一种基于地铁监控系统的电子设备外放监测装置及监测方法与流程

1.本发明涉及城市轨道交通领域，特别涉及一种基于地铁监控系统的电子设备外放监测装置及监测方法。


背景技术：

2.轨道交通已成为越来越多市民日常通勤的重要选择。从2020年12月1 日起，新修订的《上海市轨道交通乘客守则》正式实施，其中新增了针对手机、平板、智能手表等电子设备声音外放的禁止条款。现有的监管方案通常是依靠地铁工作人员人工上车巡视，但是尤其对于列车人流大，人员密度高的场合监管上面临着很多困难，巡检人员管理监控乘客电子设备外放的行为难以得到落实。
3.众所周知，公共场所禁止大声喧哗，如果情节严重，扰乱公共秩序，妨害公共安全，侵犯他人权利，将受到治安管理处罚。可以说，手机外放已成一种新的喧哗方式。目前，已至少有北京、上海、天津、兰州、贵阳、昆明、武汉等地出台了相关规定，并以“轨道交通乘客守则”的形式对地铁上禁止外放声音予以明文规定；同时，也有城市正在修编，计划将约束“电子设备外放声音”不文明行为列在其中。本发明将噪音识别技术结合地铁多监控系统的优势，为维护轨道交通乘坐秩序，保障轨道交通运营安全，保护乘客和轨道交通经营单位的合法权益，监管地铁电子设备外放提供了新的解决途径。


