Apprenez à reconnaître le chant des oiseaux avec BalbuCam !

BalbuCam propose de vous faire découvrir la faune proche du nid de Balbuzard d’une façon très originale. Grace au nouveau système audio mise en œuvre dans le cadre de la Saison 3 de BalbuCam, vous allez entendre une multitude d’oiseaux comme le Verdier d’Europe, la Fauvette à tête noire, la Grive musicienne, le Pinson des arbres, le Pouillot véloce, la Sittelle torchepot, le Troglodyte mignon, et bien d’autres encore. Tous ces chants d’oiseaux, vous avez l’habitude de les entendre, mais la plupart du temps, vous ne savez pas de quelles espèces d’oiseaux il s’agit.

L’équipe de BalbuCam a développé un système permettant d’analyser tous ces chants en temps réel à l’aide d’une technique moderne de traitement du signal audio, afin de déterminer à quels espèces ils appartiennent. Ainsi dans le  bas de la page du direct vous pouvez  consulter en temps réel la liste des oiseaux reconnus par le système. Pour chaque oiseau reconnu une image est affichée et vous avez la possibilité d’écouter un exemple de chant.

La genèse du projet

L’idée de mettre en œuvre un système de reconnaissance audio sur BalbuCam  est née, dés le démarrage de la Saison 1, au constat des nombreuses questions des utilisateurs concernant les sons perçus autour de l’aire, émis par la faune environnante et principalement par les oiseaux.

Comment cela fonctionne ?

Le principe de la reconnaissance des oiseaux par leur chant utilisé par BalbuCam s’appuie sur les travaux du mathématicien français Joseph Fourier, né en 1768 à Auxerre et mort en 1830 à Paris. Joseph Fourier a démontré que l’on pouvait caractériser un signal par son spectre de fréquences. Les travaux de Joseph Fourier ont été intégrés récemment dans une méthode moderne de traitement du signal audio nommé  Mel-frequency cepstral coefficients (MFCCs).  Cette méthode  est actuellement largement utilisée dans les systèmes de reconnaissance vocale et est devenu un standard. Mais si les MFCCs sont très bien adaptés pour la reconnaissance vocale humaine, ils sont moins performants lorsqu’il s’agit de reconnaître des oiseaux : aussi la méthode a-t-elle été modifiée afin de l’adapter à la reconnaissance des  oiseaux par leurs chants.

Le flux audio issu d’un micro HQ installé dans l’environnement de la caméra est donc transformé en temps réel en un dérivé de “Mel-frequency cepstral coefficients (MFCCs)”  puis comparé avec une base de chants d’oiseaux grâce à un algorithme nommé Dynamic Time Warping (DTW) : celui-ci  permet de mesurer la similarité entre le flux audio issu de la caméra et une base de  données de chants d’oiseaux enregistrés.

Quels sont les oiseaux actuellement reconnus ?

Voici la liste des oiseaux présents dans la base que le système peut actuellement reconnaître :

  • Mésange charbonnière
  • Fauvette à tête noire
  • Pinson des arbres
  • Pouillot véloce
  • Verdier d’Europe
  • Grive musicienne
  • Troglodyte mignon
  • Mésange bleue
  • Rouge gorge familier
  • Merle noir
  • Pie bavarde
  • Corneille noire
  • Geai des chênes
  • Mésange à longue queue
  • Sittelle torchepot
  • Buse variable

Cette liste va être enrichie tout au long de la saison, et nous espérons être en mesure de reconnaître 30 espèces d’oiseaux à la fin de la saison .

Quel est l’efficacité du système de reconnaissance?

Les tests que nous avons réalisé montrent que nous obtenons un taux de reconnaissance d’environ 70%, variable en fonction des espèces. Ce taux de reconnaissance devrait être amélioré pendant la saison grâce à l’utilisation des enregistrements audio qui vont être réalisés sur le site.

A noter que l’efficacité du système décroit avec l’augmentation de l’intensité des bruits extérieurs (vent, avions, circulation, …) .

Et ensuite, à quoi d’autre pourrait servir ce système  ?

On pourrait facilement coupler le système audio à un système de statistiques, afin de par exemple créer un indicateur de biodiversité à partir de toutes les espèces reconnus.  Ou pourrait aussi détecter et signaler la présence d’une espèce rare.

Est-ce que le système de reconnaissance audio est « open source »?

Le système de reconnaissance n’est pas pour le moment publié sous GitHub mais pourrait devenir un projet « open source » si d’autres associations souhaitaient utiliser cette technologie.

Références:

Dan Stowell​, Mark D. Plumbley:
Automatic large-scale classification of bird sounds is strongly improved by unsupervised feature learning

James Lyons :  http://www.practicalcryptography.com/miscellaneous/machine-learning/guide-mel-frequency-cepstral-coefficients-mfccs/

Bienvenue sur le site d'observation du Balbuzard pêcheur