阅读说明：本技术 一种定位方法、装置及系统 (Positioning method, device and system ) 是由 陶兴源 刘永霞 沈翀 李芳媛 于 2019-11-05 设计创作，主要内容包括：本申请提供一种定位方法、装置及系统,其中,定位方法包括：获取监控区域内的语音信号,并检测语音信号中的家畜叫声信号；根据检测到的家畜叫声信号对发出叫声的家畜进行定位,得到监控区域中的家畜叫声区域。因此,通过语音识别可以实时采集监控区域内家畜的叫声,并对发出叫声的家畜进行定位,以使管理人员可以根据定位的结果,快速的寻找到发出叫声的基础,从而提高管理人员的工作效率。(The application provides a positioning method, a positioning device and a positioning system, wherein the positioning method comprises the following steps: acquiring a voice signal in a monitoring area, and detecting a livestock voice signal in the voice signal; and positioning the livestock sending out the voice according to the detected livestock voice signal to obtain a livestock voice calling area in the monitoring area. Therefore, the voice of the livestock in the monitoring area can be collected in real time through voice recognition, and the livestock which sends the voice is positioned, so that a manager can quickly find the basis for sending the voice according to the positioning result, and the working efficiency of the manager is improved.)

一种定位方法、装置及系统

技术领域

本申请涉及家畜养殖领域，具体而言，涉及一种定位方法、装置及系统。

背景技术

现在的家畜养殖行业中，管理人员需要随时关注养殖的家畜的状态，例如：是否处于饥饿状态、是否受伤、是否生病等。但是，由于养殖场中一般都会养殖有上千头甚至上万头家畜，要及时的发现诸多家畜中出现异常的家畜，需要大量的管理人员随时巡逻查看，消耗大量的人力和无力。并且，仅仅靠人工查看，效率低且容易出现遗漏。

发明内容

本申请实施例的目的在于提供一种定位方法、装置及系统，用以解决工作效率低的技术问题。

为了实现上述目的，本申请实施例所提供的技术方案如下所示：

第一方面，本申请实施例提供一种定位方法，包括：获取监控区域内的语音信号，并检测所述语音信号中的家畜叫声信号；根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，得到所述监控区域中的家畜叫声区域。因此，通过语音识别可以实时采集监控区域内家畜的叫声，并对发出叫声的家畜进行定位，以使管理人员可以根据定位的结果，快速的寻找到发出叫声的基础，从而提高管理人员的工作效率。

在本申请的可选实施例中，在所述获取监控区域内的语音信号之后，所述定位方法还包括：对所述语音信号进行降噪处理。因此，在获取语音信号之后，可以对语音信号进行降噪处理，从而提高定位的准确度。

在本申请的可选实施例中，所述根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，包括：对所述家畜叫声信号进行梅尔频谱处理获得第一输入信号，以及对所述家畜叫声信号进行广义互相关函数处理获得第二输入信号；将所述第一输入信号以及所述第二输入信号输入至预先训练好的第一神经网络模型中；其中，所述第一神经网络模型输出表征所述发出叫声的家畜位置的结果。因此，通过将经过梅尔频谱处理以及经过广义互相关函数处理后的语音信号，输入至预先训练好的第一神经网络模型中，得到准确度较高的定位结果。

在本申请的可选实施例中，在所述根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，得到所述监控区域中的家畜叫声区域之后，所述定位方法还包括：根据所述家畜叫声信号确定所述家畜叫声区域内家畜的状态。因此，由于处于不同状态的家畜发出的叫声不相同，可以根据家畜的叫声确定家畜的状态，例如：饥饿、生病等，以使管理人员可以快速的对发出叫声的家畜进行相应的处理，从而提高工作效率。

在本申请的可选实施例中，所述根据所述家畜叫声信号确定所述家畜叫声区域内家畜的状态，包括：判断所述家畜叫声信号中叫声的频率是否在预设叫声频率内；在所述家畜叫声信号中叫声的频率在预设叫声频率内时，确定所述家畜为饥饿状态或者被压状态。

