驱鸟识别方法及系统与流程

驱鸟识别方法及系统
1.技术领域
2.本发明涉及数据处理技术领域，尤其涉及一种驱鸟识别方法及系统。


背景技术：

3.随着现代电网的飞速发展，用电给居民生活带来了极大的便利。但经常会有鸟类在电杆上休息，特别是在接线柱上或拐角的附近筑巢、栖息，会带来鸟类的粪便、引起电路断路，电缆断裂等事故的产生，使得正常的通讯需求被破坏，安全运行受到了严重的威胁。
4.其中，鸟类在飞行过程中滞留电杆上进行休息，极易对电杆的安全造成威胁，造成线路的跳闸事件的发生或是电路的短路自燃；鸟类筑巢时口叼树枝、铁丝等物体在空中往返飞行，当树枝等掉落在线路导线间或反搭在导线与横担上就会造成短路事故；杆塔上鸟巢被风吹散亦会造成类似情况，引起短路事故；较大鸟类在导线间飞行，争斗可能导致相间短路；鸟粪污染瓷裙，或稀粪沿瓷瓶下流时可能会造成闪络。
5.鸟害事故的频繁发生，不仅使运行维护单位在人力、物力上蒙受较大的损失，重要的是电网的安全运行受到了严重的威胁。为提高电力系统输电线路运行的可靠性，避免鸟类导致的输电线路发生线路对地放电事故，有必要采取有效措施驱赶鸟类而又不伤害鸟类。
6.现有技术中，常见的电子设备驱鸟器功能过于简单，外界传感器采集技术落后，只能进行简单的开环驱鸟，并不能根据现场的鸟类智能采取驱鸟措施。针对这种情况，本发明提出了一种驱鸟识别方法及系统，能够有效地对现有技术进行改进，克服其不足。


技术实现要素：

7.针对现有技术的不足，本发明提供了一种驱鸟识别方法及系统，以解决现有技术的驱鸟效果不佳、难以预防鸟类筑巢等问题，其具体方案如下：第一方面，本发明提供了一种驱鸟识别方法，所述方法包括：将获取的鸟声分割为多个鸟声子帧；对所述鸟声子帧进行特征提取，获得多个鸟声子帧特征向量；对所述鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量；当级联的所述鸟声特征向量满足预设规则时，将所述鸟声特征向量按照预设规则转换为鸟声文本，并将所述鸟声文本作为鸟声的识别结果。
8.优选地，所述当级联的所述鸟声特征向量满足预设规则时，将所述鸟声特征向量按照预设规则转换为鸟声文本，所述方法包括：遍历比较所述鸟声特征向量与本地数据库中预先存储的各文本；根据比较结果从所述本地数据库中预先存储的各文本中获取与所述鸟声特征向
量欧氏距离最接近的文本，并将所述最接近的文本作为所述鸟声文本。
9.优选地，所述对鸟声子帧特征向量进行加权处理，所述方法包括：当从所述鸟声子帧的傅里叶变换获得的噪声大于预设噪声阈值时，根据差值大小相应减少所述鸟声子帧特征向量的权重值；当从所述鸟声子帧的傅里叶变换获得的噪声小于预设噪声阈值时，根据差值大小相应增加所述鸟声子帧特征向量的权重值；其中，所述鸟声子帧特征向量是使用梅尔滤波函数对所述鸟声子帧进行特征提取获得。
10.优选地，所述方法还包括：当级联的所述鸟声特征向量不满足预设规则时，将级联的所述鸟声特征向量按照预设规则转换为鸟声文本，并将所述鸟声特征向量作为鸟声的识别结果。
11.优选地，所述当级联的所述鸟声特征向量不满足预设规则时，将级联的所述鸟声特征向量按照预设规则转换为鸟声文本，所述方法包括：提取所述鸟声的特征向量；将提取的所述鸟声的特征向量与本地数据库中预先存储的各文本进行比对；在提取的所述鸟声的特征向量与所述本地数据库中预先存储的各文本欧氏距离均小于预设欧氏阈值时，将提取的所述鸟声的特征向量作为所述鸟声文本存储于所述本地数据库。
12.优选地，所述将获取的鸟声分割为多个鸟声子帧之前，所述方法还包括：使用短时傅里叶变换确定所述鸟声音频流中的静音帧、过度帧及结束帧；提取所述过度帧与所述结束帧之间的鸟声音频流部分作为待处理的鸟声。
13.优选地，所述方法还包括：根据所获取的所述鸟声文本启动与所述鸟声文本相对应的第三方应用程序，执行相应的驱鸟指令控制过程。
