[发明专利]基于HTC算法的生态生物识别方法

说明书

本发明公开了基于HTC算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像，并将采集的生物图像进行存储；收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；通过HTC算法对采集的生物图像数据进行目标检测；对区分前景和背景得到图像进行特征提取，使用全局平均池化接全连阶层分类，得到生物图像的特征数据；将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。本发明HTC是一种高性能的检测和实例分割模型，整体结构基于MaskR‑CNN和CascadeR‑CNN并进行改进，HTC中引入了语义分割分支从而更好地获得前景信息，便于生物的特征提取和精准识别。

技术领域

本发明涉及生物识别技术领域，尤其涉及基于HTC算法的生态生物识别方法。

背景技术

水生物是判断河水是否受到污染的有效参照物。河水中不同化学物质的分布和浓度，将决定河中水生物的类型构成。一些水生物在某种河流条件下可以繁殖很快，在另一环境下则可能死亡，这是由河水中的不同成分决定的。因此，只要分析河流中水生物的类型构成，就可对某一河段中存在什么样的化学物质做出判断。水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况。然而，现有的水生生物图像识别时，不便于对图像进行分割，不便于提取生物特征，生物识别率不高。

发明内容

基于背景技术存在的技术问题，本发明提出了基于HTC算法的生态生物识别方法。

本发明提出的基于HTC算法的生态生物识别方法，包括如下步骤：

S1发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像，并将采集的生物图像进行存储；

S2收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；

S3通过HTC算法对采集的生物图像数据进行目标检测；

S31将Cascade R-CNN和Mask R-CNN的简单结合；

S32在每个stage里先执行box分支，将回归过的框再交由mask分支来预测mask；

S33在不同的stage的mask分支之间引入直接的信息流；

S34通过引入语义分割分支S来提供空间上下文信息，从而帮助模型区分前景和背景；

S4对区分前景和背景得到图像进行特征提取，使用全局平均池化接全连阶层分类，得到生物图像的特征数据；

S5将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。

优选的，所述步骤S31将相邻阶段的Mask R-CNN通过box分支进行连接。

优选的，所述步骤S32先执行box分支得到box预测结果rt,并将rt经过pool结构后再作为mask分支的输入。

优选的，所述步骤S1对采集的生物图像做颜色校正处理，并采用混合滤波方法对原始图片做降噪处理。

优选的，所述步骤S1对采集的生物图像进行预处理，包括：图像缩放、转置以及图像类型转换。

优选的，所述步骤S1采集生物图像时，获取湖面生物采集器采集图像的时间和位置，并进行存储。

优选的，所述步骤S32每个stage内的bounding box和mask分别采用交替执行。