技术实现要素：

4.为了克服现有技术中的不足，本发明提供一种基于地铁监控系统的电子设备外放监测装置及监测方法，解决了在客流密集的车厢不便于值班员日常巡查电子设备外放的现状。
5.为了达到上述发明目的，解决其技术问题所采用的技术方案如下：
6.本发明公开了一种基于地铁监控系统的电子设备外放监测装置，包括声源采集预处理系统、人声非人声识别系统、声源识别系统及识别结果处理系统，其中：
7.所述声源采集预处理系统，用于实时采集包括人声、非人声的地铁车厢多源声音复杂信号并进行预处理；
8.所述人声非人声识别系统，用于通过人声声学模型结合语言模型进行识别解码对声源中的多源复杂信号进行分别，指定类型的非人声信号则转变成自定义的输出，人声信号识别触发下一级声源识别系统；
9.所述声源识别系统，用于判别排除列车报站广播、occ播音音频并通过将声音信号转换成声谱图进行声谱图根据相似性准则进行声谱图显著性检测，利用图像处理技术提取相关的特征识别声音类型从而输出初步判定声频类型结果；
10.所述识别结果处理系统，用于接收所述声源识别系统初步判定识别结果并按不同结果联动地铁多监控系统进行指定操作。
11.进一步的，所述声源采集预处理系统包括麦克风阵列和声源采集预处理模块，其
中：
12.所述麦克风阵列，用于采集地铁车厢声音信号；
13.所述声源采集预处理模块，用于进行端点检测找到声频信号的起始点和结束点、通过预加重对声频的高频信号进行加重、分帧将声频处理为具有短时平稳性的信号并对分帧后各个短段信号的中心片段进行加窗强调操作。
14.优选的，所述声源采集预处理模块采用一帧帧长为256点，帧移为100。
15.进一步的，所述人声非人声识别系统包括人声非人声神经网络训练模块和人声非人声联合识别模块：
16.所述人声非人声神经网络训练模块，用于准备人声语料、非人声语料以提取神经网络训练的特征，并将关键人声特征和非关键噪声特征作为人声声学模型训练的所有输入，进行神经网络训练输出人声声学模型；
17.所述人声非人声联合识别模块，用于通过人声声学模型对未知标注的声源输入进行发音概率的预测统计并输出统计结果，结合语言模型进行识别解码得到识别结果；人声声学模型结合语言模型进行识别解码得到识别内容，同时以多帧结果的平均概率和累计概率作为判断依据。
18.进一步的，所述声源识别系统包括声频数据转换模块、声频特征训练模块和声源识别处理模块，其中：
19.所述声频数据转换模块，用于将声音信号转换成声谱图；
20.所述声频特征训练模块，用于建立声频特征库进而通过特征训练提取声频特征，建立特征参数模型并保存相应的参数；
21.所述声源识别处理模块，用于：
22.将经过声谱图比对后的声源识别结果发送到所述识别结果处理系统；
23.接收所述声频特征训练模块发送的声源初步判定结果，并将指定类型的声频信号转变成自定义的输出，若检测待诊断的声频与地铁车厢声频特征库不一致，则联动地铁监控系统转由人工视频监控确认目标声源类型。
24.进一步的，所述声频特征库包含列车报站广播信号和occ播音信号。
25.本发明另外公开了一种基于地铁监控系统的电子设备外放监测方法，利用上述基于地铁监控系统的电子设备外放监测装置进行监测，包括以下步骤：
26.步骤1：采集地铁车厢的噪音声频信号，对实时采集的包括人声、非人声的地铁车厢多源声音复杂信号进行预处理；
27.步骤2：对声源中的多源复杂信号进行人声非人声分别，指定类型的非人声信号则转变成自定义的输出，人声信号识别触发下一级声源识别系统；
28.步骤3：建立包含列车报站广播信号、occ播音信号的声频特征库，通过将声音信号转换成声谱图，利用图像处理技术提取相关特征，根据一定的相似性准则进行声谱图显著性检测，判别排除列车报站广播、occ播音音频，输出初步判定的声频类型结果；
29.步骤4：若检测待诊断的声频与地铁车厢声频特征库不一致，则联动地铁监控系统转由人工视频监控确认目标声源类型；测定人员经视频监控对照，确认目标声源为乘客电子设备外放引起时，则联动pa对指定车厢播报预录的禁止电子设备外放的警示语或通过数字集群对讲机联络车站值班员对车厢乘客进行劝导。
30.进一步的，步骤4中，具体包括以下步骤：
31.步骤41：声源识别结果处理系统将“电子设备外放”状态通过网络发送给tcms；
32.步骤42：tcms通过网络，将状态发给pis；
33.步骤43：pis联动车厢内摄像机，监控对应“电子设备外放”探头周围，测定人员观测进一步确认乘客电子设备外放行为；
34.步骤44：pis将对应摄像画面信息发送到地面cctv，由地面cctv调用；
35.步骤45：地面cctv联动pa对指定车厢播报预录的禁止电子设备外放的警示语或通过数字集群对讲机联络车站值班员对车厢乘客进行劝导。
36.本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：
37.当下地铁电子设备外放的管制仍主要依靠车站值班员上车巡视监督，本发明的一种基于地铁监控系统的电子设备外放监测装置，通过对地铁车厢噪声声频的采集、特征提取、比对和识别，结合地铁多监控系统，实现了对地铁电子设备外放区域的快速定位，对产生电子设备外放行为乘客的有效监管。改善了目前单一的依靠人工检查巡视，在一定程度上加强了车厢噪音管控措施，解决了在客流密集的车厢不便于值班员日常巡查电子设备外放的现状，加强了乘客电子设备外放的管控措施，自动化程度较高，便于快速定位电子设备外放目标乘客并进行高效监管和劝阻，提高了地铁值班员的工作效率，降低了乘客对于电子噪声的敏感度，使乘客体验到良好的乘车环境。
附图说明
38.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
39.图1是本发明一种基于地铁监控系统的电子设备外放监测装置的结构示意框图；
40.图2是本发明一种基于地铁监控系统的电子设备外放监测方法的流程示意图；
41.图3是本发明一种基于地铁监控系统的电子设备外放监测装置联动地铁监控系统的执行步骤流程图；
42.图4是本发明一种基于地铁监控系统的电子设备外放监测装置的位置示意图；
43.【图4符号说明】数字1-8表示车门；
①
和
②
表示车厢内电子设备外放监测装置；
44.图5是本发明一种基于地铁监控系统的电子设备外放监测装置中摄像机位置示意图；
45.【图5符号说明】数字1-8表示车门；
①②③④
表示客室全景摄像机 cam1-4；
