Identification of eight bird species of bogota wetlands using pattern recognition and component analysis

Javier Leonardo Ramirez, Helbert Eduardo Espitia

Abstract


This paper seeks to identify eight native birds from Bogota wetlands by recognizing the characteristics of their songs. Sounds are subjected to digital processing for sampling, normalizing, fi ltering, and scaling the frequency spectrum to extract the characteristics. The survey shall determine if an input fi le belongs to the pattern identifi ed. According to the variables used different characterizations exist, whose performance is evaluated in terms of True and False Positives for a training group and test group. The characterization uses a combination of variables extracted by pattern recognition and Principal Component Analysis. This proposal received 90% performance in identifying and 6% of wrong recognition, being the lowest false positive rate compared to that obtained by using the methods separately. This study provides patterns of 8 species from Bogota´ wetlands. The results provide a tool for automatic identifi cation of bird sounds, contributing to the study and conservation of vulnerable ecosystems. This helps to assess the status of endangered populations and supports strategic ecosystems monitoring.


Keywords


Bioacoustics; computational intelligence; identifi cation; pattern recognition; principal component analysis; signal processing

Full Text:

PDF HTML

References


Green, A. Figuerola, J. Aves acuáticas como bioindicadores en los humedales, Paracuellos, M. (ed.): Ecología, manejo y conservación de los humedales, pp. 47-60. Colección Actas, 49. Instituto de Estudios Almerienses. Almería, 2003.

González, A. Llanes, S. Sánchez, O. Rodríguez, B. Estado de las comunidades de aves residentes y migratorias en ecosistemas cubanos en relación con el impacto provocado por los cambios globales. Instituto de Ecologías y Sistemática, Cuba, 1999.

Bardeli, R. Wolff, D. Kurth, F. Detecting bird sounds in a complex acoustic environment and application to bioacoustic monitoring, Pattern Recognition Letters, 2010.

Burg, T. Drew, R. Pulgarín, P. Representaciones de disimilitudes en bioacustica computacional: una metodología para el monitoreo automatizado de aves, III Congreso Colombiano de ornitología. Medellín, 2010.

Andrade, Martha. Benítez, Henry Los Humedales de la Sabana de Bogotá: Área Importante para la Conservación de las Aves de Colombia y el Mundo. Instituto Humboldt, 2003.

Tubaro, P. Bioacustica aplicada a la sistemática, conservación y manejo de poblaciones naturales de aves Etología 7, 1999.

Botero, J. Arbeláez, D. Lentijo, G. Métodos para estudiar las aves. Centro Nacional de Investigaciones de Café Biocarta, no. 7, 2005.

Kasten, E. McKinley, P. Gage, S. Ensemble extraction for classification and detection of bird species, Ecological Informatics, 2010.

Somervuo, P. Harma, A. Fagerlund, S. Parametric Representations of Bird Sounds IEEE TRANSACTIONS, 2006.

Renjifo, L. Los humedales de la Sabana de Bogotá. Ambiente Capital, 1992.

Arvelaez, M. Franco, A. Arvelaez, H. Borja, R. Botero, J. y otros. Estrategia Nacional para la conservación de las Aves, Instituto Humboldt, Segunda edición, Bogotá, 2001.

Andrade, G. Los Humedales del Altiplano de Cundinamarca y Boyacá. Ecosistemas en Peligro de Desaparecer, Instituto de Investigación de Fuentes Biológicas Alexander von Humboldt, 1998.

Halffter, G. (Compil), La diversidad Biológica de Iberoamérica. Acta Zoológica Mexicana CITED-D. México, 1992.

Asociación Bogotana de Ornitología. Aves de la Sabana de Bogotá. Guía de Campo, 2000.

Calvachi, B. La biodiversidad bogotana. Biodiversidad Una cuestión debida. Revista Universidad Jorge Tadeo Lozano. Número 67. p 89 - 98, 2002.

Caycedo, P. Orozco, M. Ruiz, J. Reconocimiento automatizado de señales bioacusticas: Una revisión de métodos y aplicaciones Revista Ingeniería y Ciencia. Universidad EAFIT, 2013.

Navarro, A. Ben´ıtez, H. El Dominio del Aire. Capítulo 8. El Lenguaje de las Aves Fondo de Cultura Económica México, 1995.

Gil, F. Ram´ırez, G. Anatomía Específica de las Aves: Aspectos funcionales y clínicos. Unidad Docente de Anatomía y Embriología. Facultad de Veterinaria. Universidad de Murcia. España. 2007.

Segura, E. Turbaro, P. Aprendizaje vocal y dialectos de canto en las aves Revista Latinoamericana de Psicología, vol. 21, no. 2, pp. 195-217, Fundación Universitaria Konrad Lorenz. Colombia, 1989.

Castillo, W. Las manifestaciones sonoras en el mundo de las aves Universidad Tecnológica OTEIMA, 2010.

Catchpole, C. Slater, P. Bird Song: Biological Themes and Variations Cambridge, U.K. Cambridge Univ. Press, 1995.

Franzen, A. Gu, I. Classification of Bird Species by Using Key. Song Searching. IEEE. P.885, 2003.

Franco, J. Reconocimiento de Voz para niños con discapacidad en el Habla Universidad de las Américas Puebla. Capítulos 5,6,7. 2004.

Jain, A. Duin, R. Mao , J. Statistical pattern recognition. IEEE transactions, 1999.

Shih F. Pattern Recognition. Wiley-IEEE Press, 2010.

Trujillo, C. Classificación basada en la estimación de Parzen en espacios generalizados de disimilitudes Universidad Nacional de Colombia. 2012.

Vázquez, F. Caracterización e Interpretación de Descripciones Conceptuales en Dominios Poco Estructurados Instituto Politécnico Nacional. México, 2008.

Galarraga, M. V. Reconocimiento de Firmas Usando Redes Neuronales Artificiales. Unidad Tecnológica Equinoccial. Quito, 2004.

Carrasco, J, A. P. Aproximación Lógico Combinatorio al Reconocimiento de Patrones, Selección de Variables y Clasificación Supervisada. En Computación y Sistemas. Vol. 4. Universidad Nacional Autónoma de México, 2000.

Vicente J, L. Análisis de Compontes Principales. Departamento de Estadística. Universidad de Salamanca, 2006.

Abdi, H. Williams, L. Principal component analysis Overview, 2010.

Terrádez. M. Análisis de Componentes Principales, Universidad Abierta de Cataluña, 2003.

Huang, C. Yang, Y. Yang, D. Chen, Y. Frog classification using machine learning techniques Expert Systems with Applications, 2007.

Kogan, J. Margoliash, D. Automated recognition of bird song elements from continuous recordings using dynamic time warping and hidden Markov models. University of Chicago, 1998.

Tyagi, H. Hegde, R. Murthy, H. Prabhakar, A. Automatic identification of bird calls using spectral ensemble average voice prints. Indian Institute of Technology Madras. 2006.

Plaza, J. Reconocimiento de Voz para personas con Discapacidad del Habla. Tesis de maestría Universidad de las Américas. Puebla, 2002.

McIlraith, A. Card, H. Bird song identification using artificial neural networks and statistical analysis Department of Electrical and Computer Engineering University of Manitoba, 1997.

Acevedo, M. Corrada-Bravo, C. Corrada-Bravo, Héctor. y otros Automated classification of bird and amphibian calls using machine learning: A comparison of methods Ecological Informatics, 2009.




DOI: http://dx.doi.org/10.18180/tecciencia.2014.16.3

Refbacks

  • There are currently no refbacks.


Copyright (c) 2015 TECCIENCIA Journal