一种利用声音识别的森林盗伐检测方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (30): 216-219.

一种利用声音识别的森林盗伐检测方法

王再欢1，唐云建2，韩鹏2

1.重庆邮电大学计算机科学与技术学院，重庆 400065
2.重庆市科学技术研究院信息与自动化技术研究中心，重庆 401123

出版日期:2012-10-21 发布日期:2012-10-22

Method of detecting about unlawful cutting of forest based on audio recognition

WANG Zaihuan1, TANG Yunjian2, HAN Peng2

1.College of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
2.Research Center for Information and Automation Technologies, Chongqing Academy of Science & Technology, Chongqing 401123, China

Online:2012-10-21 Published:2012-10-22

摘要/Abstract

摘要： 针对目前森林盗伐猖獗，且尚无实时检测盗伐行为方法问题，提出了一种基于声音识别的森林盗伐检测方法。通过对声音信号的频谱特征分析、相似度值及信噪比计算，检测是否存在链锯伐木行为。实验结果表明，提出的方法能够有效地排除干扰声音，准确、实时地识别链锯伐木声音。

关键词: 声音识别, 特征分析, 相似度值, 信噪比

Abstract: Aiming at the problem that unlawful cutting of forest becomes more and more rampant at present, and there is no effective solution for real-time detection of such behavior, an approach based on audio recognition is proposed about unlawful cutting of forest. By the analysis of spectral characteristics of the sound signal, and calculation of similarity value and signal-to-noise ratio in the proposed approach, it can detect whether there is a chainsaw logging behaviour. Experimental results show that the proposed method can eliminate interference sound effectively and identify the chainsaw logging sound accurately in real time.

Key words: audio recognition, characteristics analysis, similarity value, signal-to-noise ratio

王再欢1，唐云建2，韩鹏2. 一种利用声音识别的森林盗伐检测方法[J]. 计算机工程与应用, 2012, 48(30): 216-219.

WANG Zaihuan1, TANG Yunjian2, HAN Peng2. Method of detecting about unlawful cutting of forest based on audio recognition[J]. Computer Engineering and Applications, 2012, 48(30): 216-219.

[1]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[2]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[3]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[4]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[5]	王磊，孙玮，陈奕博，李鹏，赵凌霄. 基于自适应小波阈值的心电信号降噪方法[J]. 计算机工程与应用, 2018, 54(15): 29-33.
[6]	张红霞，王灿，刘鑫，申楷赟，付秀娟，王学华. 图像边缘检测算法研究新进展[J]. 计算机工程与应用, 2018, 54(14): 11-18.
[7]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.
[8]	江巨浪1，章瀚2，朱柱1，詹文法1. 高密度椒盐噪声的多方向加权均值滤波[J]. 计算机工程与应用, 2016, 52(6): 204-208.
[9]	薛俊韬，金志刚，杨正瓴，张军. 基于向量相似度的水印模型分析[J]. 计算机工程与应用, 2016, 52(24): 116-120.
[10]	尹海明，王金明，李欢欢. 基于数据驱动缺失特征检测与重建的声纹识别[J]. 计算机工程与应用, 2016, 52(22): 159-163.
[11]	胡雨1，谢凯1，阮宁君1，伍鹏2，3，贺建飚4，刘从浩1. 基于三维曲波变换的弱信号恢复方法研究[J]. 计算机工程与应用, 2016, 52(18): 199-202.
[12]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[13]	陈昌龙，孙克辉. 基于图像特征分块的分数阶微分图像增强算法[J]. 计算机工程与应用, 2016, 52(14): 186-191.
[14]	周晓敏，李应. 基于小波矩和BP网络的声音识别[J]. 计算机工程与应用, 2015, 51(3): 192-196.
[15]	何易德1，秦小林1，罗国涛2，陈帅1. 基于R-滤子的多帧图像重建算法[J]. 计算机工程与应用, 2015, 51(17): 194-198.