在本申请的可选实施例中，在所述确定所述家畜为饥饿状态或者被压状态之后，所述定位方法还包括：获取所述家畜叫声区域的图像；显示所述图像或将所述图像发送至管理人员的终端。因此，可以将家畜叫声区域的图像显示或者发送给管理人员，以使管理人员可以根据家畜叫声区域的图像确定家畜实时的情况。

第二方面，本申请实施例提供一种定位装置，包括：第一获取模块，用于获取监控区域内的语音信号，并检测所述语音信号中的家畜叫声信号；定位模块，用于根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，得到所述监控区域中的家畜叫声区域。因此，通过语音识别可以实时采集监控区域内家畜的叫声，并对发出叫声的家畜进行定位，以使管理人员可以根据定位的结果，快速的寻找到发出叫声的基础，从而提高管理人员的工作效率。

在本申请的可选实施例中，所述定位装置还包括：降噪模块，用于对所述语音信号进行降噪处理。因此，在获取语音信号之后，可以对语音信号进行降噪处理，从而提高定位的准确度。

在本申请的可选实施例中，所述定位模块还用于：对所述家畜叫声信号进行梅尔频谱处理获得第一输入信号，以及对所述家畜叫声信号进行广义互相关函数处理获得第二输入信号；将所述第一输入信号以及所述第二输入信号输入至预先训练好的第一神经网络模型中；其中，所述第一神经网络模型输出表征所述发出叫声的家畜位置的结果。因此，通过将经过梅尔频谱处理以及经过广义互相关函数处理后的语音信号，输入至预先训练好的第一神经网络模型中，得到准确度较高的定位结果。

在本申请的可选实施例中，所述定位装置还包括：第一确定模块，用于根据所述家畜叫声信号确定所述家畜叫声区域内家畜的状态。因此，由于处于不同状态的家畜发出的叫声不相同，可以根据家畜的叫声确定家畜的状态，例如：饥饿、生病等，以使管理人员可以快速的对发出叫声的家畜进行相应的处理，从而提高工作效率。

在本申请的可选实施例中，所述第一确定模块还用于：判断所述家畜叫声信号中叫声的频率是否在预设叫声频率内；在所述家畜叫声信号中叫声的频率在预设叫声频率内时，确定所述家畜为饥饿状态或者被压状态。

在本申请的可选实施例中，所述定位装置还包括：第二获取模块，用于获取所述家畜叫声区域的图像，并在所述图像中进行家畜检测，确定所述图像中的至少一个包含有幼崽的幼崽区域以及至少一个包含有成年家畜的成年家畜区域；第二确定模块，用于在所述成年家畜区域内进行成年家畜卧倒检测，确定包含有卧倒的成年家畜的卧倒成年家畜区域；判断模块，用于根据所述卧倒成年家畜区域与所述幼崽区域之间的重叠关系，判断是否存在幼崽被所述卧倒的成年家畜压住；报警模块，用于若存在幼崽被所述卧倒的成年家畜压住，则生成报警信号。因此，通过图像识别可以实时判断家畜叫声区域中是否存在幼崽被卧倒的成年家畜压住，并在存在幼崽被卧倒的成年家畜压住的情况时，及时生成报警信号，以使工作人员可以及时对被压幼崽进行救援，从而实现了救援效率的提高，使得养殖场的损失显著降低。

第三方面，本申请实施例提供一种定位系统，包括：语音信号采集装置及处理装置；所述语音信号采集装置与所述处理装置连接，用于采集监控区域内的语音信号；所述处理装置用于执行如第一方面中所述的定位方法。

在本申请的可选实施例中，所述定位系统还包括：图像采集装置；所述图像采集装置与所述处理装置连接，用于采集家畜叫声区域的图像。

第四方面，本申请实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面中的定位方法。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举本申请实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的一种定位系统的结构框图；

图2为本申请实施例提供的一种处理装置的结构框图；

图3为本申请实施例提供的一种定位方法的流程图；

图4为本申请实施例提供的另一种定位方法的流程图；

图5为本申请实施例提供的一种定位装置的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

为了保证养殖场中的家畜能够健康正常的成长，需要对家畜的状态进行实时的检测，以及时对出现异常情况的家畜进行合适的处理。在目前的养殖业中，主要是通过人工监察实现对仔猪被压情况的检测，例如：听叫声、巡逻查看等，来进行定位，然后人工前往现场排查和处理。但是，由于养殖场中的家畜一般数量庞大，需要消耗大量的人力，并且，仅仅靠人工查看，效率低且容易出现遗漏。

