[发明专利]一种鸟鸣声智能识别方法、装置、设备和介质

说明书

本发明公开了一种鸟鸣声智能识别方法、装置、设备和介质，方法包括：获取原始鸟鸣声信号；采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号；从所述目标鸟鸣声信号中提取目标特征；根据所述目标特征训练得到目标分类模型；通过所述目标分类模型对待识别鸟鸣声进行识别，确定所述待识别鸟鸣声的识别结果。本发明提高了鸟鸣声的识别准确率，可广泛应用于声信号处理技术领域。

技术领域

本发明涉及声信号处理技术领域，尤其是一种鸟鸣声智能识别方法、装置、设备和介质。

背景技术

随着人们对环境保护的意识不断增强，如何就生物的多样性进行监测，以了解生物多样性现状、变化趋势，进而制定有效保护措施，成为当下热门的问题。对于鸟类生物，由于鸟类分布广泛，对环境的变化比较敏感，而且收集鸟类数据相对简单，所以鸟类是生物多样性监测的重要指示类群。

传统的鸟类调查监测采用分层随机抽样的取样策略，包括采用样线法和样点法进行调查。随着计算机技术和数字信号处理技术的发展，使得人们能通过收集大量的实际采集到的鸟鸣声，经过预处理和特征提取，使用机器学习或深度学习的方法使机器学习到不同鸟类的深层特征。这种智能鸟鸣声识别系统只要有足够的数据进行驱动，结合有效的方法就能使识别的效果与鸟类专家媲美，为生态系统和环境质量提供依据。

但是，在实际环境下采集到的鸟鸣声音频存在背景噪声较大、鸟类种类复杂的问题，导致现有的一些鸟鸣声识别系统识别率不高。而且随着神经网络需要识别的种类增多，直接把网络预测的概率分布作为最终结果显然不是最优的方法，需要加入判决融合方法使整个系统更有鲁棒性。

发明内容

有鉴于此，本发明实施例提供一种准确率高的鸟鸣声智能识别方法、装置、设备和介质。

本发明的第一方面提供了一种鸟鸣声智能识别方法，包括：

获取原始鸟鸣声信号；

采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号；

从所述目标鸟鸣声信号中提取目标特征；

根据所述目标特征训练得到目标分类模型；

通过所述目标分类模型对待识别鸟鸣声进行识别，确定所述待识别鸟鸣声的识别结果。

在一些实施例中，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号这一步骤之前，还包括：

将所述原始鸟鸣声信号中幅度最大的点放大到设定阈值；

记录所述放大过程中幅度最大的点的放大比例；

根据所述放大比例，将所述原始鸟鸣声信号中所有点进行放大处理。

在一些实施例中，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号，包括：

计算所述原始鸟鸣声信号的先验信噪比，确定所述原始鸟鸣声信号中的鸟鸣声帧和噪声帧；

通过最大后验估计器对所述噪声帧进行降噪处理，得到已降噪的目标鸟鸣声文件和每一帧鸟鸣声存在概率的文件。

在一些实施例中，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号这一步骤之后，还包括：

对所述目标鸟鸣声信号进行分割处理，去除所述目标鸟鸣声信号中的静音段；

根据所述每一帧鸟鸣声存在概率的文件，将所述目标鸟鸣声进行分段处理，得到数据维度一致的多个鸟鸣声片段。

在一些实施例中，所述从目标鸟鸣声信号中提取目标特征，包括：

通过一阶高通滤波器对所述目标鸟鸣声信号进行预加重处理，得到第一鸟鸣声信号；