基于声像一体化野生鸟类识别技术的远程无线监测系统
- 格式:pdf
- 大小:825.79 KB
- 文档页数:13
智慧机场鸟情监测系统建设方案一、项目背景和意义随着世界经济的发展和人口的增加,航空业得到了迅猛发展。
然而,与此同时,鸟类对航空安全造成了一定的威胁。
鸟类在机场附近觅食、筑巢和栖息,有时候会误入机场跑道或飞机发动机进气道,造成飞机事故和航班延误等问题。
因此,建设一套智慧机场鸟情监测系统,可以对机场周边的鸟类活动进行实时监测和预警,为航空安全提供保障。
二、系统构成1.鸟类监测设备:包括红外线传感器、声音识别设备、摄像头等,用于检测和识别鸟类的活动情况。
2.数据采集和传输模块:负责收集鸟类监测设备的数据,并将数据传输至后台服务器。
3.后台服务器:对采集到的数据进行分析和处理,并生成报表和预警信息。
4.用户界面和显示器:为机场工作人员提供实时监测数据和预警信息,使其能够及时采取相关措施。
五、系统工作流程1.鸟类监测设备不间断地监测机场周边的鸟类活动,包括鸟类的数量、种类以及活动区域等。
2.数据采集和传输模块实时采集并传输监测设备的数据至后台服务器。
3.后台服务器对采集到的数据进行分析和处理,判断是否出现异常情况。
4.若监测到鸟类活动异常或潜在威胁,后台服务器会发送预警信息至用户界面和显示器。
5.机场工作人员根据预警信息,采取相应的措施,例如驱赶鸟类或改变起降方式等,以确保航空安全。
六、系统特点1.网络化:整个系统在各个环节间通过网络进行数据传输和信息交互,实现了远程监测和及时响应。
2.自动化:鸟类监测设备可以自动识别鸟类的活动情况,后台服务器可以自动分析和处理数据,并生成相关报表和预警信息。
3.实时性:系统能够实时监测鸟类活动情况,并提供实时的预警信息,使机场工作人员能够及时采取措施。
4.监测预警:系统不仅能监测鸟类的活动情况,还能通过数据分析和处理,判断是否出现潜在威胁,提供预警信息,为航空安全提供保障。
5.用户友好:系统的用户界面和显示器提供清晰易懂的监测数据和预警信息,方便机场工作人员进行操作和决策。
鸟类声学识别技术的研究与应用近年来,随着环境污染和生态破坏的不断加剧,鸟类的数量和分布范围都受到了很大的影响。
鸟类在生态平衡中有着重要的作用,其消失将给生态系统带来严重的破坏。
因此,保护鸟类已经成为环保工作中的重要任务。
而要进行鸟类保护与研究,就需要对鸟类进行声学识别,以便准确记录鸟类种类和数量,对于鸟类生态习性等方面的研究也有重要作用。
因此,鸟类声学识别技术的研究和应用也越来越受到关注。
一、声学信号的特点声学信号是指鸟类在自然界中发出的各种声音,由于每种鸟都有其独特的声音和鸣叫方式,因此通过鸟类发出的声音进行声学识别是可行的。
但是声学信号在传播过程中会受到许多干扰,如噪声、信噪比低等因素影响,不利于声音的处理和识别。
这就需要对声学信号进行预处理和声学特征提取,以获得更为准确的声学特征。
二、鸟类声学识别技术的研究现状目前,鸟类声学识别技术主要分为基于时间域的声学特征识别和基于频域的声学特征识别两种。
其中基于时间域的声学特征识别主要是通过声音波形的时域特征提取,如时长、最大频率、谱质量等,以鉴别不同鸟类的声音;而基于频域的声学特征识别则是通过声谱分析、滤波和特征提取等方法,提取出频域成分中的信息,以达到识别不同鸟类的声音。
在识别算法方面,主要有基于人工设计的识别算法和基于机器学习的识别算法。
前者主要是由人员手工提取鉴别鸟类的特征,然后采用人工分类方法进行分类;而基于机器学习的识别算法则是通过训练大量已知鸟类声音的样本数据,利用计算机自动从样本数据中提取识别特征,并通过特征分类模型进行分类。
