基于深度学习的红外相机动物影像人工智能识别:以东北虎豹国家公园为例

发布时间：2021-09-18 07:07

　　为解决大量红外相机监测影像数据量庞大、亟待快速和自动识别的问题,本研究以东北虎豹国家公园为例,应用卷积神经网络,通过深度学习算法对红外相机影像实现物种自动识别。本研究选择8个物种的红外相机视频影像,以50帧率均匀采集成图片格式,每个物种筛选不同角度、不同环境条件的图片,建立图片数据集,包括训练集2 074张,测试集519张。对图片进行目标打框、类别标注,选用darknet框架下的YOLO v3模型进行训练。首先不区分昼（RGB）夜（灰度）图像进行训练,再区分昼夜进行训练,最后分别对昼夜图像利用微调（fine-tune）进行训练。研究初步结果显示,基于YOLO v3模型对自然条件下拍摄的红外相机图像进行物种自动识别能够一定程度减轻人力负担,但其效果还需通过完善数据集进行提升。fine-tune在小数据集时或可作为辅助。模型对8个物种识别的平均精确率达到84.9%～96.0%,且模型收敛。 

【文章来源】：兽类学报. 2019,39(04)北大核心CSCD

【文章页数】：8 页

【部分图文】：

图I边稚<助顶山明加翻a侧示意图c叻dF的妇山，2!in)

【参考文献】：
期刊论文
[1]卷积神经网络的发展及其在计算机视觉领域中的应用综述[J]. 陈超,齐峰.  计算机科学. 2019(03)
[2]基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别[J]. 刘文定,李安琪,张军国,谢将剑,鲍伟东.  北京林业大学学报. 2018(08)
[3]蝴蝶种类自动识别研究[J]. 谢娟英,侯琦,史颖欢,吕鹏,景丽萍,庄福振,张军平,谭晓阳,许升全.  计算机研究与发展. 2018(08)
[4]基于深度学习的蝴蝶科级标本图像自动识别[J]. 周爱明,马鹏鹏,席天宇,王江宁,冯晋,邵泽中,陶玉磊,姚青.  昆虫学报. 2017(11)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[6]广西猫儿山自然保护区的兽类和鸟类多样性初步调查——基于红外相机监测数据[J]. 汪国海,李生强,施泽攀,王绍能,叶建平,周岐海.  兽类学报. 2016(03)
[7]红外相机技术在我国野生动物研究与保护中的应用与前景[J]. 李晟,王大军,肖治术,李欣海,王天明,冯利民,王云.  生物多样性. 2014(06)
[8]吉林珲春自然保护区东北虎和东北豹及其有蹄类猎物的多度与分布[J]. 肖文宏,冯利民,赵小丹,杨海涛,窦海龙,程艳超,牟溥,王天明,葛剑平.  生物多样性. 2014(06)
[9]吉林珲春自然保护区东北虎及其猎物资源调查[J]. 陈九屹,那顺得力格尔,孙全辉,张逦嘉,唐继荣,郎建民,刘通,刘昆鹏,肖文宏,鲍伟东.  动物学杂志. 2011(02)
[10]景观破碎化对东北虎主要猎物种群动态影响的模拟[J]. 国庆喜,王化儒,高梅香.  生态学报. 2010(01)

博士论文
[1]基于数字图像的蝴蝶种类自动识别研究[D]. 李凡.北京林业大学 2015
[2]东北虎及其猎物种群监测和人虎冲突研究[D]. 张常智.东北林业大学 2013



本文编号：3399706