Rozpoznawanie głosów ptaków

1. Rozpoznawanie głosów ptaków Dr inż. Robert Wielgat Państwowa Wyższa Szkoła Zawodowa w Tarnowie Zakład Elektroniki i Telekomunikacji - Dzień otwarty w PWSZ 13 marca 2009

2. Charakterystyka głosów ptaków - Dźwięki głównie harmoniczne, zasadniczo brak składowych szumowych- Dwie pary strun głosowych,- W przypadku wielu głosów ptaków występują składowe ultradźwiękowe niesłyszalne dla ucha ludzkiego t rz y Częstotliwość [Hz] Czas [s]

3. Znaczenie rozpoznawania głosów ptaków • Wykrywanie rzadkich gatunków ptaków w celu ochrony ich siedlisk • Monitoring ptaków i wykrywanie zagrożeń ekologicznych (FBI –Farmland Bird Index) • Ochrona upraw rolnych • Ochrona lotnisk i samolotów

4. Projekt „BIRDSMOND” • Od czerwca 2008 roku w Państwowej Wyższej Szkole Zawodowej w Tarnowie jest realizowany grant MNiSW Nr N N519 402934pt. „Opracowanie automatycznego systemu akustycznego monitoringu ptaków dla Ciężkowicko-Rożnowskiego Parku Krajobrazowego” we współpracy z: • Zespołem Parków Krajobrazowych Pogórza w Tarnowie, • Uniwersytetem Jagielońskim, • Małopolskim Towarzystwem Ornitologicznym, • Akademią Górniczo-Hutniczą, • Uniwersytetem Rolniczym w Krakowie. • Od września 2008 roku projekt nosi nazwę: • B I R D S M O N D • będącą akronimem od:BIRDSOUND MONITORING DATABASE

5. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

6. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

7. Stacjonarny rejestrator cyfrowy LCD Klawiatura Bezprzewodowy transceiver Antena Zegar Czasu rzeczy-wistego MIKROKONTROLER FAT32 4 x Szerokopas-mowy mikrofon pojemnościowy Karta pamięci A/C C/A 4 x wzmacniacz mikrofonowy Wzmacniaczmocy Zestaw głośnikowy

8. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

9. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

10. Przenośny rejestrator cyfrowy LCD Klawiatura GPS Antena Zegar czasu rzeczy-wistego MIKROKONTROLER FAT32 4 x Szerokopas-mowy mikrofon pojemnościowy Karta pamięci Słuchawki A/C C/A Wzmacniacz słuchawkowy 4 x wzmacniacz mikrofonowy

11. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

12. System akustycznego monitoringu ptaków Automatyczny Obserwator Stacjonarny rejestrator cyfrowy Program rozpoznający w trybie bez nadzoru Gość Przenośny rejestrator cyfrowy Ekspert lub Administrator System informatyczny GPS, filmy, zdjęcia, informacje o pogodzie Stacjonarny rejestrator cyfrowy Przenośny rejestrator cyfrowy Program rozpoznający w trybie z nadzorem Obserwator

13. Program rozpoznający pracujący w trybie bez nadzoru • Program rozpoznający w trybie bez nadzoru automatycznie rozpoznaje gatunek ptaka na podstawie nagrania z głosem ptaka. Proces ten nazywa się w skrócie rozpoznawaniem głosów ptaków. • Rozpoznawanie głosów ptaków jest wykonywane przez program rozpoznający w dwóch etapach: • etap ekstrakcji cech • etap klasyfikacji • Rozpoznawanie głosów ptaków w trybie z nadzorem można usprawnić stosującsystem ekspertowywykorzystujący dodatkowe informacje jak np. prognoza pogody, data i godzina nagrania, pozycja GPS, które zostały zarejestrowane równocześnie z nagraniem głosu ptaka.

14. Program rozpoznający pracujący w trybie bez nadzoru • Program rozpoznający w trybie bez nadzoru automatycznie rozpoznaje gatunek ptaka na podstawie nagrania z głosem ptaka. Proces ten nazywa się w skrócie rozpoznawaniem głosów ptaków. • Rozpoznawanie głosów ptaków jest wykonywane przez program rozpoznający w dwóch etapach: • etap ekstrakcji cech • etap klasyfikacji • Rozpoznawanie głosów ptaków w trybie z nadzorem można usprawnić stosującsystem ekspertowywykorzystujący dodatkowe informacje jak np. prognoza pogody, data i godzina nagrania, pozycja GPS, które zostały zarejestrowane równocześnie z nagraniem głosu ptaka.

15. Ekstrakcja cech • Z sygnału akustycznego będącego głosem ptaka można wyekstrahować różnorodne cechy np.: • Kodowanie sygnału w dziedzinie czasu (ang. TDSC -Time Domain Signal Coding), • Maksima widmowe (ang. spectral peaks), • Falki (ang. wavelets), • Parametry mel-cepstralne (ang. MFCC - Mel Frequency Cepstral Coefficients), • Parametry HFCC (ang. HFCC - Human Factor Cepstral Coefficients). • Etap ekstrakcji cech in jest niekiedy poprzedzany wstępnym przetwarzaniem sygnału jak np. filtracja pasmowo-przepustowa, redukcja szumów itp.

