基于语音识别的出租车紧急呼救系统触发方法的研究

摘要

当今社会,与出租车相关的道路交通事故和抢劫事件频繁发生,这不仅受到了出租车司机的广泛关注,也受到了公安部门的高度重视。为了缩短救援时间,减少人员伤亡,及时抓捕犯罪分子,保障出租车司机的生命财产安全,本文提出了一种新的出租车紧急呼救系统,它能够在发生道路交通事故后或抢劫事件时自动呼叫救援中心请求救援,开启出租车的危险报警闪光灯,实时上传带危险标识的位置信息。
　　为了弥补现有触发方法的不足之处,本文提出了一种基于语音识别的触发方法,它通过语音识别技术判断当前场景是否为危险场景(呼救场景和抢劫场景),若当前场景为危险场景,则自动呼叫救援中心请求救援。救援中心接到求救电话后,首先监听出租车内的情况,调取出租车内的图像,在确定当前场景为危险场景后,派遣相应的救援机构前去救援。此触发方法不但不易被劫匪发觉,还能保障出租车司机的生命财产安全,具有重要的应用价值和社会意义。
　　在研究基于语音识别的触发方法时,本文做了如下工作:
　　(1)分析了呼救场景和抢劫场景的特点,设计了基于语音识别的触发方法的基本流程,当语音识别模块识别出一个关键词(如“救命”或“别杀我”等)时,先获取最近一段时间内的关键词序列,然后调用危险场景识别算法判断当前场景是否为危险场景,若当前场景为危险场景,则触发报警模块。
　　(2)研究了语音识别的基本技术和基于MMSE-LSA的语音增强算法,修改了基于时域频域语音存在的噪声估计的频域平滑方法,设计了一种基于PocketSphinx的语音识别模块,在Android智能手机上测试了PocketSphinx的性能。实验结果表明,语音增强模块提高了PocketSphinx在车内噪声环境下的识别率,识别率为93.7％。
　　(3)设计了一种基于统计和模糊匹配的危险场景识别算法,制定了模式库的设计规则,模式库中的模式按相似数量阈值大小升序排序。该算法先通过关键词数量判断当前场景是否为危险场景,若当前场景为危险场景,则执行结束,否则遍历模式库。若关键词数量不满足当前模式的最低要求,则当前场景不是危险场景,遍历结束,否则使用贪心串覆盖算法计算关键词序列和该模式之间的相似数量。若相似数量满足该模式的要求,则当前场景为危险场景,遍历结束,否则继续遍历,直到所有模式都遍历一遍为止。基于Android智能手机的仿真实验表明,该算法的识别率为94.7%,漏识率为5.3%。

目录

封面

声明

中文摘要

英文摘要

目录

1. 绪论

1.1. 研究背景

1.2. 出租车紧急呼救系统概述

1.3. 出租车紧急呼救系统的发展现状

1.4. 出租车紧急呼救系统触发方法的研究现状

1.5. 语音识别技术的研究现状

1.6. 研究目的和意义

1.7. 研究内容和组织结构

2. 基于语音识别的触发方法

2.1. 危险场景分析

2.2. 触发流程

2.3. 救援流程

2.4. 本章小结

3. 语音识别模块的研究与设计

3.1. 语音信号预处理

3.2. 语音增强

3.3. Mel 频率倒谱系数及其提取方法

3.4. 隐马尔可夫模型

3.5. 基于 PocketSphinx 的语音识别模块的设计

3.6. 本章小结

4. 危险场景识别算法的研究与设计

4.1. 基于统计的危险场景识别算法

4.2. 基于模式匹配的危险场景识别算法

4.3. 基于模糊匹配的危险场景识别算法

4.4. 基于统计和模糊匹配的危险场景识别算法

4.5. 模式库的设计规则

4.6. 本章小结

5. 仿真实验与结果分析

5.1. 模式库设计

5.2. 语音增强模块的性能测试

5.3. PocketSphinx 的性能测试

5.4. 基于统计和模糊匹配的危险场景识别算法的性能测试

5.5. 本章小结

6. 总结与展望

6.1. 工作总结

6.2. 研究展望

参考文献

致谢

个人简历

发表的学术论文与研究成果