CN105069817A - 鸟类识别方法 - Google Patents

鸟类识别方法 Download PDF

Info

Publication number
CN105069817A
CN105069817A CN201510519086.3A CN201510519086A CN105069817A CN 105069817 A CN105069817 A CN 105069817A CN 201510519086 A CN201510519086 A CN 201510519086A CN 105069817 A CN105069817 A CN 105069817A
Authority
CN
China
Prior art keywords
bird
birds
information
database
flight path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510519086.3A
Other languages
English (en)
Other versions
CN105069817B (zh
Inventor
马军
梁耀
蔡磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Zhuoyu Optoelectronics Technology Co Ltd
Original Assignee
Anhui Zhuoyu Optoelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Zhuoyu Optoelectronics Technology Co Ltd filed Critical Anhui Zhuoyu Optoelectronics Technology Co Ltd
Priority to CN201510519086.3A priority Critical patent/CN105069817B/zh
Publication of CN105069817A publication Critical patent/CN105069817A/zh
Application granted granted Critical
Publication of CN105069817B publication Critical patent/CN105069817B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Abstract

本发明属于机场驱鸟技术领域，特别涉及一种鸟类识别方法，包括如下步骤：(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若是鸟类继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。这里不再通过鸟的叫声进行鸟种类的识别，而是通过红外成像的方式获取鸟的动态信息、静态信息，再根据数据库中存储的信息进行比对，从而确定鸟的种类，这样确定得到的鸟的种类信息非常的准确。

Description

鸟类识别方法
技术领域
本发明属于机场驱鸟技术领域，特别涉及一种鸟类识别方法。
背景技术
鸟撞又称鸟击，指鸟和飞机在空中相撞造成的飞行事故，具有多发性和突发性，一旦发生会使飞机受损，重者可使发动机失去动力，甚至飞机坠毁，造成重大人员伤亡。随着飞机性能的提高，航空业的发展，喷气式飞机的广泛应用，鸟撞事故也逐年增多，引起人们越来越关注。
传统的鸟类识别很少，部分是基于鸣声的鸟类识别，且基于鸣声的研究主要集中在个体识别、种间识别、分析亲缘关系以及行为状态上，对多种不同鸟类种类识别研究尚不系统。现有研究中，一般以频率和音节长度等为特征参数，这种识别方法，对于某些鸟类识别中识别效果比较好，但在很多鸟类识别中效果不佳；而且，对于多种鸟类混合在一起鸣叫时，识别效果非常的差。
发明内容
本发明的目的在于提供一种鸟类识别方法，能够准确有效地对鸟的种类进行识别。
