[实用新型]一种高速公路隧道安全监控系统

摘要

本实用新型公开了一种高速公路隧道安全监控系统，包括设置在隧道中的多个声音采集模块、与所述声音采集模块相连接的声音识别模块、设置在隧道进口上方的显示屏以及用于隧道监控信息处理与控制的隧道监控中心；所述显示屏用于显示隧道监控信息；所述声音采集模块用于连续采集隧道内的声音信号；所述声音识别模块用于识别所采集的声音信号中是否杂含碰撞声/人声并以此判断隧道内是否出现异常事件断隧道内是否出现异常事件。采用本实用新型的技术方案，通过将声音识别技术应用于隧道监控领域，并根据隧道场景的特殊应用要求采用深度神经网络实现隧道声音识别，从而进一步完善了隧道安全的全方位监控，并能及时预警隧道中的异常事件。

主权项

一种高速公路隧道安全监控系统，其特征在于，包括设置在隧道中的多个声音采集模块、与所述声音采集模块相连接的声音识别模块、设置在隧道进口上方的显示屏以及用于隧道监控信息处理与控制的隧道监控中心；所述显示屏用于显示隧道监控信息；所述声音采集模块用于连续采集隧道内的声音信号；所述声音识别模块用于识别所采集的声音信号中是否杂含碰撞声/人声并以此判断隧道内是否出现异常事件；如果判断为出现异常事件，所述隧道监控中心控制所述显示屏显示警报信息以提醒未驶入隧道车辆；所述声音识别模块包括特征第一特征提取模块、第一归一化模块、神经网络分类模块和神经网络训练模块，其中，所述第一特征提取模块用于接收原始采集声音数据，并对原始采集声音数据进行特征提取；所述第一归一化模块用于对特征提取后的数据进行高斯归一化处理，输出归一化数据；所述神经网络分类模块用于接收归一化数据及预先训练好的深度神经网络，并通过深度神经网络对所述归一化数据进行分类识别获得分类结果信息，所述分类结果信息为原始采集声音数据是否杂含碰撞声/人声的概率值，当该概率值超过预先设定的阈值时，则判定隧道内出现异常事件；所述神经网络训练模块用于接收训练数据并根据训练数据进行神经网络的训练，得到充分学习带噪样本和干净样本之间的非线性映射关系的深度神经网络，并输出所述深度神经网络至所述神经网络分类模块；所述神经网络训练模块包括第二特征提取模块、第二归一化模块、无监督学习预训练模块和监督学习优化模块，其中，所述无监督学习预训练模块用于发现输入数据中深层的抽象特征，采用受限制玻尔兹曼机（RBM）模型进行预训练并通过无监督学习的方式逐层渐进学习神经网络参数；所述监督学习优化模块采用反向传播（back‑propagation，BP）算法，利用标注数据对神经网络参数进行有监督的精细调整。