CN110033777A - 鸟类识别方法、装置、终端设备及计算机可读存储介质 - Google Patents

鸟类识别方法、装置、终端设备及计算机可读存储介质 Download PDF

Info

Publication number
CN110033777A
CN110033777A CN201810026706.3A CN201810026706A CN110033777A CN 110033777 A CN110033777 A CN 110033777A CN 201810026706 A CN201810026706 A CN 201810026706A CN 110033777 A CN110033777 A CN 110033777A
Authority
CN
China
Prior art keywords
birds
target
flock
sound
sample
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.)
Pending
Application number
CN201810026706.3A
Other languages
English (en)
Inventor
宋贤高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen One Cheng Technology Co Ltd
Original Assignee
Shenzhen One Cheng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen One Cheng Technology Co Ltd filed Critical Shenzhen One Cheng Technology Co Ltd
Priority to CN201810026706.3A priority Critical patent/CN110033777A/zh
Publication of CN110033777A publication Critical patent/CN110033777A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明属于信号处理技术领域，尤其涉及一种鸟类识别方法、装置、终端设备及计算机可读存储介质。所述方法采集目标鸟群的鸣叫声音，对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数，在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本，若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。由于预设了鸟类声音样本库，为进行鸟类识别提供了依据，保证了识别结果的可靠性，而且声音的采集、分析、匹配的整个过程均可自动完成，无需人力介入，省时省力且效率大大提升。

Description

鸟类识别方法、装置、终端设备及计算机可读存储介质
技术领域
本发明属于信号处理技术领域，尤其涉及一种鸟类识别方法、装置、终端设备及计算机可读存储介质。
背景技术
目前在对鸟群种类进行识别时，一般都需要资深的鸟类学专家在现场观察鸟群形态，倾听鸟群鸣叫，然后根据自己多年的实践经验做出判断，识别结果准确与否完全取决于专家的经验，可靠性难以保证，且整个过程耗时耗力，效率极低。
发明内容
有鉴于此，本发明实施例提供了一种鸟类识别方法、装置、终端设备及计算机可读存储介质，以解决现有技术中依靠专家经验识别可靠性难以保证，且整个过程耗时耗力，效率极低的问题。
本发明实施例的第一方面提供了一种鸟类识别方法，可以包括：
采集目标鸟群的鸣叫声音；
对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数；
在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本；
若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
进一步地，在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本之后，所述鸟类识别方法还可以包括：
若搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则采集所述目标鸟群的图像；
在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本；
若搜寻到与所述目标鸟群的图像匹配的鸟类图像样本，则根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
进一步地，在确定出所述目标鸟群的种类之后，所述鸟类识别方法还可以包括：
确定与所述目标鸟群的种类对应的驱鸟频率；
控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波。
进一步地，在控制预设的扩音装置按照所述驱鸟频率对所述目标鸟群发送驱鸟声波之前，所述鸟类识别方法还可以包括：
分别记录预设的三个以上的声音采集装置采集到所述目标鸟群的鸣叫声音的采集时间点；
根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置。
进一步地，所述根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置可以包括：
