森林盗窃行为识别方法技术

本发明专利技术公开了一种森林盗窃行为识别方法，属于信息处理领域。该方法采用SOFM方法对音频信号进行子类分析，从而判断音频信号是否为森林盗窃行为；采用SVM方法建立两个分类器来识别森林盗林行为，进一步将森林盗林行为的类型分为砍伐行为、锯伐行为和其他行为；采用SVM方法建立一个分类器来识别森林盗猎行为，进一步将森林盗猎行为的类型分为枪击行为和其他行为；微处理器对音频信号的声源方向角进行计算，从而确定了森林盗窃行为的方位。

【技术实现步骤摘要】

本专利技术涉及森林防盗方法，尤其是一种。
技术介绍
森林防盗是指防范人为盗林、盗猎的行为，属于林业生态安全保护的重要领域。由于经济利益的驱使及法律意识淡薄，森林盗窃林政案件时有发生，是林业生态安全的重要隐患之一。目前，森林防盗主要依靠人工巡护，尚没有可利用的信息化解决方案实现对盗林行为的监测及预警。此外，巡护人员无法预知森林盗窃行为的类型，无法对森林盗窃行为做出相应的处理准备。
技术实现思路
本专利技术的目的是提供一种，通过采用SOFM方法可以准确地判断出该音频信号是否为森林盗窃行为。为了实现上述目的，本专利技术提供了一种，包括四元阵传感器、四个信号处理单元和微处理器，其中所述四元阵传感器用于采集四路音频信号并分别发送给对应的信号处理单元；所述信号处理单元用于对音频信号进行放大、滤波处理；且所述微处理器用于分别采集该经信号处理单元处理后的音频信号，其特征在于该微处理器采用SOFM方法对音频信号进行子类分析，从而判断该音频信号是否为森林盗窃行为，包括以下步骤Al、微处理器从采集到的音频信号中提取n个音频性能参数；A2、初始化SOFM算法的参数，将连接权向量集合W中各连接权向量均设置为数值区间内的随机值，且将学习速率n(o)也设置为数值区间内的随机值；A3、将所述n个音频性能参数分别作为输入层神经元，构成SOFM算法中的输入层向量X = (X1, . . . , Xi, . . . , xn),设定竞争层向量A由m个竞争层神经元构成且表示为A =( , . . . , Bj, ...，am)，并且计算该输入层向量X与竞争层向量A之间的连接权向量集合W=(wn，. . . Wij. . . Wnm)，其中Xi表不输入层向星X中的弟i个输入层神经兀，a」表/j、竞争层向量A中第j个输入层神经元,且该连接权向量集合W由nXm个连接权向量构成,Wij表示输入层向量X中第i个输入层神经元与竞争层向量A中第j个输入层神经元之间的连接权向量，1≤;1≤11,1≤」_≤1]1且;[、j、n、m均为大于零的整数；A4、分别计算该输入层向量X中每一输入层神经元分别与连接权向量集合W中所有连接权向量的欧氏距离d，其中输入层向量X中第k个输入层神经元的欧氏距离表示权利要求1.一种，包括四元阵传感器、四个信号处理单元和微处理器，其中所述四元阵传感器用于采集四路音频信号并分别发送给对应的信号处理单元；所述信号处理单元用于对音频信号进行放大、滤波处理；且所述微处理器用于分别采集该经信号处理单元处理后的音频信号，其特征在于该微处理器采用SOFM方法对音频信号进行子类分析，从而判断该音频信号是否为森林盗窃行为，包括以下步骤 Al、微处理器从采集到的音频信号中提取η个音频性能参数； Α2、初始化SOFM算法的参数，将连接权向量集合W中各连接权向量均设置为数值区间内的随机值，且将学习速率H(O)也设置为数值区间内的随机值； A3、将所述η个音频性能参数分别作为输入层神经元，构成SOFM算法中的输入层向量X = (X1, . . . , Xi, . . . , χη),设定竞争层向量A由m个竞争层神经元构成且表示为A =( , . . . , aj; ...