CN115720256B - 一种打猎相机智能拍摄保存方法、系统以及存储介质 - Google Patents

Abstract

本申请涉及一种打猎相机智能拍摄保存方法、系统以及存储介质，该方法通过将拍摄的动物图片或者视频和所有打猎相机内的存储器中已经存储的图片或者视频进行特征提取比对：若所有打猎相机内的存储器中已经存储过和当前打猎相机拍摄的图片相同或者相似的图片，则不存储当前拍摄的图片；或者所有打猎相机中已经存储过和当前打猎相机拍摄的视频相同或者相似的视频，则不存储当前拍摄的视频。只存储所有打猎相机中未存储过的图片或者视频，从而提高打猎相机中存储器的空间利用率。

Description

一种打猎相机智能拍摄保存方法、系统以及存储介质

技术领域

本申请涉及智能拍摄技术领域，尤其是涉及一种打猎相机智能拍摄保存方法、系统以及存储介质。

背景技术

打猎相机又称为跟踪相机，主要应用在野外环境中，通过红外触发或者其他感应方式来自动捕捉动物的影像。打猎相机属于无人值守相机，安装隐蔽性较强，能够在野外进行长时间工作。打猎相机一般通过红外触发动物检测，并自动拍摄高像素图片或者视频，并保存在相机内部的大容量存储器中。通常情况下，打猎相机被静止安装在野外，通过长期的监控来记录野外动物的生活，以便于相关人员后期对动物生活进行分析。

目前，在野外通过打猎相机来监控动物的生活习性时，为得到某个动物更加全面的资料，通常会使用多个打猎相机来建立一个封闭的拍摄区域。当动物出现在拍摄区域并触发打猎相机进行拍摄时，由多个打猎相机同时拍摄，以获取动物全方面的图像资料。

针对上述中的相关技术，在动物重复进入拍摄区域时，会再次触发打猎相机进行拍摄并将图像保持至打猎相机内部的存储器，存在打猎相机内部存储器空间利用率不高的缺陷。

发明内容

为了提高打猎相机内部存储器的空间存储利用率，本申请提供一种打猎相机智能拍摄保存方法、系统以及存储介质。

本申请提供的一种打猎相机智能拍摄保存方法，采用如下的技术方案：

一种打猎相机智能拍摄保存方法，包括以下步骤：

确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间，其中，所述拍摄区域为一个或者多个打猎相机共同形成的最大拍摄范围，所述缓存空间用于临时存储拍摄的动物影像；

将动物影像输入特征分析智能模型，提取动物影像的视角集合以及视角集合下的形状子集合并保存至缓存空间，其中，所述特征分析智能模型为AI智能模型，视角集合中的每一个视角均对应一个形状子集合；

确定形状子集合中的形状特征是否全部匹配于总特征资料库，其中，所述总特征资料库为拍摄区域内所有打猎相机的特征资料库集合，打猎相机的特征资料库是用于存储动物影像中提取的形状特征的存储空间集合；

若为是，删除缓存空间内的动物影像以及对应动物影像的视角集合和形状子集合；

若为否，确定缓存空间中和总特征资料库不匹配的形状特征集合；

将缓存空间内的动物影像剪切至影像存储库内，并将形状特征集合剪切至总特征资料库中，其中，所述影像存储库用于长期存储动物影像。

通过采用上述技术方案，在拍摄区域内检测到有动物存在时，来触发打猎相机进行拍摄，并根据拍摄的动物影像来识别提取动物影像中的视角集合以及每一个视角集合下的形状子集合。通过对整个拍摄区域内已存储的影像对应的总特征资料库进行查询比对，来判断当前拍摄的动物影像中的每个视角下的形状特征是否和总特征资料库中的形状特征全部匹配。如果提取的形状特征在总特征资料库存在匹配的形状特征，则表明整个拍摄区域对应的打猎相机中存在相应的影像信息，此时不需要对拍摄的动物影像进行保存，从而降低对存储器空间的重复占用。如果提取的形状特征在总特征资料库不存在匹配的形状特征，则表明整个拍摄区域对应的打猎相机中没有存储过相应的影像信息，此时通过保存动物影像来完善拍摄识别动物的资料完整度。

可选的，在将缓存空间内的动物影像剪切至影像存储库内，并将形状特征集合剪切至总特征资料库中的步骤之后，所述方法包括：确定当前拍摄对象离开拍摄区域，停止拍摄。

通过采用上述技术方案，在动物离开拍摄区域之后，此时停止拍摄，从而降低打猎相机的电量损耗以及降低存储器中的空间占用率。

可选的，在确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间的具体方法中，包括：

基于预设的时间间隔对拍摄的动物影像进行切割，获取多个视频片段；

基于时间先后顺序，将多个视频片段按序保存至缓存空间。

通过采用上述技术方案，在缓存空间中临时保存动物影像资料时，通过预设的时间间隔来对已拍摄的视频进行切割，从而形成多个视频片段。将视频分割为多个片段，更便于识别比对出拍摄区域中未存储的视频。

可选的，在将动物影像输入特征分析智能模型，提取动物影像的视角集合以及视角集合下的形状子集合并保存至缓存空间的具体方法中，包括：

基于拍摄的动物影像，确定拍摄对象的动物种类识别信息；

基于动物种类识别信息，获取特征分析智能模型中动物周侧预设的视角划分区间；

将拍摄的动物影像和动物周侧预设的视角划分区间进行匹配识别，提取并向缓存空间中写入动物影像的视角集合以及视角集合下的形状子集合。

通过采用上述技术方案，在识别出动物种类之后，利用动物种类信息提取出特征分析智能模型中为不同的动物划分的视角区间。在对动物影响进行视角集合以及每一个视角下的形状子集合进行提取过程中，通过将当前拍摄的动物影像和特征分析智能模型中为当前动物划分的视角区间，通过识别比对确定出视角范围，进而识别提取出视角范围下的形状特征。

可选的，在确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间的具体步骤中，包括：基于打猎相机的红外触发信号建立分布式通讯网络。

通过采用上述技术方案，在打猎相机触发启动时，整个拍摄区域中的多个打猎相机之间建立分布式通信网络，通过分布式通讯网络来实现多个打猎相机之间的数据传输，从而便于获取其他打猎相机的工作状态以及存储内容。

可选的，在确定形状子集合中的形状特征是否全部匹配于总特征资料库具体方法中，包括：

将形状子集合中的形状特征和当前打猎相机的特征资料库进行比对查询匹配；

基于当前打猎相机反馈回来匹配的结果，确定形状子集合中的形状特征全部匹配于总特征资料库。

通过采用上述技术方案，在将形状子集合中的形状特征和当前打猎相机的特征资料库进行比对查询匹配之后，若当前打猎相机反馈回来的查询的结果是匹配的，则表明形状特征已经在当前打猎相机内的特征资料库中已经存储，此时不需要在对其他打猎相机进行特征查询匹配，从而减少特征匹配的计算量。

可选的，在确定形状子集合中的形状特征是否全部匹配于总特征资料库具体方法中，还包括：

基于当前打猎相机反馈回来不匹配的结果，提取和当前打猎相机的特征资料库不匹配的区别形状特征集合；

基于分布式通信网络和区别形状特征集合，将区别形状特征集合中的区别形状特征和拍摄区域中其他打猎相机的特征资料库进行比对查询匹配；

基于其他打猎相机反馈回来匹配的结果，确定形状子集合中的形状特征全部匹配于总特征资料库；

基于其他打猎相机反馈回来不匹配的结果，确定形状子集合中的形状特征没有全部匹配于总特征资料库。

通过采用上述技术方案，在当前打猎相机反馈回来的查询的结果是不匹配的，通过提取出和当前打猎相机内的特征资料库中不匹配的特征，建立区别形状特征集合，并存储在缓存空间中。再利用区别形状特征集合以及分布式通讯网络来向其他打猎相机进行特征查询比对，来减少形状特征的查询匹配量。

本申请还公开一种打猎相机智能拍摄系统，包括：

信号触发模块，所述信号触发模块用于确定是否有动物进入拍摄区域内；

特征提取模块，所述特征提取模块用于根据拍摄的动物图像提取动物的视角特征集合；

特征查询模块，所述特征查询模块用于确定视角特征集合中的视角特征元素是否全部存储在拍摄区域对应的资料库内；

数据保存模块，所述数据保存模块用于将动物图像保存至当前打猎相机的存储器中。

本申请还公开一种打猎相机智能拍摄装置，所述装置包括处理器和存储器，所述存储器与所述处理器耦合，所述存储器用于存储计算机程序，所述处理器调用所述计算机程序以使得装置执行如上述方案记载的打猎相机智能拍摄保存方法。

本申请还公开一种存储介质，存储介质中存储有计算机程序，所述计算机程序用于执行如上述方案记载的打猎相机智能拍摄保存方法。

综上所述，本申请包括以下至少一种有益技术效果：

1.在拍摄到动物影像并进行长期存储之前，对动物影像进行临时保存，通过对动物影像进行不同视角下的形状特征提取，并根据提取出的形状特征在整个拍摄区域内已存储的影像对应的总特征资料库进行查询比对，确保拍摄区域中的所有打猎相机中不存在相应的影像资料后，再将动物图像进行长期存储，从而减少打猎相机的存储器中会存储过多相同或者相似的动物影像，提高存储器的空间利用率。

2.通过对视频进行截取形成多个视频片段，能进一步减少存储器中会存储过多相同或者相似的动物影像情况。

3.通过建立分布式通信网络，来使得拍摄区域内的所有打猎相机能够进行特征数据查询，无需向其他打猎相机中同步已经拍摄的动物影像，实现对打猎相机的存储器内的空间利用的最大化。

附图说明

图1是相关技术中的打猎相机的使用场景示意图。

图2是相关技术中的打猎相机拍摄存储动物影像的缺陷示意图。

图3是本申请实施例中对拍摄的动物影像的存储示意图。

图4是本申请实施例中对动物图像进行视角区间划分的示意图。

图5是本申请实施例中特征分析智能模型的训练示意图。

图6是本申请实施例中打猎相机智能拍摄保存方法的理解示意图。

图7是本申请实施例中特征分析智能模型的使用示意图。

图8是本申请实施例中打猎相机智能拍摄保存方法的总流程图。

图9是本申请实施例中只有一个打猎相机启动拍摄的工作流程示意图。

图10是本申请实施例中两个打猎相机启动拍摄并保存动物影像的工作流程示意图。

图11是本申请实施例中两个打猎相机启动拍摄并不保存动物影像的工作流程示意图。

图12是本申请实施例中打猎相机智能拍摄保存系统的模块示意图。

附图标记说明：1、信号触发模块；2、特征提取模块；3、特征查询模块；4、数据保存模块。

具体实施方式

以下结合附图对本申请作进一步详细说明。

打猎相机一般包括红外相机、红外感应器、电池、存储器、按键、红外补光灯和处理器。在使用前，通过按键来设置好打猎相机的工作模式，例如：定期拍摄、触发拍摄、拍摄像素的高低程度以及红外感应器的灵敏度，然后将打猎相机安装在野外进行持续性工作。在打猎相机开始工作之后，红外感应器一直运行状态，当出现红外热源并使得红外感应器发出信号之后，红外相机开始拍摄，并将拍摄的图片或者视频保存在存储器中。打猎相机在野外使用时具有较高的隐蔽性，经常被用于在野外监控国家重点保护动物，通过拍照或者视频的方式来收集动物的资料，从而建立更加全面丰富的动物信息资料库。在使用打猎相机进行动物影像资料的收集时，为了得到动物全方位的影像资料，通常情况下会使用多个打猎相机来共同进行拍摄。

参照图1，图1展示了打猎相机在野外对动物进行监控的使用场景示意图。在该使用场景下，由打猎相机X1、打猎相机X2和打猎相机X3来共同对拍摄对象Z进行监控。打猎相机X1、打猎相机X2和打猎相机X3分别安装固定在树木上，每一个打猎相机的拍摄范围均为扇形范围，并且将打猎相机X1、打猎相机X2和打猎相机X3这三个打猎相机的拍摄范围设置成具有重叠的部分，具体是在打猎相机X1、打猎相机X2和打猎相机X3之间形成三角形重叠的拍摄范围。

可以理解的是，在野外生活中，拍摄对象Z可以处于三个打猎相机的拍摄范围外，可以只进入到一个打猎相机的拍摄范围，也可以是进入到两个打猎相机拍摄范围重叠的部分，还可以是进入到三个打猎相机拍摄范围重叠的部分。打猎相机由红外触发拍摄，因此拍摄对象Z从三个打猎相机的拍摄范围外向三个打猎相机拍摄范围重叠的部分内移动时，拍摄对象Z能够逐渐触发不同数量的打猎相机开始启动拍摄。

例如：拍摄对象Z位于三个打猎相机的拍摄范围外时，此时没有打猎相机触发拍摄。拍摄对象Z先移动至打猎相机X2拍摄范围的弧形边缘且没有进入到其他打猎相机的拍摄范围时，此时只有打猎相机X2触发拍摄。在拍摄对象Z继续向三个打猎相机拍摄范围重叠的部分内移动过程中，此时打猎相机X1和打猎相机X3也开始触发拍摄，即打猎相机X1、打猎相机X2和打猎相机X3均触发拍摄。

参照图2，由于打猎相机需要长期放置在野外，在野外拍摄监控动物时，整个打猎相机的耗能程度以及存储空间的大小程度均会影响到打猎相机的使用寿命。现有打猎相机中的红外感应器被触发，处理器就会控制红外相机进行拍摄。若野外动物以相同的方式重复进入拍摄范围、或者是在拍摄范围内徘徊，打猎相机均会一直拍摄保存动物的图片或者是视频资料。

