【技术实现步骤摘要】
本专利技术涉及声学信息处理，尤其涉及一种面向国家重点保护鸟类监测的鸟声事件检测方法及系统。
技术介绍
1、国家重点保护鸟类通常是生态系统中的关键物种，其存在与健康状况直接影响着生态系统的稳定性和多样性。近些年来，鸟声监测在鸟类研究中扮演着至关重要的角色，特别是在非侵入性监测、连续监测的可能性和大规模数据收集方面。这种技术的应用极大地推动了鸟类生态学和保护生物学的发展。鸟声监测作为一种非侵入性技术，与捕获和标记等传统研究方法相比，它对鸟类及其生境的干扰极小。使用声音监测设备，研究者可以在不直接接触鸟类的情况下收集数据，从而降低了对鸟类自然行为的影响。通过音频检测和识别这些国家重点保护鸟类，可以帮助监测和保护这些物种。但是野外环境中通常存在大量背景噪音，如风声、雨声、人类活动声等，这些噪音可能干扰鸟类声音的检测和识别。特别是许多国家重点保护鸟类数量非常稀少，一些鸟类的鸣叫间隔非常长，获取对应的鸟类叫声相对困难。
2、鸟声检测与分类是生物声学研究的一个关键领域，鸟类的声音通常在复杂的自然环境中出现，这些环境特征可能导致声音事件的重叠，使得检测和分类鸟声变得更加困难。许多基于传统信号处理的方法依赖于从音频信号中提取基本的时频特征，如梅尔频率倒谱系数(mfcc)、音调、能量等，然后通过基于规则或模板匹配的方法来检测声音事件。这类方法实现简单，不需要复杂的算法和模型训练。但这类方法严重依赖预先定义的规则或模板，只能捕捉一些简单的、显著的特征，而无法处理复杂的时间序列模式和频谱变化，灵活性较差。近些年来，深度学习在鸟声检测与分类领
3、目前传统的信号处理鸟声检测方法在面对复杂、多变的现实场景时，其灵活性和适应性不足，难以捕捉和处理复杂的声音事件特征；基于cnn的鸟声检测方法往往只关注对固定长度音频片段的鸟声分类信息而忽略了具体的可变化的鸟鸣声时间范围信息，基于crnn的方法往往只关注对音频片段中鸟声事件的分类和时间范围信息，但忽略了具体的频率范围信息和实际声源信号的位置信息；此外许多鸟类识别模型往往只关注日常生活中随处可见的鸟类声音，而忽视了国家重点保护鸟类。并且实际的野外录音信号往往包含了大量的各种各样的噪声，这些噪声在很大程度上会影响检测模型的推理效果。目前的检测方法在频率分析、防噪声干扰、防漏检及环境适应性方面的不足，限制了其在实际应用场景中的效果。特别是对于需要长期、广泛监测的且数量稀少的国家保护鸟类而言，现有方法的局限性导致监测数据的准确性和全面性难以保证。
技术实现思路
1、本专利技术实施例的主要目的在于提出一种面向国家重点保护鸟类监测的鸟声事件检测方法及系统，能够提高野外鸟声音频的检测效果，进而提高分类精度。
2、为实现上述目的，本专利技术实施例的一方面提出了一种面向国家重点保护鸟类监测的鸟声事件检测方法，包括以下步骤：
3、收集国家重点保护鸟类的鸟声数据以及环境噪声数据；
4、根据所述鸟声数据以及所述环境噪声数据，构建鸟声谱图数据集和带噪鸟声数据集；
5、构建鸟声降噪模型和目标检测模型；
6、根据所述鸟声谱图数据集和所述带噪鸟声数据集，训练并联合优化所述鸟声降噪模型和所述目标检测模型；其中，所述鸟声降噪模型用于对带噪鸟声数据进行降噪处理，所述目标检测模型用于检测目标图像；
7、构建图像-音频映射模块，用于将所述目标检测模型的图像检测结果转换为对音频的声音事件检测结果；
8、获取待检测的鸟声数据，根据所述鸟声降噪模型、所述目标检测模型以及所述图像-音频映射模块对目标鸟声进行检索和声源定位，确定目标鸟声的物种、时频和方向信息。
9、在一些实施例中，所述收集国家重点保护鸟类的鸟声数据以及环境噪声数据，包括以下步骤：
10、根据国家一级、二级保护鸟类名录，收集这些鸟类的声音数据，收集的方式包括从鸟声数据网站下载的数据，或者是野外录音数据；其中，采样率不低于32khz、量化精度不低于16比特；
11、对收集到的数据进行统一化处理，并进行降噪处理，得到筛选后的干净鸟声数据音频文件；
12、根据鸟类物种，将筛选得到的音频文件进行连接，得到每个鸟类物种的音频文件；
13、根据噪声数据采样率要求、量化精度要求以及噪声类型，获取环境噪声数据；其中，噪声类型包括国家重点鸟类实际监测区域的目标噪声，包括：风声、汽车声、雨声、溪流人声、蟋蟀鸣声、螽斯鸣声、蝉鸣声、蛙声。
14、在一些实施例中，所述根据所述鸟声数据以及所述环境噪声数据，构建鸟声谱图数据集和带噪鸟声数据集，包括以下步骤：
