基于地面信号的大象事件检测与分类：面向长距离探测
机器学习
2025-09-10 v1 计算机与社会
新兴技术
系统与控制
系统与控制
摘要
通过地面信号检测大象是人类-大象冲突 (HEC) 解决方案的新兴研究方向。尽管已有 promising 结果，但此类解决方案严重依赖于对大象脚步的手动分类，这限制了其在自然环境中实现实时分类的可行性。为此目的，在前期工作基础上，本研究引入了面向资源受限实现的分类框架，优先考虑准确率和计算效率。作为该框架的一部分，本文引入了一种名为 Contextually Customized Windowing (CCW) 的新颖事件检测技术，专为检测大象脚步而设计，并通过与 Short-Term Average/Long-Term Average (STA/LTA) 方法进行比较来进行评估。结果显示，在受控环境下的验证最大检测范围为 155.6 米，在自然环境中的检测范围为 140 米。采用带有径向基函数 (RBF) 核的支持向量机 (SVM) 进行的大象脚步分类在多个环境下表现优异，在受控环境中达到 99% 的准确率，在自然大象栖息地中达到 73%，在 HEC 易发人类栖息地中达到 70%，其中最具挑战性。此外，通过可解释人工智能进行特征影响分析，识别出零交叉数和动态时间变形 (DTW) 对齐成本是所有实验中最具影响力的因素，而主要频率在受控环境中表现出显著影响。
引用
@article{arxiv.2509.02920,
title = {Event Detection and Classification for Long Range Sensing of Elephants Using Seismic Signal},
author = {Jaliya L. Wijayaraja and Janaka L. Wijekoon and Malitha Wijesundara},
journal= {arXiv preprint arXiv:2509.02920},
year = {2025}
}
备注
This article has been accepted for publication in IEEE Access