监测候鸟栖息地的群体识别方法及系统技术方案

本发明专利技术提出监测候鸟栖息地的群体识别方法及系统，该方法包括：将候鸟监测图像分割成预设份数的小图像；将小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对小图像中的每个目标区域分别进行首次标记；根据重叠区域的轮廓坐标判断重叠区域内是否存在重复的目标区域；若重叠区域内存在重复的目标区域，则将任意相邻两份小图像中所包含的其中一个存在重复的目标区域删除；将待识别图像输入到训练好的候鸟细粒度识别模型中，得到每个目标区域分别包括的每个候鸟目标分别对应的种类；对每个目标区域分别包括的每个候鸟目标进行二次标记，并汇总所有待识别图像中的二次标记结果。本发明专利技术能够精确识别出每个目标区域中包含的每个候鸟目标的种类，进而精确计算出目标栖息地中每种候鸟种类的总数量。标栖息地中每种候鸟种类的总数量。标栖息地中每种候鸟种类的总数量。

【技术实现步骤摘要】
监测候鸟栖息地的群体识别方法及系统


[0001]本专利技术涉及生物识别
，特别涉及一种监测候鸟栖息地的群体识别方法及系统。

技术介绍

[0002]目前，随着人类社会的进步与发展，人类对自然生态环境保护意识不断增强，鸟类作为人类的朋友已经被列为保护对象，因此对鸟类的研究有着重大意义。
[0003]候鸟迁徙是对环境因素周期性变化的一种适应性行为，对种群繁衍、进化与生物多样性维持具有重要的意义，传统方法主要有两种，一种是通过人工观察，但是通过人工观察以实现对珍稀候鸟的识别与监测方式，存在效率低、成本高等问题。另一种是结合深度学习技术，可以识别出候鸟种类和数量，但是识别精度需要大量候鸟样本作支撑，利用平台视频监控截取最实时准确的候鸟样本需耗费大量人力，且受候鸟迁徙时间和候鸟活动影响，识别精度仍未达到理想效果。

技术实现思路

[0004]基于此，本专利技术的目的是提出一种监测候鸟栖息地的群体识别方法及系统，旨在解决传统监测识别候鸟的方式存在的精确度较低的问题。
[0005]根据本专利技术提出的一种监测候鸟栖息地的群体识别方法，应用于候鸟监测管理平台，所述方法包括：
[0006]每隔第一预设时间获取目标栖息地的候鸟监测图像，并将所述候鸟监测图像分割成预设份数的小图像，任意两份相邻所述小图像均有重叠部分；
[0007]将所述小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对所述小图像中的每个目标区域分别进行首次标记，每个所述目标区域至少包括一个候鸟目标；
[0008]获取任意相邻两份所述小图像之间的重叠区域的轮廓坐标，并根据所述重叠区域的轮廓坐标判断所述重叠区域内是否存在重复的目标区域；
[0009]若所述重叠区域内存在重复的目标区域，则将任意相邻两份所述小图像中所包含的其中一个存在重复的目标区域删除，得到删除存在重复的目标区域后的待识别图像；
[0010]将与每份所述小图像分别对应的所述待识别图像输入到训练好的候鸟细粒度识别模型中，以使所述候鸟细粒度识别模型对所述待识别图像中每个首次标记的目标区域进行识别，得到每个所述目标区域分别包括的每个候鸟目标分别对应的种类；
[0011]根据每个所述目标区域分别包括的每个候鸟目标分别对应的种类对每个所述目标区域分别包括的每个候鸟目标进行二次标记，并汇总所有所述待识别图像中的二次标记结果，得到每种候鸟种类分别对应的总数量。
[0012]综上，根据上述的监测候鸟栖息地的群体识别方法，通过对超大内存的候鸟监测图像首先进行目标区域锁定，而后再对每个目标区域进行针对性的目标种类识别，从而精确识别出每个目标区域中包含的每个候鸟目标的种类，进而精确计算出目标栖息地中每种
候鸟种类的总数量。具体为，首先实时监测目标栖息地的候鸟监测图像，并将该候鸟监测图像分割成多份小图像，同时确保相邻的小图像均存在重叠，而后将小图像进行目标区域识别，再对识别出来的目标区域进行首次标记，而后判断任意的重叠区域是否存在重复的目标区域，如果存在，则只保留一个目标区域，再将经过删除重复目标区域的待识别图像输入到候鸟细粒度识别模型，进而识别出每个目标区域中包含的每个候鸟目标的种类，从而精确得到每个候鸟种类的总数量。
[0013]进一步地，所述每隔第一预设时间获取目标栖息地的候鸟监测图像，并将所述候鸟监测图像分割成预设份数的小图像，任意两份相邻所述小图像均有重叠部分的步骤包括：
[0014]获取所述候鸟监测图像的尺寸信息，并根据所述尺寸信息和第一预设间距值获取所有第一切割线的位置坐标，并根据所述第一切割线的位置坐标和第二预设值获取获取所有第二切割线的位置坐标，所述第一切割线和所述第二切割线构成多个重叠区域；
[0015]根据所有所述第一切割线的位置坐标和所有所述第二切割线的位置坐标将所述候鸟监测图像分割成多份所述小图像。
[0016]进一步地，所述将所述小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对所述小图像中的每个目标区域分别进行首次标记，每个所述目标区域至少包括一个候鸟目标的步骤包括：
[0017]获取多份历史候鸟图像，并根据所述历史候鸟图像获取每份历史候鸟图像中包含的所有已知目标区域的位置信息；
[0018]根据所述每份历史候鸟图像中包含的所有已知目标区域的位置信息对每份历史候鸟图像进行标注，并根据标注后的历史候鸟图像对所述候鸟目标识别模型进行训练。
[0019]进一步地，所述获取任意相邻两份所述小图像之间的重叠区域的轮廓坐标，并根据所述重叠区域的轮廓坐标判断所述重叠区域内是否存在重复的目标区域的步骤包括：
[0020]获取首次标记的每个目标区域的轮廓坐标，并根据所述重叠区域的轮廓坐标和所述每个目标区域的轮廓坐标遍历所有的目标区域，以判断所述重叠区域内是否存在目标区域。
[0021]进一步地，所述将与每份所述小图像分别对应的所述待识别图像输入到训练好的候鸟细粒度识别模型中，以使所述候鸟细粒度识别模型对所述待识别图像中每个首次标记的目标区域进行识别，得到每个所述目标区域分别包括的每个候鸟目标分别对应的种类的步骤包括：
[0022]获取已知候鸟类型的候鸟图像，所述候鸟图像中的每个候鸟目标均对应一种候鸟类型，并对所述候鸟图像中的每个候鸟目标进行特征提取，得到与每个候鸟目标对应的头部特征信息、颈部特征信息、躯干特征信息以及腿部特征信息；
[0023]根据与每个候鸟目标对应的头部特征信息、颈部特征信息、躯干特征信息、腿部特征信息以及与每个候鸟目标对应的候鸟类型对所述候鸟细粒度识别模型进行训练；
[0024]训练好的候鸟细粒度识别模型根据所述头部特征信息、所述颈部特征信息、所述躯干特征信息以及所述腿部特征信息对所述待识别图像中的每个目标区域进行识别。
[0025]本专利技术另一方面还提供一种监测候鸟栖息地的群体识别系统，所述系统包括：
[0026]图像分割模块，用于每隔第一预设时间获取目标栖息地的候鸟监测图像，并将所
