蛙人识别方法、装置、设备和介质

1.一种蛙人识别方法，其特征在于，所述方法包括：获取待识别被动声呐信号；对所述待识别被动声呐信号进行短时傅里叶变换得到所述待识别被动声呐信号的时频图；将所述时频图输入预先建立的蛙人识别模型中，输出所述待识别被动声呐信号的识别结果，所述识别结果用于确定所述待识别被动声呐信号是否为蛙人吸气信号，所述蛙人识别模型通过对所述时频图依次进行数据降维、特征提取和特征识别处理得到所述识别结果；其中，建立所述蛙人识别模型，包括以下步骤：构造训练数据集，所述训练数据集包含多个蛙人吸气信号的样本时频图像；将每个所述样本时频图像输入待训练蛙人识别模型中得到与所述样本时频图像对应的预估值；确定多个所述样本时频图像的交叉熵损失函数，在所述交叉熵损失函数达到最小值时，得到所述蛙人识别模型；其中，所述构造训练数据集，包括以下步骤：采集多个样本被动声呐信号；对每个所述样本被动声呐信号进行滤波处理，得到第一被动声呐信号；对所述第一被动声呐信号进行信号提取，得到多个蛙人吸气信号、多个环境噪声信号和多个干扰信号；将所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号进行整合，构造所述训练数据集；其中，所述将所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号进行整合，构造所述训练数据集，包括：从所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号中选择至少一个蛙人吸气信号、一个环境噪声信号和至少一个干扰信号；将所述至少一个蛙人吸气信号、一个环境噪声信号和至少一个干扰信号进行叠加处理，得到第一合成被动声呐信号；重复上述操作，得到多个所述第一合成被动声呐信号；对每个所述第一合成被动声呐信号进行分段和标记处理，得到第二合成被动声呐信号；对每个所述第二合成被动声呐信号进行短时傅里叶变换处理，得到与每个所述第二合成被动声呐信号对应的时频图；对所述时频图进行截取，得到多个蛙人吸气信号特征图像作为所述蛙人吸气信号的样本时频图像；将所述多个蛙人吸气信号的样本时频图像确定为所述训练数据集。 2.根据权利要求1所述的方法，其特征在于，所述蛙人识别模型包括依次连接的数据降维子模型，特征提取第一子模型，特征提取第二子模型，预估子模型，所述蛙人识别模型通过对所述时频图依次进行数据降维、特征提取和特征识别处理得到所述识别结果，包括：调用所述数据降维子模型对所述时频图进行数据降维处理，得到降维时频图，并将所述降维时频图发送至所述特征提取第一子模型；调用所述特征提取第一子模型对所述降维时频图进行特征提取，得到第一特征图，并将所述第一特征图发送至所述特征提取第二子模型；调用所述特征提取第二子模型对所述第一特征图进行特征提取，得到第二特征图，将所述第二特征图发送至所述预估子模型；调用所述预估子模型对所述第二特征图进行特征识别，得到所述识别结果。 3.根据权利要求1所述的方法，其特征在于，所述对每个所述第一合成被动声呐信号进行分段和标记处理，得到第二合成被动声呐信号，包括：对每个所述第一合成被动声呐信号进行分段，得到N个时长相等的信号分段，N为自然数；从所述N个信号分段中确定至少一个蛙人吸气信号段，所述蛙人吸气信号段包含M个连续的与蛙人吸气信号对应的信号分段，M为正整数；将所述至少一个蛙人吸气信号段之后的T个信号分段进行第一类标记处理；将未进行所述第一类标记处理的其他信号分段进行第二类标记处理，得到第二合成被动声呐信号。 4.根据权利要求1所述的方法，其特征在于，在将所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号进行整合，构造训练数据集之前，所述方法还包括：确定每个所述蛙人吸气信号、环境噪声信号和干扰信号的能量值；基于预设的能量阈值对所述能量值进行调整处理。 5.一种蛙人识别装置，其特征在于，所述装置包括：获取模块，被配置为获取待识别被动声呐信号；变换模块，被配置为对所述待识别被动声呐信号进行短时傅里叶变换得到所述待识别被动声呐信号的时频图；识别结果获取模块，被配置为将所述时频图输入预先建立的蛙人识别模型中，输出所述待识别被动声呐信号的识别结果，所述识别结果用于确定所述待识别被动声呐信号是否为蛙人吸气信号，所述蛙人识别模型通过对所述时频图依次进行数据降维、特征提取和特征识别处理得到所述识别结果；其中，建立所述蛙人识别模型，包括以下步骤：构造训练数据集，所述训练数据集包含多个蛙人吸气信号的样本时频图像；将每个所述样本时频图像输入待训练蛙人识别模型中得到与所述样本时频图像对应的预估值；确定多个所述样本时频图像的交叉熵损失函数，在所述交叉熵损失函数达到最小值时，得到所述蛙人识别模型；其中，所述构造训练数据集，包括以下步骤：采集多个样本被动声呐信号；对每个所述样本被动声呐信号进行滤波处理，得到第一被动声呐信号；对所述第一被动声呐信号进行信号提取，得到多个蛙人吸气信号、多个环境噪声信号和多个干扰信号；将所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号进行整合，构造所述训练数据集；其中，所述将所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号进行整合，构造所述训练数据集，包括：从所述多个蛙人吸气信号、多个环境噪声信号和多个干扰信号中选择至少一个蛙人吸气信号、一个环境噪声信号和至少一个干扰信号；将所述至少一个蛙人吸气信号、一个环境噪声信号和至少一个干扰信号进行叠加处理，得到第一合成被动声呐信号；重复上述操作，得到多个所述第一合成被动声呐信号；对每个所述第一合成被动声呐信号进行分段和标记处理，得到第二合成被动声呐信号；对每个所述第二合成被动声呐信号进行短时傅里叶变换处理，得到与每个所述第二合成被动声呐信号对应的时频图；对所述时频图进行截取，得到多个蛙人吸气信号特征图像作为所述蛙人吸气信号的样本时频图像；将所述多个蛙人吸气信号的样本时频图像确定为所述训练数据集。 6.一种计算机设备，其特征在于，所述计算机设备包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行如权利要求1至4任一所述的蛙人识别方法。 7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述可读存储介质在处理组件上运行时，使得处理组件执行如权利要求1至4任一所述的蛙人识别方法。