⑤
表示客室半球摄像机cam5；
⑥
表示司机室全景摄像机cam6；
⑦
表示前视摄像机fcam；
⑧
表示司机室半球摄像机cams。
具体实施方式
46.以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明
中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
47.实施例一
48.如图1所示，本发明公开了一种基于地铁监控系统的电子设备外放监测装置，包括声源采集预处理系统、人声非人声识别系统、声源识别系统及识别结果处理系统，其中：
49.所述声源采集预处理系统，用于实时采集包括人声、非人声的地铁车厢多源声音复杂信号并进行预处理；
50.所述人声非人声识别系统，用于通过人声声学模型结合语言模型进行识别解码对声源中的多源复杂信号进行分别，指定类型的非人声信号(如地铁蜂鸣器声信号)则转变成自定义的输出，人声信号识别触发下一级声源识别系统；
51.所述声源识别系统，用于判别排除列车报站广播、occ播音音频并通过将声音信号转换成声谱图进行声谱图根据相似性准则进行声谱图显著性检测，利用图像处理技术提取相关的特征识别声音类型从而输出初步判定声频类型结果；
52.所述识别结果处理系统，用于接收所述声源识别系统初步判定识别结果并按不同结果联动地铁多监控系统进行指定操作。
53.进一步的，所述声源采集预处理系统包括麦克风阵列和声源采集预处理模块，其中：
54.所述麦克风阵列，用于采集地铁车厢声音信号；
55.所述声源采集预处理模块，用于进行端点检测找到声频信号的起始点和结束点、通过预加重对声频的高频信号进行加重、分帧将声频处理为具有短时平稳性的信号并对分帧后各个短段信号的中心片段进行加窗强调操作。为了进行短时分析，必须对信号进行分帧处理，本实施例中，所述声源采集预处理模块采用一帧帧长为256点，帧移为100。
56.优选地，所述声源采集预处理模块可以实现实时控制系统功耗，当长时间没有声音信息时，该模块将控制系统进入休眠状态以减少功耗。
57.进一步的，所述人声非人声识别系统包括人声非人声神经网络训练模块和人声非人声联合识别模块：
58.所述人声非人声神经网络训练模块，用于准备人声语料、非人声语料以提取神经网络训练的特征，并将关键人声特征和非关键噪声特征作为人声声学模型训练的所有输入，进行神经网络训练输出人声声学模型；
59.所述人声非人声联合识别模块，用于通过人声声学模型对未知标注的声源输入进行发音概率的预测统计并输出统计结果，结合语言模型进行识别解码得到识别结果；人声声学模型结合语言模型进行识别解码得到识别内容，同时以多帧结果的平均概率和累计概率作为判断依据。
60.为减少目标非人声的声音信号在人声声学模型识别过程中误识别为人声的情况，将部分非人声特征作为噪声训练；随机选择非人声特征中不包含明显人声的语料作为人声的噪声。
61.进一步的，所述声源识别系统包括声频数据转换模块、声频特征训练模块和声源识别处理模块，其中：
62.所述声频数据转换模块，用于将声音信号转换成声谱图；
63.所述声频特征训练模块，用于建立声频特征库进而通过特征训练提取声频特征，建立特征参数模型并保存相应的参数；
64.所述声源识别处理模块，用于：
65.将经过声谱图比对后的声源识别结果发送到所述识别结果处理系统；
66.接收所述声频特征训练模块发送的声源初步判定结果，并将指定类型的声频信号(如列车报站广播信号、occ播音信号)转变成自定义的输出，若检测待诊断的声频与地铁车厢声频特征库不一致，则联动地铁监控系统转由人工视频监控确认目标声源类型。
67.进一步的，所述声频特征库包含列车报站广播信号和occ播音信号。具体的，所述声频特征库包含列车报站广播信号、occ播音信号各1000条，每类声频信号随机选择800条作为训练数据，200条作为验证数据，提取特征序列输入模型。信号持续时间为0.5秒，采样率为44.1khz。
68.实施例二
69.如图2所示，本发明另外公开了一种基于地铁监控系统的电子设备外放监测方法，利用上述基于地铁监控系统的电子设备外放监测装置进行监测，包括以下步骤：
70.步骤1：采集地铁车厢的噪音声频信号，对实时采集的包括人声、非人声的地铁车厢多源声音复杂信号进行预处理；
71.步骤2：对声源中的多源复杂信号进行人声非人声分别，指定类型的非人声信号(如地铁蜂鸣器声信号)则转变成自定义的输出，人声信号识别触发下一级声源识别系统；
72.步骤3：建立包含列车报站广播信号、occ(地铁运营控制中心)播音信号的声频特征库，通过将声音信号转换成声谱图，利用图像处理技术提取相关特征，根据一定的相似性准则进行声谱图显著性检测，判别排除列车报站广播、occ播音等音频，输出初步判定的声频类型结果；
73.步骤4：若检测待诊断的声频与地铁车厢声频特征库不一致，则联动地铁监控系统转由人工视频监控确认目标声源类型；测定人员经视频监控对照，确认目标声源为乘客电子设备外放引起时，则联动pa(publicaddress，公共广播)对指定车厢播报预录的禁止电子设备外放的警示语或通过数字集群对讲机联络车站值班员对车厢乘客进行劝导。
74.进一步的，如图3，步骤4中，具体包括以下步骤：
75.步骤41：声源识别结果处理系统将“电子设备外放”状态通过网络发送给tcms(traincontrolandmanagementsystem，列车控制和管理系统)；
76.步骤42：tcms通过网络，将状态发给pis(passengerinformationsystem，乘客信息系统)；
77.步骤43：pis联动车厢内摄像机，监控对应“电子设备外放”探头周围，测定人员观测进一步确认乘客电子设备外放行为；
78.步骤44：pis将对应摄像画面信息发送到地面cctv(closed-circuittelevision，闭路电视监控系统)，由地面cctv调用；
79.步骤45：地面cctv联动pa(publicaddress，公共广播)对指定车厢播报预录的禁止电子设备外放的警示语或通过数字集群对讲机联络车站值班员对车厢乘客进行劝导。
80.本实施例中，“电子设备外放”状态联动地铁综合监控系统说明如图4和5以及表1所示。
[0081][0082]
表1
[0083]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。