计算第一声音采集装置的采集时间点与第二声音采集装置的采集时间点之间的第一时间差；
计算第一声音采集装置的采集时间点与第三声音采集装置的采集时间点之间的第二时间差，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别为不同的声音采集装置；
根据所述第一时间差、所述第一声音采集装置的位置和所述第二声音采集装置的位置计算所述目标鸟群所在的第一区域范围；
根据所述第二时间差、所述第一声音采集装置的位置和所述第三声音采集装置的位置计算所述目标鸟群所在的第二区域范围；
将所述第一区域范围和所述第二区域范围的重叠区域确定为所述目标鸟群的位置。
本发明实施例的第二方面提供了一种鸟类识别装置，可以包括：
声音采集模块，用于采集目标鸟群的鸣叫声音；
频谱分析模块，用于对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数；
声音匹配模块，用于在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本；
第一鸟群种类确定模块，用于若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
进一步地，所述鸟类识别装置还可以包括：
图像采集模块，用于若搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则采集所述目标鸟群的图像；
图像匹配模块，用于在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本；
第二鸟群种类确定模块，用于若搜寻到与所述目标鸟群的图像匹配的鸟类图像样本，则根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
进一步地，所述鸟类识别装置还可以包括：
驱鸟频率确定模块，用于确定与所述目标鸟群的种类对应的驱鸟频率；
驱鸟声波发射模块，用于控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波。
进一步地，所述鸟类识别装置还可以包括：
采集时间点记录模块，用于分别记录预设的三个以上的声音采集装置采集到所述目标鸟群的鸣叫声音的采集时间点；
鸟群位置计算模块，用于根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置。
进一步地，所述鸟群位置计算模块可以包括：
第一时间差计算单元，用于计算第一声音采集装置的采集时间点与第二声音采集装置的采集时间点之间的第一时间差；
第二时间差计算单元，用于计算第一声音采集装置的采集时间点与第三声音采集装置的采集时间点之间的第二时间差，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别为不同的声音采集装置；
第一区域范围计算单元，用于根据所述第一时间差、所述第一声音采集装置的位置和所述第二声音采集装置的位置计算所述目标鸟群所在的第一区域范围；
第二区域范围计算单元，用于根据所述第二时间差、所述第一声音采集装置的位置和所述第三声音采集装置的位置计算所述目标鸟群所在的第二区域范围；
鸟群位置确定单元，用于将所述第一区域范围和所述第二区域范围的重叠区域确定为所述目标鸟群的位置。
本发明实施例的第三方面提供了一种鸟类识别终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以上任一种鸟类识别方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上任一种鸟类识别方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例采集目标鸟群的鸣叫声音，对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数，在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本，若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。由于预设了鸟类声音样本库，为进行鸟类识别提供了依据，保证了识别结果的可靠性，而且声音的采集、分析、匹配的整个过程均可自动完成，无需人力介入，省时省力且效率大大提升。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中通过声音匹配进行鸟类识别的示意流程图；
图2为本发明实施例中通过图像匹配进行鸟类识别的示意流程图；
图3为本发明实施例中定位鸟群位置的示意流程图；
图4为本发明实施例提供的鸟类识别装置的示意框图；
图5是本发明实施例提供的鸟类识别终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，是本发明实施例提供的一种鸟类识别方法的示意流程图，所述方法可以包括：
步骤S101、采集目标鸟群的鸣叫声音。
所述目标鸟群的鸣叫声音可以通过专门的麦克风进行采集，也可以通过手机、平板电脑等终端设备内置的麦克风进行采集。
步骤S102、对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数。
在本实施例中，所述目标频谱参数可以包括第一频率、第二频率和频谱包络形状等。