三、鸟类声学识别技术的应用前景鸟类声学识别技术的应用前景非常广泛。
在生态保护方面,通过声学识别来调查鸟类的分布数量和种类的情况,不仅可以帮助监控和保护野生动物,还可以研究鸟类生态习性、环境适应能力等方面的问题,有助于更好地保护和管理生态环境。
在农业生产方面,通过声学识别技术可以及时发现鸟类的侵袭行为,从而采取相应的防御措施,减少鸟类对农作物的损害。
鸟类多样性在线监测仪器使用计划方案一、实施背景鸟类是生态系统中不可或缺的一环,对于维护生态平衡、保护生物多样性具有重要意义。
但是,随着城市化的进程和人类活动的增加,鸟类的数量和种类都在不断减少。
因此,对鸟类的监测和保护工作显得尤为重要。
传统的鸟类监测方法需要大量人力物力,费用高昂,效率低下,而且容易造成误差。
因此,开发一种高效、便捷、准确的鸟类监测仪器就显得尤为必要。
二、技术原理鸟类多样性在线监测仪器采用声学监测技术,通过鸟类鸣叫声的特征,利用计算机算法进行识别和分类。
具体操作流程如下:1.采集鸟类鸣叫声音频信号;2.对音频信号进行预处理,包括滤波、降噪等操作;3.提取音频信号的特征,如频谱、时域特征等;4.利用机器学习算法对特征进行分类和识别;5.将识别结果存储到数据库中,并进行数据分析和统计。
三、实施计划步骤1.确定监测区域和监测时间段;2.进行设备选型和采购;3.安装设备并进行调试;4.采集音频信号并进行预处理;5.对特征进行提取、分类和识别;6.将识别结果存储到数据库中,并进行数据分析和统计;7.根据监测结果进行鸟类保护和管理。
四、创新要点1.采用声学监测技术,可以实现高效、准确的鸟类监测;2.利用机器学习算法,可以自动识别和分类鸟类;3.将监测结果存储到数据库中,方便数据分析和统计;4.可以实现长期、连续、全天候的监测。
五、预期效果1.提高鸟类监测的效率和准确性;2.为鸟类保护和管理提供科学依据;3.促进生态保护和生物多样性的维护。
六、达到收益1.减少人力物力的投入;2.提高监测效率和准确性;3.为鸟类保护和管理提供科学依据;4.促进生态保护和生物多样性的维护。
七、优缺点优点:1.高效、准确的鸟类监测;2.自动识别和分类鸟类,减少人力物力的投入;3.长期、连续、全天候的监测;4.监测结果存储到数据库中,方便数据分析和统计。
缺点:1.设备成本较高;2.需要专业人员进行安装和调试;3.受环境噪声的影响,识别准确度可能会受到影响。
各地亮点唐咸武大桂山鳄蜥野外放归有序推进大桂山鳄蜥国家级自然保护区管理局采取人工调查和红外相机监测相结合的方法,2018年共发现野外鳄蜥135只,比2017年增加27只。
保护区还在北娄吃水冲和鱼散冲选择3个鳄蜥监测固定样点,安装监控摄像头、温湿度测量仪和红外监测相机,实时记录监测样点的温度、湿度和光照度,进一步了解掌握样点野外鳄蜥的日常行为状态和生活习性等。
保护区以高度模拟野外生境的方式建设鳄蜥人工繁育与救护池,2018年在甘洞管理站新建投入使用池子56个,安装高清监控设备71台,为下一步鳄蜥野外放归做好驯化准备。
2018年,保护区管理局与广西师大等单位专家开展了野外放归的前期野外生境调查和相关论证工作,组织召开了《广西大桂山鳄蜥国家级自然保护区鳄蜥野外放归方案》评审会,为2019年的野外放归工作打下坚实基础。
(作者单位:大桂山鳄蜥保护区管理局)吴德星全产业链木家居产业园落户钦州钦州市成功引来新汉林业公司,投资50亿元建设4000亩的全产业链华南木家居产业园,2018年成功进驻钦北区广西北部湾林木产业园。
目前,华南木家居产业园已落实部分用地,园区规划工作进入评估评审阶段。
