通過圖像信息掌握野生動物資源狀況是當(dāng)前野生動物監(jiān)測的主流方式,基于深度卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的野生動物監(jiān)測圖像的自動識別可以解決人工分類效率低、成本高的問題,但是也面臨著“圖像光照條件變化”、“監(jiān)測圖像背景信息復(fù)雜”、“目標(biāo)位置、大小不定”等難點,影響自動識別準(zhǔn)確率。為了實現(xiàn)野生動物監(jiān)測圖像的準(zhǔn)確、高效的自動分類,本文對基于深度卷積神經(jīng)網(wǎng)絡(luò)的野生動物自動檢測識別算法進行了研究,本文的主要研究與工作內(nèi)容如下:1.建立了內(nèi)蒙古地區(qū)主要陸生野生動物監(jiān)測圖像數(shù)據(jù)庫。利用紅外感應(yīng)相機與無線圖像傳感器網(wǎng)絡(luò)于2012年至2018年間在內(nèi)蒙古賽罕烏拉保護區(qū)采集到的監(jiān)測圖像,建立了內(nèi)蒙古地區(qū)主要陸生野生動物監(jiān)測圖像數(shù)據(jù)庫。包括馬鹿、斑羚、野豬、猞猁、狍、貂等6種國家級保護動物,總數(shù)為10720張,并完成圖像級與像素級的標(biāo)定工作。2.提出了野生動物監(jiān)測圖像光照自適應(yīng)增強算法�；诰哂蓄伾愠Ｐ缘腞etinex理論,提出一種監(jiān)測圖像自適應(yīng)增強算法。針對光照不均導(dǎo)致的光暈偽影問題,提出一種水平/垂直梯度引導(dǎo)濾波器,實現(xiàn)照度分量圖像的估計;進而提出以O(shè)tus閾值為基準(zhǔn)值的對比度拉伸函數(shù),對照度分量圖像進行拉伸,提高算法自適應(yīng)能力;最后使用照度分量灰度圖像計算反射分量圖像,保持色彩相關(guān)性,實現(xiàn)野生動物監(jiān)測圖像的自適應(yīng)增強。3.提出了基于自我注意機制深度殘差網(wǎng)絡(luò)的野生動物自動識別算法。針對經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)感受野受限,無法準(zhǔn)確提取野生動物特征的問題,提出一種基于自我注意機制的深度殘差網(wǎng)絡(luò)(SA-ResNet),并且對網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練方法、超參數(shù)進行試驗分析。試驗結(jié)果表明,本文提出的方法測試集準(zhǔn)確率最終為90.12%。4.提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的野生動物目標(biāo)檢測識別算法。針對目標(biāo)位置的不確定性、復(fù)雜背景環(huán)境影響和物種數(shù)量不平衡造成識別準(zhǔn)確率低的問題,提出一種改進Faster RCNN的野生動物目標(biāo)檢測識別方法,首先搭建SA-Resnet1 52作為骨干網(wǎng)絡(luò)提取特征圖;然后采用K-means算法對區(qū)域建議網(wǎng)絡(luò)的Anchors進行重新回歸,提高網(wǎng)絡(luò)對野生動物檢測的準(zhǔn)確性;提出一種自適應(yīng)類別權(quán)重損失函數(shù),解決不同物種數(shù)據(jù)不平衡導(dǎo)致準(zhǔn)確率低問題。實驗結(jié)果表明,本文提出的目標(biāo)檢測算法mAP值可以達到92.2%。本文針對傳統(tǒng)野生動物監(jiān)測圖像人工分揀成本高、效率低的問題,提出從圖像增強到深度卷積神經(jīng)網(wǎng)絡(luò)特征提取到目標(biāo)檢測識別完整的野生動物智能識別的解決方案,為提高野生動物保護的智能化、自動化水平提供理論支撐。
【學(xué)位單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S863;TP391.41;TP183
【部分圖文】：

位置開展進一步的檢測，可獲取更豐富的信息。??１．３．２論文架構(gòu)??本文研究的論文架構(gòu)如圖１－３所示。??ｒ?｜??緒論（第一章）???．１??研究背聚與意義?野生動物監(jiān)測圖像壜強與識別國內(nèi)外研究現(xiàn)狀?文章組織架構(gòu)??Ｉ?－１???Ｇ???野生動物監(jiān)測圖像采集與數(shù)據(jù)庫建立Ｉ丨?野生動物監(jiān)測圖像自適應(yīng)增強?Ｉ??Ｉ?（第二章２??１丨?（第三章）??＿?＿＾＾＾＾＊＊？＊＊＿?＿?基于改進引導(dǎo)濾波的照度分置估計??｜紅外感應(yīng)相機丨Ｌ?ｗｍｓｎ?：??＾??＇?Ｉ?」Ｍ?基于Ｏｔｕｓ閾值的照度分？自適應(yīng)拉伸??數(shù)據(jù)標(biāo)定?—＿??丨圖像級標(biāo)定丨丨像索級標(biāo)定丨?色彩保真的反射分置圖像計算??Ｉ?１?－?－?－?１?１?１?Ｉ?Ｉ?Ｉ?！??Ｉ??Ｉ?泛?＇??Ｉ?基于自我注意殘差網(wǎng)絡(luò)的野生動物自動識別算法（第四章）??網(wǎng)絡(luò)結(jié)構(gòu)搭１１?—超錢試驗分析＾（自＿算法評估??Ｉ?????」????丨．??基于改進Ｆａｓｔｅｒ?ＲＣＮＮ的野生動物目標(biāo)檢測識別算法（第五章）?????１?１??基于ＳＡＲｅｓＮｅｔ骨干網(wǎng)絡(luò)搭建?——＾?基于Ｋｔｎｅａｎｓ的區(qū)域建議網(wǎng)絡(luò)??－＝ｒ＾—［??算法評估?《??自適應(yīng)損失函數(shù)??Ｕ—：：：：二?－ＣＴＪ?一?」—一」????，??總結(jié)與展望（第六章）??１?????Ｉ??研究內(nèi)容總結(jié)?存在不足及展望??．Ｉ?１?????ｊ??圖１＿３論文架構(gòu)??Ｆｉｇ．?１－３?Ｔｈｅｓｉｓ?ｓｔｒｕｃ

