CN107066993A - 全景与精准图像/球冠可变励磁调幅调频鸟鸣声探测系统 - Google Patents
全景与精准图像/球冠可变励磁调幅调频鸟鸣声探测系统 Download PDFInfo
- Publication number
- CN107066993A CN107066993A CN201710336233.2A CN201710336233A CN107066993A CN 107066993 A CN107066993 A CN 107066993A CN 201710336233 A CN201710336233 A CN 201710336233A CN 107066993 A CN107066993 A CN 107066993A
- Authority
- CN
- China
- Prior art keywords
- birds
- image
- ccd
- excitation
- bird
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 230000000694 effects Effects 0.000 claims abstract description 18
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 239000007787 solid Substances 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 abstract description 2
- 241000271566 Aves Species 0.000 description 111
- 230000006399 behavior Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000002940 repellent Effects 0.000 description 4
- 239000005871 repellent Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- VUFNLQXQSDUXKB-DOFZRALJSA-N 2-[4-[4-[bis(2-chloroethyl)amino]phenyl]butanoyloxy]ethyl (5z,8z,11z,14z)-icosa-5,8,11,14-tetraenoate Chemical compound CCCCC\C=C/C\C=C/C\C=C/C\C=C/CCCC(=O)OCCOC(=O)CCCC1=CC=C(N(CCCl)CCCl)C=C1 VUFNLQXQSDUXKB-DOFZRALJSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010052804 Drug tolerance Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000026781 habituation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B37/00—Panoramic or wide-screen photography; Photographing extended surfaces, e.g. for surveying; Photographing internal surfaces, e.g. of pipe
- G03B37/04—Panoramic or wide-screen photography; Photographing extended surfaces, e.g. for surveying; Photographing internal surfaces, e.g. of pipe with cameras or projectors providing touching or overlapping fields of view
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/45—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from two or more image sensors being of different type or operating in different modes, e.g. with a CMOS sensor for moving images in combination with a charge-coupled device [CCD] for still images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R9/00—Transducers of moving-coil, moving-strip, or moving-wire type