首先对所述目标鸟群的鸣叫声音进行频谱分析，也即对其进行傅里叶变换，得到其能量频谱，然后将该能量频谱中的能量最高点所对应的频率确定为所述第一频率，将该能量频谱中的能量次高点所对应的频率确定为所述第二频率，并提取出该能量频谱的频谱包络形状。
步骤S103、在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本。
所述鸟类声音样本库中预先存储了各种鸟类的声音样本，为进行鸟类识别提供了依据，保证了识别结果的可靠性。
在进行声音样本匹配时，首先从所述鸟类声音样本库中选取一条鸟类声音样本作为当前匹配样本，然后获取该当前匹配样本的频谱参数，并且计算该当前匹配样本的频谱参数与目标频谱参数之间的参数匹配度，若该参数匹配度小于预设的匹配度阈值，则说明两者之间是不匹配的，此时需要重新从所述鸟类声音样本库中选取一条未被选取过的鸟类声音样本作为当前匹配样本，并重复上述过程，直至参数匹配度大于或等于匹配度阈值为止。若在所述鸟类声音样本库中搜寻到与所述目标频谱参数匹配的鸟类声音样本，则执行步骤S104。
具体地，所述参数匹配度可以通过以下方式计算：
计算所述目标频谱参数中的第一频率与当前匹配样本的频谱参数中的第一频率之间的第一匹配度。将所述目标频谱参数中的第一频率用ff来表示，将当前匹配样本的频谱参数中的第一频率用ff′来表示，两者之间的第一匹配度用η1来表示，则：
计算所述目标频谱参数中的第二频率与当前匹配样本的频谱参数中的第二频率之间的第二匹配度。将所述目标频谱参数中的第二频率用fs来表示，将当前匹配样本的频谱参数中的第二频率用fs′来表示，两者之间的第二匹配度用η2来表示，则：
计算所述目标频谱参数中的频谱包络形状与当前匹配样本的频谱参数中的频谱包络形状之间的第三匹配度。首先，从所述目标频谱参数中的频谱包络中均匀选取N个样本点，其取值分别记为p1、p2、…、pN，其平均值用来表示，则：从当前匹配样本的频谱参数中的频谱包络中也相应地均匀选取N个样本点，其取值分别记为p1′、p2′、…、pN′，其平均值用来表示，则：第三匹配度用η3来表示，则：
根据第一匹配度、第二匹配度以及第三匹配度计算该当前匹配样本的频谱参数与目标频谱参数之间的参数匹配度，将两者之间的参数匹配度用η来表示，则：η＝k1η1+k2η2+k3η3，其中，k1、k2、k3均为正数，k1+k2+k3＝1，例如，可取
步骤S104、根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
当所述鸟类声音样本库中的某条样本匹配成功时，则可查询该条样本对应的鸟的种类，查询到的该种类即为所述目标鸟群的种类。
综上所述，本方案实施例采集目标鸟群的鸣叫声音，对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数，在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本，若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。由于预设了鸟类声音样本库，为进行鸟类识别提供了依据，保证了识别结果的可靠性，而且声音的采集、分析、匹配的整个过程均可自动完成，无需人力介入，省时省力且效率大大提升。
优选地，若在所述鸟类声音样本库中搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则还可以进一步地采用如图2所示的图像匹配方案继续确定所述目标鸟群的种类：
步骤S201、采集所述目标鸟群的图像。
所述目标鸟群的图像可以通过专门的摄像镜头进行采集，也可以通过手机、平板电脑等终端设备内置的摄像镜头进行采集。
步骤S202、在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本。
所述鸟类图像样本库中预先存储了各种鸟类的图像样本，为进行鸟类识别提供了依据，保证了识别结果的可靠性。
首先计算所述目标鸟群的图像的特征向量。具体地，可以通过局部二值模式(Local Binary Patterns，LBP)算法来进行特征向量的计算，构造一种衡量各个像素点与其周围像素点的关系，对图像中的每个像素，通过计算以其为中心的邻域内各像素和中心像素的大小关系，把像素的灰度值转化为一个八位二进制序列。以中心点的像素值为阈值，如果邻域点的像素值小于中心点，则邻域点被二值化为0，否则为1；将二值化得到的0、1序列看成一个8位二进制数，将该二进制数转化为十进制就可得到中心点处的LBP值。计算出每个像素点的LBP值后，将LBP特征谱的统计直方图确定为所述目标鸟群的图像的特征向量。由于利用了周围点与该点的关系对该点进行量化。量化后可以更有效地消除光照对图像的影响。只要光照的变化不足以改变两个点像素值之间的大小关系，那么LBP值不会发生变化，即保证了特征信息提取的准确性。
然后根据特征向量进行图像样本匹配。从所述鸟类图像样本库中选取一条鸟类图像样本作为当前匹配样本，获取该当前匹配样本的特征向量，并且计算该当前匹配样本的特征向量与所述目标鸟群的图像的特征向量之间的图像匹配度，若该图像匹配度小于预设的匹配度阈值，则说明两者之间是不匹配的，此时需要重新从所述鸟类图像样本库中选取一条未被选取过的鸟类图像样本作为当前匹配样本，并重复上述过程，直至图像匹配度大于或等于匹配度阈值为止。若在所述鸟类图像样本库中搜寻到与所述目标频谱参数匹配的鸟类图像样本，则执行步骤S203。
具体地，所述图像匹配度可以通过以下方式计算：