16. Ekstrakcja cech • Z sygnału akustycznego będącego głosem ptaka można wyekstrahować różnorodne cechy np.: • Kodowanie sygnału w dziedzinie czasu (ang. TDSC -Time Domain Signal Coding), • Maksima widmowe (ang. spectral peaks), • Falki (ang. wavelets), • Parametry mel-cepstralne (ang. MFCC - Mel Frequency Cepstral Coefficients), • Parametry HFCC (ang. HFCC - Human Factor Cepstral Coefficients). • Etap ekstrakcji cech in jest niekiedy poprzedzany wstępnym przetwarzaniem sygnału jak np. filtracja pasmowo-przepustowa, redukcja szumów itp.

17. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

18. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

19. Dzielenie sygnału na ramki 30 ms t [ms] 20 ms Ramka 5 Ramka 2 Ramka 3 Ramka 4 Ramka 1

20. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

21. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

22. t t t Okienkowanie sygnału Okienkowanie sygnału polega na przemnożeniu próbek w ramce sygnału przez funkcję okna. Funkcja okna (np. okno Hamminga) x = Sygnał w ramce przemnożony przez funkcję okna Sygnał w ramce

23. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

24. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

25. Mel-FrequencyCepstral Coefficients (MFCC) “Obliczenie mocy FFT w określonych pasmach częstotliwościowych” Częstotliwości środkowe w tych pasmach są równomiernie rozmieszczone względem melowej skali częstotliwościowej. Szerokość pasma jest powiązana z rozmieszczeniem częstotliwości środkowych pasma zachodzą na siebie na połowie swej długości.

26. Parametry MFCC (mel-cepstralne) 1)Blokowanie sygnału w ramki, okienkowanie oknem Hamminga 2) Przeprowadzenie FFTna zokienkowanych ramkach sygnału 3) Obliczenie mocy FFT w określonych pasmach częstotliwościowych 4) Obliczenie logarytmu zakumulowanych współczynników widmowych 5) PrzeprowadzenieDCTna zlogarytmowanych współczynnikach widmowych: 6)Opcjonalne obliczenie pierwszej i drugiej pochodnej po czasie ze współczynników DCT czyli tzw. współczynników delta oraz delta-delta

27. Program rozpoznający pracujący w trybie bez nadzoru • Program rozpoznający w trybie bez nadzoru automatycznie rozpoznaje gatunek ptaka na podstawie nagrania z głosem ptaka. Proces ten nazywa się w skrócie rozpoznawaniem głosów ptaków. • Rozpoznawanie głosów ptaków jest wykonywane przez program rozpoznający w dwóch etapach: • etap ekstrakcji cech • etap klasyfikacji • Rozpoznawanie głosów ptaków w trybie z nadzorem można usprawnić stosującsystem ekspertowywykorzystujący dodatkowe informacje jak np. prognoza pogody, data i godzina nagrania, pozycja GPS, które zostały zarejestrowane równocześnie z nagraniem głosu ptaka.

28. Program rozpoznający pracujący w trybie bez nadzoru • Program rozpoznający w trybie bez nadzoru automatycznie rozpoznaje gatunek ptaka na podstawie nagrania z głosem ptaka. Proces ten nazywa się w skrócie rozpoznawaniem głosów ptaków. • Rozpoznawanie głosów ptaków jest wykonywane przez program rozpoznający w dwóch etapach: • etap ekstrakcji cech • etap klasyfikacji • Rozpoznawanie głosów ptaków w trybie z nadzorem można usprawnić stosującsystem ekspertowywykorzystujący dodatkowe informacje jak np. prognoza pogody, data i godzina nagrania, pozycja GPS, które zostały zarejestrowane równocześnie z nagraniem głosu ptaka.

29. a22 a33 a44 iY a12 a23 a34 a45 2 3 4 M BIRD VOICE Y o1 o2 o3 o4 o5 o6 iX b2(o1) b2(o2) b3(o4) b4(o5) b4(o6) b2(o3) 1 1 N BIRD VOICE X 5 1 Klasyfikacja • Najbardziej obiecującymi metodami klasyfikacji w rozpoznawaniu głosów ptaków są: • Wyszukiwanie haseł oparte na Nieliniowej transformacji czasowej(ang. Dynamic Time Warping - DTW) • Metoda niejawnych modeli Markowa (ang. Hidden Markov Models – HMM). HMM DTW

30. Nieliniowa transformacja czasowa (DTW) Celem algorytmu nieliniowej transformacji czasowej jest znalezienie najniższego zakumulowanego kosztu przejścia między punktami siatki odległości iY M S Ł O W O Y IX - indeksy wektorów cech słowa x IY - indeksy wektorów cech słowa y 1 iX 1 N S Ł O W O X

31. Nierozwiązane problemy rozpoznawania głosów ptaków • Naśladownictwo • - myszołów- szpak naśladujący myszołowa • Nakładanie się głosów ptaków tzw. efekt „coctail party” • - ptaki śpiewające jednocześnie • Rozpoznawanie w warunkach dużego szumu i hałasu otoczenia • Rozpoznawanie dużej liczby gatunków ptaków

32. Serdecznie zapraszamy Państwa do odwiedzania strony internetowej projektu BIRDSMOND Trznadel (łac. Emberizza citrinella) Sójka (łac. Garrulus glandarius) Trznadel (łac. Emberizza citrinella) www.birdsmond.pwsztar.edu.pl

33. Dziękuję Państwu za uwagę