Una de las posibilidades que ofrecen las tecnologías de la información es el procesamiento automático de grandes cantidades de audio y video. El uso de estos sistemas automatizados acorta el tiempo de análisis, disminuye la subjetividad en la evaluación, y permite cuantificar cambios sutiles en las vocalizaciones producidas que no es posible distinguir utilizando métodos tradicionales de evaluación.
Mediante el uso de este tipo de tecnología, se puede caracterizar el comportamiento de los animales y reconocer patrones que pueden ser usados para inferir algunos aspectos del individuo, como su estado de salud, de ánimo, preferencias o personalidad.
Un ejemplo de esto son las vocalizaciones del perro doméstico que son familiares para muchas personas; incluso, algunas afirman que pueden interpretar el mensaje que su perro emite. Esto es posible dado que los ladridos y otras vocalizaciones como gruñidos, gemidos y aullidos, tienen mucha relación con las diferencias individuales entre los perros. Estas vocalizaciones muestran características acústicas, tales como frecuencia, amplitud, tono y ritmo, que pueden ser específicas para un contexto particular o estado interno del perro. Por ejemplo, algunas razas de perros utilizan ladridos de baja frecuencia cuando un extraño llega a su casa, y emiten ladridos de alta frecuencia cuando se quedan solos.
2 Gracias a este tipo de diferencias, los humanos atribuimos a los perros estados internos al ladrar con características acústicas determinadas. Algunos investigadores en el área de ciencias computacionales han aplicado técnicas de inteligencia artificial para la clasificación automática de ladridos. Sin embargo, una de las limitaciones para aplicar estas técnicas es la falta de bases de datos disponibles (grabaciones de ladridos) que incluyan diferentes condiciones experimentales de registro.
En un esfuerzo encaminado a la creación de un sistema automático de análisis de ladridos, en el CICESE-UT3, la UPAEP y la UATx construimos y analizamos una base de datos de vocalizaciones caninas. En este proyecto se grabó vocalizaciones de 35 perros de las razas
Schnauzer, Chihuahua y
Frech Poodle. Las grabaciones se hicieron en el lugar de residencia de cada perro, con el objetivo de capturar los datos en las condiciones habituales. Diseñamos un protocolo de inducción de ladridos que incluyó cuatro estímulos; tres de ellos consistieron en presentar una amenaza. El cuarto consistió en incitar al perro a jugar. Esta base de datos incluye tres tipos de vocalizaciones: ladridos, gruñidos y gemidos. A su vez los ladridos se clasificaron en cuatro tipos: agresivos, de molestia, de juego y otros. Los gemidos y gruñidos se clasificaron en positivos, cuando provienen de la prueba de juego, y negativos, cuando se relacionan con la presencia de un extraño. El protocolo de inducción de ladridos no generó aullidos, por lo que esta vocalización no fue incluida en la siguiente etapa del estudio.
Con estos datos desarrollamos una plataforma de reconocimiento y clasificación de ladridos basada en el la metodología de análisis inteligente de audio.
3 Esta plataforma realiza un pre-procesamiento para eliminar ruido y suavizar el contorno de la señal. Posteriormente, segmenta las grabaciones en fragmentos de audio cortos y selecciona los periodos de interés. Después, se lleva a cabo una etapa de caracterización acústica de cada segmento, en la cual se procesa la señal de audio, para obtener descriptores acústicos de bajo nivel. Finalmente, se entrena modelos
I de reconocimiento de patrones acústicos, de acuerdo con el aspecto que se desea clasificar, por ejemplo, el estado emocional.
Con este método es posible distinguir diferencias sutiles en el ladrido, que correspondan con el nivel de actividad del perro, así como su estado emocional. De esa manera, al evaluar las vocalizaciones a lo largo del tiempo y en diferentes contextos será posible inferir aspectos de la personalidad del perro ante situaciones de amenaza, entre otras.