因此，为了应对数量较大的定位任务，本申请实施例提供一种定位系统100，该定位系统100可以24小时在线，实时对养殖场的情况进行检测。该定位系统100通过减少人工24小时检测家畜的情况所付出的工作量，节省了人工精力以及体力，使得人工在处理异常家畜时可以更高效、及时。

请参照图1，图1为本申请实施例提供的一种定位系统的结构框图，该定位系统100包括：语音信号采集装置101及处理装置102；语音信号采集装置101与处理装置102连接，用于采集监控区域内的语音信号；处理装置用于执行定位方法。

示例性的，语音信号采集装置101可以为多种类型的麦克风或具有麦克风的装置，用于采集监控区域内的语音信号，并将采集到的语音信号发送给处理装置102，以使处理装置102可以根据接收到的语音信号确定家畜叫声区域，即处理装置102可以用于执行定位方法。其中，本申请实施例提供的定位方法的具体步骤将在后续实施例中进行详细的叙述。

需要说明的是，本申请实施例对语音信号采集装置101的数量不作具体的限定，可以为一个也可以为多个，以能够采集整个养殖场的语音信号为准。举例来说，语音信号采集装置101可以等间隔的设置在养殖场的四边，也可以均匀设置在养殖场的内部等，本领域技术人员可以根据实际情况进行合适的选择。其中，当一个养殖场中设置有多个语音信号采集装置101时，每一个语音信号采集装置101可以对应采集一个监控区域的语音信号，多个监控区域组合可以覆盖整个养殖场，保证养殖场中没有监控盲区。

作为一种实施方式，请参照图2，图2为本申请实施例提供的一种处理装置的结构框图，该处理装置102包括：至少一个处理器201，至少一个通信接口202，至少一个存储器203和至少一个通信总线204。其中，通信总线204用于实现这些组件直接的连接通信，通信接口202用于与其他节点设备进行信令或数据的通信，存储器203存储有处理器201可执行的机器可读指令。当电子设备运行时，处理器201与存储器203之间通过通信总线204通信，机器可读指令被处理器201调用时执行定位方法。

处理器201可以是一种集成电路芯片，具有信号处理能力。上述处理器201可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，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。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器203可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

可以理解，图2所示的结构仅为示意，处理装置102还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中，处理装置102可以是，但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体装置，还可以是虚拟机等虚拟装置。

进一步的，请参照图1，定位系统100还可以包括：图像采集装置103；图像采集装置103与处理装置102连接，用于采集家畜叫声区域的图像。

示例性的，图像采集装置103可以为多种类型的摄像头或具有摄像头的装置，用于采集家畜叫声区域的图像或者视频，并将采集到的图像视频发送给处理装置102，以使处理装置102根据接收到的图像视频判断家畜叫声区域中是否存在幼崽被卧倒的成年家畜压住。

需要说明的是，本申请实施例对图像采集装置103的数量同样不作具体的限定，可以为一个也可以为多个，以能够采集整个养殖场的图像为准。举例来说，图像采集装置103可以等间隔的设置在养猪场的四边，也可以均匀设置在养猪场的内部，还可以在每一个语音信号采集装置101旁均设置一个图像采集装置103等，本领域技术人员可以根据实际情况进行合适的选择。其中，与语音信号采集装置101类似，当一个养殖场中设置有多个图像采集装置101时，每一个图像采集装置101可以对应采集一个监控区域的图像，多个监控区域组合可以覆盖整个养殖场，保证养殖场中没有监控盲区。

进一步的，定位系统100还可以包括：云平台。

示例性的，语音信号采集装置101采集的语音信号以及图像采集装置103采集的图像可以直接发送给处理装置102进行处理，也可以先发送给云平台进行存储，然后在需要时，云平台将存储的图像以及语音信号发送给处理装置102进行处理。

