[發明專利]融合視覺顯著性的鳥類識別方法和系統

在審

• 申請號: 202211550489.0
• 申請日: 2022-12-05
• 公開（公告）號: CN116052206A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 祝禮佳
• 申請（專利權）人: 廣州辰創科技發展有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/46;G06V10/42;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 康婕

本申請公開了一種融合視覺顯著性的鳥類識別方法和系統，本方法包括獲取待檢測的圖像；利用殘差譜對待檢測的圖像進行處理，得到頻域顯著圖；利用全局對比度對待檢測圖像的Lab顏色域處理獲得時域全局性特征顯著圖；利用局部對比度對待檢測圖像的RGB顏色域進行處理獲得時域局部特征顯著圖；將待檢測圖像、頻域顯著圖、時域全局性特征以及時域局部特征顯著圖融合為多通道圖像，得到輸入圖像；利用圖像識別模型對輸入圖像進行預測，確定輸入圖像中鳥類的位置和分類。

技術領域

本申請涉及圖像識別技術，特別是一種融合視覺顯著性的鳥類識別方法和系統。

背景技術

“鳥撞”指的是天空中的飛鳥與飛行的飛機發生碰撞事件。飛鳥雖然體積小，質量輕，由于飛鳥與飛行的飛機相對速度特別大，因此“鳥撞”事件容易導致飛機損壞，直接影響航班飛行，嚴重情況甚至可能導致機毀人亡。因此，防止“鳥撞”事件對航空安全十分重要且有意義。

基于人工識別與驅趕的方式十分耗時耗力，且難以做到實時監控。深度學習相較于人工特征能夠實現自主特征提取，具有更強的泛化能力。

針對機場鳥類識別應用場景存在背景環境復雜、天氣情況多變、鳥類目標姿態多樣性的情況，深度學習雖然具有自主提取特征的優勢，但也會捕捉一些不重要的特征，容易減弱模型的辨別能力，降低模型性能。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明提出一種融合視覺顯著性的鳥類識別方法和系統，以在復雜環境中準確識別出鳥類。

一方面，本申請實施例提供了一種融合視覺顯著性的鳥類識別方法，包括：

獲取待檢測的圖像；

利用殘差譜對待檢測的圖像進行處理，得到頻域顯著圖；

利用全局對比度對待檢測圖像的Lab顏色域處理獲得時域全局性特征顯著圖；

利用局部對比度對待檢測圖像的RGB顏色域進行處理獲得時域局部特征顯著圖；

將待檢測圖像、頻域顯著圖、時域全局性特征以及時域局部特征顯著圖融合為多通道圖像，得到輸入圖像；

利用圖像識別模型對輸入圖像進行預測，確定輸入圖像中鳥類的位置和分類。

在一些實施例中，所述利用殘差譜對待檢測的圖像進行處理，得到頻域顯著圖，具體是：

對待檢測的圖像進行灰度化處理，獲得灰度圖像；

基于對數譜與對數譜的均值之差獲得頻域顯著圖像。

在一些實施例中，所述頻域顯著圖像以S1表示，其中，

S1＝g(x)*F^-1[exp(R(f)+P(f))]²；

g(x)表示對殘差普獲得的顯著特征進行高斯濾波操作，F^-1表示快速傅里葉逆變換，P(f)表示相位譜，其中R(f)表示殘差譜；

P(f)＝S(F[I_gray(x)])；

R(f)＝L(f)-h_n(f)*L(f)；

h_n(f)表示均值濾波操作，n表示濾波器窗口大小，L(f)表示對數譜，即對傅里葉變換獲得的幅度譜取對數運算；

R(f)＝log(R(F[I_gray(x)]))；

其中，F表示快速傅里葉變換。

在一些實施例中，所述利用全局對比度對待檢測圖像的Lab顏色域處理獲得時域全局性特征顯著圖，具體是：