在打猎相机使用监控过程中，若拍摄对象Z一直处于拍摄范围内，红外感应器就会一直触发红外相机拍摄，这样会使得打猎相机的存储器中会持续保存图片或者视频，直到拍摄对象Z离开拍摄范围。在持续保存图片或者视频的情况下，打猎相机新拍摄的图片，可能会和之前已经保存过的图片相同或者是相似度过高。同样的，打猎相机新保存的视频可能会和之前已经保存过的视频相同或者是相似度过高。这样的存储方式会占据存储器大量的存储空间，并且会保存了过多相同或者相似的影像资料，导致整个存储器的空间利用率降低，同时还会增加整个打猎相机的能耗。

例如：当打猎相机X1、打猎相机X2和打猎相机X3在拍摄范围内进行拍摄时，打猎相机X1、打猎相机X2和打猎相机X3能够分别拍摄拍摄对象Z不同角度的图片或者视频，例如：打猎相机X1保存图片10，打猎相机X2保存图片20，打猎相机X3保存图片30，直到拍摄对象Z离开拍摄范围停止拍摄。

当拍摄对象Z再次以相同方向和相同位置再次进入拍摄范围内时，打猎相机的存储器会继续保存之前已经保存过相同的图片或者视频，或者相似度较高的图片或者视频，例如：打猎相机X1继续保存图片10，打猎相机X2继续保存图片20，打猎相机X3继续保存图片30。

除此之外，若拍摄对象Z在拍摄范围内原地转动，那么对于打猎相机X1、打猎相机X2和打猎相机X3而言，可能会拍摄并保存之前由其他打猎相机所拍摄过相同的图片或者视频，或者相似度较高的图片或者视频。例如：打猎相机X1中会保存之前由打猎相机X2拍摄的图片20，打猎相机X2中会保存之前由打猎相机X3拍摄的图片30，打猎相机X3中会保存之前由打猎相机X1拍摄的图片10。

本申请实施例公开一种打猎相机智能拍摄保存方法。参照图3，该方法通过将拍摄的动物图片或者视频和所有打猎相机内的存储器中已经存储的图片或者视频进行特征提取比对：若所有打猎相机内的存储器中已经存储过和当前打猎相机拍摄的图片相同或者相似的图片，则不存储当前拍摄的图片；或者所有打猎相机中已经存储过和当前打猎相机拍摄的视频相同或者相似的视频，则不存储当前拍摄的视频。只存储所有打猎相机中未存储过的图片或者视频，从而提高打猎相机中存储器的空间利用率。

参照图4和图5，在本申请实施例中，通过对拍摄对象Z进行视角范围划分，然后基于每个视角范围利用特征分析智能模型进行拍摄对象Z局部的特征集合提取，从而得到拍摄对象Z更加准确的特征信息。在对所有打猎相机内的存储器中已经存储的图片或者视频进行特征比对时，减少工作运算量。其中，视角范围是根据拍摄对象Z的中心点对拍摄对象Z的周侧进行的区域划分，来展示拍摄对象Z完整的局部图像，例如头部图像、尾部图像或者是侧部图像。

具体的，由于打猎相机X1、打猎相机X2和打猎相机X3的拍摄范围之间存在一个三角形重叠的部分，在拍摄对象Z进入到三角形重叠部分时，每一个打猎相机均能够拍摄到拍摄对象Z，且不同位置的打猎相机所拍摄到的拍摄对象Z的视角不同。并且打猎相机的拍摄视野范围有限，因此对于拍摄对象Z的视角范围划分，在本实施例中将拍摄对象Z的四周划分为六个视角，视角1至视角6中即每个视角占据六十度范围。在利用特征分析智能模块来提取特征集合时，通过图像识别来提取当前图片或者视频所包含的视角集合。对于一张图片，提取的视角集合中可能只包含一个视角元素，也可能包含两个视角元素。

值得一提的是，特征分析智能模型包含动物识别AI模型和形状识别AI模型，对于特征分析智能模型而言，是基于大量的数据训练得出的。向特征分析智能模型中输入的数据包括训练使用的图片、图片集合、视频以及视频集合。其中，使用的图片集合中，包含不同种类动物的图片子集合；而在图片子集合中，则是包含同种动物不同角度的动物图片。同样的，在使用的视频集合中，包含不同种类动物的视频子集合；而在视频子集合中，则是包含同种动物不同角度或者不同动作的动物视频。

在向特征分析智能模型中输入大量训练数据之后，由动物识别AI模型来识别分析出当前输入的图片或者视频所对应的动物种类信息，并基于动物种类信息进一步识别分析出当前图片或者视频所包含的视角集合。然后通过形状识别AI模型在不同视角下识别提取出形状子集合。

参照图6，为了在拍摄到拍摄对象的图片或者视频后能够更快地和所有打猎相机内的影像存储库中已经存储的图片或者视频进行查询比对，通过对拍摄对象Z划分不同的视角区间，在打猎相机识别出视角集合之后，利用特征分析智能模型来提取出当前拍摄的图片或者视频中在不同视角下的形状子集合。然后将对应于某一视角下的形状子集合分别在当前打猎相机的存储器中对应当前视角的存储空间内进行查询比对，以及在其他打猎相机的存储器中对应当前视角的存储空间内进行比对查询；在未查询到相同或者相似度超过阈值的形状特征时，则将形状特征以及当前视角所对应的图片或者视频保存至存储器中。

例如：在打猎相机X1进行拍摄之后，打猎相机X1识别出的视角范围编号为视角2，并在视角2所在范围内进行局部的形状特征提取，提取的结果为形状特征a1。然后将形状特征a1在打猎相机X1、打猎相机X2以及打猎相机X3内的存储器中的视角2对应的形状特征集合库中进行查询比对，在均没有查询比对到相同或者相似度超过阈值的结果时，则保存视角2范围内形状特征a1所对应的图片或者视频。若在打猎相机X1、打猎相机X2以及打猎相机X3中任意一个存储器中的视角2对应的形状特征集合库中查询比对出相同或者相似度超过阈值的特征，则不保存视角2范围内形状特征a1所对应的图片或者视频。

参照图7，值得一提的是，打猎相机的存储器中的存储空间分为三部分。

第一部分是用于保存视角集合以及某一视角下的形状子集合的特征资料库，在拍摄的图片或者视频保存在影像存储库之后，相应的视角信息以及视角下的形状子集合同步保存至特征资料库中，方便后续进行特征比对。

第二部分是用于临时保存数据的缓存空间。缓存空间一方面保存拍摄的图片或者视频，另一方面还保存图片或者视频所对应的视角集合以及视角集合下的形状子集合。在打猎相机触发拍摄之后，图片或者视频均保存在缓存空间中，经过特征分析智能模型来提取视角集合以及形状子集合之后，将视角集合数据以及形状子集合数据也保存在缓存空间内进行临时存储。在通过视角集合数据以及形状子集合数据和所有打猎相机内的特征资料库进行查询比对之后，若确定需要保存，则将缓存空间内的图片或者视频剪切至影像存储库中，同时将视角集合数据以及形状子集合数据保存至特征资料库内；若确定不需要保存时，则直接删除缓存空间内的图片或者视频，同时删除对应的视角集合数据以及形状子集合数据。

第三部分是专门用于存储图片或者视频的影像存储库，在后期回收打猎相机之后能够更方便对拍摄对象Z的图片或者视频进行提取查找。

在将拍摄的拍摄对象Z的图片或者视频，和所有打猎相机内的影像存储库中已经存储的图片或者视频进行分析比对时，通过动物识别AI模型和形状识别AI模型来识别出拍摄对象Z的种类、拍摄的视角集合以及对应于每一个视角下的形状子集合。例如：识别的拍摄对象Z为兔子，并且识别出兔子的图片或者视频中包含视角1和视角2这两个视角范围，并且在各自视角下提取出形状子集合，并且将视角集合以及视角集合下的形状子集合存储在缓存空间中。

参照图8，打猎相机智能拍摄保存方法包括以下步骤。

S1、确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存在缓存空间。

其中，拍摄区域为全部打猎相机的拍摄范围所占据的最大区域。如果在野外使用时只安装一个打猎相机，那么拍摄区域就只是当前一个打猎相机的拍摄范围。如果在野外安装使用的打猎相机的数量为两个或者是两个以上，拍摄区域则是由全部打猎相机的占据的最大区域。只要拍摄对象进入到拍摄区域，那么就会有一个或者多个打猎相机通过红外触发的方式开始拍摄动物影像。

动物影像不只是动物图片，还可以是动物视频。拍摄的动物影像保存在缓存空间中，在确定动物影像需要存储时，将动物影像从缓存空间中剪切至影像存储库中进行永久存储；若确定动物影像不需要存储时，则将动物影像从缓存空间中删除。在拍摄的动物影像为视频时，通过定时截取形成多个视频片段，然后将视频片段保存至缓存空间中。

值得一提的是，对于采用多个打猎相机来同时对拍摄对象进行拍摄，那么多个打猎相机的拍摄范围是需要有相互重叠的部分。拍摄对象在拍摄范围相互重叠的部分内时，能够触发所有的打猎相机拍摄，并且重叠部分越大，拍摄对象的活动范围也就越大，更容易捕获不同的动物影像资料。

S2、将动物影像输入特征分析智能模型，提取动物影像的视角集合以及视角元素下的形状子集合并保存至缓存空间。

其中， 特征分析智能模型为打猎相机中用于识别提取动物特征的智能AI模型。特征分析智能模型通过使用大量的动物图像、视频、图像集合以及视频集合来对进行深度学习训练，并输出对拍摄对象的图片或者视频的识别结果。

其中，识别结果包括拍摄对象的图片或者视频中的视角集合，以及视角下的形状子集合，视角为拍摄对象的某一部位所占的角度范围。视角集合包含视角1至视角6，共六个元素，每一个元素对应一个形状子集合，也即每个视角下均对应一个形状子集合。形状子集合中的元素，则是当前视角下，通过轮廓识别算法所识别提取的形状元素。

在打猎相机触发拍摄时，将拍摄的动物图像输入到特征分析智能模型中，经过动物识别之后，从动物图像中提取出一个或者多个角度划分区间。然后在每一个视角所对应的角度划分区间中，识别角度划分区间中的形状形状子集合。在其他实施例中，在每一个视角2提取的特征还可以为大小特征或者是图像亮度对比度特征。

S3、确定形状子集合中的形状特征是否全部匹配于总特征资料库。

其中，总特征资料库为三个打猎相机的特征资料库总和，特征匹配包括向特征资料库中查询到相同的特征以及查询比对特征相似度超过阈值这两种。通常情况下，拍摄对象在拍摄区域内移动时，当前打猎相机可能会拍摄到其他打猎相机所拍摄过的动物视角，在查询比对形状特征时，通过和整个区域内的总特征资料库进行查询比对，从而确保当前打猎相机不会存储自身已存储过的图片以及视频外，还能够确保当前打猎相机不会存储其他打猎相机存储过的图片以及视频。

而三个打猎相机之间建立有分布式通讯网络，该网络可以为有线连接网络，也可以为无线连接网络。在无线连接网络中，分布式通讯网络通过任何一个打猎相机的红外触发器产生的触发信号之后进行建立。通过建立分布式通讯网络，从而方便进行形状特征在其他打猎相机中的查询比对。

在拍摄对象处于拍摄区域内的中心时，打猎相机的拍摄角度要大于拍摄对象的视角划分范围。因此对于拍摄对象在拍摄区域内移动时，打猎相机的拍摄范围的中心线和拍摄对象的视角划分范围的中心线之间会出现偏离。偏离的角度越大，当前视角下提取的形状特征变化就越大，特征相似度也就越低；而偏离的角度越小，当前视角下提取的形状特征变化就越小，特征相似度也就越高。通过设置阈值，在相似度超过阈值时，则判定当前视角下提取的形状特征和影像存储库中已经存储的影像对应的形状特征相匹配，即此时不需要对当前形状特征对应的图片或者视频进行保存。

S4、若为否，确定缓存空间中和总特征资料库不匹配的形状特征集合。

其中，不匹配的形状特征集合为形状子集合中，和总特征资料库中的形状特征不相同或者特征相似度未超出阈值的形状特征集合。若当前动物影像对应的形状子集合中存在和总特征资料库中不匹配的形状特征，即表明整个拍摄区域中的所有打猎相机均没有拍摄过在当前视角范围下的动物影像，或者是当前拍摄的动物影像和所有打猎相机中已经存储过的动物影像之间存在较大差距，能够作为新的动物影像资料。

S5、将缓存空间内的动物影像剪切至影像存储库中，并将形状特征集合剪切至总特征资料库中。

其中，在确定出需要对当前拍摄的动物影像进行存储时，将缓存空间内的动物影像剪切至影像存储库中，利用影像存储库来进行长久的存储。而将形状特征集合剪切至总特征资料库中，从而丰富总特征资料库的完整程度，在后续拍摄到相同或者相似度较高的图片或者视频时，以新保存的形状特征集合来作为判定依据，从而取消后续拍摄到相同或者相似度较高的图片或者视频的存储操作。并且通过剪切方式来转移动物影像以及形状特征数据，能够快速释放缓存空间。

S6、若为是，则删除缓存空间内的动物影像以及对应动物影像的视角集合和形状子集合。

其中，若形状子集合中的形状特征全部匹配于总特征资料库内的形状特征，即表面当前拍摄的拍摄对象的图片或者视频，已经被当前拍摄区域中的某一个打猎相机所存储过，或者是被某一个打猎相机存储过相似度较高的图片或者视频。此时若对图片或者视频进行存储，在三个打猎相机共同形成的存储空间中就会出现两张相同或者相似度较高的图片，或者是两段相同或者相似度较高的视频片段。因此通过对缓存空间内拍摄对象的图片或者是视频进行删除，从而确保三个打猎相机的影像存储库中不会存在相同或者相似度较高的图片或者视频。同时还删除拍摄对象的图片或者是视频中所提取的视角集合以及形状子集合，确保缓存空间内的空间能够及时更新。