北部湾林木产业园此前引进建设了美良木地板等6个项目,部分项目已投产。
2019年钦州市林业局将争取资金编制林业产业发展规划,大力支持华南木家居产业园和钦南金窝进口木材产业园项目建设。
(作者单位:钦州市林业局)三门江油茶林间种山稻三门江林场大胆探索林下经济新模式,引进山稻在幼龄油茶行间种植。
套种山稻的油茶幼苗成活率96%以上,收获的山稻谷价格相当于普通稻谷10倍之多。
蔡闻 摄秦伟志雅长保护区天地空一体监控广西雅长兰科植物国家级自然保护区初步实现天地空一体化监控森林资源。
雅长保护区强化巡护巡检系统、无人机、林火资源视频监控系统等的应用,制定红外相机和巡护摩托车管理制度,加强红外相机、执法仪设备等的培训,天地空一体化森林资源监控体系建设取得初步成效。
智能家居鸟类观察站:科技帮你观察羽翼之美在当今这个科技飞速发展的时代,我们生活中的每一个角落都被智能化所渗透。
从智能手机到智能汽车,从智能家电到智能城市,科技正以前所未有的速度改变着我们的生活。
而在众多科技创新中,智能家居鸟类观察站无疑是一颗璀璨的明珠,它让我们能够更加便捷地观察和欣赏自然界中的羽翼之美。
首先,让我们来了解一下智能家居鸟类观察站的基本功能。
它通常由一台高清摄像头、一个麦克风和一个智能识别系统组成。
摄像头负责捕捉鸟类的动态画面,麦克风则记录下它们悦耳的鸣叫声。
而智能识别系统则能够通过图像和声音识别技术,准确地判断出鸟类的种类和数量。
这些信息随后会被传输到用户的智能设备上,如手机或平板电脑,让用户随时随地都能了解自家附近的鸟类情况。
那么,智能家居鸟类观察站究竟有何魅力呢?首先,它极大地方便了我们对鸟类的观察。
在过去,想要观察鸟类,我们需要亲自走到户外,忍受风吹日晒,甚至还要冒着被蚊虫叮咬的风险。
而现在,有了智能家居鸟类观察站,我们可以坐在家中,通过屏幕就能欣赏到各种鸟类的美丽身姿和动听歌声。
这就像是一个神奇的魔法盒子,将大自然的魅力带到了我们的家门口。
其次,智能家居鸟类观察站还具有很高的科研价值。
通过对鸟类种类和数量的长期监测,我们可以了解到它们的生活习性、迁徙规律等重要信息。
这些数据对于生物学家和生态学家来说都是宝贵的研究资源,有助于他们更好地保护和研究鸟类。
同时,这也为普通大众提供了一个了解自然、关注生态环境的窗口,让更多人意识到保护野生动物的重要性。
当然,智能家居鸟类观察站在使用过程中也可能存在一些问题。
例如,如果安装位置不当或者维护不及时,可能会导致摄像头被遮挡或者损坏,影响观察效果。
此外,智能识别系统的准确率也可能受到环境因素的干扰,如光线、噪音等。
因此,在使用智能家居鸟类观察站时,我们还需要多加注意和维护。
总的来说,智能家居鸟类观察站是一项令人兴奋的科技创新,它让我们能够更加便捷地欣赏到自然界中的羽翼之美。
“鸟类识别”智能系统重庆英卡电子有限公司目录1. 项目概述 (4)1.1. 项目名称 (4)1.2. 编制依据.................................... 错误!未定义书签。
1.2.1. 国家、地方和相关部门的政策 ........... 错误!未定义书签。
