基于机器学习的森林盗猎监测方法及系统与流程

本技术涉及语音处理，具体涉及基于机器学习的森林盗猎监测方法及系统。

背景技术：

1、森林是地球上生物多样性最丰富的生态系统之一，而盗猎活动对野生动植物种群造成了严重威胁，盗猎活动不仅对受害物种本身构成威胁，还可能破坏生态系统的平衡，其中一些物种在生态系统中扮演着关键的角色，它们的数量减少或者消失可能导致连锁反映，对其它生物种群和整个生态系统产生深远影响。

2、现如今对森林盗猎活动的监测的主要技术有基于遥感技术的监测、基于gps定位和追踪技术的监测、基于智能监控系统的监测等，其中基于智能监控系统的监测主要通过声音传感器、运动检测器等实时监测森林中的动态情况，通过语音识别技术可以检测森林中的盗猎活动，例如通过语音识别枪声、发动机声音、斧头敲击声等，但由于森林环境较复杂，传统的语音识别技术受环境噪声影响较严重，导致对森林盗猎活动的监测精度较低。

技术实现思路

1、本技术提供基于机器学习的森林盗猎监测方法及系统，以解决通过音频信号对森林盗猎监测精度低的问题，所采用的技术方案具体如下：

2、第一方面，本技术一个实施例提供了基于机器学习的森林盗猎监测方法，该方法包括以下步骤：

3、获取森林盗猎监测的音频信号，对采集的音频信号进行分帧处理；

4、根据每个短时段帧的不同模态分量的峰值形状和分布特征构建音频峭度关联契合度，根据音频信号的不同短时段帧的音频峭度关联契合度构建音频关联契合矩阵，基于音频关联契合矩阵获取音频契合序列；根据不同短时段帧的音频特征分析结果和音频关联契合矩阵、音频契合序列构建音频峭度特征系数；

5、根据音频信号的不同短时段帧对应的音频峭度特征系数获取森林盗猎监测特征向量；基于森林盗猎监测特征向量获取森林盗猎的监测结果。

6、优选的，所述获取森林盗猎监测的音频信号，对采集的音频信号进行分帧处理的方法为：

7、在森林保护区域设置预设数量的盗猎监测点，利用声音采集装置获取每个盗猎监测点的森林盗猎监测的音频信号，对每个盗猎监测点采集的森林盗猎监测的音频信号进行分帧处理。

8、优选的，所述根据每个短时段帧的不同模态分量的峰值形状和分布特征构建音频峭度关联契合度的方法为：

9、将森林盗猎监测的音频信号进行分帧处理后的每帧信号作为一个短时段帧，利用模态分解算法获取音频信号的每个短时段帧的模态分量，采用傅里叶变换获取所述每个短时段帧的每个模态分量的频谱图，获取每个模态分量的频谱图中的峰值和峰值对应的峭度值，根据每个模态分量频谱图的峭度值和峰值反映的峰值形状和分布特征计算每个模态分量的音频峭度关联契合度。

10、优选的，所述根据每个模态分量频谱图的峭度值和峰值反映的峰值形状和分布特征计算每个模态分量的音频峭度关联契合度的具体方法为：

11、将每个模态分量的频谱图中所有峰值按照峰值对应的频率由小到大的顺序进行排序组成的序列作为每个模态分量的峭度特征分析序列，将每个模态分量的峭度特征分析序列中最后一个元素与第一个元素对应的频率差值的绝对值作为第一契合系数；将每个模态分量的峭度特征分析序列中相邻两个元素差值的绝对值与相邻两个元素对应的峭度值的最大值的乘积作为第二契合系数，将第二契合系数在每个模态分量的峭度特征分析序列上的累加结果的均值作为第三契合系数，将第一契合系数与第三契合系数的乘积作为每个模态分量的音频峭度关联契合度。