- H04R9/02—Details
- H04R9/025—Magnetic circuit
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R9/00—Transducers of moving-coil, moving-strip, or moving-wire type
- H04R9/08—Microphones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Acoustics & Sound (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了全景图像/精准图像/球冠可变励磁调幅调频鸟鸣声一体化探测系统,全景图像监视系统是在球冠多面体上密排列可见及红外光CCD摄像阵列覆盖低空全景,全景图像监视系统在大场景范围内自动监测有无鸟类活动,若有鸟内活动则给信号启动图像精准跟踪系统对鸟类进行跟踪,获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息;通过在球冠体表面上按不同方位排列多个双励磁传声器,通过在软磁铁芯上绕线圈再加电的共同励磁方式,并根据鸟鸣声的信号强弱得到不同鸟类的鸣叫声方位。
Description
技术领域
本发明涉及鸟类学、声学、图像跟踪系统,特别涉及鸟类识别的全景图像/精准图像/球冠可变励磁调幅调频鸟鸣声一体化探测系统,属于鸟类学和信息技术领域。
背景技术
联合监视、记录鸟类飞行和觅食习性等特性的路线,不仅能够为稀有鸟类及重要物种研究提供先进的监测技术手段和设备,为保护鸟类的脆弱生态系统获取基本数据,而且可预测、减少甚至避免鸟撞飞机事件的发生。
随着航空业的迅速发展,机场鸟撞飞机事件逐渐增多,不但给航空业带来巨大的经济损失,同时危及到了飞行员和乘客的生命安全,也使得珍稀飞鸟受害;鸟撞飞机已被国际航空联合会定为A类航空灾难;据美国鸟击委员会统计,仅在美国,飞鸟以及其他野生动物撞机事件造成的经济损失每年超过6亿美元,每起撞鸟事件中都造成了严重的人员伤亡;我国鸟撞飞机的现状也不容乐观,据中国民航鸟击航空器防范信息网的年度数据统计,2006-2015年全国各机场、航空公司和飞机维修公司等有关部门共上报在中国大陆地区发生的鸟击事件共计17135起,其中因鸟击造成的事故计1125起;据2016年12月发布的 《2015年度中国民航鸟击航空器信息分析报告》 表明:2015 年 1-12 月,共统计到鸟击 3816起,较上年增长 13.07%,构成事故征候1185起,较上年下降1.07%,占事故征候总数的49.47%,是第一大事故征候类型;根据在机械维修和航线运营中产生的费用标准估计鸟击造成的损失,2015年因鸟击造成经济损失约合11963.2 万元人民币,较上年增加5.29%;除维修方面的直接损失外,航空器运行的不正常,如中断起飞、返航等还会干扰机场的正常运营,还可能造成航班延误,增加机场和航空公司管理成本,而此类间接损失、附属损失通常远超过直接损失,但却难以精确估算,缓解飞机与飞鸟的矛盾日渐严峻。
2016年11月14日至15日,空军联合国家民航局和林业局,在贵州遵义召开“军民融合深度发展-联合鸟撞防治(鸟击防范)工作”会议,并成立“国家鸟击防范委员会筹备办公室”;近百名与会代表和专家在遵义机场联合办公,共同制订出台《加强机场鸟击防范军民深度融合工作的意见》;每个国家都应成立鸟击防范委员会,欧洲和美国的鸟击防范委员会分别于1966年和1991年成立;我国作为航空大国,迫切需要加强机场鸟击防范工作;随着国家野生动物保护政策的不断加强,建设和谐生态机场的需求日益迫切,需要各个机场加大在野生动物保护方面的投入;秉持“驱赶为主、猎杀为辅”的原则,尽可能减少飞鸟伤亡,保护飞鸟物种的多样性,实现人与自然的和谐共存。
统计研究表明,大部分撞机事件发生在白天,且在飞机起飞和着陆阶段发生频率较高,因此机场及其附近区域上方低空飞行的鸟类的探测识别成为研究热点;与传统的依靠定时或人工操作的方式相比,图像识别飞鸟技术能根据图像检测结果来实施驱鸟,可显著降低飞鸟对特定驱鸟信号的习惯性,提高驱鸟效果;可以实现对鸟种的分类判决、丰度统计、鸟群数量估计和威胁度分析等的详细估计,为机场驱鸟工作提供决策(驱赶或打击)依据,解决驱鸟手段少、人工驱鸟范围小等难点问题,提高机场鸟击防范工作的主动性;同时,基于图像的鸟类识别方法的研究能够丰富飞鸟保护手段,具有重要的社会和生态意义;对于机场驱鸟人员进行飞鸟识别、知识普及和培训等也具有应用价值;对于未来飞机空中飞行时近距离鸟类目标的检测和识别也具有参考价值。
