Human-inspired聲音環境識別系統

Human-inspired聲音環境識別系統

針對自動駕駛汽車，根據國際分類功能（ICF）提出了一個基于聲基方法來完善環境識別過程的神經元網絡環境識別系統，即Human-inspired聲音環境識別系統。根據環境分類，通過限制汽車最大速度來約束和輔助車輛導航。對于這一目標，提出了15種環境，分別是基于車輛周圍的人、這些人的距離、在場（或沒有）的汽車。為了實現分類而調試了3個神經網絡，通過從環境聲音樣品里提取頻率和時域特性來識別人和汽車的存在。研究表明,識別環境中車輛距離的平均準確率為91.2%；識別行人距離的平均準確率為89.6%；識別人車距離的平均準確率為85.3%。為了獲得這些結果，在佛羅里達大學的不同設施內做了試驗。

環境識別過程的目的是限制車輛用于保護乘員的輔助導航設備。在檢測到人數或者行車距離或者車對人有危險的情況下，車輛的最大速度可以自動降低。另外，在沒有檢測到人或車的情況下，車用控制系統使車輛可以達到最大允許速度（線速度和角速度）。

在未來，系統輸出將與視覺信息融合，以便提供一個完整的環境識別系統。此外,該系統將會在城市環境中進行測試。

刊名：Journal of Neural Engineering（英）

刊期：2015年第1期

作者：Vidal EG

編譯：趙前