S7、确定当前拍摄对象离开拍摄区域，停止拍摄。

其中，打猎相机采用的是红外热源感应的方式来触发拍摄。在当前拍摄对象离开拍摄区域后，此时打猎相机中的红外感应器无法通过热源感应输出信号，从而造成处理器无法控制红外相机进行拍摄。但是对于整个打猎相机而言，整个设备还是处于供电工作状态，因此在后续重新有拍摄对象进入到拍摄区域内时，红外感应器能够再次出发红外相机拍摄。

参照图9，图9展示了拍摄对象进入到打猎相机X1的拍摄范围并触发打猎相机X1启动拍摄的工作流程示意图。

场景一：打猎相机X1拍摄的动物影像需要保存至影像存储库D1，具体包括以下步骤。

S11、确定拍摄对象Z进入到打猎相机X1的拍摄区域，并将图片、视频片段保存在打猎相机X1的缓存空间C1。

其中，在拍摄对象进入到打猎相机X1的拍摄区域内时，此时打猎相机X1启动拍摄，并将拍摄采集的动物图片、视频片段实时保存在打猎相机X1的缓存空间C1内。

S21、将图片、视频片段输入特征分析智能模型，提取视角集合E1和每一个视角下的形状子集合F1并保存至缓存空间C1。

其中，若输入的动物影像为图片，提取的视角集合E1中可能包含一个视角，也可能包含两个视角，并且每一个视角下的形状子集合F1中，只包含一个形状特征。若输入的动物影像为视频片段，提取的视角集合E1中一般会包含多个视角，并且每一个视角下的形状子集合F1中一般也会包含多个形状特征。将形状特征保存至缓存空间C1中进行临时存储。

S31、确定形状子集合中F1的形状特征没有全部匹配于总特征资料库B。

其中，对于拍摄的图片而言，形状子集合F1中的只有一个形状特征，通过将这一个形状特征和三个打猎相机中形成的总特征资料库B进行比对查询，未查询到相同的特征或者查询到的特征相似度未超出阈值，则确定特征不匹配。

而对于拍摄的视频片段而言，形状子集合中F1中包含多个形状特征，通过将多个形状特征分别和三个打猎相机中形成的总特征资料库B进行比对查询，若形状子集合中F1中的特征在总特征资料库B内未查询到相同特征，或者是查询到的特征相似度未超出阈值，则确定形状子集合中F1的形状特征没有全部匹配于总特征资料库B内的形状特征。

其中，在步骤S31中，包含以下步骤。

S311、将形状子集合F1中的特征和特征资料库B1进行比对查询。

S312、接收打猎相机X1返回不匹配的结果。

其中，步骤S311和步骤S312为第一组收发查询过程，并且该组收发查询过程针对打猎相机X1内的特征资料库B1进行查询比对。在查询比对之后，通过打猎相机X1自身反馈回来的不匹配结果来确定当前拍摄的动物影像对应的形状子集合F1和特征资料库B1中已经存储的形状特征存在不匹配的特征。

S313、将形状子集合F1中的特征和特征资料库B2进行比对查询。

S314、接收打猎相机X2返回不匹配的结果。

其中，步骤S311和步骤S312为第二组收发查询过程，并且该组收发查询过程针对打猎相机X2内的特征资料库B2进行比对查询。在查询比对之后，通过打猎相机X2反馈回来的不匹配结果来确定当前拍摄的动物影像对应的形状子集合F1和特征资料库B2中已经存储的形状特征存在不匹配的特征。

S315、将形状子集合F1中的特征和特征资料库B3进行比对查询。

S316、接收打猎相机X3返回不匹配的结果。

其中，步骤S311和步骤S312为第三组收发查询过程，并且该组收发查询过程针对打猎相机X3内的特征资料库B3进行比对查询。在查询比对之后，通过打猎相机X3反馈回来的不匹配结果来确定当前拍摄的动物影像对应的形状子集合F1和特征资料库B3中已经存储的形状特征存在不匹配的特征。

值得一提的是，在确定动物影像需要保存时，是需要接收到三个打猎相机均反馈出不匹配的查询结果之后才能确定。若有一个或者多个打猎相机反馈会匹配的结果，则表明当前拍摄的动物影像已经被存储过，此时不需要再进行动物影像的存储。

为减少特征匹配的计算量，在将形状子集合F1中的形状特征和打猎相机X1的特征资料库B1进行比对查询匹配之后，若打猎相机X1反馈回来的查询的结果是匹配的，则表明形状特征已经在打猎相机X1内的特征资料库B1中已经存储，此时不需要在对打猎相机X2以及打猎相机X3进行特征查询匹配。

