申请/专利权人：广州大学;广州灵感生态科技有限公司

申请日：2021-04-23

公开（公告）日：2023-10-10

公开（公告）号：CN113314127B

主分类号：G10L17/26

分类号：G10L17/26;G10L25/24;G10L21/0208;G10L25/87;G10L15/16;G06F18/24;G06N3/045;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.10.10#授权;2021.09.14#实质审查的生效;2021.08.27#公开

摘要：本发明提供了一种基于空间方位的鸟鸣识别方法、系统、计算机设备与介质，所述方法包括通过预先配置的特定数量的无线声音传感器阵列采集鸟声信号；通过空间滤波和定位算法对所述鸟声信号进行空间方位识别，得到降噪鸟声信号和空间方位信息；预处理所述降噪鸟声信号，得到与之对应的鸟声切片，并采用所述空间方位信息对所述鸟声切片进行标注，得到空间鸟声切片；采用梅尔倒谱系数法对所述空间鸟声切片进行特征提取，得到切片鸟声特征；通过鸟声分类模型对所述切片鸟声特征进行分类识别，得到识别结果。本发明不仅有效识别鸟声类别、数量和空间方位，还提高了识别的效率和精确度。

主权项：1.一种基于空间方位的鸟鸣识别方法，其特征在于，所述方法包括以下步骤：通过预先配置的预设数量的无线声音传感器阵列采集鸟声信号；通过空间滤波和定位算法对所述鸟声信号进行空间方位识别，得到降噪鸟声信号和空间方位信息；预处理所述降噪鸟声信号，得到与之对应的鸟声切片，并采用所述空间方位信息对所述鸟声切片进行标注，得到空间鸟声切片；采用梅尔倒谱系数法对所述空间鸟声切片进行特征提取，得到切片鸟声特征；通过鸟声分类模型对所述切片鸟声特征进行分类识别，得到识别结果；所述鸟声分类模型根据地域信息分块训练得到且与所述地域信息一一对应；所述鸟声分类模型包括类别识别模型和空间方位模型；所述识别结果包括类别识别结果和空间判决结果；其中，所述通过鸟声分类模型对所述切片鸟声特征进行分类识别，得到识别结果的步骤包括：预先根据深度卷积神经网络和双向长短时记忆网络，建立分块训练模型，并将所述切片鸟声特征按照预定比例划分为训练集和测试集；根据所述训练集和预设类别，以及所述训练集和预设空间分组，分别训练所述分块训练模型，分别得到与之对应的所述类别识别模型和所述空间方位模型；通过所述类别识别模型和所述空间方位模型对所述测试集分别进行分类识别，得到与之对应的类别分块识别结果和空间分块识别结果；所述类别分块识别结果包括所述空间鸟声切片判定为任一预设类别的类别分类概率；所述空间分块识别结果包括所述空间鸟声切片判定为任一预设空间分组的空间分类概率；将同一预设类别的所述类别分类概率，以及同一预设空间分组的所述空间分类概率，分别按照预设地域权重进行加权平均，得到与之对应的类别识别概率值和空间识别概率值，并分别选取所述类别识别概率值和所述空间识别概率值对应的最大值，作为所述类别识别结果和空间识别结果；根据同一所述鸟声信号对应的所述空间识别结果，通过判决融合方法，得到所述空间判决结果。

全文数据：

权利要求：

百度查询： 广州大学;广州灵感生态科技有限公司 基于空间方位的鸟鸣识别方法、系统、计算机设备与介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD