[发明专利]一种基于深度学习的鸟类识别方法在审
| 申请号： | 201910264817.2 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN109979441A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 吕坤朋;孙斌;赵玉晓 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 鸟类 时频谱图 鸟鸣声 环境噪声影响 卷积神经网络 分类识别 分类依据 交叉干扰 时频分析 特征参数 图像特征 音节特征 分类器 分辨率 学习 | ||
【权利要求书】：
1.一种基于深度学习的鸟类识别方法，其特征在于，包括以下步骤：
步骤1、采集不同种类鸟的鸣声，声音信号预处理后，将其中包含有效音节的片段组成样本库；
步骤2、样本数据归一化及预加重处理后，通过时频分析算法获得时频谱图；
步骤3、通过卷积神经网络提取时频谱图的图像特征；
步骤4、经过分类器，根据特征进行鸟类分类识别；
根据权利要求（1）所述的一种基于深度学习的鸟类识别方法，其特征在于，步骤1所述声音信号预处理包括降噪与裁剪，有效音节的特征具有随机性与多样性 。
2.根据权利要求（1）所述的一种基于深度学习的鸟类识别方法，其特征在于，步骤2所述时频分析算法将一维时序信号转换为二维时频谱图，并包含能量信息，所描述的时频分析方法包括但不限于小波变换、自适应最优核等。
3.根据权利要求（1）所述的一种基于深度学习的鸟类识别方法，其特征在于，步骤3所述卷积神经网络先将灰度化的时频谱图作为输入，提取图像特征，将已知鸟的种类作为输出标准来训练该网络。
4.根据权利要求（1）所述的一种基于深度学习的鸟类识别方法，其特征在于，步骤4所述分类器为Softmax回归分类器。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910264817.2/1.html，转载请声明来源钻瓜专利网。