，am)，并且计算该输入层向量X与竞争层向量A之间的连接权向量集合W=(wn，. . . Wij. . . Wnm)，其中Xi表不输入层向星X中的弟i个输入层神经兀，a」表/j、竞争层向量A中第j个输入层神经元,且该连接权向量集合W由nXm个连接权向量构成,Wij表示输入层向量X中第i个输入层神经元与竞争层向量A中第j个输入层神经元之间的连接权向量，1≤;1≤11,1≤」_≤1]1且;[、j、n、m均为大于零的整数； A4、分别计算该输入层向量X中每一输入层神经元分别与连接权向量集合W中所有连接权向量的欧氏距离d，其中输入层向量X中第k个输入层神经元的欧氏距离表示为2.根据权利要求I所述的，其特征在于该微处理器采用SVM方法建立两个分类器来识别森林盗林行为，其识别过程由以下步骤组成 BI、建立用于区分砍伐行为的第一分类器，且该第一分类器表示为3.根据权利要求I所述的，其特征在于该处理器采用SVM方法建立一个分类器来识别森林盗猎行为，其识别过程由以下步骤组成 Cl、建立用于区分枪击行为的第三分类器，且该第三分类器表示为4.根据权利要求2所述的，其特征在于在步骤BI中第一分类器的风险控制系数C的最佳值为1009. 32，则该a i = O. 32，且修正系数b的最佳值为O.017 ； 在步骤B2中第二分类器的风险控制系数C的最佳值为1062.23661，则该Qi =O.23661，且修正系数b的最佳值为O. 021。5.根据权利要求3所述的，其特征在于在步骤Cl中第三分类器的风险控制系数C的最佳值为1016. 27，则该a i = O. 27，且修正系数b的最佳值为O.045。6.根据权利要求I 3中任何一项所述的，其特征在于该微处理器计算该音频信号的声源方向角，从而确定森林盗窃行为的方位，其由以下步骤组成 Dl、采集时间段T内的四路音频信号； D2、计算声源M分别传输至四元阵传感器中四个声音传感器的时间T1、T2、T3和Τ4，并且以四个声音传感器之一作为标准传感器，分别计算声源传输至该标准传感器与传输至其他三个声音传感器的时间差Τ12、Τ13和Τ14，其中Τ12 = Τ1-Τ2，Τ13 = Τ1-Τ3，Τ14 = Τ1-Τ4，且Tl、Τ2、Τ3、Τ4、Τ12、Τ13和Τ14均为大于零的任意数值； D3、根据四元阵传感器时差算法模型及三角几何算法，计算声源M在XY平台上的投影声源Μ’与X轴的声源方向角β β = arctan； D4、循环执行步骤一至步骤三N次，获得N个声源方向角； D5、对该N个声源方向角求取平均值，由此获得该音频信号的声源方向角。7.根据权利要求I所述的，其特征在于在微处理器的音频检测器对采集到的音频信号进行特定频段检测，只有音频信号的频率在该特定频段范围内，该音频检测器才输出响应信号给微处理器以唤醒微处理器，微处理器开始对音频信号进行分析。8.根据权利要求6所述的，其特征在于在微处理器计算该音频信号的声源方向角之前，对四元阵传感器中四个声音传感器在十字支架上的布局进行设计，使得声音传感器与该十字支架上十字交叉点之间的距离L为L =(X+Y)* (331+0. 6*T2)，其中X、Y均为大于零的任意数值，Τ2为任意数值，X表示微处理器的指令处理时间，Y表示电路延迟及数据采样时间，Τ2表示该森林防盗探测装置的最高工作温度，从而进一步提高了声源方向角的计算精度。9.根据权利要求8所述的，其特征在于该四元阵传感器中声音传感器与该十字支架上十字交叉点之间距离L的取值范围为I. 895 37. 8mm。10.根据权利要求9所述的，其特征在于该四元阵传感器中声音传感器与该十字支架上十字交叉点之间的距离为18. 95mm。全文摘要本专利技术公开了一种，属于信息处理领域。该方法采用SOFM方法对音频信号进行子类分析，从而判断音频信号是否为森林盗窃行为；采用SVM方法建立两个分类器来识别森林盗林行为，进一步将森林盗林行为的类型分为砍伐行为、锯伐行为和其他行为；采用SVM方法建立本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：江朝元，彭鹏，曹晓莉，何超，
申请(专利权)人：重庆英卡电子有限公司，
类型：发明
国别省市：