申请/专利权人：安徽大学

申请日：2023-11-27

公开（公告）日：2023-12-26

公开（公告）号：CN117292693A

主分类号：G10L17/26

分类号：G10L17/26;G10L17/02;G10L17/04;G10L17/18;G10L25/24;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明涉及动物识别技术领域，尤其涉及一种融入自注意力机制的CRNN珍稀动物识别与定位方法，通过将功率归一化倒谱系数和线性预测倒谱系数融合，得到混合特征，与传统的音频特征梅尔倒谱系数、伽马通频率倒谱系数相比，具有更好的鲁棒性、抗噪性，大大提高了在噪声及混响环境中的识别准确度，且不需要过多的计算，本发明通过残差网络来作为系统的识别和定位网络，可以避免梯度爆炸和梯度消失，同时可以训练更深的网络，通过融入自注意力机制层，弥补了卷积不能处理序列数据时捕捉长程依赖关系的缺点，提高网络的识别和定位精度。

主权项：1.一种融入自注意力机制的CRNN珍稀动物识别与定位方法，其特征在于，所述方法包括：步骤S1、建立模型训练需要的音频数据集；步骤S2、建立同样结构的珍稀动物识别网络和定位网络，均包括2层卷积层、残差网络、自注意力机制层、全连接层和KNN分类器；步骤S3、提取音频数据集的功率归一化倒谱系数和线性预测倒谱系数，处理得到混合特征；步骤S4、将混合特征输入所述珍稀动物识别网络，输出是否存在珍惜动物的分类结果；步骤S5、对珍稀动物识别进行反复训练至收敛，得到训练后的珍稀动物识别网络；步骤S6、从音频数据集中提取出幅值和相位，将幅值和相位作为定位网络的训练特征，对定位网络反复训练至收敛，得到训练后的定位网络；步骤S7、从待识别的音频中提取功率归一化倒谱系数和线性预测倒谱系数，处理得到混合特征，将混合特征输入训练后的珍惜动物识别网络，得到分类结果，判断是否有珍惜动物的声音，如果有，则对音频提取幅值和相位，将幅值和相位作为定位的特征，输入定位网络，输出珍稀动物发出声音位置的方向角；其中提取功率归一化倒谱系数的步骤包括：将音频数据通过一个高通滤波器进行预加重，预加重的公式为 ；式中表示预加重滤波器的预加重系数，表示输入信号的第n个采样点，表示输入信号的第n-1个样本点，表示输出信号的第n个样本点；对音频数据进行分帧，得到每帧为20-40ms的短时平稳音频信号；将分帧后的音频信号乘以Hamming窗函数进行加窗；对加窗后的音频信号进行短时傅里叶变换，转换为频域上的能量分布，短时傅里叶变换的公式为 ；其中N是每个窗口里的采样点数，j是虚数单位，表示为第i帧的音频信号,n为音频信号的采样点的索引，k表示频率域的离散频率点索引,K代表频谱的分辨率;将音频信号的频谱取模平方，得到语音信号的谱线能量，公式为 ； 为第i帧的信号，是将进行短时傅里叶变换，N是STFT的点数；将得到的谱线能量输入到Gammatone滤波器组中；将通过Gammatone滤波器组处理后的信号进行对数运算和离散余弦变换，得到功率归一化倒谱系数，离散余弦变换的公式为 ；其中L表示功率归一化倒谱系数的系数阶数，M表示三角滤波器个数，为需要倒谱的信号，m表示信号的离散样本点的下标。

全文数据：

权利要求：

百度查询： 安徽大学 融入自注意力机制的CRNN珍稀动物识别与定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD