专利汇可以提供一种面向珍稀动物保护的在线检测与识别方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种面向珍稀动物保护的在线检测与识别方法,本发明先使用传统 图像处理 方法对动物图像进行第一次模糊分类,缩小识别的范围,在更小的范围内根据具体动物种类的特点,进行第二次精确分类,对于 水 生动物和 鸟 类采用 深度学习 方法,对于非鸟类采用传统图像处理方法,通过两次分类简化了 算法 ,提高了识别速度。本发明可以尽量简化识别的过程,通过多次简单分类得到识别结果,克服以往方法无法提取抽象特征,需要大量训练样本的不足,在满足识别速度、准确度要求的情况下,尽可能降低算 力 要求,从而降低 硬件 配置,可用于在前端设备上实现图像处理,不需要将采集的图像信息传输到后端计算机进行处理,实现方式更为简单、快捷。,下面是一种面向珍稀动物保护的在线检测与识别方法专利的具体信息内容。
1.一种面向珍稀动物保护的在线检测与识别方法,其特征在于,包括
步骤1:进行数据采集,具体是获取监测站实时采集到的图像序列,将每一帧图像信息输入后,得到大部分时间无动物出现时的图像,计算背景环境的灰度均值,当发现图像的灰度均值变化时,说明有动物出现,得到动物的图像数据;
步骤2:进行图像预处理,具体是将动物的图像数据进行亮度校正、几何变换,去除图像采集过程中光照的影响,然后使用滤波去噪来滤除干扰和噪声;使用OSTU算法方法,进行改进完成二值化图像阈值的选取,再使用判别分析法,将灰度的集合用阈值分成两组,对图像进行预处理;
步骤3:建立边缘检测模型,具体是根据图像灰度分布的特点,使用Canny算子求边缘点,使用自适应临域对图像进行图像分割,去除背景信息,提取出图像的边缘,得到感兴趣区域和动物轮廓,然后用高斯滤波器平滑图像,用一阶偏导有限差分计算梯度幅值和方向,对梯度幅值进行非极大值抑制,用双阈值算法检测和连接边缘,最终完成对图像的边缘检测;
步骤4:基于步骤3得到的边缘检测模型建立分类模型,具体是根据步骤3得到的轮廓边界特征,使用形状特征检测,从动物轮廓上对图像进行大致分类,有腿部等特征的为陆生动物,无腿部等特征的为水生动物,其中陆生动物通过翅膀等外形特征划分为鸟类和非鸟类;
步骤5:使用水生动物和鸟类的动物的图像样本训练AlexNet网络,构建数据迭代器传入标签数量标签索引,构建训练迭代器传入步数,通过多次迭代更新并不断调整网络参数,构建出水生动物和鸟类的深度卷积网络;将图像数据输入神经网络,并通过神经计算加速棒对其识别过程进行加速,输出动物种类信息;
步骤6:对于非鸟类图像数据,使用HOG算法提取外形特征,使用颜色直方图法颜色特征,使用模型法提取纹理特征,得到包括外形特征、颜色特征、纹理特征的用以表征动物类别的特征向量,将这些特征向量利用数学方法包括聚类等进行分类,输出动物种类信息。
2.根据权利要求1所述的一种面向珍稀动物保护的在线检测与识别方法,其特征在于,所述步骤3具体包括
步骤3.1、使用公式Gray=0.299R+0.587G+0.114B把彩色图像变成灰度图像,并通过二维高斯核与图像数据进行卷积,完成高斯滤波,实现平滑图像;
步骤3.2、用边缘差分算子计算水平和垂直方向的差分Gx和Gy,得到梯度幅值和方向,沿着梯度方向,比较像素点前面和后面的梯度值,寻找像素点局部最大值,并进行非极大值抑制;
步骤3.3、使用一个高阈值和一个低阈值来区分边缘像素,如果边缘像素点梯度值大于高阈值,则被标记为强边缘点;如果边缘梯度值小于高阈值,大于低阈值,则标记为弱边缘点;小于低阈值的点则被抑制掉,强边缘点标记为图像边缘,完成对图像的边缘检测。
3.根据权利要求1所述的一种面向珍稀动物保护的在线检测与识别方法,其特征在于,所述步骤4是利用傅里叶形状描述符法,对物体边界进行傅里叶变换,由边界点导出曲率函数、质心距离和复坐标函数三种形状表达,得到非鸟类、水生动物和鸟类的特征向量,建立分类器,具体包括:
步骤4.1、给非鸟类动物的图像的每个像素节点指定一个区域位置函数,最小化代价函数,同时使每个像素节点的路径最短,从而得到图像分割结果,并进行膨胀腐蚀等形态学处理;
步骤4.2、使用HOG算法提取图像的颜色特征,采用计算简单直方图相交算法来衡量颜色直方图特征之间的距离,提取颜色特征,使用MRF模型分布模型描述纹理形成,从纹理图像的实现来估计分布模型的参数,得到纹理特征;
步骤4.3、利用SVM在样本特征空间中找出各类别特征样本与其他特征样本的最优分类超平面,得到代表各样本特征的支持向量集及其相应的VC可信度,形成判断各特征类别的判别函数,建立SVM分类器,确定用于识别这种类型动物的分类器参数。
4.根据权利要求1所述的一种面向珍稀动物保护的在线检测与识别方法,其特征在于,所述步骤5具体包括
步骤5.1、使用水生动物和鸟类的动物的图像样本训练AlexNet网络,把每类动物图像生成一个经过shuffle的数组,确定神经网络的卷积层和下采样层的个数及排列方式,调整池化层中滑动窗口的大小,设置数据迭代器和训练迭代器,进行数据训练;
步骤5.2、逐层构造单层的神经元网络,每次训练一个单层网络,当所有单层网络训练结束后,使用了wake-sleep算法调整权重系数,设置相应的深度神经网络结构,训练所有的深度神经网络结构识别动物种类,比较深度神经网络结构的性能,包括识别速度、准确率,选择最佳的网络调整参数并改进网络结构,得到动物种类识别深度神经网络模型。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种扫描光谱智能选择方法及图像分析方法 | 2021-12-20 | 0 |
一种基于时空关联与大数据挖掘的交通拥堵检测方法 | 2020-07-22 | 2 |
权重缓冲器 | 2020-12-30 | 0 |
电子秤背光模组以及电子秤 | 2021-10-22 | 1 |
箱变的设计方法、装置和实现装置 | 2022-08-28 | 1 |
一种语音搜题方法及终端设备 | 2022-03-31 | 1 |
一种排队管理软件系统 | 2023-04-14 | 1 |
一种含有亮斑干扰的铭牌文字识别处理方法 | 2023-06-11 | 1 |
一种基于复平面的信号采样教学演示仪 | 2020-11-10 | 1 |
清单管理方法及电子设备 | 2021-02-06 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。