[发明专利]一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法

说明书

本发明公开了一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法，包括以下步骤：S1，对现有野外摄像头所传输的视频数据进行处理，获得海南长臂猿图像数据；S2，对每个所述图像数据进行标注预处理，建立海南长臂猿数据集；S3，在电脑端，构建目标检测模型，通过训练数据集得到目标检测模型；S4，对电脑端检测模型进行转化并部署在边缘设备端运行；S5，基于部署在边缘设备端的轻量级检测模型，结合现有野外摄像头，实时检测海南长臂猿。本发明通过卷积神经网络和边缘设备，能够全方位实时监测“濒危物种”海南长臂猿的生活轨迹，深入了解海南长臂猿的生活习性，拉近我们和大自然的距离，降低人力成本，助力海南长臂猿保护行动。

技术领域

本发明属于野生动物监测技术领域，尤其涉及一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法。

背景技术

海南长臂猿在世界濒危物种红色名录中被归类为“极度濒危”物种，是世界上最濒危的灵长类动物。最近的几十年，海南长臂猿的现状得到了国家，地方政府，民间公益机构和中外的学者的关注，数量已达到五个种群，35只个体栖息于海南热带雨林国家公园，但与种群复壮仍有极大差距。长期以来，许多动物研究学者通过定期实地考察和与当地人进行访谈来跟踪和监测海南长臂猿的生活踪迹。但间歇获取的数据缺乏实时性、连续性和完整性。目前科研人员多通过监测识别海南长臂猿的叫声，了解海南长臂猿之间信息传递的方式。2021年11月，海南国家公园研究院与华为合作和世界自然保护联盟(IUCN)发布了海南长臂猿声学监测项目阶段性成果，已经实现海南长臂猿声学监测的自动识别和实时回传。企业界和学术界虽然开展了基于人工智能的海南长臂猿的监测研究，但多数停留在长臂猿鸣声声谱检测，图像检测研究寥寥无几。利用红外触发相机技术检测野外海南长臂猿是当前最有效的手段之一，但传统野生动物保护相机拍摄触发相机的任何东西，不仅在后期处理和分析时要面对海量的数据，而且所得到图像数据还是零散碎片化的，仅9s的单个视频影像无法充分了解长臂猿生活习性。

发明内容

针对现有技术不足，本发明的目的在于提供一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法，增加单次捕捉海南长臂猿影像的时间，实现360°全方位动态跟踪长臂猿动向，深入了解全球最濒危的灵长类动物，海南岛真正的原住“居民”的生活方式，解决背景技术中提出的问题。

本发明提供如下技术方案：

一种基于卷积神经网络的海南长臂猿野外图像检测方法，包括以下步骤：

S1，对现有野外摄像头所传输的视频数据进行处理，获得海南长臂猿图像数据；

S2，对每个所述图像数据进行标注预处理，建立海南长臂猿数据集；

S3，在电脑端，构建目标检测模型，通过训练数据集得到目标检测模型；

S4，对电脑端检测模型进行转化并部署在边缘设备端运行；

S5，基于部署在边缘设备端的轻量级检测模型，结合现有野外摄像头，实时检测海南长臂猿。

优选的，所述数据集中的图像数据还包括海南长臂猿的网络高清图像素材。

优选的，在步骤S2中，所述标注预处理是通过LabelMe工具对图像数据进行逐个标注，形成数据集中的xml文件，所述xml文件中包括每个图像数据的位置参数和类别名称。

优选的，在步骤S3中，所述检测模型是基于yolov3的算法模型，目标检测模型训练包括以下步骤：

a，将数据集中的图像数据输入到yolov3的主干网络进行特征提取，得到三个特征层；

b，三个特征层用于下一步的网络构建，将三个所述特征层输入到特征金字塔网络用于特征融合，对在主干网络所提取到的特征层进行插值法还原，得到加强特征层；