现有鸟类识别方法主要依赖两种:1、鸟类形态特征(体长和体型、翅型、尾型、羽色),2、行为特征(飞行姿态和停落姿态,区分群落):包括:(1) 行为姿态(飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态);(2) 觅食习性;(3) 鸣叫声(鸟的占据领地、报警、求偶炫耀、交配、集群等行为)等,为了提高识别的正确性,需要同时考察鸟类形态特征和行为特征,而1、2(1)、2(2)需要图像方法获取, 2(1)必须对鸟类跟踪才能获得鸟内的飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态等动态特性;然而,现有研究结合实际极少,研究图像处理方法较多,但没有给出如何通过图像方法获取并记录鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性的技术方案;也没有给出如何重点精确跟踪鸟类目标图像,以便获得鸟类的体长、体型、翅型、尾型、羽色等鸟类细节性差异的技术方案。
发明内容
为了解决获取鸟类鸣叫声、图像记录鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性以及鸟类细节性差异的技术问题,本发明提供了全景与精准图像/球冠可变励磁调幅调频鸟鸣声一体化探测系统,全景图像监视系统是在球冠多面体上密排列可见及红外光CCD摄像阵列覆盖低空全景,全景图像监视系统在大场景范围内自动监测有无鸟类活动,若有鸟内活动则给信号启动图像精准跟踪系统对鸟类进行跟踪,精准图像跟踪监测系统采用大幅面、高帧率CCD及高倍变比的多可变可控自动镜头,实现若干平方公里范围内精准跟踪监测,使得分辨率达到区别鸟类特征斑点的精度,获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息;
为了获取鸟类鸣叫声,通过在球冠体表面上按不同方位排列多个双励磁传声器,通过在软磁铁芯上绕线圈再加电的共同励磁方式,使用脉宽调制(PWM)来控制线圈电力励磁的大小和方向,以形成不同强度的磁场和磁滞回线,从而改变接收到的声信号频率和幅值,扩大改进后动圈式传声器的检测范围;然后对检测出的信号进行频率还原,再对鸟鸣声强度进行计算,并根据鸟鸣声的信号强弱得到不同鸟类的鸣叫声方位;
本发明解决了自动获取鸟类鸣叫声、鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性以及鸟类细节性差异信息难以获取的技术问题。
本发明解决其技术问题采用的技术方案是, 全景与精准图像/球冠可变励磁调幅调频鸟鸣声探测系统,其特点包括以下步骤:
步骤1: 鸟类的活动时间、范围以及其它习性都不能预知,只有进行全景监测才能抓获鸟类的活动,由于单个CCD分辨率大小及镜头视场角有限,难以完成全景监视,采用阵列方式、用多个CCD阵列可以实现全景监视,覆盖整个监视范围;
(1) 在鸟类全景阵列图像监测系统图像采集方面,在球冠多面体上密排列可见和红外光CCD摄像阵列覆盖地面全景,多个CCD同步采集图像信号,根据需要,对每一路CCD图像可以独立压缩记录;
(2) 固定每个CCD焦距,使得视场角已知,当给定距离时,某一CCD独立监视区域以及该CCD与相邻CCD共同监视的区域是确定的;鸟类全景阵列图像监测系统中对于给定的监视距离,每一个CCD监视区域将划分为独立监视区域,即其它CCD不能监视到的区域,以及交叉的冗余监视区域,交叉的冗余监视区域至少有两个或两个以上的CCD可以监视到该区域,每个CCD的图像处理就包含了独立监视区域的常规图像处理以及交叉的冗余监视区域的融合处理两个部分;
(3) 独立监视区域的常规图像处理方法是首先进行帧差法获取鸟类图像变化,采用图像分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,然后按特征对鸟类分类统计;
(4) 对CCD交叉的冗余监视区域按照常规图像处理方法先进行帧差法获取鸟类图像变化,按照分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,根据匹配结果给出概率大小送至融合估计器,融合估计器将同一区域多个CCD监视图像匹配的概率进行融合估计,然后按特征对鸟类分类统计;
(5) 在线统计全景内的鸟类不同大小的个数,实现物种丰度在线估计;
(6) 对于不能识别的鸟类,全景图像监视系统给精准图像跟踪系统发出鸟类的方位信号,精准图像跟踪系统将精确跟踪监视并记录该鸟类的活动全过程;
步骤2:(1) 精准图像跟踪监测系统采用大幅面、高帧率CCD及高倍变比的多可变可控自动镜头,实现若干平方公里范围内精准跟踪监测,使得分辨率达到区别鸟类特征斑点的精度;