将目标鸟群的图像的特征向量表示为：X＝(x1,x2,x3,...,xM)，将当前匹配样本的特征向量表示为：Y＝(y1,y2,y3,...,yM)，其中M为特征向量的维度，将两者之间的图像匹配度用C(X,Y)表示。
分别计算X和Y的平均值：
最后通过下式计算两者的图像匹配度：
步骤S203、根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
当所述鸟类图像样本库中的某条样本匹配成功时，则可查询该条样本对应的鸟的种类，查询到的该种类即为所述目标鸟群的种类。
通过图2所示的过程，在鸟类声音样本库中搜寻不到匹配的鸟类声音样本时，可以在鸟类图像样本库中继续搜寻与目标鸟群的图像匹配的鸟类图像样本，进一步增大了鸟类识别的成功率。
而如果在鸟类图像样本库中仍然搜寻不到匹配的鸟类图像样本，可以将目标鸟群的声音或图像上传到网上，寻求更多人的帮助，得到准确的答案，并且进一步地丰富和完善鸟类声音样本库和鸟类图像样本库。
在确定出所述目标鸟群的种类之后，还可以确定与所述目标鸟群的种类对应的驱鸟频率，然后控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波，以保障机场等场所的安全。
进一步地，在控制预设的扩音装置按照所述驱鸟频率对所述目标鸟群发送驱鸟声波之前，还可以分别记录预设的三个以上的声音采集装置采集到所述目标鸟群的鸣叫声音的采集时间点，然后根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置，使得驱鸟声波的发射更有针对性。
具体地，可以通过如图3所示的步骤计算所述目标鸟群的位置：
步骤S301、计算第一声音采集装置的采集时间点与第二声音采集装置的采集时间点之间的第一时间差。
将第一声音采集装置的采集时间点用t1表示，将第二声音采集装置的采集时间点用t2表示，其中，t1≥t2，将第一时间差用Δt1表示，则Δt1＝t1-t2。
步骤S302、计算第一声音采集装置的采集时间点与第三声音采集装置的采集时间点之间的第二时间差。
将第三声音采集装置的采集时间点用t3表示，其中，t1≥t3，将第二时间差用Δt2表示，则Δt2＝t1-t3。
需要注意的是，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别为不同的声音采集装置。
步骤S303、根据所述第一时间差、所述第一声音采集装置的位置和所述第二声音采集装置的位置计算所述目标鸟群所在的第一区域范围。
将第一声音采集装置的位置用(x1,y1)表示，将第二声音采集装置的位置用(x2,y2)表示，将音速用v表示，则第一区域范围为根据以下公式确定的曲线：
步骤S304、根据所述第二时间差、所述第一声音采集装置的位置和所述第三声音采集装置的位置计算所述目标鸟群所在的第二区域范围。
将第三声音采集装置的位置用(x3,y3)表示，则第二区域范围为根据以下公式确定的曲线：
需要注意的是，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别位于不同的位置。
步骤S305、将所述第一区域范围和所述第二区域范围的重叠区域确定为所述目标鸟群的位置。
将步骤S303和步骤S304中的两个公式组成方程组，求得的解(x,y)即为所述第一区域范围和所述第二区域范围的重叠区域，也即所述目标鸟群的位置。
通过以上过程，在确定出目标鸟群的种类后，精确定位出目标鸟群的位置，可以更加有效地执行驱鸟作业。
应理解，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
如图4所示，是本发明实施例提供的一种鸟类识别装置的示意框图，所述装置可以包括：
声音采集模块401，用于采集目标鸟群的鸣叫声音；
频谱分析模块402，用于对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数；
声音匹配模块403，用于在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本；
第一鸟群种类确定模块404，用于若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
进一步地，所述鸟类识别装置还可以包括：
图像采集模块，用于若搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则采集所述目标鸟群的图像；
图像匹配模块，用于在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本；
第二鸟群种类确定模块，用于若搜寻到与所述目标鸟群的图像匹配的鸟类图像样本，则根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
进一步地，所述鸟类识别装置还可以包括：
驱鸟频率确定模块，用于确定与所述目标鸟群的种类对应的驱鸟频率；
驱鸟声波发射模块，用于控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波。
进一步地，所述鸟类识别装置还可以包括：
采集时间点记录模块，用于分别记录预设的三个以上的声音采集装置采集到所述目标鸟群的鸣叫声音的采集时间点；
鸟群位置计算模块，用于根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置。
进一步地，所述鸟群位置计算模块可以包括：
第一时间差计算单元，用于计算第一声音采集装置的采集时间点与第二声音采集装置的采集时间点之间的第一时间差；