除此之外，语音信号采集装置101采集的语音信号以及图像采集装置103采集的图像可以保存在云平台中，用于其他方向的科研研究。

作为另一种实施方式，处理装置102可以为云平台中的一个模块，也就是说，云平台可以直接执行定位方法。语音信号采集装置103采集的语音信号以及图像采集装置101采集的图像可以直接发送给云平台，云平台根据接收到的图像及语音信号检测家畜的情况。

基于上述定位系统100，本申请实施例还提供一种定位方法，该定位方法可以由定位系统100中的处理装置102执行。

请参照图3，图3为本申请实施例提供的一种定位方法的流程图，该定位方法可以包括如下步骤：

步骤S301：获取监控区域内的语音信号，并检测语音信号中的家畜叫声信号。

步骤S302：根据检测到的家畜叫声信号对发出叫声的家畜进行定位，得到监控区域中的家畜叫声区域。

示例性的，确定家畜叫声区域的方式可以为利用语音信号采集装置采集养殖中的语音信号，并分析其中的家畜叫声。语音信号采集装置可以采集监控区域内的语音信号，然后可以直接将语音信号发送给处理装置，也可以先将语音信号发送给云平台进行存储，然后由云平台将存储的语音信号发送给处理装置。

处理装置在通过上述方式获取监控区域内的语音信号之后，可以检测语音信号中是否包含家畜的叫声。作为一种实施方式，可以使用利用家畜叫声数据集训练好的语音信号检测模型进行安技处叫声检测，当语音信号检测模型检测到家畜叫声时语音信号检测模型输出为1，未检测到时语音信号检测模型输出为0。其中，家畜叫声数据集中可以包括包含家畜叫声的语音信号以及未包含家畜叫声的语音信号。

通过家畜叫声检测识别到仔猪叫声之后，可以启动定位流程，同时利用家畜叫声定位技术对家畜的叫声区域做出定位。作为一种实施方式，步骤S302可以包括如下步骤：

第一步，对家畜叫声信号进行梅尔频谱处理获得第一输入信号，以及对家畜叫声信号进行广义互相关函数处理获得第二输入信号。

第二步，将第一输入信号以及第二输入信号输入至预先训练好的第一神经网络模型中。

通过对双麦克风的麦克风阵列检测到的语音信号进行梅尔频谱处理(log melspectrogram)获得第一输入信号，并对语音信号进行广义互相关函数处理(GeneralizedCross Correlation with Phase Transform)获得第二输入信号，然后将第一输入信号以及第二输入信号输入至预先训练好的第一神经网络模型中，以实现对发出叫声的家畜进行定位，其中，第一神经网络模型输出表征发出叫声的家畜位置的结果。举例来说，第一神经网络模型可以包括多个卷积层和全连接层，通过多个卷积层处理特征，然后结合全连接层实现声源定位。

在本申请实施例中，通过语音识别可以实时采集监控区域内家畜的叫声，并对发出叫声的家畜进行定位，以使管理人员可以根据定位的结果，快速的寻找到发出叫声的基础，从而提高管理人员的工作效率。

进一步的，在步骤S301之后，定位方法还可以包括如下步骤：

对语音信号进行降噪处理。

在本申请实施例中，在获取语音信号之后，可以先对语音信号就行降噪处理，从而提高初步定位的准确度。

进一步的，在步骤S302之后，本申请实施例提供的定位方法还可以包括如下步骤：

根据家畜叫声信号确定家畜叫声区域内家畜的状态。

示例性的，由于家畜处于不同的状态的时候，发出的叫声也会不相同，因此可以通过对家畜的叫声进行分析初步确定家畜的状态。举例来说，当幼崽被成年家畜压住时，幼崽发出的叫声会比正常的叫声频率要高，基于该实施方式，上述根据家畜叫声信号确定家畜叫声区域内家畜的状态的步骤可以包括如下步骤：