(2) 根据鸟类全景阵列图像监测系统给出的跟踪起止、方位信号、精准图像跟踪监测系统自身所监视的重要鸟类或人们发出的遥控信号,通过已有的鸟类飞行路线和当前帧目标中心计算,记录、更新鸟类飞行路线;
(3)图像检测处理算法与硬件一体化设计,仅设置一个图像存储空间,将相邻两帧图像中指定的同一区域在FPGA进行比较,获得有无目标运动信息:高速时钟按设定的区域随解码芯片输出的图像数据流对当前帧图像与存入SRAM中的上一帧图像作绝对差分,差分结果与按照图像左上角获取的光照、能见度、天气经验模糊分类的固定阈值进行比较,大于阈值为有运动像素点,否则为无运动像素点;
(4)用FPGA进行图像阈值分割、目标中心提取、运动偏移量和速度计算、预测估计鸟类下一帧飞行路线,对云台方位角和俯仰角、CCD变焦镜头焦距、光圈、景深进行调整,锁定鸟类目标;
(5)记录鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性等鸟类活动,获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息;
(6)精准监视的图像与已经建立的鸟类特征图库进行特征匹配,匹配结果与获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息共同识别鸟类;
步骤3:(1)为了获取鸟类鸣叫声,在球冠体表面上按不同方位排列多个双励磁传声器,将由振动膜片、音圈、永久磁铁芯和升压变压器构成的动圈式传声器中的永久磁铁芯改进成为软磁铁芯,在软磁铁芯上绕线圈与软磁铁芯共同励磁;构成励磁大小、方向、磁滞回线的强度可控的励磁方式;
(2) 使用PWM来控制软磁铁芯上线圈的直流电流大小和方向,形成不同强度的磁场和磁滞回线,从而改变接收到的声信号频率和幅值,扩大改进后动圈式传声器的检测范围;
(3) 通过给软磁铁芯上线圈施加不同的PWM,对给定频率的模拟鸟鸣声信号进行试验,通过数据拟合得到下式:
式中:为给定频率的模拟鸟鸣声信号幅值,为模拟鸟鸣声信号,为时间,为在模拟鸟鸣声信号时得到的输出信号,为输出幅值系数,和为磁滞回线系数;
(4) 通过A/D采集改进后动圈式传声器输出信号,并按照以下方程对该输出信号进行频率和幅值解调:
式中:为A/D的采样周期,,为当前采样时间,为输出信号的基本频率,
,为傅里埃级数展开项的最高次数; 、傅里埃级数展开项的系数;
(5)定义:
式中:为模型噪声,且为零均值高斯白噪声,;直接采用参数估计方法估计出傅里埃级数展开项的系数、和;得到序列后,直接得到鸟鸣声强度的功率谱;
(5)根据已知的不同鸟类占据领地、报警、求偶炫耀、交配、集群行为鸣叫声,建立对应的频谱知识库,作为不同鸟类、不同鸣叫声的识别依据;
(6)第组双励磁传声器检测到的鸟鸣声强度 ,当某一,第0个,双励磁传声器测得的鸟鸣声强度,比其它双励磁传声器去除背景鸟鸣声后测得的鸟鸣声强度,,都要大,建立以球冠中心为坐标原点的笛卡尔直角坐标系,且轴通过第0个双励磁传声器进音孔顶部中心,假设双励磁传声器进音孔顶部中心构成新球冠的距离为,第0个双励磁传声器进音孔顶部中心坐标为,第个双励磁传声器进音孔顶部中心坐标为,,第0个双励磁传声器进音孔顶部中心切平面方程则为:,第个双励磁传声器进音孔顶部中心与坐标原点连线与的交点坐标为,计算:
在平面上新坐标点定义为对应等效球冠坐标点,其中:
,
坐标原点与连线方向就为鸟鸣声源方向。
本发明的有益结果是:全景图像监视系统是在球冠多面体上密排列可见及红外光CCD摄像阵列覆盖低空全景,与鱼眼镜头相比,光学系统带来的畸变要小很多;对于鸟类的体长、体型、翅型、尾型、羽色以及鸟类细节性差异,监测精度在1毫米左右时才能分别绝大多数鸟类细节性差异;若全景图像监视系统分辨率达到1毫米的精度,监视2平方公里需要像素,需要266667个3000*2500像素的CCD,系统难以实现;而采用3000*2500大幅面、高帧率CCD及550倍变比的3可变可控自动镜头精准图像跟踪监测系统,就可以实现2平方公里监测精度优于1毫米;并且通过在球冠体表面上按不同方位排列多组双励磁传声器,与图像信号一起可以自动获取鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性、鸟鸣声以及鸟类细节性差异信息。
下面结合附图和实例对本发明作详细说明。
附图说明
附图1全景图像监视系统和精准图像跟踪系统组合监视方案框图;
附图2全景图像监视系统结构框图;
附图3精准图像跟踪系统结构框图;
附图4为栅格适应性检测结构示意图,其中,分别为上下、左右栅格开闭角度;
具体实施方式
参照附图1—附图4。
步骤1: 鸟类的活动时间、范围以及其它习性都不能预知,只有进行全景监测才能抓获鸟类的活动,由于单个CCD分辨率大小及镜头视场角有限,难以完成全景监视,采用阵列方式、用16个CCD阵列可以实现全景监视,覆盖整个监视范围;