第二时间差计算单元，用于计算第一声音采集装置的采集时间点与第三声音采集装置的采集时间点之间的第二时间差，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别为不同的声音采集装置；
第一区域范围计算单元，用于根据所述第一时间差、所述第一声音采集装置的位置和所述第二声音采集装置的位置计算所述目标鸟群所在的第一区域范围；
第二区域范围计算单元，用于根据所述第二时间差、所述第一声音采集装置的位置和所述第三声音采集装置的位置计算所述目标鸟群所在的第二区域范围；
鸟群位置确定单元，用于将所述第一区域范围和所述第二区域范围的重叠区域确定为所述目标鸟群的位置。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图5是本发明一实施例提供的鸟类识别终端设备的示意框图。如图5所示，该实施例的鸟类识别终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个鸟类识别方法实施例中的步骤，例如图1所示的步骤S101至步骤S104。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块404的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述鸟类识别终端设备5中的执行过程。例如，所述计算机程序52可以被分割成声音采集模块、频谱分析模块、声音匹配模块和第一鸟群种类确定模块。
所述鸟类识别终端设备5可以是手机、平板电脑、笔记本电脑、台式电脑以及本地服务器、云端服务器等终端设备。所述鸟类识别终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是鸟类识别终端设备5的示例，并不构成对鸟类识别终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述鸟类识别终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述鸟类识别终端设备5的内部存储单元，例如鸟类识别终端设备5的硬盘或内存。所述存储器51也可以是所述鸟类识别终端设备5的外部存储设备，例如所述鸟类识别终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述鸟类识别终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述鸟类识别终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种鸟类识别方法，其特征在于，包括：
采集目标鸟群的鸣叫声音；
对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数；
在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本；
若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
2.根据权利要求1所述的鸟类识别方法，其特征在于，在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本之后，还包括：
若搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则采集所述目标鸟群的图像；
在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本；
若搜寻到与所述目标鸟群的图像匹配的鸟类图像样本，则根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
3.根据权利要求1至2中任一项所述的鸟类识别方法，其特征在于，在确定出所述目标鸟群的种类之后，还包括：
确定与所述目标鸟群的种类对应的驱鸟频率；
控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波。
4.根据权利要求3所述的鸟类识别方法，其特征在于，在控制预设的扩音装置按照所述驱鸟频率对所述目标鸟群发送驱鸟声波之前，还包括：
分别记录预设的三个以上的声音采集装置采集到所述目标鸟群的鸣叫声音的采集时间点；
根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置。
5.根据权利要求4所述的鸟类识别方法，其特征在于，所述根据所述采集时间点以及所述声音采集装置的预设位置计算所述目标鸟群的位置包括：
计算第一声音采集装置的采集时间点与第二声音采集装置的采集时间点之间的第一时间差；
计算第一声音采集装置的采集时间点与第三声音采集装置的采集时间点之间的第二时间差，所述第一声音采集装置、所述第二声音采集装置和所述第三声音采集装置分别为不同的声音采集装置；
根据所述第一时间差、所述第一声音采集装置的位置和所述第二声音采集装置的位置计算所述目标鸟群所在的第一区域范围；
根据所述第二时间差、所述第一声音采集装置的位置和所述第三声音采集装置的位置计算所述目标鸟群所在的第二区域范围；
将所述第一区域范围和所述第二区域范围的重叠区域确定为所述目标鸟群的位置。
6.一种鸟类识别装置，其特征在于，包括：
声音采集模块，用于采集目标鸟群的鸣叫声音；
频谱分析模块，用于对所述目标鸟群的鸣叫声音进行频谱分析，得到目标频谱参数；