14.第二方面，本发明提供了一种驱鸟识别系统，所述系统包括：分帧模块，用于将获取的鸟声分割为多个鸟声子帧；特征提取模块，用于对所述鸟声子帧进行特征提取，获得多个鸟声子帧特征向量；特征处理模块，用于特征处理对所述鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量；识别模块，用于当级联的所述鸟声特征向量满足预设规则时，将所述鸟声特征向量按照预设规则转换为鸟声文本，并将所述鸟声文本作为鸟声的识别结果。
15.第三方面，本发明提供了一种驱鸟识别系统，所述系统包括：通信总线，用于实现处理器与存储器间的连接通信；存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如下步骤：将获取的鸟声分割为多个鸟声子帧；对所述鸟声子帧进行特征提取，获得多个鸟声子帧特征向量；对所述鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量；当级联的所述鸟声特征向量满足预设规则时，将所述鸟声特征向量按照预设规则
转换为鸟声文本，并将所述鸟声文本作为鸟声的识别结果。
16.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。
17.有益效果：本发明的驱鸟识别方法及平台，通过对鸟声进行分割、加权、重组、匹配，获得期望的鸟声文本指令，并执行相应鸟声的驱动指令，达到了对驱赶鸟类及预防鸟类筑巢的目的。
附图说明
18.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，附图中的实施例不构成对本发明的任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1是本发明驱鸟识别方法实施例一流程示意图。
20.图2是本发明驱鸟识别方法实施例二流程示意图。
21.图3是本发明驱鸟识别系统实施例一结构示意图。
22.图4是本发明驱鸟识别系统实施例二结构示意图。
具体实施方式
23.下面结合附图与实施例对本发明技术方案作进一步详细的说明，这是本发明的较佳实施例。应当理解，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.本发明实施例技术方案的主要思想：将获取的鸟声分割为多个鸟声子帧；对所述鸟声子帧进行特征提取，获得多个鸟声子帧特征向量；对所述鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量；当级联的所述鸟声特征向量满足预设规则时，将所述鸟声特征向量按照预设规则转换为鸟声文本，并将所述鸟声文本作为鸟声的识别结果。
25.为了更好的理解上述的技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
26.实施例一本发明一实施例提供了一种驱鸟识别方法，如图1所示，该识别方法具体可以包括如下步骤：s101，鸟声流提取处理，并将获取的鸟声分割为多个鸟声子帧。
27.本实施例中，可应用于驱鸟装置通过网络与服务端进行通信的应用环境中。驱鸟装置可以是用于收集鸟声样本的设备，服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
28.具体地，服务器先使用短时傅里叶变换确定鸟声音频流中的静音帧、过度帧及结束帧；然后提取过度帧与结束帧之间的鸟声音频流部分作为待处理的鸟声，最后将获取的
鸟声分割为多个鸟声子帧。较佳地，可使用以能量为主要评判阈值的语音端点检测vad算法对音频进行检测音频段。
29.本实施例中，鸟声音频流可以是由驱鸟装置的语音输入装置提供的包含鸟声的音频数据。其中，语音输入装置可包括但不限于麦克风。
30.s102，对鸟声子帧进行特征提取，获得多个鸟声子帧特征向量。
31.梅尔频率倒谱是基于声音频率的非线性梅尔刻度的对数能量频谱的线性变换。这里所指的频谱图指的是梅尔频谱图。一般情况下，一个声音段可以分为多个音频子帧，从而可以提取出每个音频子帧对应的梅尔频率倒谱特征。