(1) 在鸟类全景阵列图像监测系统图像采集方面,在球冠多面体上密排列16个可见和红外光CCD摄像阵列覆盖地面全景,16个CCD同步采集图像信号,根据需要,对每一路CCD图像可以独立压缩记录;
(2) 固定每个CCD焦距,使得视场角已知,当给定距离时,某一CCD独立监视区域以及该CCD与相邻CCD共同监视的区域是确定的;鸟类全景阵列图像监测系统中对于给定的监视距离,每一个CCD监视区域将划分为独立监视区域,即其它CCD不能监视到的区域,以及交叉的冗余监视区域,交叉的冗余监视区域至少有两个或两个以上的CCD可以监视到该区域,每个CCD的图像处理就包含了独立监视区域的常规图像处理以及交叉的冗余监视区域的融合处理两个部分;
(3) 独立监视区域的常规图像处理方法是首先进行帧差法获取鸟类图像变化,采用图像分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,然后按特征对鸟类分类统计;
(4) 对CCD交叉的冗余监视区域按照常规图像处理方法先进行帧差法获取鸟类图像变化,按照分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,根据匹配结果给出概率大小送至融合估计器,融合估计器将同一区域多个CCD监视图像匹配的概率进行融合估计,然后按特征对鸟类分类统计;
(5) 在线统计全景内的鸟类不同大小的个数,实现物种丰度在线估计;
(6) 对于不能识别的鸟类,全景图像监视系统给精准图像跟踪系统发出鸟类的方位信号,精准图像跟踪系统将精确跟踪监视并记录该鸟类的活动全过程;
步骤2:(1) 精准图像跟踪监测系统采用3000*2500大幅面、25帧/秒CCD及550倍变比的3可变可控自动镜头,实现2平方公里范围内精准跟踪监测,使得分辨率达到1毫米,满足能够区别鸟类特征斑点的精度;
(2) 根据鸟类全景阵列图像监测系统给出的跟踪起止、方位信号、精准图像跟踪监测系统自身所监视的重要鸟类或人们发出的遥控信号,通过已有的鸟类飞行路线和当前帧目标中心计算,记录、更新鸟类飞行路线;
(3)图像检测处理算法与硬件一体化设计,仅设置一个图像存储空间,将相邻两帧图像中指定的同一区域在FPGA进行比较,获得有无目标运动信息:高速时钟按设定的区域随解码芯片输出的图像数据流对当前帧图像与存入SRAM中的上一帧图像作绝对差分,差分结果与按照图像左上角获取的光照、能见度、天气经验模糊分类的固定阈值进行比较,大于阈值为有运动像素点,否则为无运动像素点;
(4)用FPGA进行图像阈值分割、目标中心提取、运动偏移量和速度计算、预测估计鸟类下一帧飞行路线,对云台方位角和俯仰角、CCD变焦镜头焦距、光圈、景深进行调整,锁定鸟类目标;
(5)记录鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性等鸟类活动,获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息;
(6)精准监视的图像与已经建立的鸟类特征图库进行特征匹配,匹配结果与获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息共同识别鸟类;
步骤3:(1)为了获取鸟类鸣叫声,在球冠体表面上按不同方位排列多个双励磁传声器,将由振动膜片、音圈、永久磁铁芯和升压变压器构成的动圈式传声器中的永久磁铁芯改进成为软磁铁芯,在软磁铁芯上绕线圈与软磁铁芯共同励磁;构成励磁大小、方向、磁滞回线的强度可控的励磁方式;
(2) 使用PWM来控制软磁铁芯上线圈的直流电流大小和方向,形成不同强度的磁场和磁滞回线,从而改变接收到的声信号频率和幅值,扩大改进后动圈式传声器的检测范围;
(3) 通过给软磁铁芯上线圈施加不同的PWM,对给定频率的模拟鸟鸣声信号进行试验,通过数据拟合得到下式:
式中:为给定频率的模拟鸟鸣声信号幅值,为模拟鸟鸣声信号,为时间,为在模拟鸟鸣声信号时得到的输出信号,为输出幅值系数,和为磁滞回线系数;
(4) 通过A/D采集改进后动圈式传声器输出信号,并按照以下方程对该输出信号进行频率和幅值解调:
式中:为A/D的采样周期,,为当前采样时间,为输出信号的基本频率,
为傅里埃级数展开项的最高次数; 、傅里埃级数展开项的系数;
(5) 定义:
式中:为模型噪声,且为零均值高斯白噪声,;直接采用参数估计方法估计出傅里埃级数展开项的系数、和;得到序列后,直接得到鸟鸣声强度的功率谱;
(5)根据已知的不同鸟类占据领地、报警、求偶炫耀、交配、集群行为鸣叫声,建立对应的频谱知识库,作为不同鸟类、不同鸣叫声的识别依据;
(6)第组双励磁传声器检测到的鸟鸣声强度 ,当某一,第0个,双励磁传声器测得的鸟鸣声强度,比其它双励磁传声器去除背景鸟鸣声后测得的鸟鸣声强度,,都要大,建立以球冠中心为坐标原点的笛卡尔直角坐标系,且轴通过第0个双励磁传声器进音孔顶部中心,假设双励磁传声器进音孔顶部中心构成新球冠的距离为,第0个双励磁传声器进音孔顶部中心坐标为,第个双励磁传声器进音孔顶部中心坐标为,第0个双励磁传声器进音孔顶部中心切平面方程则为:,第个双励磁传声器进音孔顶部中心与坐标原点连线与的交点坐标为,计算:
在平面上新坐标点定义为对应等效球冠坐标点,其中:
,
坐标原点与连线方向就为鸟鸣声源方向。
Claims (1)
1.全景与精准图像/球冠可变励磁调幅调频鸟鸣声探测系统,其特点包括以下步骤:
步骤1: 鸟类的活动时间、范围以及其它习性都不能预知,只有进行全景监测才能抓获鸟类的活动,由于单个CCD分辨率大小及镜头视场角有限,难以完成全景监视,采用阵列方式、用多个CCD阵列可以实现全景监视,覆盖整个监视范围;
(1) 在鸟类全景阵列图像监测系统图像采集方面,在球冠多面体上密排列可见和红外光CCD摄像阵列覆盖地面全景,多个CCD同步采集图像信号,根据需要,对每一路CCD图像可以独立压缩记录;
(2) 固定每个CCD焦距,使得视场角已知,当给定距离时,某一CCD独立监视区域以及该CCD与相邻CCD共同监视的区域是确定的;鸟类全景阵列图像监测系统中对于给定的监视距离,每一个CCD监视区域将划分为独立监视区域,即其它CCD不能监视到的区域,以及交叉的冗余监视区域,交叉的冗余监视区域至少有两个或两个以上的CCD可以监视到该区域,每个CCD的图像处理就包含了独立监视区域的常规图像处理以及交叉的冗余监视区域的融合处理两个部分;
(3) 独立监视区域的常规图像处理方法是首先进行帧差法获取鸟类图像变化,采用图像分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,然后按特征对鸟类分类统计;
(4) 对CCD交叉的冗余监视区域按照常规图像处理方法先进行帧差法获取鸟类图像变化,按照分割方法将图像中每一只鸟进行分割,根据已经建立的鸟类特征图库进行特征匹配,根据匹配结果给出概率大小送至融合估计器,融合估计器将同一区域多个CCD监视图像匹配的概率进行融合估计,然后按特征对鸟类分类统计;
(5) 在线统计全景内的鸟类不同大小的个数,实现物种丰度在线估计;
(6) 对于不能识别的鸟类,全景图像监视系统给精准图像跟踪系统发出鸟类的方位信号,精准图像跟踪系统将精确跟踪监视并记录该鸟类的活动全过程;
步骤2:(1) 精准图像跟踪监测系统采用大幅面、高帧率CCD及高倍变比的多可变可控自动镜头,实现若干平方公里范围内精准跟踪监测,使得分辨率达到区别鸟类特征斑点的精度;
(2) 根据鸟类全景阵列图像监测系统给出的跟踪起止、方位信号、精准图像跟踪监测系统自身所监视的重要鸟类或人们发出的遥控信号,通过已有的鸟类飞行路线和当前帧目标中心计算,记录、更新鸟类飞行路线;
(3)图像检测处理算法与硬件一体化设计,仅设置一个图像存储空间,将相邻两帧图像中指定的同一区域在FPGA进行比较,获得有无目标运动信息:高速时钟按设定的区域随解码芯片输出的图像数据流对当前帧图像与存入SRAM中的上一帧图像作绝对差分,差分结果与按照图像左上角获取的光照、能见度、天气经验模糊分类的固定阈值进行比较,大于阈值为有运动像素点,否则为无运动像素点;
(4)用FPGA进行图像阈值分割、目标中心提取、运动偏移量和速度计算、预测估计鸟类下一帧飞行路线,对云台方位角和俯仰角、CCD变焦镜头焦距、光圈、景深进行调整,锁定鸟类目标;
(5)记录鸟类的飞行路线、飞行姿态、翅膀扇动频率和幅度、停落姿态、觅食习性等鸟类活动,获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息;
(6)精准监视的图像与已经建立的鸟类特征图库进行特征匹配,匹配结果与获得鸟类体长、体型、翅型、尾型、羽色的形态特征,包括飞行路线、飞行姿态、翅膀扇动频率及幅度、停落姿态在内的鸟类行为姿态以及觅食习性的细节性信息共同识别鸟类;
步骤3:(1)为了获取鸟类鸣叫声,在球冠体表面上按不同方位排列多个双励磁传声器,将由振动膜片、音圈、永久磁铁芯和升压变压器构成的动圈式传声器中的永久磁铁芯改进成为软磁铁芯,在软磁铁芯上绕线圈与软磁铁芯共同励磁;构成励磁大小、方向、磁滞回线的强度可控的励磁方式;
(2) 使用PWM来控制软磁铁芯上线圈的直流电流大小和方向,形成不同强度的磁场和磁滞回线,从而改变接收到的声信号频率和幅值,扩大改进后动圈式传声器的检测范围;
(3) 通过给软磁铁芯上线圈施加不同的PWM,对给定频率的模拟鸟鸣声信号进行试验,通过数据拟合得到下式:
式中:为给定频率的模拟鸟鸣声信号幅值,为模拟鸟鸣声信号,为时间,为在模拟鸟鸣声信号时得到的输出信号,为输出幅值系数,和为磁滞回线系数;
(4) 通过A/D采集改进后动圈式传声器输出信号,并按照以下方程对该输出信号进行频率和幅值解调:
式中:为A/D的采样周期,,为当前采样时间,为输出信号的基本频率,
,为傅里埃级数展开项的最高次数; 、傅里埃级数展开项的系数;