15、将获取的鸟声数据从时域转换到频域，生成鸟声谱图；
16、调整鸟声谱图图像大小和颜色深度；
17、利用图像标注工具在鸟声图上为每个目标鸟类声音绘制边界框、标记类别并保存标注文件；
18、将鸟声谱图和对应的标注文件构成所述鸟声谱图数据集；
19、将获取的干净鸟声数据中加入噪声数据，得到所述带噪鸟声数据集。
20、在一些实施例中，所述将获取的鸟声数据从时域转换到频域，生成鸟声谱图，包括以下步骤：
21、记一个鸟声信号的数据采样点数p，设置帧长flen为2048，帧移hlen为512，得该鸟声信号的分帧帧数fn，记分帧后的每一帧信号为x(p,λ)，其中p为采样点编号，λ为帧编号；鸟声信号的分帧帧数的计算公式为：
22、将当前帧x(p,λ)与上一帧x(p,λ-1)进行长度为overlap＝512的帧叠得到目标帧xo(p,λ)，帧叠后的总长度为所述帧长flen；
23、对所述目标帧xo(p,λ)进行加窗，窗的类型为汉明窗w(p,ψ)，其中ψ取0.46，窗长等于帧长点数flen＝2048，得到所有加窗后的帧xw(p,λ)；
24、对每一帧xw(p,λ)进行p＝2048点的dft运算，取dft运算结果的模值得到每一帧信号的幅度谱x(f,λ)，f表示频率点，λ为帧编号，完成对频谱的前pf个频点的分析，生成本文档来自技高网...
【技术保护点】
1.一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述收集国家重点保护鸟类的鸟声数据以及环境噪声数据，包括以下步骤：
3.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述根据所述鸟声数据以及所述环境噪声数据，构建鸟声谱图数据集和带噪鸟声数据集，包括以下步骤：
4.根据权利要求3所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，
5.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述鸟声降噪模型包括数据输入层、初始因果卷积层、扩张残差块、跳跃连接汇总和最后卷积输出层；所述构建鸟声降噪模型，包括以下步骤：
6.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述构建目标检测模型，包括以下步骤：
7.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述根据
8.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述构建图像-音频映射模块，用于将所述目标检测模型的图像检测结果转换为对音频的声音事件检测结果，包括以下步骤：
9.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述获取待检测的鸟声数据，根据所述鸟声降噪模型、所述目标检测模型以及所述图像-音频映射模块对目标鸟声进行检索和声源定位，确定目标鸟声的物种、时频和方向信息，包括以下步骤：
10.一种面向国家重点保护鸟类监测的鸟声事件检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述收集国家重点保护鸟类的鸟声数据以及环境噪声数据，包括以下步骤：
3.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述根据所述鸟声数据以及所述环境噪声数据，构建鸟声谱图数据集和带噪鸟声数据集，包括以下步骤：
4.根据权利要求3所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，
5.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件检测方法，其特征在于，所述鸟声降噪模型包括数据输入层、初始因果卷积层、扩张残差块、跳跃连接汇总和最后卷积输出层；所述构建鸟声降噪模型，包括以下步骤：
6.根据权利要求1所述的一种面向国家重点保护鸟类监测的鸟声事件...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。