为实现以上目的，本发明采用的技术方案为：一种鸟类识别方法，包括如下步骤：(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若不是鸟类，则放弃追踪，若是鸟类，则继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。
与现有技术相比，本发明存在以下技术效果：这里不再通过鸟的叫声进行鸟种类的识别，而是通过红外成像的方式获取鸟的动态信息、静态信息，再根据数据库中存储的信息进行比对，从而确定鸟的种类，这样确定得到的鸟的种类信息非常的准确。
具体实施方式
下面结合具体的实施方式，对本发明做进一步详细叙述。
一种鸟类识别方法，包括如下步骤：(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若不是鸟类，则放弃追踪，若是鸟类，则继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。当鸟在飞行的时候，其基本信息不明显，不容易获取，而鸟类静止时，其基本信息比较明显，因此，这里通过追踪动态飞行的鸟动态信息、静态的鸟的基本信息来实现鸟类特征信息的提取，然后将提取到的特征信息与数据库中存储的特征信息对比，从而实现鸟种类的识别。相较于鸟鸣声识别方案来说，识别的准确度高很多。
优选地，鸟的动态信息、基本信息有很多，本实施例中优选地，所述鸟的动态信息包括鸟的飞行轨迹、飞行速度、飞行高度。所述鸟的基本信息包括鸟喙的形状、尾巴的形状、腿的长度。这里采用了比较容易获取的、便于处理的一些信息来作为特征进行获取和匹配，方便后续的操作。
作为本发明的优选方案，所述的步骤C中，若未匹配成功，则进入人工处理模式，由工作人员确认获取的鸟类动态信息或静态信息是否有误，若无误，则新增鸟的种类或对已有的鸟类增加新的动态信息或基本信息，若有误，则返回步骤B重新获取鸟的动态信息或静态信息。虽然建立了鸟类数据库，但是不可避免的会出现新的鸟类进入，或者鸟类特征的获取出现错误，这里通过人工处理模式，对上述出现的情况进行手动处理，保证处理的准确性。
优选地，所述鸟的飞行轨迹按照步骤数据化：(a1)根据鸟的飞行轨迹拟合获得曲线方程；(a2)解析曲线方程得到曲线的拐点分布、曲率数值分布信息；(a3)将拐点分布、曲率数值分布信息作为飞行轨迹的数据存储。有的鸟飞行轨迹比较直，这样拐点就少，曲率数值较小；有的鸟飞行时喜欢急转弯，其飞行轨迹拟合出来的曲线拐点就多，曲率数值较大。这里通过曲线的拐点分布、曲率数值分布信息可以很好地区分出各种鸟类的飞行轨迹。
所述鸟的飞行速度数据化为两个数值，即最低飞行速度和最高飞行速度；所述鸟的飞行高度数据化为两个数值，即最低飞行高度和最高飞行高度；所述鸟的腿的长度数据化为两个数值，即腿相对于身体比值的最小值和最大值。通过上述方式进行处理，将鸟的飞行轨迹、飞行速度、飞行高度、腿的长度这些信息处理成数字信息，这样既方便鸟类数据库的建立和存储，又方便后续的匹配处理。
具体地，对于动态的鸟的匹配如下：所述的步骤C中，鸟的动态信息按下列步骤进行匹配：(b1)将采集到鸟的飞行轨迹的拐点分布、曲率数值分布信息与数据库中的进行比对，看分布是否一致，若一致，进入下一步；(b2)将采集到的鸟的飞行速度范围是否落在数据库中鸟的飞行速度范围之内，如果是，进入下一步；(b3)将采集到的鸟的飞行高度范围是否落在数据库中鸟的飞行高度范围之内，如果是，则可以断定两只鸟的品种相同。
对于静态鸟的匹配如下：所述的步骤C中，鸟的基本信息按下列步骤进行匹配：(c1)将采集到的鸟喙的图像与数据库中鸟喙的图像相交，重复部分大于指定阈值的判断为两者鸟喙形状相匹配并进入下一步；(c2)将采集到的尾巴的图像与数据库中尾巴的图像相交，重复部分大于指定阈值的判断为两者尾巴形状相匹配并进入下一步；(c3)将采集到的鸟的腿的长度数据范围是否落在数据库中腿的长度范围之内，如果是，则判断鸟的腿长相匹配，此时可以断定两只鸟的品种相同。
需要注意的是，匹配的时候，只有b1、b2、b3同时满足，才能断定所监控的鸟的品种就是数据库中与之相匹配的鸟；同样地，只有c1、c2、c3同时满足，才能断定所监控的鸟的品种是数据库中与之匹配的鸟。