述候鸟监测图像分割成预设份数的小图像，任意两份相邻所述小图像均有重叠部分；
[0027]首次标记模块，用于将所述小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对所述小图像中的每个目标区域分别进行首次标记，每个所述目标区域至少包括一个候鸟目标；
[0028]重复区域检测模块，用于获取任意相邻两份所述小图像之间的重叠区域的轮廓坐标，并根据所述重叠区域的轮廓坐标判断所述重叠区域内是否存在重复的目标区域；
[0029]重复区域删除模块，用于若所述重叠区域内存在重复的目标区域，则将任意相邻两份所述小图像中所包含的其中一个存在重复的目标区域删除，得到删除存在重复的目标区域后的待识别图像；
[0030]候鸟种类识别模块，用于将与每份所述小图像分别对应的所述待识别图像输入到训练好的候鸟细粒度识别模型中，以使所述候鸟细粒度识别模型对所述待识别图像中每个首次标记的目标区域进行识别，得到每个所述目标区域分别包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监测候鸟栖息地的群体识别方法，应用于候鸟监测管理平台，其特征在于，所述方法包括：每隔第一预设时间获取目标栖息地的候鸟监测图像，并将所述候鸟监测图像分割成预设份数的小图像，任意两份相邻所述小图像均有重叠部分；将所述小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对所述小图像中的每个目标区域分别进行首次标记，每个所述目标区域至少包括一个候鸟目标；获取任意相邻两份所述小图像之间的重叠区域的轮廓坐标，并根据所述重叠区域的轮廓坐标判断所述重叠区域内是否存在重复的目标区域；若所述重叠区域内存在重复的目标区域，则将任意相邻两份所述小图像中所包含的其中一个存在重复的目标区域删除，得到删除存在重复的目标区域后的待识别图像；将与每份所述小图像分别对应的所述待识别图像输入到训练好的候鸟细粒度识别模型中，以使所述候鸟细粒度识别模型对所述待识别图像中每个首次标记的目标区域进行识别，得到每个所述目标区域分别包括的每个候鸟目标分别对应的种类；根据每个所述目标区域分别包括的每个候鸟目标分别对应的种类对每个所述目标区域分别包括的每个候鸟目标进行二次标记，并汇总所有所述待识别图像中的二次标记结果，得到每种候鸟种类分别对应的总数量。2.根据权利要求1所述的监测候鸟栖息地的群体识别方法，其特征在于，所述每隔第一预设时间获取目标栖息地的候鸟监测图像，并将所述候鸟监测图像分割成预设份数的小图像，任意两份相邻所述小图像均有重叠部分的步骤包括：获取所述候鸟监测图像的尺寸信息，并根据所述尺寸信息和第一预设间距值获取所有第一切割线的位置坐标，并根据所述第一切割线的位置坐标和第二预设值获取获取所有第二切割线的位置坐标，所述第一切割线和所述第二切割线构成多个重叠区域；根据所有所述第一切割线的位置坐标和所有所述第二切割线的位置坐标将所述候鸟监测图像分割成多份所述小图像。3.根据权利要求1所述的监测候鸟栖息地的群体识别方法，其特征在于，所述将所述小图像输入到训练好的候鸟目标识别模型中，以根据目标识别结果对所述小图像中的每个目标区域分别进行首次标记，每个所述目标区域至少包括一个候鸟目标的步骤包括：获取多份历史候鸟图像，并根据所述历史候鸟图像获取每份历史候鸟图像中包含的所有已知目标区域的位置信息；根据所述每份历史候鸟图像中包含的所有已知目标区域的位置信息对每份历史候鸟图像进行标注，并根据标注后的历史候鸟图像对所述候鸟目标识别模型进行训练。4.根据权利要求2所述的监测候鸟栖息地的群体识别方法，其特征在于，所述获取任意相邻两份所述小图像之间的重叠区域的轮廓坐标，并根据所述重叠区域的轮廓坐标判断所述重叠区域内是否存在重复的目标区域的步骤包括：获取首次标记的每个目标区域的轮廓坐标，并根据所述重叠区域的轮廓坐标和所述每个目标区域的轮廓坐标遍历所有的目标区域，以判断所述重叠区域内是否存在目标区域。5.根据权利要求1所述的监测候鸟栖息地的群体识别方法，其特征在于，所述将与每份所述小图像分别对应的所述待识别图像输入到训练好的候鸟细粒度识别模型中，以使所述候鸟细粒度识别模型对所述待识别图像中每个首次标记的目标区域进行识别，得到每个所
述目标区域分别包括的每个候鸟目标分别对应的种类的步骤包括：获取已知候鸟类型的候鸟图像，所述候鸟图像中的每个候鸟目标均对应一种候鸟类型，并对所述候鸟图像中的每个候鸟目标进行特征提取，得到与每个候鸟目标对应的头部特征信息、颈部特征信息、躯干特征信息以及腿部特征信息；根据与每个候鸟目标对应的头部特征信息、颈部特征信息、躯干特征信息、腿部特征信息以及与每个候鸟目标对应的候鸟类型对所述候鸟细粒度识别模型进行训练；训练好的候鸟...

【专利技术属性】
技术研发人员：郑福超，方朝阳，矢佳昱，徐骏峰，肖昕，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：