Traitement et Reconnaissance Automatique des Cris et Chants des Oiseaux dans les Zones Humides Annaba-El Taref
No Thumbnail Available
Date
2017-05-23
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
L’Algérie, compte plus de 250 zones humides dont une cinquantaine sont
classées sur le plan international pour leurs importances et le rôle qu’elles jouent
sur le plan écologique. Ils sont aussi des places privilégiées à des dizaines de milliers
d’oiseaux d’eau de différentes espèces pour y hiverner ou faire une halte temporaire.
Selon l’Union Internationale pour la Conservation de la Nature (UICN), certaines
de ces espèces sont menacées de disparition, tels que l’Erismature à tête blanche et
le Fuligule Nyroca. Ceci rend les zones humides d’Algérie d’une grande importance
et nécessitent une attention particulière.
Dans cette thèse, nous proposons de mettre en oeuvre, de point de vue software
et hardware, un système de surveillance de la population d’oiseaux migrateurs
et sédentaires à base de réseaux de capteurs sans fils (RCSF). En effet, en
utilisant des capteurs sans fils équipés de microphones, nous souhaitons pouvoir
identifier et reconnaître les différentes espèces d’oiseaux présentes instantanément
à partir de la détection et la reconnaissance de leurs vocalisations (cris et/ou chants).
Le travail présenté dans cette thèse porte principalement sur la proposition
d’une méthodologie permettant de classifier et reconnaître instantanément les
différentes espèces d’oiseaux à travers des caractéristiques acoustiques extraites
de leurs sons. Cette méthodologie doit répondre à deux critères primordiaux qui
sont : Premièrement, l’immunité aux bruits d’environnement quasi présents dans
les enregistrements des sons d’oiseaux et deuxièmement la complexité calculatoire
qui doit être moindre pour une consommation d’énergie optimale des noeuds de
capteurs sans fils.
Au fil des années, une variété de méthodes de classification des sons d’oiseaux
ont été introduite, mais très peu ont été spécialement conçues pour les RCSF. Dans
ce travail nous proposons :
• Un détecteur de région tonale TRD (Tonal Region Detector ) utilisant la fonc tion sigmoïde. Cette approche pour l’estimation de la puissance de bruit offre
une flexibilité, car la pente et la moyenne de la fonction sigmoïde peuvent être
viii
adaptées de manière autonome pour un meilleur compromis entre la suréva luation et la sous-évaluation du bruit.
• Une fois que les régions tonales dans le son bruité des oiseaux sont détectées,
un algorithme pour extraire les coefficients cepstraux GTECC (Gammatone
Teager Energy Cepstral Coefficients) est appliqué. La normalisation cepstral
QCN (Quantile-based cepstral dynamics normalization) est exploitée pour ré duire l’influence du bruit.
• Enfin, le classificateur de réseau neuronal profond DNN (Deep Neural Net work) est exploité pour classifier les coefficients GTECC.
Les résultats expérimentaux pour l’identification de 36 espèces d’oiseaux des
zones humides du nord-est de l’Algérie, démontrent que la méthodologie adoptée
pour reconnaitre les sons d’oiseaux utilisant les RCSF est très efficace et fonctionne
de manière satisfaisante par rapport aux méthodes populaires citées dans la
littérature. De plus, les performances de reconnaissance, l’immunité au bruit et la
consommation d’énergie sont considérablement améliorées après l’application du
détecteur des régions tonales, ce qui indique que c’est une approche appropriée
pour la reconnaissance acoustique des oiseaux dans des environnements complexes
avec des noeuds de capteurs sans fils.