申请/专利权人：国网江苏省电力有限公司徐州供电分公司

申请日：2021-07-08

公开（公告）日：2024-06-18

公开（公告）号：CN113486810B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：本发明公开了一种公园盗猎鸟类的智能识别方法，具体涉及公园防盗猎技术领域，包括以下步骤：步骤一、利用公园内拍照设备对公园内部的人群和树木进行拍照；步骤二、利用树木检测模块对拍照所获得的照片进行处理，然后利用树木检测模块中的识别功能识别图像上的树木，并判断该图像上的树木上是否存在鸟类，同时树木检测模块还会识别该树木的周围是否存在人类；步骤三、利用人员检测模块检测对拍照所获得的照片进行处理。本发明通过利用计算机视觉图像识别技术，检测公园内是否有人打鸟，本发明基于efficientdet框架，结合深度学习神经网络自主研发，能够有效的提高识别的精度，从而能够精准的检测出公园中的偷猎行为，并且还能够避免将行人误认为偷猎者。

主权项：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：步骤S1：利用公园内拍照设备对公园内部的人群和树木进行拍照；步骤S2：利用树木检测模块对拍照所获得的照片进行处理，以获得单帧图像，然后利用树木检测模块中的识别功能识别图像上的树木，并判断该图像上的树木上是否存在鸟类，同时树木检测模块还会识别该树木的周围是否存在人员；其中，树木检测模块在对照片进行识别时应用了efficientdet算法，该算法首先对图像数据进行尺寸规整，以匹配深度卷积神经网络的输入参数要求，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，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，区域建议经过候选框池化，完成尺寸规整，经过后续全连接神经网络层的运算，得出图中目标的类别信息和位置信息；步骤S3：利用人员检测模块检测对拍照所获得的照片进行处理，以获得单帧图像，并利用人员检测模块中的识别功能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；其中，人员检测模块在对照片进行识别时应用了efficientdet算法，该算法首先对图像数据进行尺寸规整，以匹配深度卷积神经网络的输入参数要求，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，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，区域建议经过候选框池化，完成尺寸规整，经过后续全连接神经网络层的运算，得出图中目标的类别信息和位置信息；步骤S4：利用猎鸟姿态检测模块对人员检测模块中识别到的人员姿势进行评估，以识别其中盗猎者常用的猎鸟姿势，以识别盗猎者，该猎鸟姿态检测模块在识别的过程中会提取被检测人员的行为特征信息，当该被检测人员的行为特征信息与猎鸟检测模块中所存储的猎鸟行为特征信息相一致时，该猎鸟姿态检测模块就会判定该被检测人员为盗猎者；步骤S5：利用逻辑判断模块分析处理人员检测模块、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群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，其中的“多次”指的是三次，当被检测人员只是偶尔出现了与盗猎行为相一致的行为姿态时并不能判定该人为盗猎者，从而能够有效的防止本发明将路人判定为盗猎者，提高识别的准确性；S2、S3中所述的efficientdet算法中应用卷积神经网络的基本结构包括两层，其一为特征提取层，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，一旦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；其二是特征映射层，网络的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，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数，卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率，卷积神经网络主要用来识别位移、缩放及其他形式扭曲不变性的二维图形，由于卷积神经网络的特征检测层通过训练数据进行学习，所以在使用卷积神经网络时，避免了显示的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司徐州供电分公司 一种公园盗猎鸟类的智能识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD