域，涉及针对禁鸣路段的违规鸣笛车辆的监控技术，尤其涉及一种电子交警系统。
背景技术：
随着道路交通网络的发展，有些路段被铺设在一些学校、医院等不宜鸣笛的地方，但是在这些路段会发生违规鸣笛的现象。针对此现象，设置禁止鸣笛的路标等被动措施是比较无力的，而直接禁止车辆通行在有些时候又会造成其他的问题。为了能够改善禁鸣路段的噪声环境而不得已采用的人工监管则会浪费大量人力物力。对于一般的常规的拍摄监控设备，只能拍摄车辆的画面，而记录的声音则模糊不清甚至无法记录声音，也不具备违规车辆的声音定位功能；而现有的电子交警系统，在处理汽车鸣笛监控问题时，采用传统的声源定位技术与车牌识别技术，此类系统仅是将两个子系统的简单组合，没有实现子系统之间信息的传递与共享；其次，现有电子交警系统中鸣笛声源定位系统都是采用传统的水声工程领域中被动声呐目标定位算法，并没有考虑汽车在道路上的运动特性，因为海洋中声源是在三维空间中进行不规则运动，而车辆在道路上指定区域内进行规则的运动，所以被动声呐目标定位算法在空间中会进行等概率的空域搜索，鸣笛声源定位精度不高。
有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种新型结构的电子交警系统，使其更具有产业上的利用价值。
技术实现要素：
为解决禁止鸣笛路段汽车违规鸣笛问题，以及无人驾驶技术中车辆行驶状态监控问题，本发明的目的是提供一种准确率高、能精确监控到鸣笛车辆的电子交警系统。
本发明的电子交警系统，包括
-基于麦克风阵列的鸣笛声采集单元，用于采集汽车鸣笛声信号，麦克风阵列采用均匀直线阵的形式；
-鸣笛声识别单元，与所述鸣笛声采集单元连接，用于筛选出鸣笛噪声；
-鸣笛声源定位单元，与所述鸣笛声识别单元，用于获取噪声源的方位角和俯仰角信息；
-鸣笛声源跟踪单元，与所述鸣笛声源定位单元连接，用于对鸣笛声源进行跟踪、获取鸣笛声源的位置信息；
-图像采集单元，与所述鸣笛声源跟踪单元连接，根据所述鸣笛声源跟踪单元传送的鸣笛声源的位置信息，确定监控范围，同时获得车牌图像；
-车牌识别单元，与所述图像采集单元，用于对车牌图像进行预处理，获取车牌上对应的字符信息；
-中央控制单元，与所述鸣笛声源跟踪单元和车牌识别单元连接，用于对信息进行存储和整理，并将车辆信息传输到交通管理单元。
进一步的，所述鸣笛声源定位单元与鸣笛声源跟踪单元之间还连接有位置度量单元，所述位置度量单元根据鸣笛声源的方位角和俯仰角信息，参照麦克风阵列的空间分布，在道路上构建三维的鸣笛声源位置度量网络，获取鸣笛声源位置坐标信息。
进一步的，所述鸣笛声识别单元为基于深度学习的鸣笛声识别单元，通过对多路段汽车鸣笛声数据进行学习，够建高性能的状态网络，在复杂的声学环境下筛选出鸣笛噪声。
进一步的，所述鸣笛声源定位单元采用空域稀疏的方法，首先对噪声信号进行子带分解和分帧处理，进行短时傅里叶变换，帧长为1024，帧移为50％，分解成48个子带；根据麦克风阵列与道路之间的空间相对位置，增加车道线中央区域的空域搜索权重，对每个子带的数据采用空域稀疏的方法计算方位角和俯仰角，多个子带的计算结果进行加权求和，获得噪声源的方位角和俯仰角信息。
进一步的，所述鸣笛声源跟踪单元采用维特比算法对鸣笛声源进行跟踪。
进一步的，所述车牌识别单元的预处理包括噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整；采用复杂场景下边缘、颜色、纹理等多特征融合算法进行车牌定位，确定一个精确的车牌区域；通过对车牌区域的灰度化、灰度拉伸、二值化、边缘化处理，精确定位到字符区域，然后根据字符尺寸特征进行字符分割；对分割后的字符进行特征提取，通过判别函数和分类规则，与字符识别数据库模板中的标准字符表达形式进行匹配判别，获得对应的字符信息。
借由上述方案，本发明至少具有以下优点：
1、本发明通过将鸣笛声源跟踪模块与车牌识别模块进行结合，能够高精度的捕捉到相应路段违章鸣笛车辆；
