一种基于注意力机制的野生动物实时识别及跟踪算法制造技术

本发明专利技术公开了一种基于注意力机制的野生动物实时识别及跟踪算法，涉及到野生动物识别技术领域，包括利用无人机上的动物监测模块，按照预设航线获取监测区域的可见光图像和红外热图像，通过动物的识别方法将动物进行分类识别，形成数据库，通过注意力机制模块与数据库中的信息配合，对分类后的动物进行位置追踪，根据上述的识别和追踪信息生成监测区域野生动物种群信息和个体信息统计报告，并上传至所述监测终端。本发明专利技术通过无人机拍摄野外图像，将图像的内容输入到系统，系统就会自动识别出动物的类别，该方法通过对不同种类野生动物的图片制作标签，形成野生动物特征识别数据库，训练样本，建立动物模型。建立动物模型。建立动物模型。

【技术实现步骤摘要】
一种基于注意力机制的野生动物实时识别及跟踪算法


[0001]本专利技术涉及野生动物识别
，特别涉及一种基于注意力机制的野生动物实时识别及跟踪算法。

技术介绍

[0002]人和自然的和谐共生，是我们生态环境追求的理想目标，野生动物是自然界中生物资源的重要组成部分，保护野生动物资源是生态文明建设的重要组成部分。目前，传统的动物分类手段是通过人力深入到野外对野生动物进行跟踪调查，或者采用昂贵的视频图像拍摄识别，进行实时跟踪拍摄，但是，这都需要耗费大量的人力和物力，识别的精确度和效率都不高。因此，专利技术一种基于注意力机制的野生动物实时识别及跟踪算法来解决上述问题很有必要。

技术实现思路

[0003]本专利技术的目的在于提供一种基于注意力机制的野生动物实时识别及跟踪算法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于注意力机制的野生动物实时识别及跟踪算法，包括以下步骤：
[0005]利用无人机上的动物监测模块，按照预设航线获取监测区域的可见光图像和红外热图像，对所述可见光图像和所述红外热图像进行融合处理，获得野生动物监测图像，对动物进行实时追踪；
[0006]通过动物的识别方法将动物进行分类识别，形成数据库；
[0007]通过注意力机制模块与数据库中的信息配合，对分类后的动物进行位置追踪；
[0008]根据上述的识别和追踪信息生成监测区域野生动物种群信息和个体信息统计报告，并上传至所述监测终端。
[0009]优选的，所述注意力机制模块的功能为将采集到的动物行为学图像序列中，通过目标检测方法逐帧检测动物的质心位置，得到动物质心位置坐标序列{(x
j
，y
j
)，j＝1....t}，以动物质心位置坐标(x
j
，y
j
)为矩形中心，根据图像坐标范围为获取长为s、宽为z的矩形裁剪图像将每帧对应的裁剪图像按照采集时间排列，得到包含目标动物的裁剪图像序列其中t为总采样帧数。
[0010]优选的，所述注意力机制模块中的目标检测采用粒子滤波算法，其步骤为：
[0011]在初始时刻假设目标动物的颜色分布为{q
u
}u＝1，2，...，B，统计空间信息，计算落入每个区间的像素位置的均值向量和协方差矩阵；
[0012]根据假设目标动物的颜色分布建立初始状态样本集其中N表示设置跟
踪粒子数；
[0013]计算粒子状态转移，在时刻k(k＞0)，根据重要性采样原理和前一时刻的粒子位置预测此刻的粒子的状态；
[0014]粒子权值计算，根据通过当前时刻的观测值Z
t
来计算每个粒子的权重，之后进行归一化处理：计算k时刻目标状态的最小均方误差估计：
[0015]重采样，根据样本的权值从样本集重新抽取N个样本，对粒子集进行自适应聚类，根据目标函数找到距所有粒子最近的中心点m，聚类中心即认为是动物的质心位置{(x
j
，y
j
)，j＝1，2，...，t}。
[0016]优选的，所述动物监测模块为无人机搭载双光同轴摄像头，所述双光同轴摄像头包括光学摄像头和红外成像摄像头。
[0017]优选的，所述动物识别方法包括步骤：
[0018]通过野生动物监测图像制备数据集，所述数据集包括动物特征点识别数据集和动物识别数据集，并对数据集进行预处理；
[0019]利用yolo算法对数据集进行训练，构建模型库；
[0020]将预处理后的数据集分为训练集和验证集，将所述训练集输入所述物种分类模型中对模型进行训练，通过验证集对训练后的所述物种分类模型的分类结果进行验证，得到训练好的所述物种分类模型。
[0021]优选的，所述预处理的过程为先针对所述动物识别数据集中的动物图像进行图像减弱，再针对动物图像的特征点的周围区域进行图像增强。
[0022]优选的，所述图像增强的公式为：
[0023][0024]其中，m代表每一个像素点处理后的值，n代表每一个像素点的原始值；t代表特征点，T代表特征点的集合，；n
x
和n
y
代表像素点的坐标值；tx和ty代表特征点的坐标值；s代表输入图像的长度或宽度；l代表图像减弱的比例，h代表图像增强的比例；k是一个小于1的数值，代表增强的特征点的周围区域。
[0025]优选的，所述yolo算法的训练步骤为：
[0026]将图片划分为S
×
S的网格，若发现有目标在网格中，则该网格负责检测这个目标；
[0027]每个网格设置B个边界框(boundingbox)，每个边界区域回归自身位置的同时预测出一个置信度(confidence)；
[0028]计算边界盒子的参数(x，y，w，h)和置信度；其中每个边界框具有五个数值x，y，w，h和置信度，(x，y)是边界盒子相对于整张图片中心的距离，(w，h)是边界盒子左上角x相对于整张图像的宽度和高度，置信度是代表预测物体与真实物体的达成度；所述置信度的计算
公式如下：其中，指的是预测的边界框和真实的物体位置的交并比，Pr(object)是指一个物体落到边界框里面的概率，若预测的动物没有在这个区域里面，则这个置信度就为0；
[0029]每个网格的中心预测出一个类别条件概率Pr(Classi|Object)值，即C值，其中所述C值反映的是每个网格中心与所预测物种的分类概率，不考虑边界盒子的情况；
[0030]计算得出每个边界区域的特定置信度对应的分值(class
‑
specificconfidencescore)，公式如下：specificconfidencescore)，公式如下：
[0031]采用误差平方和不断地计算损失函数(loss)，损失函数指的是网络实际输出值与样本标签值之间的偏差，公式如下：loss＝λ
coord
*坐标预测误差+(含object的boxconfidence预测误差+λ
noobj
*不含object的boxconfidence预测误差)+分类误差；
[0032]根据迭代计算的loss值，训练出动物模型，构建成模型库。
[0033]本专利技术的技术效果和优点：
[0034]1、本专利技术通过无人机拍摄野外图像，将图像的内容输入到系统，系统就会自动识别出动物的类别。该方法通过对不同种类野生动物的图片制作标签，形成野生动物特征识别数据库，训练样本，建立动物模型。模型建立以后，人们就可以将拍摄的图片输入进去，系统自动识别出野生动物的类别，从而帮助人们及时快速地了解此片区域内的野生动物的情况，通过注意力机制模块与动物监测模块配合对分类后的动物进行位置追踪和实时定位。
[0035]2、本专利技术中的yolo算法是直接将物体检测视为一个回归问题进行求解，输入的图片数据只经过一次网络，即可得到整幅图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的野生动物实时识别及跟踪算法，其特征在于，包括：利用无人机上的动物监测模块，按照预设航线获取监测区域的可见光图像和红外热图像，对所述可见光图像和所述红外热图像进行融合处理，获得野生动物监测图像，对动物进行实时追踪；通过动物的识别方法将动物进行分类识别，形成数据库；通过注意力机制模块与数据库中的信息配合，对分类后的动物进行位置追踪；根据上述的识别和追踪信息生成监测区域野生动物种群信息和个体信息统计报告，并上传至所述监测终端。2.根据权利要求1所述的一种基于注意力机制的野生动物实时识别及跟踪算法，其特征在于：所述注意力机制模块的功能为将采集到的动物行为学图像序列中，通过目标检测方法逐帧检测动物的质心位置，得到动物质心位置坐标序列{(x
j
，y
j
)，j＝1....t}，以动物质心位置坐标(x
j
，y
j
)为矩形中心，根据图像坐标范围为获取长为s、宽为z的矩形裁剪图像将每帧对应的裁剪图像按照采集时间排列，得到包含目标动物的裁剪图像序列其中t为总采样帧数。3.根据权利要求2所述的一种基于注意力机制的野生动物实时识别及跟踪算法，其特征在于：所述注意力机制模块中的目标检测采用粒子滤波算法，其步骤为：在初始时刻假设目标动物的颜色分布为{q
u
}u＝1，2，...，B，统计空间信息，计算落入每个区间的像素位置的均值向量和协方差矩阵；根据假设目标动物的颜色分布建立初始状态样本集其中N表示设置跟踪粒子数；计算粒子状态转移，在时刻k(k＞0)，根据重要性采样原理和前一时刻的粒子位置预测此刻的粒子的状态；粒子权值计算，根据通过当前时刻的观测值Z
t
来计算每个粒子的权重，之后进行归一化处理：计算k时刻目标状态的最小均方误差估计：重采样，根据样本的权值从样本集重新抽取N个样本，对粒子集进行自适应聚类，根据目标函数找到距所有粒子最近的中心点m，聚类中心即认为是动物的质心位置{(x
j
，y
j
)，j＝1，2，...，t}。4.根据权利要求3所述的一种基于注意力机制的野生动物实时识别及跟踪算法，其特征在于：所述动物监测模块为无人机搭载双光同轴摄像头，所述双光同轴摄像头包括光学摄像头和红外成像摄像头。5.根据权利要求4所述的一种基于注意力机制的野生动物实时识别及跟踪算法，其特
征在于：所述动物识别方法包括步骤：通过野生动物监测图像制备数据集，所述数据集包括动物特征点识别数据集和动物识别数据集，并对数据集进行预处理；利用yolo算法对数据集进行训练，构建模型库；将预处理后的数据集分为训练集和...

【专利技术属性】
技术研发人员：卞石磊，魏标，张光曦，
申请(专利权)人：创视智能科技南京有限公司，
类型：发明
国别省市：