声音匹配模块，用于在预设的鸟类声音样本库中搜寻与所述目标频谱参数匹配的鸟类声音样本；
第一鸟群种类确定模块，用于若搜寻到与所述目标频谱参数匹配的鸟类声音样本，则根据搜寻到的所述鸟类声音样本中的信息确定所述目标鸟群的种类。
7.根据权利要求6所述的鸟类识别装置，其特征在于，还包括：
图像采集模块，用于若搜寻不到与所述目标频谱参数匹配的鸟类声音样本，则采集所述目标鸟群的图像；
图像匹配模块，用于在预设的鸟类图像样本库中搜寻与所述目标鸟群的图像匹配的鸟类图像样本；
第二鸟群种类确定模块，用于若搜寻到与所述目标鸟群的图像匹配的鸟类图像样本，则根据搜寻到的所述鸟类图像样本中的信息确定所述目标鸟群的种类。
8.根据权利要求6或7所述的鸟类识别装置，其特征在于，还包括：
驱鸟频率确定模块，用于确定与所述目标鸟群的种类对应的驱鸟频率；
驱鸟声波发射模块，用于控制预设的声波发射装置按照所述驱鸟频率对所述目标鸟群发射驱鸟声波。
9.一种鸟类识别终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的鸟类识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的鸟类识别方法的步骤。
CN201810026706.3A 2018-01-11 2018-01-11 鸟类识别方法、装置、终端设备及计算机可读存储介质 Pending CN110033777A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810026706.3A CN110033777A (zh) 2018-01-11 2018-01-11 鸟类识别方法、装置、终端设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810026706.3A CN110033777A (zh) 2018-01-11 2018-01-11 鸟类识别方法、装置、终端设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110033777A true CN110033777A (zh) 2019-07-19

Family

ID=67234688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810026706.3A Pending CN110033777A (zh) 2018-01-11 2018-01-11 鸟类识别方法、装置、终端设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110033777A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515084A (zh) * 2019-07-29 2019-11-29 生态环境部南京环境科学研究所 一种基于声成像技术的野外鸟类目标数量估计方法
CN110716179A (zh) * 2019-09-29 2020-01-21 浙江海洋大学 一种基于鸣声的鸟类定位系统及方法
CN111276151A (zh) * 2020-01-20 2020-06-12 北京正和恒基滨水生态环境治理股份有限公司 一种鸟声识别系统及识别方法
CN113280226A (zh) * 2021-07-26 2021-08-20 广东电网有限责任公司中山供电局 一种鸟类识别系统
CN116859776A (zh) * 2023-06-25 2023-10-10 广州市声讯电子科技股份有限公司 应用于驱鸟的驱散介质控制方法及装置

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040107104A1 (en) * 2002-12-03 2004-06-03 Schaphorst Richard A. Method and apparatus for automated identification of animal sounds
US20050049877A1 (en) * 2003-08-28 2005-03-03 Wildlife Acoustics, Inc. Method and apparatus for automatically identifying animal species from their vocalizations
CN101173870A (zh) * 2007-09-27 2008-05-07 上海交通大学 复杂噪声基底下短时特征声信号时频域辨识与检测方法
CN201550530U (zh) * 2009-07-30 2010-08-18 成都荣耀科技有限公司 一种智能驱鸟装置
CN102524237A (zh) * 2012-01-11 2012-07-04 桂林电子科技大学 一种飞机场鸟情监控驱鸟系统及方法
CN102708860A (zh) * 2012-06-27 2012-10-03 昆明信诺莱伯科技有限公司 一种基于声信号识别鸟类种类的判断标准建立方法
CN103117061A (zh) * 2013-02-05 2013-05-22 广东欧珀移动通信有限公司 一种基于语音的动物识别方法及装置
US20130266147A1 (en) * 2012-04-05 2013-10-10 Mark Berres System and method for identification of highly-variable vocalizations