(5) 定义:
式中:为模型噪声,且为零均值高斯白噪声,;直接采用参数估计方法估计出傅里埃级数展开项的系数、和;得到序列后,直接得到鸟鸣声强度的功率谱;
(5)根据已知的不同鸟类占据领地、报警、求偶炫耀、交配、集群行为鸣叫声,建立对应的频谱知识库,作为不同鸟类、不同鸣叫声的识别依据;
(6)第组双励磁传声器检测到的鸟鸣声强度 ,当某一,第0个,双励磁传声器测得的鸟鸣声强度,比其它双励磁传声器去除背景鸟鸣声后测得的鸟鸣声强度,,都要大,建立以球冠中心为坐标原点的笛卡尔直角坐标系,且轴通过第0个双励磁传声器进音孔顶部中心,假设双励磁传声器进音孔顶部中心构成新球冠的距离为,第0个双励磁传声器进音孔顶部中心坐标为,第个双励磁传声器进音孔顶部中心坐标为,,第0个双励磁传声器进音孔顶部中心切平面方程则为:,第个双励磁传声器进音孔顶部中心与坐标原点连线与的交点坐标为,计算:
在平面上新坐标点定义为对应等效球冠坐标点,其中:
,
坐标原点与连线方向就为鸟鸣声源方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710336233.2A CN107066993B (zh) | 2017-05-13 | 2017-05-13 | 全景和精准图像及球冠可变励磁调幅调频鸟鸣声自动探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710336233.2A CN107066993B (zh) | 2017-05-13 | 2017-05-13 | 全景和精准图像及球冠可变励磁调幅调频鸟鸣声自动探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066993A true CN107066993A (zh) | 2017-08-18 |
CN107066993B CN107066993B (zh) | 2021-01-05 |
Family
ID=59597703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710336233.2A Active CN107066993B (zh) | 2017-05-13 | 2017-05-13 | 全景和精准图像及球冠可变励磁调幅调频鸟鸣声自动探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066993B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030978A (zh) * | 2021-02-07 | 2021-06-25 | 中国民用航空总局第二研究所 | 机场超低空鸟类探测与智能警示系统及方法 |
CN114279475A (zh) * | 2021-12-23 | 2022-04-05 | 成都德鲁伊科技有限公司 | 一种利用光传感器的生物体行为监测方法 |
CN118097721A (zh) * | 2024-04-29 | 2024-05-28 | 江西师范大学 | 基于多源遥感观测和深度学习的湿地鸟类识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308153A (zh) * | 2013-06-11 | 2013-09-18 | 西安费斯达自动化工程有限公司 | 环境噪声可变励磁调幅调频检测与估计方法 |
CN103344319A (zh) * | 2013-06-12 | 2013-10-09 | 西安费斯达自动化工程有限公司 | 环境噪声场强度及分布的阵列式检测与估计方法 |
CN103529428A (zh) * | 2013-10-17 | 2014-01-22 | 北京理工大学 | 一种基于空间十元阵的点声源被动声定位方法 |
CN205693769U (zh) * | 2016-05-25 | 2016-11-16 | 中国民用航空总局第二研究所 | 一种运动摄像机对全景目标快速定位捕捉系统 |
CN106462978A (zh) * | 2014-05-07 | 2017-02-22 | 日本电气株式会社 | 物体检测设备、物体检测方法和物体检测系统 |
-
2017
- 2017-05-13 CN CN201710336233.2A patent/CN107066993B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308153A (zh) * | 2013-06-11 | 2013-09-18 | 西安费斯达自动化工程有限公司 | 环境噪声可变励磁调幅调频检测与估计方法 |