1.3. 建设目标 (4)2. 项目建设的必要性 (6)2.1. 项目背景 (6)2.2. 现状及需求分析 (6)2.2.1. 现状 (6)2.2.2. 需求分析 (7)3. 项目总体设计 (8)3.1. 指导思想与原则 (8)3.2. 系统架构 (9)3.2.1. 总体架构 (9)4. 项目建设内容 (9)4.1. 系统组成 (9)4.2. “鸟类识别”智能系统一张图 (9)4.2.1. .......................................... 鸟类分布热力图104.3. “鸟类识别”智能系统管理平台 (10)4.3.1. ...................................... 生物多样性保护系统104.3.2. .................................... 智能视频管理系统平台114.3.3. ........................................ 社会公众微信平台114.4. 大数据统计分析及展示系统 (13)4.5. 前端硬件设备 (13)4.5.1. .......................................... 视频监控摄像机134.5.2. .......................................... 视觉智能服务器144.5.3. ............................................ 物候监测系统154.5.4. ........................................ 管理中心配套设备164.5.5. .............................................. 科普宣传牌211.项目概述1.1.项目名称XXXXX“鸟类识别”智能系统1.2.建设目标根据XXXXXXXXXX国家湿地公园型地理特征、鸟类分布区域、历年鸟类情况(包括种类、数量、活动季节、生活习性等),结合园区的科研和科普教育、园区维护的需求,在公园重点区域布置监测摄像头,建设完善的通信网络通道,并运用物联网、大数据、云计算建立一套智能化、现代化的“鸟类识别”智能系统,提升对湿地公园鸟类动物的管理能力、科研能力以及对广大市民的科普宣教能力。
1.AI鸟类监测识别系统TX9708型AI鸟类识别分析系统通过前端集成GPU算力模块对视频数据进行实时深度模型库比对,结合边缘高性能处理鸟类智能识别算法,对鸟类进行识别、追踪、分析及统计,以图形或表格展示鸟类时空数据,包括时间、数量、种类、种群、分布等。
支持鸟类发现、识别,图片上报,监控平台自动推送,指定手机消息图文推送等GPU精准鸟类训练模型库支持类型识别发现到:准确发现有鸟,有几只识别出:识别出是什么类型的鸟系统由前端超高清摄像头集成强大算力GPU模块,嵌入AI人工智能深度学习算法,导入十万鸟类照片模型训练库,实现各类湿地水鸟、保护区林鸟、常见鸟类准确发现,自动拍照,实时比对,精准识别,自动上传。
支持本地存储至少一个月视频录像,根据识别结果,平台支持任意调取自定义识别时间点前后短视频录像。
系统支持自动定时开关机,app实时,定时开关机支持点对点远程焦距调整,巡航锚点轨迹设定,巡航预置点数及时间间隔设定等。
系统前端主要由底座、立杆支架、智能风光互补供电、400W超清摄像机、GPU增强算力模块、4G/5G网络等构成。
(1)AI识别增强算法➢支持识别各类水鸟、林鸟类、农作物生长、病虫害等➢前置摄像机GPU增强AI算法➢识别率和精度均衡等巡航抽帧算法➢支持深度学习算法等多种分类神经网络➢支持深度学习算法等多种目标检测神经网络➢支持AI智能识别系统神经网络算法➢支持人类活动行为识别➢支持水位标尺刻度识别➢支持高广角对天空云层云量精准识别➢支持无线远程各种模型库升级导入功能➢通过预制摄像头拍摄轨迹,多点自动巡航拍摄➢具有自动拍摄农作物叶、杆位置局部高清照片,自动捕捉、精准分析比对病虫害能力,并上传照片模型库➢支持病虫害图片大数据平台自动上传告警功能➢支持识别结果后台短信告警发送功能➢支持支持本站实况OSD监测数据实况画面叠加功能(2)系统架构AI视频码流服务器系统模块基于视频智能传输技术、视频AI分析技术、智能云组网技术、边缘计算技术、视频大数据技术、窄带通信技术、远程监测技术等融合于一体。
