Resumo: Este trabalho tem por finalidade apresentar uma proposta para a identificação de espécies de pássaros utilizando espectrogramas e a abordagem de dissimilaridade, em uma base de dados com alta quantidade de espécies (classes). A base de dados é composta por sinais de áudio disponibilizados pelo projeto Xeno-canto, pré-selecionados pelo LifeClef 2015 Bird Task. Para este trabalho, oito subconjuntos balanceados de dados foram criados a partir dessa base, a fim de variar a quantidade de espécies disponíveis e o tempo de duração dos sinais de áudio nos testes, selecionando somente vocalizações do tipo canto e descartando os chamados. Todos os sinais de áudio utilizados foram pré-processados para reduzir o impacto dos ruídos, removendo outras fontes de sons, e para detectar trechos de interesse que possuem maior relevância. Depois, para representar os sinais de áudio no domínio de imagens houve a geração de espectrogramas, que passaram pelo processo de zoneamento com o intuito de destacar informações específicas de cada região criada. Três descritores de textura foram utilizados para extrair características das regiões dos espectrogramas: Local Binary Pattern (LBP), Local Phase Quantization (LPQ) e Robust Local Binary Pattern (RLBP). Na abordagem dependente de modelo essas características foram diretamente classificadas. Na abordagem de dissimilaridade foi necessário computar os vetores de dissimilaridade (positivos e negativos), para então aplicar o esquema de classificação. Ambos os casos empregaram a classificação por meio do SVM, permitindo a aplicação de regras de combinação para se chegar às decisões finais. Depois de uma série de experimentos, percebeu-se que a abordagem de dissimilaridade apresentou resultados superiores em relação a abordagem dependente de modelo e a literatura.
Abstract: This work presents a proposal for bird species identification using spectrograms and dissimilarity approach, in a database with a high number of species. The database is composed by audio recordings pre-selected by the LifeClef 2015 Bird Task that can be easily found on Xeno-canto website. In this work, eight subsets of data were created from this database, in order to diversify the amount of species and the duration of the audio samples in our tests, selecting only bird songs and discarding the bird calls. All audio samples used were preprocessed to reduce the impact of noise, removing other sources of sounds, and to detect points of interest with greatest relevance. Then, to transform the audio samples in images, there was a task to generate spectrograms, which went through the zoning process in order to enhance local information from each region created. Three texture descriptors were used to perform feature extraction: Local Binary Pattern (LBP), Local Phase Quantization (LPQ) and Robust Local Binary Pattern (RLBP). In the model-dependent approach these features were directly classified. In the dissimilarity approach it was needed to compute dissimilarity vectors (positive and negative), to further apply the classification scheme. Both cases used a classification through the SVM, allowing the application of combination rules to reach a final decision. After a series of experiments, it was perceived that the dissimilarity approach presented superior results in relation to a model-dependent approach and the literature. |
