信息与控制

作者：姜彦吉, 郭丁旭, 邱友利, 董浩

关键词：声音事件检测, 智能交通, 图神经网络, 交叉模态融合, 图形构建

为了更好地在复杂行车环境下通过声音信号检测发生的事件，提出一种基于图神经网络获取交叉模态信息的交通场景声音事件检测方法。首先，通过声音事件窗方法获取声音信号中同时和相继发生的关系信息作为交叉模态信息，并过滤掉其中可能存在的噪声关系，构建为图形结构；其次，改进图卷积神经网络以平衡邻居与自身的关系权重并避免过度平滑现象，利用其学习图形结构中的关系信息；最后，基于卷积循环神经网络学习声音事件的声学特征和时序信息，并以交叉模态融合的方式获取事件的关系信息，从而增强模型检测性能。相较于卷积循环神经网络(CRNN)模型，该方法在TUT Sound Events 2016和TUT Sound Events 2017数据集上均取得了更优的检测性能，F1分数分别提高了10. 3%和2. 04%，ER(error rate)度量分别降低了5. 89%和10. 06%，总体错误率分别降低了8. 1%和6. 07%。实验结果表明，该方法可以有效地提升智能汽车在行驶过程中对周围环境的感知能力。

来源：2025年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第3期