(10)申请公布号 CN 102065272 A(43)申请公布日 2011.05.18C N 102065272 A*CN102065272A*(21)申请号 200910210899.9(22)申请日 2009.11.13H04N 7/18(2006.01)H04N 7/24(2006.01)(71)申请人中国科学院遥感应用研究所地址100081 北京市朝阳区大屯路3号中科院奥运科技园(72)发明人宫鹏 程晓 应清 沈少青李秀红 吴静陈晓波(54)发明名称基于声像一体化野生鸟类识别技术的远程无线监测系统(57)摘要一种基于声像一体化野生鸟类识别技术的远程无线监测系统,其用于远程生态监测,所述系统包括鸣声录制模块、视频录制模块、音视频数据处理模块、音视频流传输模块和音视频数字文件存储模块。
鸣声录制模块录制野外鸟类的声音,将录制的鸣声通过抽样、量化转化为数字信号;视频录制模块主要通过摄像头录制生态环境的影像,将录制的影像通过抽样、量化转化为数字信号。
本发明弥补了遥测技术监测精度不高、不能快速反映生态变化的技术缺陷,突破了不适宜布线的野外环境下的高带宽远距离监测技术瓶颈。
例如可以用于鄱阳湖湿地这一特殊环境下的生态监测。
(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书 1 页 说明书 5 页 附图 6 页1.一种基于声像一体化野生鸟类识别技术的远程无线监测系统,其用于远程生态监测,所述远程无线监测系统包括鸣声录制模块、视频录制模块、音视频数据处理模块、音视频流传输模块和音视频数字文件存储模块,所述鸣声录制模块录制野外鸟类的声音,将录制的鸣声通过抽样、量化转化为数字信号;所述视频录制模块主要通过摄像头录制生态环境的影像,将录制的影像通过抽样、量化转化为数字信号;所述音视频数据处理模块将音视频进行联合编码;所述数据传输模块将联合编码后的数据流通过无线方式传输到观测站;所述文件存储模块将接收到的数据流以文件形式存储在观测站服务器中。
2.根据权利要求1所述的远程无线监测系统,其特征在于,还包括显示控制模块,所述显示控制模块在客户端实时显示被观测点的音视频情况。
3.根据权利要求1所述的远程无线监测系统,其特征在于,所述远程无线监测系统采用低功耗、小体积的嵌入式开发环境。
4.根据权利要求1至3中任一项所述的远程无线监测系统,其特征在于,所述鸣声录制模块采用驻级体式电容话筒,麦克风的频响范围应该为20Hz~20KHz,采样频率为40KHz 以上。
5.根据权利要求1至3中任一项所述的远程无线监测系统,其特征在于,所述音视频流传输模块在802.11g协议代码基础上,改进WiFi的CSMA/CA机制,以适应长距离的无线传输,并且分别采用正交频分复用多址、频分时分多址结合两种机制作为无线链路访问控制协议。
6.根据权利要求1至3中任一项所述的远程无线监测系统,其特征在于,所述音视频流传输采用定制的基于Athros芯片的无线大功率网卡,采用抛物线天线,分别在多个场合进行测试,根据带宽、音视频传输清晰程度的测试结果调整协议参数和天线。
7.根据权利要求1至3中任一项所述的远程无线监测系统,其特征在于,所述音视频数据处理模块包括基于无线音视频网络的运动目标提取模块,用于实现视频数据的运动目标动态跟踪。