US20130282379A1 (en) * 2012-04-24 2013-10-24 Tom Stephenson Method and apparatus for analyzing animal vocalizations, extracting identification characteristics, and using databases of these characteristics for identifying the species of vocalizing animals
US20140185414A1 (en) * 2010-11-09 2014-07-03 Eminent Technology Incorporated Active non-lethal avian denial infrasound systems and methods of avian denial
CN104102923A (zh) * 2014-07-16 2014-10-15 西安建筑科技大学 一种基于mfcc算法的朱鹮个体识别方法
CN104658538A (zh) * 2013-11-18 2015-05-27 中国计量学院 一种基于鸟鸣声的移动式鸟类识别方法
CN105069817A (zh) * 2015-08-20 2015-11-18 安徽卓域光电科技有限公司 鸟类识别方法
CN204969108U (zh) * 2015-08-19 2016-01-20 安徽卓域光电科技有限公司 基于图像探测和光声复合驱赶的驱鸟设备
CN107232175A (zh) * 2017-06-01 2017-10-10 北京中安航信科技有限公司 基于鸟类特征识别的驱鸟装置及其驱鸟方法
CN107393542A (zh) * 2017-06-28 2017-11-24 北京林业大学 一种基于双通道神经网络的鸟类物种识别方法
CN107480591A (zh) * 2017-07-10 2017-12-15 北京航空航天大学 飞鸟检测方法和装置
CN107507036A (zh) * 2017-08-28 2017-12-22 深圳市诚壹科技有限公司 一种数据预测的方法及终端

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040107104A1 (en) * 2002-12-03 2004-06-03 Schaphorst Richard A. Method and apparatus for automated identification of animal sounds
US20050049877A1 (en) * 2003-08-28 2005-03-03 Wildlife Acoustics, Inc. Method and apparatus for automatically identifying animal species from their vocalizations
CN101173870A (zh) * 2007-09-27 2008-05-07 上海交通大学 复杂噪声基底下短时特征声信号时频域辨识与检测方法
CN201550530U (zh) * 2009-07-30 2010-08-18 成都荣耀科技有限公司 一种智能驱鸟装置
US20140185414A1 (en) * 2010-11-09 2014-07-03 Eminent Technology Incorporated Active non-lethal avian denial infrasound systems and methods of avian denial
CN102524237A (zh) * 2012-01-11 2012-07-04 桂林电子科技大学 一种飞机场鸟情监控驱鸟系统及方法
US20130266147A1 (en) * 2012-04-05 2013-10-10 Mark Berres System and method for identification of highly-variable vocalizations
US20130282379A1 (en) * 2012-04-24 2013-10-24 Tom Stephenson Method and apparatus for analyzing animal vocalizations, extracting identification characteristics, and using databases of these characteristics for identifying the species of vocalizing animals
CN102708860A (zh) * 2012-06-27 2012-10-03 昆明信诺莱伯科技有限公司 一种基于声信号识别鸟类种类的判断标准建立方法
CN103117061A (zh) * 2013-02-05 2013-05-22 广东欧珀移动通信有限公司 一种基于语音的动物识别方法及装置
CN104658538A (zh) * 2013-11-18 2015-05-27 中国计量学院 一种基于鸟鸣声的移动式鸟类识别方法
CN104102923A (zh) * 2014-07-16 2014-10-15 西安建筑科技大学 一种基于mfcc算法的朱鹮个体识别方法
