[發明專利]一種基于鳥類高幀頻序列圖像豐度統計和種群識別算法

在審

• 申請號: 202011184268.7
• 申請日: 2020-10-30
• 公開（公告）號: CN112258525A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 趙楚玥;史忠科
• 申請（專利權）人: 西安費斯達自動化工程有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/194;G06T7/187;G06T7/215;G06T7/246;G06T5/30;G06K9/62;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

提供了一種基于遺傳算法的KSW雙閾值分割算法融合距離變換算法的高幀頻序列圖像鳥類豐度統計算法以及基于鳥類典型靜態特征數據提取融合機器學習算法的高幀頻序列圖像鳥類種群識別算法的綜合算法，該方法將多種算法的優勢結合，利用高幀頻序列圖像作為研究對象，通過相鄰兩幀運動目標的位置變化預測飛鳥的運動軌跡，提取出有效的研究目標，利用距離變換操作提取出目標的骨架，經過形態學處理對目標中存在的粘連遮擋區域進行分離，進而對高密度鳥群的豐度進行準確統計，有效地解決現有方法難以對姿態多變、粘連嚴重的目標進行豐度統計的問題，進一步提高豐度統計的準確度。

技術領域

該方法涉及圖像處理方法，特別涉及基于鳥類高幀頻序列圖像豐度統計和種群識別算法，屬于圖像處理領域。

背景技術

生態環境逐漸成為考量政府政績的重要指標之一，如何實現與自然的和諧共生成為社會亟待解決的問題，鳥類豐度統計和種群識別對生物學、環境保護以及國家的可持續發展具有重大意義，更是生態環境評估的重要參考依據；鳥類作為一種群居類動物，在進行靜態高密度豐度統計的過程中常因為人類的視覺誤差導致計數不準確甚至肉眼無法計數的狀況，如果計數方法不能進行改進，會耗費大量的人力、物力和時間；同時，對于瀕危的珍稀鳥類，通過分析其行為特征可對其棲息地進行有效的保護。

目前，高密度飛鳥種群監測的有效方法是采用雷達和紅外設備對相關區域進行全天大范圍的監視，進而實現對飛鳥運動軌跡的預測；通常，對于高密度群體的豐度統計算法多應用于人類，利用深度學習的算法對重復出現的人群目標進行標定和大樣本訓練，即可得到圖像中人群的數量；然而，這些方法難以對姿態多變、粘連重疊嚴重的目標進行豐度統計，故無法對對靜態高密度鳥群進行豐度統計以及種類自動識別。

發明內容

針對現有方式存在的難以對靜態高密度鳥類進行豐度統計以及無法自動識別飛鳥種類的缺陷，提供了一種基于遺傳算法的KSW雙閾值分割算法融合距離變換算法的高幀頻序列圖像鳥類豐度統計算法以及基于鳥類典型靜態特征數據提取融合機器學習算法的高幀頻序列圖像鳥類種群識別算法的綜合算法，該方法將多種算法的優勢結合，利用高幀頻序列圖像作為研究對象，通過相鄰兩幀運動目標的位置變化預測飛鳥的運動軌跡，提取出有效的研究目標，利用距離變換操作提取出目標的骨架，經過形態學處理對目標中存在的粘連遮擋區域進行分離，進而對高密度鳥群的豐度進行準確統計，能夠有效地解決現有方法難以對姿態多變、粘連嚴重的目標進行豐度統計的問題，采用高幀頻序列圖像還能夠降低飛鳥運動過程中粘連甚至重疊區域的分離難度，進一步提高豐度統計的準確度；利用基于鳥類典型靜態特征數據提取融合機器學習的高幀頻序列圖像鳥類種群識別算法，不僅能夠把鳥類圖像信息數據化，在壓縮信息量的同時能夠解決現有方法無法自動識別飛鳥種類的問題。

解決其技術問題所采用的的技術方案：一種基于高幀頻序列圖像的鳥類豐度統計和種群識別算法的綜合算法，其特征包含以下步驟：

步驟一、鳥類高幀頻序列圖像獲取流程如下：鳥類是一種群居動物，即高幀頻序列圖像中采集的目標均為同種飛鳥，由于鳥類飛行姿態多變，采集得到的目標呈現多種姿態和密度，根據幀間差分算法獲得含有運動目標的高幀頻序列圖像；高幀頻序列圖像在相同時間內能夠獲得更多的視頻幀序列，增加序列圖像中的動態信息量，降低豐度統計過程中目標粘連甚至重疊的程度，同時大量保存了近距離大目標的特征信息；利用近距離的大目標進行種群識別，結合序列圖像中存在的所有目標進行豐度統計，即能夠同時達到豐度統計和種群識別的目標；改進的幀間差分法如下：

根據傳統幀間差分法中第n幀和第n-1幀圖像和中分別包含的像素點的灰度值和，即可得到傳統幀間差分法圖像，其數學模型表示為：

利用高幀頻序列圖像，記視頻序列中第n幀和第幀圖像分別為和，其包含的像素點的灰度值分別記為和；為一個無窮小量，表示極短的間隔時間，即認定在相同時間內能夠采集到更多幀和動態信息；將相鄰兩幀圖像對應像素點的灰度值進行相減，并取其絕對值，得到第n幀和第幀間的高幀頻差分圖像，其數學模型表示為：