2、通过对汽车鸣笛声的研究，发现鸣笛声存在较强的时序相关特性，本发明在空域稀疏的基础上采用维特比算法实现对鸣笛声源的跟踪，由于稀疏类算法实现等概率空域搜索增加了跟踪处理的时间，考虑到鸣笛声源出现在车道线之间中央区域概率较高的现状，本发明增加了该区域的搜索权重，提高了声源跟踪的性能；
3、考虑到道路声学环境的复杂性，本发明通过深度学习的方法对鸣笛声进行识别，很好的解决了传统的基于信号处理的鸣笛声筛选准确率低的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明的电子交警系统的原理框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，本发明一较佳实施例所述的一种电子交警系统，包括依次连接的基于麦克风阵列的鸣笛声采集单元、鸣笛声识别单元、鸣笛声源定位单元、位置度量单元、鸣笛声源跟踪单元、图像采集单元、车牌识别单元，鸣笛声源跟踪单元和车牌识别单元与中央控制单元连接。
其中，基于麦克风阵列的鸣笛声采集单元，用于对汽车鸣笛声信号的采集，麦克风阵列采用均匀直线阵的形式。
基于深度学习的鸣笛声识别单元，通过对多路段汽车鸣笛声数据的学习，够建高性能的状态网络，从而在复杂的声学环境下高精度的筛选出鸣笛噪声。此单元的鸣笛声识别方法，是本发明独创的，相对于传统的信号处理滤波方法，本发明的特有方法使得鸣笛声识别准确率大幅提高。
鸣笛声源定位单元采用空域稀疏的方法，首先噪声信号进行子带分解和分帧处理，进行短时傅里叶变换，帧长为1024，帧移为50％，分解成48个子带。根据麦克风阵列与道路之间的空间相对位置，增加车道线中央区域的空域搜索权重，对每个子带的数据采用空域稀疏的方法计算方位角和俯仰角，多个子带的计算结果进行加权求和，获得噪声源的方位角和俯仰角信息。本发明特有的鸣笛声源定位方法适用于道路上高速行驶的车辆，相对于现有方法准确率大幅提高。
位置度量单元根据鸣笛声源的方位角和俯仰角信息，并且参照麦克风阵列的空间分布，在道路上构建三维的鸣笛声源位置度量网络，坐标原点位于麦克风阵列中心位置，平行于路面构建x-y坐标平面，路面铅直方向构建z轴，垂直于车道线为x轴，平行于车道线为y轴，采用右手坐标系，获得精确的鸣笛声源位置坐标信息。本发明独创的位置度量网络，以路面为参考平面，以麦克风阵列为坐标原点，高效的计算鸣笛声源位置信息，具有独创性。
鸣笛声源跟踪单元考虑到汽车鸣笛信号为连续的时序信号，并且根据车辆的行驶特性，短时内噪声源是在平行于车道线位置快速运动，汽车下一时刻运动状态与上一时刻状态运动状态近似是一件高概率事件，因此本发明独创性的采用维特比算法对鸣笛声源进行精确跟踪。
图像采集单元根据鸣笛声源跟踪单元传送的鸣笛声源的位置信息，确定监控范围，在减小存储压力的同时提高系统的计算性能。选择合适的ccd摄像机进行同步抓拍，获得车牌图像，每秒获取60帧的图像数据。本发明独创性的实现鸣笛声源跟踪单元与图像采集单元之间信息的传输，确定了图像采集单元监控范围。
车牌识别单元对车牌图像进行预处理，预处理主要包括噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整。采用复杂场景下边缘、颜色、纹理等多特征融合算法进行车牌定位，由此确定一个精确的车牌区域。通过对车牌区域的灰度化、灰度拉伸、二值化、边缘化处理，精确定位到字符区域，然后根据字符尺寸特征进行字符分割。对分割后的字符进行特征提取，通过判别函数和分类规则，与字符识别数据库模板中的标准字符表达形式进行匹配判别，获得对应的字符信息。
将鸣笛声源跟踪信息与车牌识别信息发送到中央控制单元，中央控制单元对信息进行存储和整理，然后将车辆信息传输到交通管理单元，为执法人员进行相应的违章处罚提供依据。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。