[发明专利]一种公园盗猎鸟类的智能识别方法

权利要求书

1.一种公园盗猎鸟类的智能识别方法，包括图像采集模块，人员检测模块、猎鸟姿态检测模块、树木检测模块和逻辑判断模块，其特征在于：包括以下步骤：

S1：利用图像采集模块对公园内部的树木和周围人员进行拍照；

S2：利用树木检测模块对拍照获得的照片进行处理，获得单帧图像并识别图像上的树木，并判断该图像上的树木是否存在鸟类，同时识别树木周围是否存在人员；

S3：利用人员检测模块对拍照获得的照片进行处理，对树木周围的人员进行识别，以识别该人员的行为姿态特征；

S4：利用猎鸟姿态检测模块对人员的行为姿态特征进行评估，识别盗猎者常用姿势，以识别盗猎者；

S5：利用逻辑判断模块分析人员检测模块、猎鸟姿态检测模块和树木检测模块所识别出来的信息，当识别到在树木周围活动的人员有多次出现盗猎者猎鸟的姿势，则可以判定该人为猎鸟嫌疑人，然后通过逻辑判断模块输出检测结果。

2.根据权利要求1所述的一种公园盗猎鸟类的智能识别方法，其特征在于：步骤S2中利用树木检测模块对照片进行识别的方法为采用efficientdet算法，包括以下步骤：

A1：对图像数据进行尺寸规整，使其符合深度卷积神经网络的输入参数要求；

A2：利用深度卷积神经网络经过卷积运算对图像数据进行特征提取，得出可以代表图像数据特征的特征图；

A3：将特征图作为入参进入区域建议网络，生成图中目标的区域建议，也就是候选框；经过候选框池化完成尺寸规整；

A4：经过全连接神经网络层运算，得出图像数据中的类别信息和位置信息。

3.根据权利要求1所述的一种公园盗猎鸟类的智能识别方法，其特征在于：所述的图像采集模块采用监控设备或航拍设备。

4.根据权利要求2所述的一种公园盗猎鸟类的智能识别方法，其特征在于：所述的深度卷积神经网络的基本结构包括两层：

第一层为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征；该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；

第二层为特征映射层，每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等，特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性；

所述的深度卷积神经网络中的每一个卷积层都跟有一个用来求局部平均与二次提取的计算层。