The invention discloses a bird species recognition method, dual channel based on neural network including birdsong signal acquisition and filtering, using the known species of pre emphasis, segmentation, preprocessing the sound of birds chirp signal; wavelet transform signal generation based on language; with the sound of birds intercepted signal for a predetermined range as the frame length Birdsong time-domain signal; signal spectrogram as the input signal, the first channel of birdsong time-domain signal as input signals, second channel signals corresponding to birdsong bird species as the recognition results of the preliminary recognition model is trained by bird species recognition model; the signals into the same treatment the bird species recognition model in recognition of birdsong signal recognition, and get the recognition result. The bird species recognition method based on the dual channel neural network can make full use of the time domain characteristics and time-frequency characteristics of the vocal signals, which can improve the efficiency and accuracy of bird species recognition.
【技术实现步骤摘要】
一种基于双通道神经网络的鸟类物种识别方法
本专利技术涉及物种识别
,特别是指一种基于双通道神经网络的鸟类物种识别方法。
技术介绍
鸟类是生物多样性监测和生态环境影响评价的重要指标。通过鸟类物种的调查与监测可以了解鸟类资源现状,归纳鸟类物种的组成、数量和多样性等特征,利用这些特征能直接反映栖息地的环境质量、生态系统的健康程度、生物多样性状况、人类活动对生态系统的干扰程度以及土地利用和景观改变对生态系统的影响程度等。传统的鸟类调查方法主要是人工调查法,包括样线法、样点法和直接计数法。此类方法需要耗费大量人力、物力和财力,而且调查效果容易受到调查人员的视力、听力等主观因素的影响。近年来,红外相机技术在国内外野生动物调查与监测中得到了广泛应用。但是许多鸟类由于体型小、飞行速度快、活动区离地面较远,难以被红外相机捕获到清晰图像,增加了调查和监测结果的不确定性。因此红外相机技术更适用于大、中型地栖鸟类的监测,对于非地栖鸟类的监测效果并不理想。综上所述,传统的鸟类物种调查与监测方法存在不同的弊端,有必要研究新的方法弥补以上不足。研究发现,在物种的水平上,鸟类鸣声有一定的稳定性和明显的物种鉴别特征,是识别其物种的主要方式之一。以此为理论依据,利用声音采集设备以及鸟类识别软件,基于鸣声识别鸟类物种,实现鸟类物种调查与监测的方法,不仅可以克服上述缺点,而且是高效率、非损伤、低干扰、大范围的监测方法,具有巨大的应用前景。目前常用的鸟鸣声分类识别方法包括:1、基于模板匹配的分类方法,最具代表性的就是动态时间规整算法,该方法虽然识别精度较高,但是运算量太大,影响识别效率。2、 ...
【技术保护点】
一种基于双通道神经网络的鸟类物种识别方法,其特征在于,包括:构建具有两个通道的初步识别模型,其中,第一通道针对于鸟鸣声信号的时频特征设定模型结构及参数,第二通道针对于鸟鸣声信号的时域特征设定模型结构及参数;采集已知种类的鸟鸣声信号并且对鸟鸣声信号采用滤波处理、预加重补偿处理、分割处理中的一种或者多种方式进行处理,得到预处理鸟鸣声信号;将所述预处理鸟鸣声信号基于线性调频小波变换生成信号语图;同时对所述预处理鸟鸣声信号截取符合预设帧长范围的鸟鸣声信号区段作为鸟鸣声时域信号;将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对初步识别模型进行训练,得到鸟类物种识别模型;将待识别的鸟鸣声信号经过滤波、预加重补偿以及分割处理,然后经过线性调频小波变换生成信号语图作为第一通道的输入信号、截取时间长度符合预设帧长范围的鸟鸣声信号作为第二通道的输入信号,代入所述鸟类物种识别模型中进行识别,得到鸟类物种识别结果。
【技术特征摘要】
1.一种基于双通道神经网络的鸟类物种识别方法,其特征在于,包括:构建具有两个通道的初步识别模型,其中,第一通道针对于鸟鸣声信号的时频特征设定模型结构及参数,第二通道针对于鸟鸣声信号的时域特征设定模型结构及参数;采集已知种类的鸟鸣声信号并且对鸟鸣声信号采用滤波处理、预加重补偿处理、分割处理中的一种或者多种方式进行处理,得到预处理鸟鸣声信号;将所述预处理鸟鸣声信号基于线性调频小波变换生成信号语图;同时对所述预处理鸟鸣声信号截取符合预设帧长范围的鸟鸣声信号区段作为鸟鸣声时域信号;将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对初步识别模型进行训练,得到鸟类物种识别模型;将待识别的鸟鸣声信号经过滤波、预加重补偿以及分割处理,然后经过线性调频小波变换生成信号语图作为第一通道的输入信号、截取时间长度符合预设帧长范围的鸟鸣声信号作为第二通道的输入信号,代入所述鸟类物种识别模型中进行识别,得到鸟类物种识别结果。2.根据权利要求1所述的方法,其特征在于,所述预加重补偿处理时的处理计算公式为:其中,为预加重补偿处理后的第n个采样值和x(n)为预加重补偿处理前的第n个采样值,λ为预加重系数。3.根据权利要求1所述的方法,其特征在于,所述分割处理包括:利用希尔伯特变化提取出鸟鸣声信号的包络;判断包络的幅值是否小于预设的阈值;若是,则删除该段鸟鸣声信号,否则,保留该段鸟鸣声信号。4.根据权利要求1所述的方法,其特征在于,所述将所述预处理鸟鸣声信号基于线性调频小波变换生成信号语图的步骤还包括:对预处理鸟鸣声信号进行分帧;利用汉明窗加窗弥补截断信号产生的频谱泄露,得到预设帧长的鸟鸣声信号;对每一帧鸟鸣声信号进行线性调频小波变换,将每一帧鸟鸣声信号展开成一系列线性调频小波基函数的线性组合;利用小波系数生成鸟鸣声信号对应的信号语图。5.根据权利要求4所述的方法,其特...
【专利技术属性】
技术研发人员:谢将剑,李文彬,丁长青,刘文定,冯郁茜,张博闻,
申请(专利权)人:北京林业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。