[發(fā)明專(zhuān)利]一種基于動(dòng)態(tài)時(shí)間規(guī)整的海洋生物識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710793186.4
• 申請(qǐng)日: 2017-09-06
• 公開(kāi)（公告）號(hào): CN107665712A
• 公開(kāi)（公告）日: 2018-02-06
• 發(fā)明（設(shè)計(jì)）人: 王棟;司紀(jì)鋒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院聲學(xué)研究所北海研究站
• 主分類(lèi)號(hào): G10L17/26
• 分類(lèi)號(hào): G10L17/26;G10L17/06;G10L25/24;G10L25/03;G10L25/27;G10L25/51
• 代理公司: 青島華慧澤專(zhuān)利代理事務(wù)所(普通合伙)37247
• 代理人: 劉娜,李新欣

技術(shù)領(lǐng)域

本發(fā)明涉及一種海洋生物識(shí)別方法，特別涉及一種基于動(dòng)態(tài)時(shí)間規(guī)整的海洋生物識(shí)別方法。

背景技術(shù)

利用聲學(xué)方法識(shí)別海洋生物，具有快速、準(zhǔn)確、可持續(xù)觀察等優(yōu)點(diǎn)。海洋生物的聲學(xué)信號(hào)分為主動(dòng)和被動(dòng)兩種形式，識(shí)別步驟包括數(shù)據(jù)預(yù)處理、特征提取、訓(xùn)練識(shí)別模型、模式匹配。

目前的海洋生物聲學(xué)方法識(shí)別研究通常使用需要提前訓(xùn)練的識(shí)別模型在同類(lèi)物種內(nèi)進(jìn)行識(shí)別。例如，首先利用訓(xùn)練數(shù)據(jù)訓(xùn)練鯨類(lèi)、魚(yú)類(lèi)的識(shí)別模型，識(shí)別時(shí)將鯨類(lèi)信號(hào)特征輸入至鯨類(lèi)識(shí)別模型，將魚(yú)類(lèi)信號(hào)特征輸入至魚(yú)類(lèi)識(shí)別模型，進(jìn)而得出具體是何種鯨類(lèi)或魚(yú)類(lèi)，例如藍(lán)鯨或大黃魚(yú)。

在實(shí)際應(yīng)用中，此種方式存在兩點(diǎn)不足。一是必須預(yù)先確定待識(shí)別的信號(hào)所屬的物種，無(wú)法做到多物種混合識(shí)別。二是采集海洋生物的聲學(xué)信號(hào)較困難，物種的樣本數(shù)據(jù)一般較少，很難通過(guò)少量的訓(xùn)練數(shù)據(jù)獲得較好的識(shí)別模型參數(shù)。當(dāng)特征庫(kù)更新或物種類(lèi)別增加時(shí)，需重新訓(xùn)練或新建識(shí)別模型。

發(fā)明內(nèi)容

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于動(dòng)態(tài)時(shí)間規(guī)整的海洋生物識(shí)別方法，以達(dá)到無(wú)需預(yù)先訓(xùn)練，只需少量數(shù)據(jù)即可進(jìn)行特征匹配，無(wú)需預(yù)知信號(hào)所屬的物種即可進(jìn)行混合識(shí)別，數(shù)據(jù)量和物種種類(lèi)增加時(shí)無(wú)需調(diào)整算法的目的。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

一種基于動(dòng)態(tài)時(shí)間規(guī)整的海洋生物識(shí)別方法，包括提取已知海洋生物物種的信號(hào)特征作為該物種的特征模板，每個(gè)物種的特征模板可包含多個(gè)特征；提取待識(shí)別生物的信號(hào)特征，使用動(dòng)態(tài)時(shí)間規(guī)整算法將待識(shí)別生物的信號(hào)特征與特征模板的信號(hào)特征進(jìn)行模式匹配，在設(shè)定的閾值范圍內(nèi)匹配成功則為該特征模板的生物，否則為未知生物。

上述方案中，所述信號(hào)特征包括作為主動(dòng)信號(hào)特征的包絡(luò)和作為被動(dòng)信號(hào)特征的梅爾頻率倒譜系數(shù)。

進(jìn)一步的技術(shù)方案中，所述包絡(luò)的模式匹配步驟如下：

(1)待識(shí)別信號(hào)的特征量記作F，特征模板的某一特征記作M，F(xiàn)和M分別是維數(shù)為m和n的向量，計(jì)算F和M每維之間的距離，并填充距離矩陣dist，dist是m×n的矩陣，計(jì)算公式如下：

dist(i,j)＝[F(i)-M(j)]² (1)；

(2)由dist計(jì)算累積距離矩陣D，D是m×n的矩陣；

令D(1,1)＝dist(1,1)，D的第一行和第一列分別由dist的第一行和第一列累加得到：

D(i,1)＝dist(i,1)+D(i-1,1),2≤i≤m (2)；

D(1,j)＝dist(1,j)+D(1,j-1),2≤j≤n (3)；

從第2行第2列開(kāi)始，D(i,j)只能由3個(gè)點(diǎn)中的一個(gè)值累加得到，分別是D(i-1,j)、D(i,j-1)、D(i-1,j-1)，取其最小值與D(i,j)相加作為位置(i,j)的累積距離，計(jì)算公式如下：

D(i,j)＝dist(i,j)+min[D(i,j-1),D(i-1,j),D(i-1,j-1)] (4)；

(3)填充累積距離矩陣D之后，從位置(m,n)倒序?qū)ふ乙粭l最小累積距離的路徑，將路徑點(diǎn)的位置作為最優(yōu)路徑記錄至R中，R是r×2的矩陣，r為最優(yōu)路徑點(diǎn)的個(gè)數(shù)；

(4)F和M的最小累計(jì)距離是D(m,n)，R中記錄的是最優(yōu)路徑點(diǎn)，D(m,n)除以r就可以得到F和M的距離，記為d_FM；

(5)依次計(jì)算F與各物種特征模板中特征的距離d_FM，當(dāng)特征模板中某一物種的特征數(shù)量多于一個(gè)時(shí)，對(duì)同物種內(nèi)的d_FM取平均值；如果d_FM的最小值小于設(shè)定的閾值，則M所屬的物種即為識(shí)別結(jié)果；如果d_FM的最小值大于設(shè)定的閾值，則判定為未知物種。

進(jìn)一步的技術(shù)方案中，所述梅爾頻率倒譜系數(shù)的模式匹配步驟如下：

(1)提取待識(shí)別信號(hào)的梅爾頻率倒譜系數(shù)記作F，特征模板的某個(gè)梅爾頻率倒譜系數(shù)記作M，F(xiàn)和M分別是m×d和n×d的矩陣，m和n是幀數(shù)，d是每一幀的維數(shù)；由于梅爾頻率倒譜系數(shù)特征是矩陣的形式，距離矩陣dist由F和M每幀之間的距離進(jìn)行填充，每幀之間的距離計(jì)算公式如下：

(2)由dist計(jì)算累積距離矩陣D，D是m×n的矩陣；

令D(1,1)＝dist(1,1)，D的第一行和第一列分別由dist的第一行和第一列累加得到：

D(i,1)＝dist(i,1)+D(i-1,1),2≤i≤m (2)；