Claims (7)

1.一种鸟类识别方法，包括如下步骤：
(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；
(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若不是鸟类，则放弃追踪，若是鸟类，则继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；
(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。
2.如权利要求1所述的鸟类识别方法，其特征在于：所述鸟的动态信息包括鸟的飞行轨迹、飞行速度、飞行高度。
3.如权利要求1所述的鸟类识别方法，其特征在于：所述鸟的基本信息包括鸟喙的形状、尾巴的形状、腿的长度。
4.如权利要求1所述的鸟类识别方法，其特征在于：所述的步骤C中，若未匹配成功，则进入人工处理模式，由工作人员确认获取的鸟类动态信息或静态信息是否有误，若无误，则新增鸟的种类或对已有的鸟类增加新的动态信息或基本信息，若有误，则返回步骤B重新获取鸟的动态信息或静态信息。
5.如权利要求2所述的鸟类识别方法，其特征在于：所述鸟的飞行轨迹按照步骤数据化：
(a1)根据鸟的飞行轨迹拟合获得曲线方程；
(a2)解析曲线方程得到曲线的拐点分布、曲率数值分布信息；
(a3)将拐点分布、曲率数值分布信息作为飞行轨迹的数据存储；
所述鸟的飞行速度数据化为两个数值，即最低飞行速度和最高飞行速度；
所述鸟的飞行高度数据化为两个数值，即最低飞行高度和最高飞行高度；
所述鸟的腿的长度数据化为两个数值，即腿相对于身体比值的最小值和最大值。
6.如权利要求5所述的鸟类识别方法，其特征在于：所述的步骤C中，鸟的动态信息按下列步骤进行匹配：
(b1)将采集到鸟的飞行轨迹的拐点分布、曲率数值分布信息与数据库中的进行比对，看分布是否一致，若一致，进入下一步；
(b2)将采集到的鸟的飞行速度范围是否落在数据库中鸟的飞行速度范围之内，如果是，进入下一步；
(b3)将采集到的鸟的飞行高度范围是否落在数据库中鸟的飞行高度范围之内，如果是，则可以断定两只鸟的品种相同。
7.如权利要求5所述的鸟类识别方法，其特征在于：所述的步骤C中，鸟的基本信息按下列步骤进行匹配：
(c1)将采集到的鸟喙的图像与数据库中鸟喙的图像相交，重复部分大于指定阈值的判断为两者鸟喙形状相匹配并进入下一步；
(c2)将采集到的尾巴的图像与数据库中尾巴的图像相交，重复部分大于指定阈值的判断为两者尾巴形状相匹配并进入下一步；
(c3)将采集到的鸟的腿的长度数据范围是否落在数据库中腿的长度范围之内，如果是，则判断鸟的腿长相匹配，此时可以断定两只鸟的品种相同。
CN201510519086.3A 2015-08-20 2015-08-20 鸟类识别方法 Expired - Fee Related CN105069817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510519086.3A CN105069817B (zh) 2015-08-20 2015-08-20 鸟类识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510519086.3A CN105069817B (zh) 2015-08-20 2015-08-20 鸟类识别方法

Publications (2)

Publication Number Publication Date
CN105069817A true CN105069817A (zh) 2015-11-18
CN105069817B CN105069817B (zh) 2017-11-10

Family

ID=54499173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510519086.3A Expired - Fee Related CN105069817B (zh) 2015-08-20 2015-08-20 鸟类识别方法

Country Status (1)

Country Link
CN (1) CN105069817B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106054930A (zh) * 2016-07-11 2016-10-26 佛山杰致信息科技有限公司 一种具有麻醉功能的无人机及远程追踪系统
CN106954049A (zh) * 2017-05-13 2017-07-14 西安费斯达自动化工程有限公司 全景和精准图像跟踪系统的机场鸟类信息获取方法
CN107006395A (zh) * 2016-10-10 2017-08-04 湖南环球信士科技有限公司 生物追踪装置及系统
CN107156102A (zh) * 2017-06-01 2017-09-15 北京中安航信科技有限公司 基于目标跟踪的定向驱鸟装置及其驱鸟方法
CN109799760A (zh) * 2019-01-30 2019-05-24 华通科技有限公司 电力行业的驱鸟机器人控制系统及控制方法
CN110033777A (zh) * 2018-01-11 2019-07-19 深圳市诚壹科技有限公司 鸟类识别方法、装置、终端设备及计算机可读存储介质
CN110501701A (zh) * 2019-08-29 2019-11-26 中国民用航空飞行学院 新体制场内飞鸟预警和鸟情分析系统及方法
CN110942048A (zh) * 2019-12-11 2020-03-31 斯云昊 一种识别仿鸟无人机的方法及终端
CN112106763A (zh) * 2020-09-16 2020-12-22 国家电网有限公司 一种输电线路智能控制驱鸟装置
CN114868729A (zh) * 2022-03-31 2022-08-09 国网山东省电力公司微山县供电公司 一种用于电力设备的驱鸟方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076311A1 (en) * 2002-10-10 2004-04-22 Mitsunori Miki Method and apparatus of measuring rotational and flight characteristics of sphere
CN103856752A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于相关跟踪算法的低空飞行物监控系统
CN103856751A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于质心跟踪算法的低空飞行物监控系统
CN103856753A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于边缘跟踪算法的低空飞行物监控系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076311A1 (en) * 2002-10-10 2004-04-22 Mitsunori Miki Method and apparatus of measuring rotational and flight characteristics of sphere
CN103856752A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于相关跟踪算法的低空飞行物监控系统
CN103856751A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于质心跟踪算法的低空飞行物监控系统
CN103856753A (zh) * 2012-11-30 2014-06-11 大连宏宇科技有限公司 一种基于边缘跟踪算法的低空飞行物监控系统

