【技术实现步骤摘要】
鸟类识别方法、装置、计算机设备及存储介质
本专利技术涉及鸟类识别方法，更具体地说是指鸟类识别方法、装置、计算机设备及存储介质。
技术介绍
鸟类是生物多样性监测和生态环境影响评价的重要指标。通过鸟类物种的调查与监测可以了解鸟类资源现状，归纳鸟类物种的组成、数量和多样性等特征，利用这些特征能直接反映栖息地的环境质量、生态系统的健康程度、生物多样性状况、人类活动对生态系统的干扰程度以及土地利用和景观改变对生态系统的影响程度等，因此，需要对鸟类进行识别和监管，才可以确保鸟类和人类可以和谐地相处。现有的鸟类识别方法是采用单相机或者抢球联动的方式拍摄对应的照片后，采用人工分类识别的方法进行鸟类识别，但是这种方式需要耗费大量人力、物力和财力，另外，存在监控盲区，并没有办法拍摄到整个监控区域内的所有鸟的照片，如果需要将整个监控区域全部覆盖，则需要布置大量的固定视角监控摄像头，成本高。因此，有必要设计一种新的方法，实现自动识别鸟类，提高识别效率和准确率，且不存在监控盲区，成本低。
技术实现思路
本专利技术的...
【技术保护点】
1.鸟类识别方法，其特征在于，包括：/n获取来自全景网络摄像机拍摄所得的图像，以得到全景图像；/n将所述全景图像输入鸟类检测模型中进行鸟类检测，以得到检测结果；/n判断所述检测结果是否是有鸟类存在的结果；/n若所述检测结果是有鸟类存在的结果，则获取来自球机的鸟类细节图像，并采用检测结果进行鸟类细节图像的分割，以得到细节图像；/n将所述细节图像输入鸟类识别模型中进行鸟类识别，以得到识别结果；/n保存所述识别结果以及细节图像至数据库内；/n其中，所述鸟类检测模型是通过若干个鸟类位置标签的图像数据作为第一样本数据训练深度学习神经网络所得的；/n所述鸟类识别模型是通过若干个鸟类别标...
【技术特征摘要】
1.鸟类识别方法，其特征在于，包括：
获取来自全景网络摄像机拍摄所得的图像，以得到全景图像；
将所述全景图像输入鸟类检测模型中进行鸟类检测，以得到检测结果；
判断所述检测结果是否是有鸟类存在的结果；
若所述检测结果是有鸟类存在的结果，则获取来自球机的鸟类细节图像，并采用检测结果进行鸟类细节图像的分割，以得到细节图像；
将所述细节图像输入鸟类识别模型中进行鸟类识别，以得到识别结果；
保存所述识别结果以及细节图像至数据库内；
其中，所述鸟类检测模型是通过若干个鸟类位置标签的图像数据作为第一样本数据训练深度学习神经网络所得的；
所述鸟类识别模型是通过若干个鸟类别标签的图像数据作为第二样本数据训练神经网络所得的。
2.根据权利要求1所述的鸟类识别方法，其特征在于，所述鸟类检测模型是通过若干个鸟类位置标签的图像数据作为第一样本数据训练深度学习神经网络所得的，包括：
获取鸟类图像；
对鸟类图像进行鸟类位置标签的标注，以得到第一样本数据集；
采用第一样本数据集训练深度学习神经网络，以得到鸟类检测模型。
3.根据权利要求2所述的鸟类识别方法，其特征在于，所述采用第一样本数据集训练深度学习神经网络，以得到鸟类检测模型，包括：
将第一样本数据集划分为第一训练集以及第一测试集；
设置YOLOV4算法训练的参数；
使用第一训练集输入YOLOV4算法中进行网络模型训练，以得到第一初始模型；
采用第一测试集对第一初始模型进行测试，以得到第一测试结果；
判断所述第一测试结果是否符合要求；
若所述第一测试结果不符合要求，则执行所述设置YOLOV4算法训练的参数；
若所述第一测试结果符合要求，则将所述第一初始模型作为鸟类检测模型。
4.根据权利要求1所述的鸟类识别方法，其特征在于，所述鸟类识别模型是通过若干个鸟类别标签的图像数据作为第二样本数据训练神经网络所得的，包括：
获取鸟类的细节图像；
对鸟类的细节图像进行鸟类别标签的标注，以得到第二样本数据集；
采用第二样本数据集训练神经网络，以得到鸟类识别模型。
5...
【专利技术属性】
技术研发人员：廖金辉，吴亦歌，贺鹏，李德民，肖娟，徐亮，
申请(专利权)人：深圳市赛为智能股份有限公司，上海铭航科技发展有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。