CN204969108U (zh) * 2015-08-19 2016-01-20 安徽卓域光电科技有限公司 基于图像探测和光声复合驱赶的驱鸟设备
CN105069817A (zh) * 2015-08-20 2015-11-18 安徽卓域光电科技有限公司 鸟类识别方法
CN107232175A (zh) * 2017-06-01 2017-10-10 北京中安航信科技有限公司 基于鸟类特征识别的驱鸟装置及其驱鸟方法
CN107393542A (zh) * 2017-06-28 2017-11-24 北京林业大学 一种基于双通道神经网络的鸟类物种识别方法
CN107480591A (zh) * 2017-07-10 2017-12-15 北京航空航天大学 飞鸟检测方法和装置
CN107507036A (zh) * 2017-08-28 2017-12-22 深圳市诚壹科技有限公司 一种数据预测的方法及终端

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XUEYAN DONG,ET AL.: "Generalised features for bird vocalisation retrieval in acoustic recordings", 《2015 IEEE 17TH INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING (MMSP)》 *
刘昊天等: "基于特征迁移的多物种鸟声识别方法", 《数据采集与处理》 *
孙燕等: "语音频谱分析与应用", 《计算机与现代化》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515084A (zh) * 2019-07-29 2019-11-29 生态环境部南京环境科学研究所 一种基于声成像技术的野外鸟类目标数量估计方法
CN110716179A (zh) * 2019-09-29 2020-01-21 浙江海洋大学 一种基于鸣声的鸟类定位系统及方法
CN111276151A (zh) * 2020-01-20 2020-06-12 北京正和恒基滨水生态环境治理股份有限公司 一种鸟声识别系统及识别方法
CN111276151B (zh) * 2020-01-20 2023-04-07 北京正和恒基滨水生态环境治理股份有限公司 一种鸟声识别系统及识别方法
CN113280226A (zh) * 2021-07-26 2021-08-20 广东电网有限责任公司中山供电局 一种鸟类识别系统
CN116859776A (zh) * 2023-06-25 2023-10-10 广州市声讯电子科技股份有限公司 应用于驱鸟的驱散介质控制方法及装置
CN116859776B (zh) * 2023-06-25 2024-01-09 广州市声讯电子科技股份有限公司 应用于驱鸟的驱散介质控制方法及装置

Similar Documents

Publication Publication Date Title
CN110033777A (zh) 鸟类识别方法、装置、终端设备及计算机可读存储介质
CN108898086B (zh) 视频图像处理方法及装置、计算机可读介质和电子设备
CN107330731B (zh) 一种识别广告位点击异常的方法和装置
CN103514459A (zh) 一种基于Android手机平台的识别农作物病虫害的方法及系统
JP6812086B2 (ja) 網状パターン除去システムのトレーニング方法、網状パターン除去方法、装置、機器及び媒体
JP2018534712A (ja) 単一ビューオブジェクト再構成のためのファイングレインデータセットにおける教師なしマッチング
CN109753928A (zh) 违章建筑物识别方法和装置
CN107679997A (zh) 医疗理赔拒付方法、装置、终端设备及存储介质
CN109544862A (zh) 基于智能家居的行为识别方法、装置、存储介质及设备
CN108171203A (zh) 用于识别车辆的方法和装置
WO2024060684A1 (zh) 模型训练方法、图像处理方法、设备及存储介质
CN106778910A (zh) 基于本地训练的深度学习系统和方法
CN110796135A (zh) 目标的定位方法及装置、计算机设备、计算机存储介质
CN112613627A (zh) 车辆维修信息推送方法、装置、系统、设备及存储介质
CN109190674A (zh) 训练数据的生成方法及装置
CN106557770A (zh) 通过比较贝塞尔曲线来标识图像中的形状
CN114255502B (zh) 人脸图像生成方法及装置、人脸识别方法、设备、介质
CN115797565A (zh) 三维重建模型训练方法、三维重建方法、装置及电子设备
CN108595211A (zh) 用于输出数据的方法和装置
CN110309774A (zh) 虹膜图像分割方法、装置、存储介质及电子设备
CN112906554A (zh) 基于视觉图像的模型训练优化方法、装置及相关设备
CN108109167A (zh) 门锁安装辅助方法及装置
CN104657944A (zh) 基于参考影像纹理约束的压缩感知遥感图像重建方法
CN110019374A (zh) 基于特征的数据项处理方法、装置、存储介质及计算机设备
CN110071845A (zh) 一种对未知应用进行分类的方法及装置

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220603