[發明專利]一種基于深度學習的動物圖像識別方法及系統

在審

• 申請號: 202011257048.2
• 申請日: 2020-11-11
• 公開（公告）號: CN112380962A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 王楠;黃祺;程川
• 申請（專利權）人: 成都摘果子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

本發明公開了一種基于深度學習的動物圖像識別方法及系統，通過獲取待識別的動物連續圖像，計算圖像前后幀差分值大小進而調整前后幀距離，利用灰度處理和經驗容差處理獲得第二差分圖，將原圖像與第二差分圖混合獲得用以深度學習識別的目標圖，對目標圖進行識別預測，縮小目標圖到指定大小進行重復識別預測，對獲得的所有預測值進行篩選保留。相比于傳統動物識別采用的使用拍攝原圖進行動物識別訓練與預測，本發明采用目標圖進行訓練預測，排除背景干擾，強化動物圖特征，提高了識別精度與效率。旨在解決現有技術中存在的缺乏一種高精度與高效率的基于圖像分析的動物園區內的動物識別方法的技術問題。

技術領域

本發明涉及動物智能識別技術領域，尤其涉及一種基于深度學習的動物圖像識別方法及系統。

背景技術

動物園是搜集飼養各種動物，進行科學研究和遷地保護，供公眾觀賞并進行科學普及和宣傳保護教育的場所。動物園有兩個基本特點：一是飼養管理著野生動物，二是向公眾開放。符合這兩個基本特點的場所即是廣義上的動物園，包括水族館、專類動物園等類型。動物園的基本功能是對野生動物的綜合保護和對公眾的保護教育。

在動物園區內，往往需要對動物的活動區域與途徑進行追蹤來對動物的身體狀態進行診斷分析，而現有的動物追蹤方法是對獲取的龐大的監控視頻進行人工查詢，在大量的視頻中分析動物出現的區域范圍，進而根據時間線獲得動物活動途徑，工作量龐大，同時根據時間線整理分析出的區域范圍的工作繁瑣，易出錯；另外，在獸籠的門鎖處以及動物園區的門禁處，必須有人值守來判斷工作人員或游客的進出是否有動物跟隨，人工成本高，在長時間工作情況下，判斷效率與精度得不到保障。如何，實現提供一種高精度與高效率的基于圖像分析的動物園區內的動物識別方法是一個亟需解決的技術問題。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種基于深度學習的動物圖像識別方法及系統，旨在解決現有技術中存在的缺乏一種高精度與高效率的基于圖像分析的動物園區內的動物識別方法的技術問題。

為實現上述目的，本發明的第一方面，提供一種基于深度學習的動物圖像識別方法，所述動物識別方法包括如下步驟：

獲取待識別的動物連續圖像；

通過計算圖像前后幀差分值大小調整前后幀距離，區分動物圖像中背景部分和前景部分；

利用灰度處理計算的前后幀差分值大小獲得第一差分圖，對第一差分圖進行二值化處理；利用經驗容差處理獲得第二差分圖，將原圖像與第二差分圖混合獲得用以深度學習識別的目標圖；

將目標圖劃分為S×S的網格，預測每個網格的M個條件類別概率P(Class[i]|Object)和N個bounding box和置信度；將獲得的條件類別概率與bounding box置信度相乘，得到每個 bounding box屬于特定類別的confidence score，并預測獲得最終預測值；

縮小目標圖到指定大小，重復上述對目標圖進行預測過程，對獲得的所有預測值進行篩選保留。

優選的，一種基于深度學習的動物圖像識別方法，所述獲取待識別的動物連續圖像通過調取或導入監控視頻，對監控視頻中動物出現的連續畫面幀進行提取。

優選的，一種基于深度學習的動物圖像識別方法，所述調整前后幀距離具體為：根據計算的前后幀差分值大小進行動態調整，將差分值大于預設值的前后幀間距離縮小，將差分值小于預設值的前后幀間距離擴大。

優選的，一種基于深度學習的動物圖像識別方法，所述第一差分圖為前后幀計算所得的差分值表達的灰度圖，所述灰度圖中將相同部分置0，完全不同部分置255。