基于MFCC和双重GMM的鸟类识别方法1
需积分: 0 140 浏览量
2022-08-03
20:14:32
上传
评论
收藏 2.35MB PDF 举报
书书书
年
月
第
卷
第
期
计算机工程与设计
基于
犕犉犆犆
和双重
犌犕犕
的鸟类识别方法
王恩泽，何东健
（西北农林科技大学 机械与电子工程学院，陕西 杨凌
）
摘
要：针对鸟类鸣声信号变化丰富和复杂的特点，提出一种基于
和鸣叫、鸣唱声
模型的鸟类识别方法。该
方法拟采用将鸟鸣声分为鸟叫声和鸟唱声的策略，分别提取其特征参数
，提出双重
模型进行训练和识别。用
种鸟的鸣叫声和鸣唱声
个样本进行实验，实验结果表明，双重
模型的识别率达到
以上，与单一鸣声模型
相比具有更高的识别率。
关键词：鸟类识别；梅尔倒谱系数；鸣叫；鸣唱；双重高斯混合模型
中图法分类号：
文献标识号：
文章编号：
（
）
收稿日期：
；修订日期：
基金项目：西北农林科技大学校长基金项目 （
）
作者简介：王恩泽 （
），男，山东泰安人，硕士研究生，研究方向为智能化检测技术；
通讯作者：何东健 （
），男，陕西汉中
人，教授，博士生导师，
会员，研究方向为图像处理，智能化检测。
：
＠
，
（
，
，
，
）
犃犫狊狋狉犪犮狋
：
，
，
，
，
犓犲
狔
狑狅狉犱狊
：
；
（
）；
；
；
（
）
０
引
言
湿地鸟的种类识别对保护鸟类、了解湿地生态系统和
评测湿地环境质量具有重要意义
［
］
。传统的鸟类识别方法
有视频监测和人工识别方法，但视频监测成本高、监测目
标范围有限
［
］
；而人工识别实施困难、效率低
［
］
。声音是
鸟类的重要生物学特征，也是识别鸟类的重要依据
［
］
。通
过声音识别鸟的种类，对确定湿地鸟的种类、判断是否有
外来鸟类以及研究鸟的迁徙规律具有重要的意义
［
］
。
在声音识别中，特征参数
［
，
］
的选择和分类模型
［
，
］
的
构建，直接影响识别性能和复杂度。通常采用的特征参数
有线 性 预 测 倒 谱 系 数
（
，
）和
频率倒谱系数 （
，
），分类模型多用动态时间归整 （
，
）、支持向量机 （
，
）、 向 量 量 化 （
，
）、
隐马尔可夫模型 （
，
）和高斯混
合模型 （
，
）。
等
人
［
］
通过提取
种雀形目鸟类的
特征，用
进
行种内个体识别，该方法仅在种内进行个体识别，未考虑
不同种类间的识别。薛宇志
［
］
采用二阶层式识别架构，先
判断鸣声类型，然后输入相应的判断单元进行识别，但需
要事先判断鸟类的鸣声类型，不仅增加了复杂度，而且人
工判断鸣声类型的准确度亟待提高。
为提高湿地鸟类识别率，本文拟采用将鸟声分为鸣叫
声和鸣唱声的策略
，分别提取其特征参数
，构建双
重
模型进行训练与识别，以提高识别准确度。
１
声音样本获取与特征参数提取
１１
声音样本获取
考虑到声音样本的多寡、地域的合理性、科目的差异
万方数据
评论0