第一步，判断家畜叫声信号中叫声的频率是否在预设叫声频率内；

第二步，在家畜叫声信号中叫声的频率在预设叫声频率内时，确定家畜为饥饿状态或者被压状态。

需要说明的是，根据家畜叫声的频率判断家畜的状态仅为本申请实施例提供的一种可行的实施方案，本申请对此不作具体的限定，例如：还可以根据家畜叫声的变化情况、家畜叫声的时间长短等判断家畜的状态，本领域技术人员可以根据实际情况作出合适的调整。

进一步的，当通过家畜的叫声确定家畜为被压状态时，为了进一步的确定是否有家畜被压，在上述确定家畜为被压状态步骤之后，本申请实施例提供的定位方法还可以包括如下步骤，请参照图4，图4为本申请实施例提供的另一种定位方法的流程图：

步骤S401：获取家畜叫声区域的图像。

步骤S402：显示图像或将图像发送至管理人员的终端。

示例性的，处理装置可以首先获取家畜叫声区域的图像，其中，处理装置获取图像的方式可以有多种，例如：接收图像采集装置发送的家畜叫声区域的图像，接收云平台发送的家畜叫声区域的图像等，本申请不作具体的限定。

处理装置在获取到家畜叫声区域的图像之后，可以显示图像，例如：养殖场中设置有液晶屏幕，可以实时的显示各个监控区域的图像；还可以将图像发送至管理人员的终端，以使管理人员可以随时查看养殖场中的情况，并在养殖场中的家畜出现异常情况时，及时的赶到现场。

在本申请实施例中，可以将家畜叫声区域的图像显示或者发送给管理人员，以使管理人员可以根据家畜叫声区域的图像确定家畜实时的情况。

请参照图5，图5为本申请实施例提供的一种定位装置的结构框图，该定位装置500包括：第一获取模块501，用于获取监控区域内的语音信号，并检测所述语音信号中的家畜叫声信号；定位模块502，用于根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，得到所述监控区域中的家畜叫声区域。

在本申请实施例中，通过语音识别可以实时采集监控区域内家畜的叫声，并对发出叫声的家畜进行定位，以使管理人员可以根据定位的结果，快速的寻找到发出叫声的基础，从而提高管理人员的工作效率。

进一步的，所述定位装置500还包括：降噪模块，用于对所述语音信号进行降噪处理。

在本申请实施例中，在获取语音信号之后，可以对语音信号进行降噪处理，从而提高定位的准确度。

进一步的，所述定位模块502还用于：对所述家畜叫声信号进行梅尔频谱处理获得第一输入信号，以及对所述家畜叫声信号进行广义互相关函数处理获得第二输入信号；将所述第一输入信号以及所述第二输入信号输入至预先训练好的第一神经网络模型中；其中，所述第一神经网络模型输出表征所述发出叫声的家畜位置的结果。

在本申请实施例中，通过将经过梅尔频谱处理以及经过广义互相关函数处理后的语音信号，输入至预先训练好的第一神经网络模型中，得到准确度较高的定位结果。

进一步的，所述定位装置500还包括：确定模块，用于根据所述家畜叫声信号确定所述家畜叫声区域内家畜的状态。

在本申请实施例中，由于处于不同状态的家畜发出的叫声不相同，可以根据家畜的叫声确定家畜的状态，例如：饥饿、生病等，以使管理人员可以快速的对发出叫声的家畜进行相应的处理，从而提高工作效率。

进一步的，所述确定模块还用于：判断所述家畜叫声信号中叫声的频率是否在预设叫声频率内；在所述家畜叫声信号中叫声的频率在预设叫声频率内时，确定所述家畜为饥饿状态或者被压状态。

进一步的，所述定位装置500还包括：第二获取模块，用于获取所述家畜叫声区域的图像；显示模块，用于显示所述图像或将所述图像发送至管理人员的终端。

在本申请实施例中，可以将家畜叫声区域的图像显示或者发送给管理人员，以使管理人员可以根据家畜叫声区域的图像确定家畜实时的情况。

本申请实施例还提供一种计算机程序产品，包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述实施例中定位方法的步骤，例如包括：获取监控区域内的语音信号，并检测所述语音信号中的家畜叫声信号；根据检测到的所述家畜叫声信号对发出叫声的家畜进行定位，得到所述监控区域中的家畜叫声区域。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。

另外，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。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

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。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。