[發(fā)明專利]一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011282146.1
• 申請(qǐng)日: 2020-11-17
• 公開（公告）號(hào): CN112331220A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 呂坤朋;孫斌;趙玉曉
• 申請(qǐng)（專利權(quán)）人: 中國(guó)計(jì)量大學(xué)
• 主分類號(hào): G10L17/26
• 分類號(hào): G10L17/26;G10L17/20;G10L17/18;G06K9/62;G06N3/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，包括以下步驟：

步驟1、監(jiān)測(cè)外界環(huán)境中的聲音信號(hào)，當(dāng)存在非環(huán)境噪聲信號(hào)出現(xiàn)時(shí)，進(jìn)行鳴聲信號(hào)的采集，并對(duì)信號(hào)進(jìn)行預(yù)處理，預(yù)處理包括降噪以及音節(jié)提取，當(dāng)短時(shí)間內(nèi)僅有環(huán)境噪聲存在則停止采集；

步驟2、預(yù)處理后的信號(hào)，通過(guò)自適應(yīng)時(shí)頻分析算法獲得時(shí)頻譜圖；

步驟3、由鳥類鳴聲數(shù)據(jù)庫(kù)中下載相應(yīng)鳥類樣本，經(jīng)數(shù)據(jù)擴(kuò)充后，訓(xùn)練獲得較優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類識(shí)別；

步驟4、得到不同類別的識(shí)別結(jié)果通過(guò)識(shí)別終端傳到云服務(wù)器。

2.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟1所述對(duì)于聲音信號(hào)的監(jiān)測(cè)，采用高斯混合模型對(duì)噪聲和鳴聲進(jìn)行建模，根據(jù)采集的連續(xù)幾幀信號(hào)所對(duì)應(yīng)的概率來(lái)進(jìn)行判斷采集的啟停，并設(shè)置最大采集時(shí)長(zhǎng)。

3.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟1所述降噪，將連續(xù)前幾幀信號(hào)作為加性噪聲，則，其中為原信號(hào)，為噪聲，則為鳴聲信號(hào)可求。

4.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟1所述音節(jié)提取基于高斯混合模型，對(duì)采集時(shí)間大于閾值的樣本，降低連續(xù)采集的幀數(shù)進(jìn)行鳴聲進(jìn)一步判斷并進(jìn)行片段提取。

5.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟2所述時(shí)頻分析算法將一維時(shí)序信號(hào)轉(zhuǎn)換為二維時(shí)頻譜圖，并包含能量信息，所描述的時(shí)頻分析方法包括但不限于小波變換、自適應(yīng)最優(yōu)核等。

6.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟3所述數(shù)據(jù)擴(kuò)充，由音節(jié)片段疊加形成新樣本，，其中為音節(jié)片段，為新樣本。

7.根據(jù)權(quán)利要求（1）所述的一種基于深度學(xué)習(xí)的鳥類實(shí)時(shí)識(shí)別方法，其特征在于，步驟4所述實(shí)時(shí)識(shí)別終端具有相匹配的算力及功耗，能夠進(jìn)行實(shí)時(shí)識(shí)別任務(wù)。