基于改进VGG深度学习网络的道路交通车型音频识别方法

摘要

道路交通流车辆类型识别是城市交通管理的重要基础工作.本文提出了一种基于车辆音频信号和改进VGG深度学习网络的道路交通车型识别方法.首先运用梅尔倒谱系数对车辆音频信号进行特征提取,然后结合留一交叉验证的方法,输入改进的VGG_11网络模型进行训练,最后对训练结果进行检验,从而构建车型分类识别模型.实验结果显示:相比较于原模型,改进的VGG_11网络模型训练时长有较大的缩短,准确率也有一定程度的提升.车型识别准确率为96.46%,其中对大型车的识别准确率可达到94.35%,对小型车的识别准确率可达到97.62%.以上结果表明所提方法具有较高的准确率,适用于道路交通流车型识别.