32.具体地，本实施例中的特征提取具体步骤可以如下：对每个音频子帧进行汉明加窗后进行快速傅里叶变换，得到每个音频子帧的频谱，将每个音频子帧的频谱输入梅尔滤波器进行滤波得到多个鸟声子帧的梅尔频率倒谱。也可采用其它特征提取方法，本发明对此不做限定，但均在本发明的保护范围内。
33.s103，对鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量。
34.本实施例中，鸟声子帧特征向量的权重值包括固定权重值与波动权重值，具体公式为：权重值=固定权重值 波动权重值。为了后续处理的方便，可对鸟声子帧特征向量进行归一化，优选为二范数归一化，二范数归一化的操作为：将鸟声子帧特征向量除以它自身的模长（二范数）。
35.较佳地，固定权重值优选地为鸟声子帧特征向量个数的倒数，波动权重值根据鸟声子帧特征向量的噪声大小确定，具体方法是：当从鸟声子帧的傅里叶变换获得的噪声大于预设噪声阈值时，根据差值大小相应减少鸟声子帧特征向量的权重值；当从鸟声子帧的傅里叶变换获得的噪声小于预设噪声阈值时，根据差值大小相应增加鸟声子帧特征向量的权重值。
36.然后，将多个加权的鸟声子帧特征向量级联为鸟声特征向量，作为示例，可以将各个鸟声子帧特征向量s0，s1，
……
，sn 分别与权重值k0，k1，
……
，kn相乘并级联成鸟声特征向量量s＝（k0*s0，k1*s1，
……
，kn*sn），其中， n是大于1的整数。该鸟声特征向量表示着各个鸟声子帧的特征总和，鸟声特征向量将作为被识别的对象。其中，鸟声子帧特征向量是使用梅尔滤波函数对鸟声子帧进行特征提取获得。
37.s104， 当级联的鸟声特征向量满足预设规则时，将鸟声特征向量按照预设规则转换为鸟声文本，并将鸟声文本作为鸟声的识别结果。
38.具体地，遍历比较鸟声特征向量与本地数据库中预先存储的各文本，根据比较结果从本地数据库中预先存储的各文本中获取与鸟声特征向量欧氏距离最接近的文本，并将最接近的文本作为鸟声文本，并将鸟声文本作为鸟声的识别结果。
39.实施例二本发明一实施例提供了一种驱鸟识别方法，如图2所示，该识别方法具体可以包括如下步骤：s201，鸟声流提取处理，并将获取的鸟声分割为多个鸟声子帧。
40.本实施例中，可应用于驱鸟装置通过网络与服务端进行通信的应用环境中。驱鸟装置可以是用于收集鸟声样本的设备，服务端可以用独立的服务器或者是多个服务器组成
的服务器集群来实现。
41.具体地，服务器先使用短时傅里叶变换确定鸟声音频流中的静音帧、过度帧及结束帧；然后提取过度帧与结束帧之间的鸟声音频流部分作为待处理的鸟声，最后将获取的鸟声分割为多个鸟声子帧。较佳地，可使用以能量为主要评判阈值的语音端点检测vad算法对音频进行检测音频段。
42.本实施例中，鸟声音频流可以是由驱鸟装置的语音输入装置提供的包含鸟声的音频数据。其中，语音输入装置可包括但不限于麦克风。
43.s202，对鸟声子帧进行特征提取，获得多个鸟声子帧特征向量。
44.梅尔频率倒谱是基于声音频率的非线性梅尔刻度的对数能量频谱的线性变换。这里所指的频谱图指的是梅尔频谱图。一般情况下，一个声音段可以分为多个音频子帧，从而可以提取出每个音频子帧对应的梅尔频率倒谱特征。
45.具体地，本实施例中的特征提取具体步骤可以如下：对每个音频子帧进行汉明加窗后进行快速傅里叶变换，得到每个音频子帧的频谱，将每个音频子帧的频谱输入梅尔滤波器进行滤波得到多个鸟声子帧的梅尔频率倒谱。也可采用其它特征提取方法，本发明对此不做限定，但均在本发明的保护范围内。
46.s203，对鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量。
47.本实施例中，鸟声子帧特征向量的权重值包括固定权重值与波动权重值，具体公式为：权重值=固定权重值 波动权重值。为了后续处理的方便，可对鸟声子帧特征向量进行归一化，优选为二范数归一化，二范数归一化的操作为：将鸟声子帧特征向量除以它自身的模长（二范数）。
48.较佳地，固定权重值优选地为鸟声子帧特征向量个数的倒数，波动权重值根据鸟声子帧特征向量的噪声大小确定，具体方法是：当从鸟声子帧的傅里叶变换获得的噪声大于预设噪声阈值时，根据差值大小相应减少鸟声子帧特征向量的权重值；当从鸟声子帧的傅里叶变换获得的噪声小于预设噪声阈值时，根据差值大小相应增加鸟声子帧特征向量的权重值。