CN103344319A (zh) * | 2013-06-12 | 2013-10-09 | 西安费斯达自动化工程有限公司 | 环境噪声场强度及分布的阵列式检测与估计方法 |
CN103529428A (zh) * | 2013-10-17 | 2014-01-22 | 北京理工大学 | 一种基于空间十元阵的点声源被动声定位方法 |
CN106462978A (zh) * | 2014-05-07 | 2017-02-22 | 日本电气株式会社 | 物体检测设备、物体检测方法和物体检测系统 |
CN205693769U (zh) * | 2016-05-25 | 2016-11-16 | 中国民用航空总局第二研究所 | 一种运动摄像机对全景目标快速定位捕捉系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030978A (zh) * | 2021-02-07 | 2021-06-25 | 中国民用航空总局第二研究所 | 机场超低空鸟类探测与智能警示系统及方法 |
CN114279475A (zh) * | 2021-12-23 | 2022-04-05 | 成都德鲁伊科技有限公司 | 一种利用光传感器的生物体行为监测方法 |
CN114279475B (zh) * | 2021-12-23 | 2023-12-26 | 成都德鲁伊科技有限公司 | 一种利用光传感器的生物体行为监测方法 |
CN118097721A (zh) * | 2024-04-29 | 2024-05-28 | 江西师范大学 | 基于多源遥感观测和深度学习的湿地鸟类识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107066993B (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107087144A (zh) | 全景与精准图像/球冠可变励磁鸟鸣声一体化探测系统 | |
CN106954049A (zh) | 全景和精准图像跟踪系统的机场鸟类信息获取方法 | |
CN109255286B (zh) | 基于深度学习网络框架的无人机光学快速检测识别方法 | |
US8605155B2 (en) | Video surveillance system | |
CA3003966C (en) | Uav detection | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
Lai et al. | Characterization of Sky‐region Morphological‐temporal Airborne Collision Detection | |
CN110032977A (zh) | 一种基于深度学习图像火灾识别的安全预警管理系统 | |
CN107066993A (zh) | 全景与精准图像/球冠可变励磁调幅调频鸟鸣声探测系统 | |
CN105027550A (zh) | 用于处理视觉信息以检测事件的系统和方法 | |
CN102524237A (zh) | 一种飞机场鸟情监控驱鸟系统及方法 | |
CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
Minakshi et al. | Leveraging smart-phone cameras and image processing techniques to classify mosquito species | |
CN107018384A (zh) | 全景图像/精准图像/球冠栅格适应性鸟鸣声探测系统 | |
CN108898098A (zh) | 基于监控平台的早期视频烟雾检测方法 | |
CN109637123A (zh) | 一种复杂交通环境下行人生物特征识别与交通管控系统 | |
CN114120077B (zh) | 一种基于无人机航拍大数据下的防控风险预警方法 | |
Boycott et al. | Field testing an “acoustic lighthouse”: Combined acoustic and visual cues provide a multimodal solution that reduces avian collision risk with tall human-made structures | |
CN107169971A (zh) | 全景与精准图像/球冠场强度分布鸟鸣声一体化探测系统 | |
CN202958578U (zh) | 一种飞机场鸟情监控驱鸟系统 | |
CN107169970A (zh) | 全景图像/精准图像/球冠驻极体鸟鸣声一体化探测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |