一种车辆鸣喇叭处理方法、装置、电子设备和存储介质与流程

信号装置的制造及其应用技术1.本技术涉及车辆信息处理技术领域，特别是涉及一种车辆鸣喇叭处理方法、装置、电子设备和存储介质。背景技术：2.现有技术中车辆鸣喇叭的精确监控通常不易实现，往往需要依赖多台设备同时监测，实现技术难度大；通过声音监控定位一台车辆的技术较为困难。当有大量监测设备同时监控时，才可以达到较高的准确率，但是成本较高。技术实现要素：3.基于上述问题，本技术提供一种车辆鸣喇叭处理方法、装置、电子设备和存储介质。4.第一方面，本技术实施例提供一种车辆鸣喇叭处理方法，包括：5.计算多概率因子下第一车辆第一次鸣喇叭的事件概率；6.在预设时间段内确定多次第一车辆鸣喇叭的事件概率；7.计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和；8.判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小；9.若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。10.进一步地，上述一种车辆鸣喇叭处理方法中，计算多概率因子下第一车辆第一次鸣喇叭的事件概率之前，还包括：11.麦克风获取车辆鸣喇叭的声音以及车辆鸣喇叭的声音对应的时刻；12.服务器根据车辆鸣喇叭的声音确定第一车辆的声纹信息，根据车辆鸣喇叭的声音对应的时刻确定第一车辆的位置信息；13.摄像头根据第一车辆的位置信息确定第一车辆的车牌号码。14.进一步地，上述一种车辆鸣喇叭处理方法中，服务器根据车辆鸣喇叭的声音确定第一车辆的声纹信息，包括：15.对车辆鸣喇叭的声音进行降噪、声波处理识别出第一车辆的声纹信息。16.进一步地，上述一种车辆鸣喇叭处理方法中，计算多概率因子下第一车辆第一次鸣喇叭的事件概率，包括：17.根据路段噪音大小以及降噪后效果设定降噪因子；同时接收到多台车辆喇叭音时，设定声纹识别难度因子；定位到的第一车辆距麦克风的直线距离，设定距离因子；18.在降噪因子、声纹识别难度因子和距离因子的权重下计算第一车辆第一次鸣喇叭的事件概率。19.进一步地，上述一种车辆鸣喇叭处理方法，还包括：20.若摄像头根据第一车辆的位置信息没有确定第一车辆的车牌号码；21.则进行大数据处理识别，按车辆特征分析获取车牌号码。22.进一步地，上述一种车辆鸣喇叭处理方法，还包括：23.若通过车辆特征分析获取车牌号码时，设定准确率因子；24.在降噪因子、声纹识别难度因子、距离因子和准确率因子的权重下计算第一车辆第一次鸣喇叭的事件概率。25.进一步地，上述一种车辆鸣喇叭处理方法，还包括：26.若第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第二预设阈值时，对第一车辆进行扣分罚款。27.第二方面，本技术实施例还提供一种车辆鸣喇叭处理装置，包括：28.第一计算模块：用于计算多概率因子下第一车辆第一次鸣喇叭的事件概率；29.确定模块：用于在预设时间段内确定多次第一车辆鸣喇叭的事件概率；30.第二计算模块：计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和；31.判断模块：用于判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小；32.发送模块：用于若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。33.第三方面，本技术实施例还提供一种电子设备，包括：处理器和存储器；34.处理器通过调用所述存储器存储的程序或指令，用于执行上述任一项一种车辆鸣喇叭处理方法。35.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行上述任一项一种车辆鸣喇叭处理方法。36.本技术实施例的优点在于：本技术涉及一种车辆鸣喇叭处理方法、装置、电子设备和存储介质，该方法包括：计算多概率因子下第一车辆第一次鸣喇叭的事件概率；在预设时间段内确定多次第一车辆鸣喇叭的事件概率；计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和；判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小；若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。本技术本技术通过计算降噪因子、声纹识别难度因子等多概率因子下第一车辆第一次鸣喇叭的事件概率，然后对一段时间内的数据进行综合分析计算多次第一车辆鸣喇叭的事件概率，精确监控车辆鸣喇叭，提高了警告、罚款等处罚的合理性。附图说明37.为了更清楚地说明本技术实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，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。38.图1为本技术实施例提供的一种车辆鸣喇叭处理方法示意图一；39.图2为本技术实施例提供的一种车辆鸣喇叭处理方法示意图二；40.图3为本技术实施例提供的一种车辆鸣喇叭处理方法示意图三；41.图4为本技术实施例提供的一种车辆鸣喇叭处理装置示意图；42.图5是本技术实施例提供的一种电子设备的示意性框图。具体实施方式43.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵时做类似改进，因此本技术不受下面公开的具体实施的限制。44.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。45.图1为本技术实施例提供的一种车辆鸣喇叭处理方法示意图一。46.第一方面，本技术实施例提供一种车辆鸣喇叭处理方法，结合图1，包括s101至s105五个步骤：47.s101：计算多概率因子下第一车辆第一次鸣喇叭的事件概率。48.具体的，本技术实施例中，多概率因子可以包括：降噪因子、声纹识别难度因子、距离因子，下文具体介绍，第一车辆可以是道路上行驶的第一车辆，计算多概率因子下第一车辆第一次鸣喇叭的事件概率可以是通过降噪因子、声纹识别难度因子、距离因子等分析麦克风、服务器以及摄像头组成的系统第一车辆第一次鸣喇叭的事件概率。49.s102：在预设时间段内确定多次第一车辆鸣喇叭的事件概率。50.具体的，本技术实施例中，确定了第一车辆第一次鸣喇叭的事件概率后，可以在预设时间段内如一个月、两个月内，通过s101步骤中的方法确定多次第一车辆鸣喇叭的事件概率。51.s103：计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和。52.具体的，本技术实施例中，如计算得到第一次鸣喇叭的事件概率为p1,多次第一车辆鸣喇叭的事件概率为p2,p3……，将p1与p2,p3等鸣喇叭的事件概率相加得到一段时间内第一车辆鸣喇叭的事件概率。53.s104：判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小。54.具体的，本技术实施例中，将p1与p2,p3等鸣喇叭的事件概率相加得到一段时间内第一车辆鸣喇叭的事件概率后，与第一预设阈值进行大小比较得到比较结果。55.s105：若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。56.具体的，本技术实施例中，第一预设阈值可以是交警设置的警告阈值，若一段时间内第一车辆鸣喇叭的事件概率大于警告阈值，向第一车辆发生警告信息，可以是短信警告，也可以是音频警告等，具体警告方式不做限定。57.图2为本技术实施例提供的一种车辆鸣喇叭处理方法示意图二。58.进一步地，上述一种车辆鸣喇叭处理方法中，计算多概率因子下第一车辆第一次鸣喇叭的事件概率之前，结合图2，还包括s201至s203三个步骤：59.s201：麦克风获取车辆鸣喇叭的声音以及车辆鸣喇叭的声音对应的时刻。60.具体的，本技术实施例中，麦克风接收到车辆鸣喇叭的声音后立刻记录下当前时刻，当前时刻精确到毫秒，并将车辆鸣喇叭的声音以及车辆鸣喇叭的声音对应的时刻发送至服务器。61.s202：服务器根据车辆鸣喇叭的声音确定第一车辆的声纹信息，根据车辆鸣喇叭的声音对应的时刻确定第一车辆的位置信息。62.具体的，本技术实施例中，服务器通过降噪处理，声波波形处理，识别出第一车辆的声纹，通过不同位置的麦克风装置上记录的拾取时间，确定车第一车辆所在位置。63.应理解，通过计算声音发出点距离麦克风的直线距离，安装在合理位置的每两台麦克风装置即可定位一台较近距离车辆的位置，每三台不在同一直线上的麦克风装置可准确定位一台车辆的位置。64.s203：摄像头根据第一车辆的位置信息确定第一车辆的车牌号码。65.具体的，本技术实施例中，通过摄像头记录下的影像定位车辆，从而识别第一车辆的车牌号码。66.进一步地，上述一种车辆鸣喇叭处理方法中，服务器根据车辆鸣喇叭的声音确定第一车辆的声纹信息，包括：67.对车辆鸣喇叭的声音进行降噪、声波处理识别出第一车辆的声纹信息。68.进一步地，上述一种车辆鸣喇叭处理方法中，计算多概率因子下第一车辆第一次鸣喇叭的事件概率，包括：69.根据路段噪音大小以及降噪后效果设定降噪因子；同时接收到多台车辆喇叭音时，设定声纹识别难度因子；定位到的第一车辆距麦克风的直线距离，设定距离因子；70.在降噪因子、声纹识别难度因子和距离因子的权重下计算第一车辆第一次鸣喇叭的事件概率。71.具体的，本技术实施例中，根据路段噪音大小以及降噪后效果设定降噪因子δ，同时接收到多台车辆喇叭音时，设定声纹识别难度因子α，定位到的车辆距麦克风的直线距离：设定距离因子β，选定概率模型，在降噪因子、声纹识别难度因子和距离因子的权重下计算该车辆本次鸣喇叭的事件概率p1。72.图3为本技术实施例提供的一种车辆鸣喇叭处理方法示意图三。73.进一步地，上述一种车辆鸣喇叭处理方法，结合图3，还包括s301至s302两个步骤：74.s301：若摄像头根据第一车辆的位置信息没有确定第一车辆的车牌号码；75.s302：则进行大数据处理识别，按车辆特征分析获取车牌号码。76.具体的，本技术实施例中，当路段拥挤未能拍摄到车牌号码时，可通过大数据处理识别，按车辆特征分析获取车牌号码，大数据处理技术弥补设备不足时监控结果不准确而导致的误判等状况。77.进一步地，上述一种车辆鸣喇叭处理方法，还包括：78.若通过车辆特征分析获取车牌号码时，设定准确率因子；79.在降噪因子、声纹识别难度因子、距离因子和准确率因子的权重下计算第一车辆第一次鸣喇叭的事件概率。80.具体的，本技术实施例中，当需要通过车辆特征比对获取车牌号时，设定准确率因子，根据路段噪音大小以及降噪后效果设定降噪因子δ，同时接收到多台车辆喇叭音时，设定声纹识别难度因子α，定位到的车辆距麦克风的直线距离：设定距离因子β，选定概率模型，在降噪因子、声纹识别难度因子、距离因子和准确率因子ω的权重下计算该车辆本次鸣喇叭的事件概率p1。81.进一步地，上述一种车辆鸣喇叭处理方法，还包括：82.若第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第二预设阈值时，对第一车辆进行扣分罚款。83.具体的，本技术实施例中，第二预设阈值可以是交警设置的扣分罚款阈值，若一段时间内第一车辆鸣喇叭的事件概率大于扣分罚款阈值，向第一车辆发送扣分罚款信息，可以是短信告知，具体告知方式不做限定。84.图4为本技术实施例提供的一种车辆鸣喇叭处理装置示意图；85.第二方面，本技术实施例还提供一种车辆鸣喇叭处理装置，结合图4，包括：86.第一计算模块401：用于计算多概率因子下第一车辆第一次鸣喇叭的事件概率。87.具体的，本技术实施例中，多概率因子可以包括：降噪因子、声纹识别难度因子、距离因子，下文具体介绍，第一车辆可以是道路上行驶的第一车辆，第一计算模块401计算多概率因子下第一车辆第一次鸣喇叭的事件概率可以是通过降噪因子、声纹识别难度因子、距离因子等分析麦克风、服务器以及摄像头组成的系统第一车辆第一次鸣喇叭的事件概率。88.确定模块402：用于在预设时间段内确定多次第一车辆鸣喇叭的事件概率。89.具体的，本技术实施例中，确定模块402确定了第一车辆第一次鸣喇叭的事件概率后，可以在预设时间段内如一个月、两个月内，通过第一计算模块401确定多次第一车辆鸣喇叭的事件概率。90.第二计算模块403：计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和。91.具体的，本技术实施例中，如计算得到第一次鸣喇叭的事件概率为p1,多次第一车辆鸣喇叭的事件概率为p2,p3……，第二计算模块403将p1与p2,p3等鸣喇叭的事件概率相加得到一段时间内第一车辆鸣喇叭的事件概率。92.判断模块404：用于判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小。93.具体的，本技术实施例中，将p1与p2,p3等鸣喇叭的事件概率相加得到一段时间内第一车辆鸣喇叭的事件概率后，判断模块404将第一车辆鸣喇叭的事件概率与第一预设阈值进行大小比较得到比较结果。94.发送模块405：用于若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。95.具体的，本技术实施例中，第一预设阈值可以是交警设置的警告阈值，若一段时间内第一车辆鸣喇叭的事件概率大于警告阈值，发送模块405向第一车辆发生警告信息，可以是短信警告，也可以是音频警告等，具体警告方式不做限定。96.第三方面，本技术实施例还提供一种电子设备，包括：处理器和存储器；97.处理器通过调用所述存储器存储的程序或指令，用于执行上述任一项一种车辆鸣喇叭处理方法。98.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行上述任一项一种车辆鸣喇叭处理方法。99.图5是本公开实施例提供的一种电子设备的示意性框图。100.如图5所示，电子设备包括：至少一个处理器501、至少一个存储器502和至少一个通信接口503。电子设备中的各个组件通过总线系统504耦合在一起。通信接口503，用于与外部设备之间的信息传输。可理解，总线系统504用于实现这些组件之间的连接通信。总线系统504除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图5中将各种总线都标为总线系统504。101.可以理解，本实施例中的存储器502可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。102.在一些实施方式中，存储器502存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。103.其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。实现本技术实施例提供的一种车辆鸣喇叭处理方法中任一方法的程序可以包含在应用程序中。104.在本技术实施例中，处理器501通过调用存储器502存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器501用于执行本技术实施例提供的一种车辆鸣喇叭处理方法各实施例的步骤。105.计算多概率因子下第一车辆第一次鸣喇叭的事件概率；106.在预设时间段内确定多次第一车辆鸣喇叭的事件概率；107.计算第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和；108.判断第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和与第一预设阈值的大小；109.若判断结果为第一次鸣喇叭的事件概率和多次第一车辆鸣喇叭的事件概率之和大于第一预设阈值时，向第一车辆发生警告信息。110.本技术实施例提供的一种车辆鸣喇叭处理方法中任一方法可以应用于处理器501中，或者由处理器501实现。处理器501可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。111.本技术实施例提供的一种车辆鸣喇叭处理方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成一种车辆鸣喇叭处理方法的步骤。112.本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。113.本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。114.以上，仅为本发明的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!