圖２－１紅外相機安裝圖??Ｆｉｇ．２－１?Ｉｎｆｒａｒｅｄ?ｃａｍｅｒａ?ｉｎｓｔａｌｌａｔｉｏｎ?ｉｍａｇｅ??文采集的野生動物監(jiān)測圖像通過將紅外感應(yīng)相機部署在野生動物頻繁包括賽罕烏拉保護區(qū)內(nèi)的正溝、大東溝、西溝、青羊城、二道洼等地區(qū)，

紅外感應(yīng)相機將數(shù)據(jù)存儲在本地ＳＤ卡中，造成的數(shù)據(jù)滯后性問題。無線圖像傳感器??網(wǎng)絡(luò)系統(tǒng)主要由傳感器節(jié)點、匯聚節(jié)點及控制中心組成。無線圖像傳感器網(wǎng)絡(luò)系統(tǒng)結(jié)??構(gòu)如圖２－２所示。??彭剛４一，??監(jiān)測目標(biāo)多媒體傳感器乂?基站??＼、?節(jié)點
【相似文獻】

相關(guān)期刊論文 前10條

1 邁克·科洛斯捷列夫;;陸生野生動物組冠軍《從水下看棕熊》[J];世界科學(xué);2019年06期

2 ;關(guān)于劃定保護陸生野生動物禁獵區(qū)禁獵期的通告[J];汕尾市人民政府公報;2017年03期

3 ;東莞市人民政府關(guān)于加強陸生野生動物資源保護的通告[J];東莞市人民政府公報;2015年12期

4 ;浙江省人民政府辦公廳關(guān)于公布浙江省重點保護陸生野生動物名錄的通知[J];浙江省人民政府公報;2016年10期

5 高鳳敏;張緒成;張秀云;王富綱;;淺談陸生野生動物資產(chǎn)[J];生物技術(shù)世界;2014年07期

6 秦紹華;張秀云;高鳳敏;張緒成;;淺談陸生野生動物資產(chǎn)核查[J];生物技術(shù)世界;2014年08期

7 楊忠慶;謝建榮;;近年陸生野生動物案件分析及有關(guān)問題探討[J];甘肅科技;2006年03期

8 ;54種商業(yè)性經(jīng)營利用陸生野生動物名單[J];農(nóng)村實用技術(shù);2006年09期

9 楊忠慶;近年陸生野生動物案件分析及有關(guān)問題探討[J];野生動物;2005年06期

10 ;浙江省人民代表大會常務(wù)委員會關(guān)于修改《浙江省陸生野生動物保護條例》的決定[J];浙江林業(yè);2004年08期

相關(guān)博士學(xué)位論文 前1條

1 朱桂壽;浙江省陸生野生動物分布及其疫源疫病監(jiān)測體系建設(shè)研究[D];南京林業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 程浙安;基于深度卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)蒙古地區(qū)陸生野生動物自動識別[D];北京林業(yè)大學(xué);2019年

2 曾鵬;廣西陸生野生動物繁育利用和可持續(xù)經(jīng)營研究[D];中南林業(yè)科技大學(xué);2017年

3 于莉莉;陸生野生動物保護對生物多樣性的影響機理及對策[D];南京林業(yè)大學(xué);2017年

4 謝遠崧;廣東省陸生野生動物疫源疫病監(jiān)測預(yù)警體系科學(xué)化管理的研究[D];西北大學(xué);2008年

5 侯瑞鋒;山西省野生動物致?lián)p救濟法律問題研究[D];山西大學(xué);2012年

6 那順得力格爾;內(nèi)蒙古賽罕烏拉國家級自然保護區(qū)陸生野生動物保護監(jiān)測研究[D];北京林業(yè)大學(xué);2011年

7 李東強;大渡河干熱河谷水電站建設(shè)影響區(qū)的陸生動植物動態(tài)變化與預(yù)測[D];四川師范大學(xué);2014年

本文編號：2873623