49.然后，将多个加权的鸟声子帧特征向量级联为鸟声特征向量，作为示例，可以将各个鸟声子帧特征向量s0，s1，
……
，sn 分别与权重值k0，k1，
……
，kn相乘并级联成鸟声特征向量量s＝（k0*s0，k1*s1，
……
，kn*sn），其中， n是大于1的整数。该鸟声特征向量表示着各个鸟声子帧的特征总和，鸟声特征向量将作为被识别的对象。其中，鸟声子帧特征向量是使用梅尔滤波函数对鸟声子帧进行特征提取获得。
50.s204，当级联的鸟声特征向量不满足预设规则时，将级联的鸟声特征向量按照预设规则转换为鸟声文本，并将鸟声特征向量作为鸟声的识别结果。
51.具体地，提取鸟声的特征向量，将提取的鸟声的特征向量与本地数据库中预先存储的各文本进行比对，在提取的鸟声的特征向量与本地数据库中预先存储的各文本欧氏距离均小于预设欧氏阈值时，即级联的鸟声特征向量不满足预设规则，这时将提取的鸟声的特征向量作为鸟声文本存储于本地数据库。
52.s205，根据所获取的鸟声文本启动与鸟声文本相对应的第三方应用程序，执行相应的驱鸟指令控制过程。
53.具体地，根据所获取的鸟声文本，从第三方应用注册表中获取与所确定的第三方应用对象相关联的第三方应用程序并启动第三方应用程序，执行相应的驱鸟指令控制过程。作为示例，可以根据不同的鸟声类型，启动具有相应鸟声类型天敌声音的第三方应用程序来播放声音进行驱鸟。
54.实施例三本发明一实施例提供了一种驱鸟识别系统，如图3所示，该识别系统具体可以包括如下模块：分帧模块，用于将获取的鸟声分割为多个鸟声子帧。
55.本实施例中，可应用于驱鸟装置通过网络与服务端进行通信的应用环境中。驱鸟装置可以是用于收集鸟声样本的设备，服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
56.具体地，服务器先使用短时傅里叶变换确定鸟声音频流中的静音帧、过度帧及结束帧；然后提取过度帧与结束帧之间的鸟声音频流部分作为待处理的鸟声，最后将获取的鸟声分割为多个鸟声子帧。较佳地，可使用以能量为主要评判阈值的语音端点检测vad算法对音频进行检测音频段。
57.本实施例中，鸟声音频流可以是由驱鸟装置的语音输入装置提供的包含鸟声的音频数据。其中，语音输入装置可包括但不限于麦克风。
58.特征提取模块，用于对鸟声子帧进行特征提取，获得多个鸟声子帧特征向量。
59.梅尔频率倒谱是基于声音频率的非线性梅尔刻度的对数能量频谱的线性变换。这里所指的频谱图指的是梅尔频谱图。一般情况下，一个声音段可以分为多个音频子帧，从而可以提取出每个音频子帧对应的梅尔频率倒谱特征。
60.具体地，本实施例中的特征提取具体步骤可以如下：对每个音频子帧进行汉明加窗后进行快速傅里叶变换，得到每个音频子帧的频谱，将每个音频子帧的频谱输入梅尔滤波器进行滤波得到多个鸟声子帧的梅尔频率倒谱。也可采用其它特征提取方法，本发明对此不做限定，但均在本发明的保护范围内。
61.特征处理模块，用于对鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量。
62.本实施例中，鸟声子帧特征向量的权重值包括固定权重值与波动权重值，具体公式为：权重值=固定权重值 波动权重值。为了后续处理的方便，可对鸟声子帧特征向量进行归一化，优选为二范数归一化，二范数归一化的操作为：将鸟声子帧特征向量除以它自身的模长（二范数）。
63.较佳地，固定权重值优选地为鸟声子帧特征向量个数的倒数，波动权重值根据鸟声子帧特征向量的噪声大小确定，具体方法是：当从鸟声子帧的傅里叶变换获得的噪声大于预设噪声阈值时，根据差值大小相应减少鸟声子帧特征向量的权重值；当从鸟声子帧的傅里叶变换获得的噪声小于预设噪声阈值时，根据差值大小相应增加鸟声子帧特征向量的权重值。
64.然后，将多个加权的鸟声子帧特征向量级联为鸟声特征向量，作为示例，可以将各个鸟声子帧特征向量s0，s1，
