倪斌：鸣笛抓拍是如何做到的

倪斌：各位领导，大家上午好！我今天主要是想跟大家阐述一下鸣笛抓拍是怎么实现的。上海其高电子成立至今有十多年的历史了，在进入交通领域之前，之前在军工、航空航天等领域做声学产品研发。

在分享开始之前，请大家看一段视频。刚刚那个视频主要跟大家介绍一下鸣笛系统组成，从视频中可以看到。

鸣笛抓拍是把所有鸣笛车辆，用图象化的方式在视频上标记出来。

上面有个红点，怎么叠加上去的，怎么保证叠加得准？有人讲是声纳，也有人讲是阵列，实际上这叫声学照相机或者麦克风阵列，已发展十多年，是非常成熟的技术。在很多行业，比如汽车、军工、航天、铁道都会用到，把噪声源的位置直观的体现出来。比如我们公司最早在美国帮波音飞机参与的声源定位的项目，当时波音飞机是787的预研阶段，在起降时会有一些噪音消降。部分国家对飞机起降的噪声管理非常严苛，在起降过程中怎么做到噪音消降？当时我们在波音飞机的跑道上布了700个麦克风，然后通过定位到具体的消降点，让他们去改进。在十多年前，声学照相机技术在美国的波音、航空航天局（NASA）或其他高尖端的领域以及汽车工业领域，使用得非常成熟。

我们知道汽车要做风洞实验才能上市，可以去做绕流、风噪。其中一项就是通过风噪测试。在车里，风噪是从哪里传过来的，就意味着这些地方的密封性要进一步提高。

列车轨道的噪声定位，测定哪个轮对发出的噪声进行修理，这在国外已经很普遍了。

汽车引擎里面的声源定位。这是在踩油门的时候进行的声源定位。这些视频在汽车研发领域很常见，通过声源来定位零部件的问题。

这种技术就叫声学照相机，能帮助工程师找到一些故障点或改进技能。对声学照相机来说，有不同款型，性能也不一样，现在比较偏向便携性。

其实，鸣笛也可以做声源定位。去年，杭州两厂家联系我们，希望我们配合做鸣笛抓拍，当时市场上还没有这项技术。我们要把自己一项很成熟的技术，运用到一个不太熟的行业和领域中。我们尝试拿麦克风阵列先去把喇叭的声纹识别出来，结果是可以定位到声音，但同时也抓到了一些其它的杂音，比如说鸟叫、打桩机，甚至是改装车的声音也抓到了。我们发现技术还要改进，于是单独把喇叭的声纹提取出来，只抓喇叭的声音。我们将传统声学的麦克风阵列挪到鸣笛定位上，选取的是服务于军工单位的32通道阵列，再配上大华海康的高清摄像头，从而定位喇叭的位置。

鸣笛抓拍的系统架构也很清楚，摄像头、探头，声学相机的探头连接到处理主机。

我们将声源通过声学定位出来，然后再通过摄像机的车牌识别程序，进行实时的图像传输，而且成像的时间跟声音的时间完全一致，一旦有喇叭的声音被定位，灯就会亮起来，如果长时间亮就表示喇叭长时间响，完全实时对应。处理过程在主机里，车牌识别速度很快，大概在1秒以内或在几百毫秒内就会上传到处理终端，如果现场有LED屏幕，就直接体现在LED屏幕上。

右边的视频就是实时把声源和喇叭定位出来的，这是一个声源定位的实例，随着车辆的运动，声源位置也会随着运动。即使速度再快，即便是高铁时速，也能准确将声源定位出来。

我们有自己的云服务平台，在很多地方有试点。目前，使用我们设备的城市有25个，其中有一半连接公安专网，把视频、号牌直接推送到专网里。我们只能看到没有接入专网的视频图像，并通过平台在线显示出来，让各地交警可以看到鸣笛抓拍设备的实时结果。

车辆声纹，可以通过鸣笛抓拍系统定位出来，从图象到视频再到声纹，到车牌一整套的记录在里面，就是实时抓拍没有经过任何处理。比如北京某个点今天到现在为止抓拍了40辆违法鸣笛的车辆。如图是后端的云服务平台的管理，数据会传送到交警那里。

上图是实时的在线违法平台，如果现场有LED屏幕的话，这个数据会通过LED屏幕实时呈现出来。

产品有检测报告，目前是公安部、计量院的检测报告，有些地方的要求不一样，北京要求是计量院的检定报告。处罚方面，各地的实施情况不同，有些是挑着罚，有些还要显示鸣笛的牌子出来才能罚。

有几种安装方案，路口或路段。最重要的是要找鸣笛或者按喇叭比较多的，这样效果比较明显，比如像北京医院100多例的违法鸣笛区域，沈阳火车站也是鸣笛比较多的，或是在车辆变道、行人过马路的路口，还有火车站等地方。安装的区域基本上包括医院、商圈以及景区等人车混杂的地方，挑路口或者路段都行，另外也可以在一些特别安静的地方，像学校、行政中心、住宅区等安装。

实例举证，重庆和深圳的鸣笛抓拍设备安装在学校门口，在高考期间，每半小时，通过抓拍系统将号牌推送到广播电台，每半小时播报违法车辆信息一次；北京是医院；贵阳是一个比较老的小区，由于人车混杂比较多，抓拍率也比较高。

2007年4月，我们在长春进行首个试点，但成都是系统正式落地的第一个城市，之后在贵阳、邯郸、重庆等城市试点或者落地。如果哪个地方的交警有需求，我们都可以安排试点，包括现在试点过的城市。我们有自信通过考验，能够解决违法鸣笛这个“老大难”的技术问题，我们深很荣幸。

谢谢！