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106054930A (zh) * 2016-07-11 2016-10-26 佛山杰致信息科技有限公司 一种具有麻醉功能的无人机及远程追踪系统
CN107006395A (zh) * 2016-10-10 2017-08-04 湖南环球信士科技有限公司 生物追踪装置及系统
CN107006395B (zh) * 2016-10-10 2021-04-23 湖南环球信士科技有限公司 生物追踪装置及系统
CN106954049B (zh) * 2017-05-13 2020-08-25 西安费斯达自动化工程有限公司 全景和精准图像跟踪系统的机场鸟类信息自动获取方法
CN106954049A (zh) * 2017-05-13 2017-07-14 西安费斯达自动化工程有限公司 全景和精准图像跟踪系统的机场鸟类信息获取方法
CN107156102A (zh) * 2017-06-01 2017-09-15 北京中安航信科技有限公司 基于目标跟踪的定向驱鸟装置及其驱鸟方法
CN107156102B (zh) * 2017-06-01 2019-12-06 北京中安航信科技有限公司 基于目标跟踪的定向驱鸟装置及其驱鸟方法
CN110033777A (zh) * 2018-01-11 2019-07-19 深圳市诚壹科技有限公司 鸟类识别方法、装置、终端设备及计算机可读存储介质
CN109799760B (zh) * 2019-01-30 2020-10-16 国网宁夏电力有限公司检修公司 电力行业的驱鸟机器人控制系统及控制方法
CN109799760A (zh) * 2019-01-30 2019-05-24 华通科技有限公司 电力行业的驱鸟机器人控制系统及控制方法
CN110501701A (zh) * 2019-08-29 2019-11-26 中国民用航空飞行学院 新体制场内飞鸟预警和鸟情分析系统及方法
CN110942048A (zh) * 2019-12-11 2020-03-31 斯云昊 一种识别仿鸟无人机的方法及终端
CN112106763A (zh) * 2020-09-16 2020-12-22 国家电网有限公司 一种输电线路智能控制驱鸟装置
CN114868729A (zh) * 2022-03-31 2022-08-09 国网山东省电力公司微山县供电公司 一种用于电力设备的驱鸟方法及系统

Also Published As

Publication number Publication date
CN105069817B (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN105069817A (zh) 鸟类识别方法
CN110261394B (zh) 在线风机叶片损伤实时诊断系统和方法
CN108564005A (zh) 一种基于卷积神经网络的人体跌倒辨识方法
CN107274417B (zh) 一种基于机载激光点云聚集关系的单木分割方法
CN105095238B (zh) 用于检测欺诈交易的决策树生成方法
CN104834920A (zh) 一种无人机多光谱图像的智能林火识别方法及装置
Flaounas et al. CycloTRACK (v1. 0)–tracking winter extratropical cyclones based on relative vorticity: sensitivity to data filtering and other relevant parameters
CN107085710A (zh) 一种基于多光谱LiDAR数据的单木自动提取方法
CN108985454B (zh) 民航客机个体目标识别方法
CN108596009A (zh) 一种用于农机自动驾驶的障碍物检测方法和系统
CN110765962A (zh) 一种基于三维点云轮廓分维值的植物识别分类方法
CN109117776A (zh) 基于航迹信息的飞机与气象杂波分类识别方法
CN110533095A (zh) 一种基于改进随机森林的航班飞行风险行为识别方法
CN107169682A (zh) 一种基于机载激光点云不同时段树障的快速巡检方法
CN105954202A (zh) 一种柑橘溃疡病高光谱模型传递的方法
Panagiotidis et al. Detection of fallen logs from high-resolution UAV images
CN104282005A (zh) 一种视频图像拼接方法及装置
CN109061774A (zh) 一种雷暴核关联性处理方法
Alam et al. Improving the productivity of mechanised harvesting systems using remote sensing
Hui et al. Multi-level self-adaptive individual tree detection for coniferous forest using airborne LiDAR
Wang et al. Combining trunk detection with canopy segmentation to delineate single deciduous trees using airborne LiDAR data
CN101916439B (zh) 基于希尔伯特-黄变换的空间碎片高光谱序列探测方法
CN103971369A (zh) 视网膜图像的视盘定位方法
CN103617417A (zh) 植物自动识别方法和系统
Zhang et al. Locating Famous Tea's Picking Point Based on Shi-Tomasi Algorithm.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171110

Termination date: 20210820

CF01 Termination of patent right due to non-payment of annual fee