……
，sn 分别与权重值k0，k1，
……
，kn相乘并级联成鸟声特征向量量s＝（k0*s0，k1*s1，
……
，kn*sn），其中， n是大于1的整数。该鸟声特征向量表示着各
个鸟声子帧的特征总和，鸟声特征向量将作为被识别的对象。其中，鸟声子帧特征向量是使用梅尔滤波函数对鸟声子帧进行特征提取获得。
65.识别模块，用于当级联的鸟声特征向量满足预设规则时，将鸟声特征向量按照预设规则转换为鸟声文本，并将鸟声文本作为鸟声的识别结果。
66.具体地，遍历比较鸟声特征向量与本地数据库中预先存储的各文本，根据比较结果从本地数据库中预先存储的各文本中获取与鸟声特征向量欧氏距离最接近的文本，并将最接近的文本作为鸟声文本，并将鸟声文本作为鸟声的识别结果。
67.实施例四本发明一实施例提供了一种驱鸟识别设备，如图4所示，该识别设备具体可以包括如下模块：通信总线，用于实现处理器与存储器间的连接通信；存储器，用于存储计算机程序；存储器可能包含高速ram存储器，也可能还包含非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器可选的可以包含至少一个存储装置。
68.处理器，用于执行上述计算机程序以实现如下步骤：首先，鸟声流提取处理，并将获取的鸟声分割为多个鸟声子帧。
69.本实施例中，可应用于驱鸟装置通过网络与服务端进行通信的应用环境中。驱鸟装置可以是用于收集鸟声样本的设备，服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
70.具体地，服务器先使用短时傅里叶变换确定鸟声音频流中的静音帧、过度帧及结束帧；然后提取过度帧与结束帧之间的鸟声音频流部分作为待处理的鸟声，最后将获取的鸟声分割为多个鸟声子帧。较佳地，可使用以能量为主要评判阈值的语音端点检测vad算法对音频进行检测音频段。
71.本实施例中，鸟声音频流可以是由驱鸟装置的语音输入装置提供的包含鸟声的音频数据。其中，语音输入装置可包括但不限于麦克风。
72.其次，对鸟声子帧进行特征提取，获得多个鸟声子帧特征向量。
73.梅尔频率倒谱是基于声音频率的非线性梅尔刻度的对数能量频谱的线性变换。这里所指的频谱图指的是梅尔频谱图。一般情况下，一个声音段可以分为多个音频子帧，从而可以提取出每个音频子帧对应的梅尔频率倒谱特征。
74.具体地，本实施例中的特征提取具体步骤可以如下：对每个音频子帧进行汉明加窗后进行快速傅里叶变换，得到每个音频子帧的频谱，将每个音频子帧的频谱输入梅尔滤波器进行滤波得到多个鸟声子帧的梅尔频率倒谱。也可采用其它特征提取方法，本发明对此不做限定，但均在本发明的保护范围内。
75.接着，对鸟声子帧特征向量进行加权处理，并将多个加权的鸟声子帧特征向量级联为鸟声特征向量。
76.本实施例中，鸟声子帧特征向量的权重值包括固定权重值与波动权重值，具体公式为：权重值=固定权重值 波动权重值。为了后续处理的方便，可对鸟声子帧特征向量进行归一化，优选为二范数归一化，二范数归一化的操作为：将鸟声子帧特征向量除以它自身的模长（二范数）。
77.较佳地，固定权重值优选地为鸟声子帧特征向量个数的倒数，波动权重值根据鸟声子帧特征向量的噪声大小确定，具体方法是：当从鸟声子帧的傅里叶变换获得的噪声大于预设噪声阈值时，根据差值大小相应减少鸟声子帧特征向量的权重值；当从鸟声子帧的傅里叶变换获得的噪声小于预设噪声阈值时，根据差值大小相应增加鸟声子帧特征向量的权重值。
78.然后，将多个加权的鸟声子帧特征向量级联为鸟声特征向量，作为示例，可以将各个鸟声子帧特征向量s0，s1，
……
，sn 分别与权重值k0，k1，
……
，kn相乘并级联成鸟声特征向量量s＝（k0*s0，k1*s1，
……
，kn*sn），其中， n是大于1的整数。该鸟声特征向量表示着各个鸟声子帧的特征总和，鸟声特征向量将作为被识别的对象。其中，鸟声子帧特征向量是使用梅尔滤波函数对鸟声子帧进行特征提取获得。
79.再者，当级联的鸟声特征向量不满足预设规则时，将级联的鸟声特征向量按照预设规则转换为鸟声文本，并将鸟声特征向量作为鸟声的识别结果。
80.具体地，提取鸟声的特征向量，将提取的鸟声的特征向量与本地数据库中预先存储的各文本进行比对，在提取的鸟声的特征向量与本地数据库中预先存储的各文本欧氏距离均小于预设欧氏阈值时，即级联的鸟声特征向量不满足预设规则，这时将提取的鸟声的特征向量作为鸟声文本存储于本地数据库。
81.然后，根据所获取的鸟声文本启动与鸟声文本相对应的第三方应用程序，执行相应的驱鸟指令控制过程。
82.具体地，根据所获取的鸟声文本，从第三方应用注册表中获取与所确定的第三方应用对象相关联的第三方应用程序并启动第三方应用程序，执行相应的驱鸟指令控制过程。作为示例，可以根据不同的鸟声类型，启动具有相应鸟声类型天敌声音的第三方应用程序来播放声音进行驱鸟。
83.本实施例中的处理器可能是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现成可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。上述处理器可以是微处理器或者上述处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
84.实施例五本发明一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现上述的识别方法。
85.综上所述，本发明实施例提供的一种驱鸟识别方法及系统，通过对鸟声进行分割、加权、重组、匹配，获得期望的鸟声文本指令，并执行相应鸟声的驱动指令，达到了对驱赶鸟类及预防鸟类筑巢的目的。
86.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列
的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
87.上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行该计算机程序指令时，全部或部分地产生按照本技术实施例该的流程或功能。该计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质。半导体介质可以是固态硬盘。
88.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
89.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
90.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
91.在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
92.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
93.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
94.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上
或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
95.本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
96.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
97.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
98.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
99.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。