8.根据权利要求7所述的远程无线监测系统,其特征在于,在所述音视频数据处理模块的处理过程中,首先采用混合高斯背景模型进行背景建模,再检测出前景,再用形态学滤波法对前景进行去噪,然后用连通区标记目标,再用卡尔曼滤波进行预测跟踪,其中,在前端获取视频数据前,对所述视频录制模块的摄像机进行了标定,将用标定参数和跟踪结果来对目标位置重建。
9.根据权利要求1至3中任一项所述的远程无线监测系统,其特征在于,所述音视频数据处理模块包括鸟声识别模块,用于鸟声自动识别,进而自动识别鸟的种类,其识别方法采用模式识别方法。
10.根据权利要求9所述的远程无线监测系统,其特征在于,所述识别方法如下:首先利用K均值法得到信号与噪声的能量分割阈值,根据该阈值对音频文件进行分割,将鸟声部分提取出来;然后对每个鸟声提取特征,并且用Mel倒谱系数特征表征该特征;将提取出的特征用于训练高斯混合模型,最终利用训练好的模型来识别鸟声的种类。
基于声像一体化野生鸟类识别技术的远程无线监测系统技术领域[0001] 本发明涉及生态监测技术领域,特别是涉及一种基于声像一体化野生鸟类识别技术的远程无线监测系统。
背景技术[0002] 有着“地球之肾”之称的湿地,其对于生态环境保护和利用的重要性受到越来越多的关注。
例如,鄱阳湖湿地是我国第一大淡水湖生态湿地,对于鄱阳湖湿地的监测是江西鄱阳湖区植被、水文、鸟类和生态圈保护,以及血吸虫跟踪统计的基础。
现有的鄱阳湖生态环境监测一般采用遥感技术,使用多源遥感影像数据获取湖区的大尺度生态环境信息,结合野外实地调查采样,辅以历年数据,得到各类湿地生态信息。
遥感技术面向大尺度空间应用,适合于区域统计信息收集,不适合局部、小尺度、精度高的观测需求;而且由于遥感卫星一般在某个固定时间段出现在相应区域,因此无法实现连续观测,例如在汶川地震中,采用遥感技术无法在短时间内搜索到失事救援飞机。
[0003] 随着无线技术的蓬勃发展,无线网络为湿地生态环境的小尺度高精度连续监测提供了新的方法和技术支持。
[0004] 远程无线监测适宜于生态监测,例如适宜于鄱阳湖湿地环境,远程无线监测的使用不仅能减少野外实地调查采样的人力劳动,获取野外环境连续观测数据,作为遥感信息的验证和补充;而且能在低成本情况下,针对局域监测需求,例如对鄱阳湖区湿地进行小尺度高精度的远程生态监测。
目前,江西省正着力建设鄱阳湖生态经济区,鄱阳湖保护区总面积为22400公顷,1年的湿地生态经济价值为1500亿元左右。
生态经济的建设必须以良好的生态环境为基础,当生态环境发生改变时,需要及时地获取信息并进行跟踪,大尺度空间的监测显示不能满足快速精确地捕获湿地生态变化信息的要求。
[0005] 对基于无线传输的远程视频监测系统的研究和开发,可以实现从单纯依靠遥感技术到多尺度多视角高精度监测,从人工采样到自动远程连续观测,从有线传输到无线传输,从单纯的数据采集到音视频多信息收集的跨越式发展,推动如鄱阳湖等各生态经济区的建设和发展,也为以统计学为基础的生态环境和生态经济研究提供了新的思路。
[0006] 目前,国内有关小尺度高精度生态环境监测方面的技术主要分为三类。
第一类是基于Zigbee技术,将通过传感器获取的生态参数通过无线方式传输到基站并进行处理。
此方式能耗较低,但是传输距离近,带宽小,不能处理音视频数据。
第二类是基于微波技术,将生态参数通过无线方式传输到基站。
此方式传输距离较远,但是带宽小,不能进行视频监测。
第三类是通过通用分组无线业务GRPS对多种生态监测信息进行远程传输。
虽然移动业务可以覆盖整个鄱阳湖湖面,但是此方式的缺点也是带宽小,不能进行视频监测。