12、优选的，所述根据音频信号的不同短时段帧的音频峭度关联契合度构建音频关联契合矩阵，基于音频关联契合矩阵获取音频契合序列的方法为：

13、对于森林盗猎监测的音频信号的每个短时段帧，计算每个短时段帧的每个模态分量的频谱图的中心频率，将每个短时段帧对应的所有模态分量按照中心频率由小到大进行排序，根据不同短时段帧对应的模态分量的排序结果和对应的音频峭度关联契合度构建音频关联契合矩阵，将音频关联契合矩阵的对角线上的元素组成的序列作为不同短时段帧之间的音频契合序列。

14、优选的，所述根据不同短时段帧对应的模态分量的排序结果和对应的音频峭度关联契合度构建音频关联契合矩阵的方法为：

15、对于森林盗猎检测的音频信号的任意两个短时段帧，将任意两个短时段帧分别作为第一短时段帧、第二短时段帧，将第一短时段帧每个模态分量与第二短时段帧每个模态分量对应的音频峭度关联契合度的和作为第一短时段帧每个模态分量的峭度关联系数，将第一短时段帧每个模态分量对应的所有峭度关联系数组成的序列作为矩阵中的一列元素，将第一短时段帧所有模态分量对应的峭度关联系数组成的矩阵作为任意两个短时段帧的音频关联契合矩阵。

16、优选的，所述根据不同短时段帧的音频特征分析结果和音频关联契合矩阵、音频契合序列构建音频峭度特征系数的方法为：

17、对于森立盗猎监测的音频信号的每个短时段帧，获取每个短时段帧中每个频率对应的梅尔倒谱系数，将所有所述梅尔倒谱系数组成的集合作为每个短时段帧的音频特征集合，根据不同短时段帧的音频特征集合、音频契合序列、音频关联契合矩阵获取音频峭度特征系数。

18、优选的，所述根据不同短时段帧的音频特征集合、音频契合序列、音频关联契合矩阵获取音频峭度特征系数的具体方法为：

19、

20、式中，表示第个和第个短时段帧之间的音频峭度特征系数；和分别表示第个和第个短时段帧的音频特征集合，表示和之间的杰卡德系数；表示第个和第个短时段帧对应的音频契合序列中所有元素的和；表示第个和第个短时段帧对应的音频关联契合矩阵中第行第列的元素，表示第个和第个短时段帧对应的音频关联契合矩阵中第行第列的元素；和分别表示元素所在的行数和列数；表示第个和第个短时段帧对应的音频关联契合矩阵所有行的数量或所有列的数量。

21、优选的，所述根据音频信号的不同短时段帧对应的音频峭度特征系数获取森林盗猎监测特征向量，基于森林盗猎监测特征向量获取森林盗猎的监测结果的方法为：

22、对于森林保护区域内每个盗猎监测点，将采集的森林盗猎监测的音频信号中所有不同短时段帧之间的音频峭度特征系数按照由小到大的顺序排序组成的向量作为森林盗猎监测特征向量，将每个盗猎监测点的森林盗猎监测的音频信号和对应的森林盗猎监测特征向量作为循环神经网络模型的输入，利用循环神经网络模型获取森林中盗猎行为的监测结果。

23、第二方面，本技术实施例还提供了基于机器学习的森林盗猎监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。

24、本技术的有益效果是：对不同监测点采集的音频信号特征与森林盗猎活动相关的音频信号特征进行对比分析，通过分析音频信号中的突发性特征和音频信号中出现的能量和频率的短暂和持续性特征获取监测点音频信号的音频峭度特征系数，通过音频峭度特征系数反映监测点采集的音频信号中可能存在枪声、电锯声等盗猎活动相关音频信号特征的程度，基于音频峭度系数构建森林盗猎监测特征向量，利用森林盗猎监测特征向量和不同监测点采集的音频信号结合循环神经网络模型获取森林盗猎的检测结果，其有益效果在于充分考虑了森林中出现枪声、电锯声等盗猎活动相关的音频信号特征，提高基于机器学习对森林盗猎活动监测的准确性。