基于Pelee算法的生态生物识别方法技术

本发明专利技术公开了基于Pelee算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像；对采集的生物图像数据进行优化求精，得到优化后的生物图像数据；收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；通过Pelee算法对处理后的生物图像数据进行目标检测；将生物图像的生物特征与生态特征数据库中的特征数据进行对比识别。本发明专利技术通过设置Pelee算法，能够实现对特征有效利用，优化小型网络，具有更高的图像分类准确率，并降低了计算成本，有效的提高生物识别率。有效的提高生物识别率。有效的提高生物识别率。

Ecological biometric method based on Pelee algorithm

【技术实现步骤摘要】
基于Pelee算法的生态生物识别方法


[0001]本专利技术涉及生物识别
，尤其涉及基于Pelee算法的生态生物识别方法。

技术介绍

[0002]水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况，有许多水生生物对水中毒物很敏感，也可以通过水生生物毒性实验结果来判断水质污染程度。现有通过对水生生物的图像采集识别来判断生物的种类，然而，现有的生物识别过程中不便于对生物特征进行有效的利用，不便于精准的对生物特征进行识别，识别率较差。

技术实现思路

[0003]基于
技术介绍
存在的技术问题，本专利技术提出了基于Pelee算法的生态生物识别方法。
[0004]本专利技术提出的基于Pelee算法的生态生物识别方法，包括如下步骤：
[0005]S1发起生态生物识别请求，根据请求在生态环境中采集生物图像；
[0006]S2对采集的生物图像数据进行优化求精，得到优化后的生物图像数据；
[0007]S3收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；
[0008]S4通过Pelee算法对处理后的生物图像数据进行目标检测；
[0009]S41对接一个stem block，然后通过dense block获取图像的特征；
[0010]S42接着用transition layer对获取图像的特征进行降维处理，提取生物特征；
[0011]S43提取生物特征后，使用全局平均池化接全连阶层分类；
[0012]S5将生物图像的生物特征与生态特征数据库中的特征数据进行对比识别。
[0013]优选的，所述步骤S4获取图像的特征沿着特征提取网络传递，对于每一个用于检测的特征图像，构建一个残差预测块。
[0014]优选的，所述步骤S4采用后激活的传统智慧作为Pelee算法的复合函数。
[0015]优选的，所述步骤S43使用全局平均池化接全连阶层分类，将生物特征图转化为特征向量，将每个特征层最后得到的特征向量拼接成一个特征向量后接两层全连接，将特征向量映射为信息度值。
[0016]优选的，所述步骤S1采集生物图像为彩色图像，将生物图像的彩色图像由RGB颜色空间转为HIS颜色空间，获得HIS图像信息，HIS图像信息包括图像饱和度、亮度及位置信息。
[0017]优选的，所述步骤S4之前对待检测的生物图像经过归一化处理以及按照固定尺寸缩放处理，获取处理后的待检测生物图像的框特征。
[0018]优选的，所述获取待检测图生物图像中目标的框特征的步骤，包括：将待检测生物
图像输入主干网络，获取主干网络输出的预测点；回归出所述预测点与标注的真实目标边框的距离，得到框特征。
[0019]优选的，所述步骤S2对采集的生物图像数据进行优化求精，包括：将生物图像进行拆分，剔除无用数据信息，并将有用数据信息进行归类融合。
[0020]本专利技术中，所述基于Pelee算法的生态生物识别方法，通过设置Pelee算法，能够实现对特征有效利用，优化小型网络，具有更高的图像分类准确率，并降低了计算成本，有效的提高生物识别率。
附图说明
[0021]图1为本专利技术提出的基于Pelee算法的生态生物识别方法的流程图；
[0022]图2为本专利技术提出的基于Pelee算法的生态生物识别方法的目标检测流程图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0024]参照图1
‑
2，基于Pelee算法的生态生物识别方法，包括如下步骤：
[0025]S1发起生态生物识别请求，根据请求在生态环境中采集生物图像；
[0026]S2对采集的生物图像数据进行优化求精，得到优化后的生物图像数据；
[0027]S3收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；
[0028]S4通过Pelee算法对处理后的生物图像数据进行目标检测；
[0029]S41对接一个stem block，然后通过dense block获取图像的特征；
[0030]S42接着用transition layer对获取图像的特征进行降维处理，提取生物特征；
[0031]S43提取生物特征后，使用全局平均池化接全连阶层分类；
[0032]S5将生物图像的生物特征与生态特征数据库中的特征数据进行对比识别。
[0033]本专利技术中，步骤S4获取图像的特征沿着特征提取网络传递，对于每一个用于检测的特征图像，构建一个残差预测块。
[0034]本专利技术中，步骤S4采用后激活的传统智慧作为Pelee算法的复合函数。
[0035]本专利技术中，步骤S43使用全局平均池化接全连阶层分类，将生物特征图转化为特征向量，将每个特征层最后得到的特征向量拼接成一个特征向量后接两层全连接，将特征向量映射为信息度值。
[0036]本专利技术中，步骤S1采集生物图像为彩色图像，将生物图像的彩色图像由RGB颜色空间转为HIS颜色空间，获得HIS图像信息，HIS图像信息包括图像饱和度、亮度及位置信息。
[0037]本专利技术中，步骤S4之前对待检测的生物图像经过归一化处理以及按照固定尺寸缩放处理，获取处理后的待检测生物图像的框特征。
[0038]本专利技术中，获取待检测图生物图像中目标的框特征的步骤，包括：将待检测生物图像输入主干网络，获取主干网络输出的预测点；回归出预测点与标注的真实目标边框的距离，得到框特征。
[0039]本专利技术中，步骤S2对采集的生物图像数据进行优化求精，包括：将生物图像进行拆分，剔除无用数据信息，并将有用数据信息进行归类融合。
[0040]本专利技术：发起生态生物识别请求，根据请求在生态环境中采集生物图像；对采集的生物图像数据进行优化求精，得到优化后的生物图像数据；收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；通过Pelee算法对处理后的生物图像数据进行目标检测；对接一个stem block，然后通过dense block获取图像的特征；接着用transition layer对获取图像的特征进行降维处理，提取生物特征；提取生物特征后，使用全局平均池化接全连阶层分类；将生物图像的生物特征与生态特征数据库中的特征数据进行对比识别。
[0041]以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Pelee算法的生态生物识别方法，其特征在于，包括如下步骤：S1发起生态生物识别请求，根据请求在生态环境中采集生物图像；S2对采集的生物图像数据进行优化求精，得到优化后的生物图像数据；S3收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；S4通过Pelee算法对处理后的生物图像数据进行目标检测；S41对接一个stem block，然后通过dense block获取图像的特征；S42接着用transition layer对获取图像的特征进行降维处理，提取生物特征；S43提取生物特征后，使用全局平均池化接全连阶层分类；S5将生物图像的生物特征与生态特征数据库中的特征数据进行对比识别。2.根据权利要求1所述的基于Pelee算法的生态生物识别方法，其特征在于，所述步骤S4获取图像的特征沿着特征提取网络传递，对于每一个用于检测的特征图像，构建一个残差预测块。3.根据权利要求1所述的基于Pelee算法的生态生物识别方法，其特征在于，所述步骤S4采用后激活的传统智慧作为Pelee算法的复合函数。4.根据权利要求1所述的基于Pelee算法的生态生物识别方法，其特征在于，所述步骤S43使...

【专利技术属性】
技术研发人员：杨志峰，沈永明，张远，蔡宴朋，
申请(专利权)人：澜途集思生态科技集团有限公司，
类型：发明
国别省市：