目前,虽然重要的国家级自然保护区内也有采用远程无线方式进行视频监视的例子,但是稳定性和可靠性都有待提高。
[0007] 在国外,野外环境下的高带宽远程生态监测一般属于多载荷平台传感器网络的研究范畴,其节点价格较高。
发明内容[0008] 为解决上述问题而完成本发明,本发明可以采用如下技术方案。
[0009] 一种基于声像一体化野生鸟类识别技术的远程无线监测系统,其用于远程生态监测,所述远程无线监测系统包括鸣声录制模块、视频录制模块、音视频数据处理模块、音视频流传输模块和音视频数字文件存储模块,[0010] 所述鸣声录制模块录制野外鸟类的声音,将录制的鸣声通过抽样、量化转化为数字信号;所述视频录制模块主要通过摄像头录制生态环境的影像,将录制的影像通过抽样、量化转化为数字信号;所述音视频数据处理模块将音视频进行联合编码;所述数据传输模块将联合编码后的数据流通过无线方式传输到观测站;所述文件存储模块将接收到的数据流以文件形式存储在观测站服务器中。
[0011] 所述基于声像一体化野生鸟类识别技术的远程无线监测系统可以还还包括显示控制模块,所述显示控制模块在客户端实时显示被观测点的音视频情况。
[0012] 优选地,所述基于声像一体化野生鸟类识别技术的远程无线监测系统可以采用低功耗、小体积的嵌入式开发环境。
[0013] 优选地,所述鸣声录制模块采用驻级体式电容话筒,麦克风的频响范围应该为20Hz~20KHz,采样频率为40KHz以上。
[0014] 优选地,所述音视频流传输模块在802.11g协议代码基础上,改进WiFi的CSMA/CA 机制,以适应长距离的无线传输,并且分别采用正交频分复用多址、频分时分多址结合两种机制作为无线链路访问控制协议。
[0015] 优选地,所述音视频流传输采用定制的基于Athros芯片的无线大功率网卡,采用抛物线天线,分别在多个场合进行测试,根据带宽、音视频传输清晰程度的测试结果调整协议参数和天线。
[0016] 优选地,所述音视频数据处理模块包括基于无线音视频网络的运动目标提取模块,用于实现视频数据的运动目标动态跟踪。
[0017] 优选地,在所述音视频数据处理模块的处理过程中,首先采用混合高斯背景模型进行背景建模,再检测出前景,再用形态学滤波法对前景进行去噪,然后用连通区标记目标,再用卡尔曼滤波进行预测跟踪,其中,在前端获取视频数据前,对所述视频录制模块的摄像机进行了标定,将用标定参数和跟踪结果来对目标位置重建。
[0018] 优选地,所述音视频数据处理模块包括鸟声识别模块,用于鸟声自动识别,进而自动识别鸟的种类,其识别方法采用模式识别方法。
[0019] 优选地,所述识别方法如下:[0020] 首先利用K均值法得到信号与噪声的能量分割阈值,根据该阈值对音频文件进行分割,将鸟声部分提取出来;[0021] 然后对每个鸟声提取特征,并且用Mel倒谱系数特征表征该特征;[0022] 将提取出的特征用于训练高斯混合模型,最终利用训练好的模型来识别鸟声的种类。
[0023] 本发明弥补了遥测技术监测精度不高、不能快速反映生态变化的技术缺陷,突破了不适宜布线的野外环境下的高带宽远距离监测技术瓶颈。
[0024] 本本发明针对背景技术中的三类系统的优缺点,研究和开发具有高带宽(不仅能传输数据,并且能传输多媒体流)、远距离(2公里以及以上)的声像一体化无线监测系统,例如可以用于鄱阳湖湿地这一特殊环境下的生态监测。
[0025] 本发明可以大大降低节点硬件成本。
附图说明[0026] 图1是根据本发明的一个实施方式的远程无线监测系统的系统框架图。
[0027] 图2是根据本发明的一个实施方式的模块实现流程图。