[发明专利]一种基于双通道神经网络的鸟类物种识别方法

说明书

本发明公开了一种基于双通道神经网络的鸟类物种识别方法，包括：采集已知种类的鸟鸣声信号并采用滤波、预加重、分割处理，得到预处理鸟鸣声信号；基于线性调频小波变换生成信号语图；截取符合预设帧长范围的鸟鸣声信号作为鸟鸣声时域信号；将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对构建的初步识别模型进行训练得到鸟类物种识别模型；将待识别的鸟鸣声信号经过同样处理得到的信号代入鸟类物种识别模型中进行识别，得到识别结果。所述基于双通道神经网络的鸟类物种识别方法充分利用鸣声信号的时域特征和时频特征，能够提高鸟类物种识别的效率和准确性。

技术领域

本发明涉及物种识别技术领域，特别是指一种基于双通道神经网络的鸟类物种识别方法。

背景技术

鸟类是生物多样性监测和生态环境影响评价的重要指标。通过鸟类物种的调查与监测可以了解鸟类资源现状，归纳鸟类物种的组成、数量和多样性等特征，利用这些特征能直接反映栖息地的环境质量、生态系统的健康程度、生物多样性状况、人类活动对生态系统的干扰程度以及土地利用和景观改变对生态系统的影响程度等。传统的鸟类调查方法主要是人工调查法，包括样线法、样点法和直接计数法。此类方法需要耗费大量人力、物力和财力，而且调查效果容易受到调查人员的视力、听力等主观因素的影响。近年来，红外相机技术在国内外野生动物调查与监测中得到了广泛应用。但是许多鸟类由于体型小、飞行速度快、活动区离地面较远，难以被红外相机捕获到清晰图像，增加了调查和监测结果的不确定性。因此红外相机技术更适用于大、中型地栖鸟类的监测，对于非地栖鸟类的监测效果并不理想。综上所述，传统的鸟类物种调查与监测方法存在不同的弊端，有必要研究新的方法弥补以上不足。

研究发现，在物种的水平上，鸟类鸣声有一定的稳定性和明显的物种鉴别特征，是识别其物种的主要方式之一。以此为理论依据，利用声音采集设备以及鸟类识别软件，基于鸣声识别鸟类物种，实现鸟类物种调查与监测的方法，不仅可以克服上述缺点，而且是高效率、非损伤、低干扰、大范围的监测方法，具有巨大的应用前景。

目前常用的鸟鸣声分类识别方法包括：1、基于模板匹配的分类方法，最具代表性的就是动态时间规整算法，该方法虽然识别精度较高，但是运算量太大，影响识别效率。2、建立基于特征的分类模型实现分类，常用的模型或方法有隐马尔可夫模型、高斯混合模型、支持向量机、随机森林、自主神经网络、k最近邻以及集成学习等，该类方法中手动提取合适的差异特征仍是一大瓶颈。

因此，在实现本申请的过程中，发明人发现现有技术至少存在以下技术缺陷：当前的鸟类物种识别的方法需要耗费海量的人力物力，而且识别的结果准确度也不高，难以得到较好的识别效果。

发明内容

有鉴于此，本发明的目的在于提出一种基于双通道神经网络的鸟类物种识别方法，能够提高鸟类物种识别的效率和准确性。

基于上述目的本发明提供的一种基于双通道神经网络的鸟类物种识别方法，包括：

构建具有两个通道的初步识别模型，其中，第一通道针对于鸟鸣声信号的时频特征设定模型结构及参数，第二通道针对于鸟鸣声信号的时域特征设定模型结构及参数；

采集已知种类的鸟鸣声信号并且对鸟鸣声信号采用滤波处理、预加重补偿处理、分割处理中的一种或者多种方式进行处理，得到预处理鸟鸣声信号；

将所述预处理鸟鸣声信号基于线性调频小波变换生成信号语图；同时对所述预处理鸟鸣声信号截取符合预设帧长范围的鸟鸣声信号区段作为鸟鸣声时域信号；

将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对初步识别模型进行训练，得到鸟类物种识别模型；