野生动物监测图像误触发图像筛选方法及存储介质技术

本发明专利技术实施例公开了一种野生动物监测图像误触发图像筛选方法及存储介质，方法包括：获取相机拍摄的监测图像，构建训练集；使用所述训练集对网络模型进行训练，得到图像筛选模型；从待筛选相机拍摄的所有图像中获取一张空拍图像作为参考图像，剩余的图像作为待筛选图像；将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果。本发明专利技术以基于三元组损失度量学习的误触发图像判别技术为主体，可以判别红外触发相机的误触发图像进而将其过滤，最终实现红外触发相机野生动物监测图像原始数据中无效数据过滤的自动化，避免了海量监测数据的人工筛选，有助于促进野生动物保护工作的智能化和信息化。护工作的智能化和信息化。护工作的智能化和信息化。

【技术实现步骤摘要】
野生动物监测图像误触发图像筛选方法及存储介质


[0001]本专利技术涉及计算机软件
，具体涉及一种野生动物监测图像误触发图像筛选方法及存储介质。

技术介绍

[0002]野生动物监测工作对野生动物保护及生物多样性保护具有重要意义。目前，红外触发相机是获取野生动物监测图像的主要工具之一，当野生动物在红外相机感应范围内活动时，相机会自动拍下野生动物图像。采集到数据后，部分相机可通过WSN等方式通过网关节点接入互联网，将图像数据传输到服务器端。或相机仅将图像存入SD卡，等待工作人员回收数据。红外触发相机通常呈网格部署，规模由几十台到几百台不等，按若干个月为时间单位回收数据。
[0003]受限于红外触发相机效果与野外环境等自然条件，红外触发相机普遍具有较高的误触发(空拍)率，即相机拍到的许多图像不包含野生动物。另一方面红外相机采集到的数据量是极其庞大的，如塞伦盖蒂野生动物数据集约有120万张图像，只有约30万张是包含动物的有效图像，误触发率高达75％。在海量图像中人工筛选出有效图像将耗费巨大的人力物力。
[0004]现有一些传统图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种野生动物监测图像误触发图像筛选方法，其特征在于，包括：获取相机拍摄的监测图像，构建训练集；使用所述训练集对网络模型进行训练，得到图像筛选模型；从待筛选相机拍摄的所有图像中获取一张空拍图像作为参考图像，剩余的图像作为待筛选图像；将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果。2.如权利要求1所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述训练集包括多个图像三元组，每个所述图像三元组包括一张基准样本、一张正样本和一张负样本，每个所述图像三元组的基准样本相同，每个所述图像三元组的正样本和负样本均不相同；其中，从相机拍摄的空拍图像中随机选择一张作为基准样本；从相机拍摄的监测图像数据集中随机选取一张无动物的误触发图像作为正样本；从相机拍摄的监测图像数据集中随机选取一张包含野生动物的有效图像作为负样本。3.如权利要求2所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，使用所述训练集对网络模型进行训练，得到图像筛选模型，包括：将每个图像三元组依次输入网络模型中，输出得到模型总损失；持续进行迭代，若所述模型总损失符合预设条件，停止对所述网络模型进行训练，将当前网络模型作为图像筛选模型。4.如权利要求3所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述将每个图像三元组依次输入网络模型中，输出得到模型总损失，包括：根据所述图像三元组的负样本计算得到物种分类损失；对所述图像三元组的基准样本、正样本和负样本进行特征提取，得到基准样本特征向量、正样本特征向量和负样本特征向量；基于度量学习计算正样本特征向量与基准样本特征向量之间的第一实际距离和负样本特征向量与基准样本特征向量之间的第二实际距离；根据第一实际距离...

【专利技术属性】
技术研发人员：张军国，谢将剑，刘洋，葛永泰，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：