若打猎相机X1反馈回来的查询的结果是不匹配的，通过提取出和打猎相机X1内的特征资料库B1中不匹配的特征，建立区别形状特征集合，并存储在缓存空间C1中，再利用区别形状特征集合以及分布式通讯网络来减少形状特征的查询匹配量。

具体的，通过分布式通讯网络来建立打猎相机X1、打猎相机X2和打猎相机X3之间的通讯连接，然后将区别形状特征集合中的区别形状特征分别向打猎相机X2的特征资料库B2以及打猎相机X3的特征资料库B3中查询。在打猎相机X2以及打猎相机X3均没有反馈回来匹配的结果时，则表明缓存空间1中进行比对查询匹配的形状并没有存储在整个拍摄区域所对应的总特征资料库B中，需要对该特征对应的动物影像进行存储。在打猎相机X2或者打猎相机X3任意一个反馈回来匹配的结果时，则表明缓存空间1中进行比对查询匹配的形状已经存储在打猎相机X2的特征资料库B2或者打猎相机X3的特征资料库B3中，即此时缓存空间1中进行比对查询匹配的形状对应的动物影像已经在其他打猎相机中存储过，不需要在此进行存储。

S41、确定缓存空间C1中和总特征资料库B内不匹配的形状特征集合G1。

其中，形状特征集合G1为经过和总特征资料库B进行查询比对之后，和总特征资料库B中不匹配的形状特征集合。若输入动物影像为图片，且图片中识别出的视角下的特征和总特征资料库中的特征不匹配，那么不匹配的形状特征集合G1中只存在当前图片中识别出的视角下的特征。若输入动物影像为视频片段，且视频片段中识别出的视角下的特征和总特征资料库中的特征不匹配，那么不匹配的形状特征集合G1中可能会存在多个形状特征。

S51、将对应于形状特征集合G1的图片、视频片段从缓存空间C1中剪切至影像存储库D1内，并将形状特征集合G1剪切至特征资料库B1中。

其中，在将不匹配的形状特征对应的图片、视频片段从缓存空间C1中剪切至影像存储库D1之后，将形状特征集合G1也剪切至特征资料库B1中。此时缓冲空间C1中不匹配的形状特征数据以及形状特征所对应的图片、视频片段均会被删除，从而确保缓存空间内能够及时更新。并且图片、视频片段对应的形状特征集合G1同步保存在打猎相机X1的特征资料库B1中，完善特征资料库B1的完整程度。

S71、确定当前拍摄对象Z离开打猎相机X1的拍摄区域，停止打猎相机X1的拍摄工作。

其中，在拍摄对象Z离开打猎相机X1的拍摄区域之后，此时打猎相机X1的拍摄区域内无红外热源，红外触发器停止工作，进而使得红外相机停止工作。

场景二：打猎相机X1拍摄的动物影像不需要保存至影像存储库D1，具体包括以下步骤。

S11、确定拍摄对象Z只进入到打猎相机X1的拍摄区域，并将图片、视频片段保存在打猎相机X1的缓存空间C1。

S21、将图片、视频片段输入特征分析智能模型，提取视角集合E1和每一个视角下的形状子集合F1并保存至缓存空间C1。

其中，场景二下的步骤S11以及步骤S21均和场景一中的步骤S11以及步骤S21是相同步骤，具体内容请参阅上述描述，在此不进行赘述。

S32、确定形状子集合F1中的形状特征全部匹配于总特征资料库B。

其中，对于拍摄的图片提取的形状特征，以及拍摄的视频片段提取的多个形状特征，通过和三个打猎相机中形成的总特征资料库B进行比对查询，若形状子集合中F1中的特征均在总特征资料库B内查询到相同的特征，或者是查询到的特征相似度均超出阈值，则确定形状子集合中F1的形状特征全部匹配于总特征资料库B内的形状特征。

在步骤S32中，包含以下步骤。

S321、将形状子集合F1中的特征和特征资料库B1进行比对查询。

S322、接收打猎相机X1返回匹配的结果。

其中，步骤S321和步骤S322还是为第一组收发查询过程，并且该组收发查询过程针对打猎相机X1内的特征资料库B1进行查询比对，只是在结果反馈上，和场景一不同的是，第一组收发查询过程所得到的结果是匹配的结果，即当前查询比对的特征在特征资料库B1中均存在相同的特征或者均存在相似度超出阈值的特征。

S323、将形状子集合F1中的特征和特征资料库B2进行比对查询。

S324、接收打猎相机X2返回匹配的结果。

其中，步骤S323和步骤S324还是为第二组收发查询过程，并且该组收发查询过程针对打猎相机X2内的特征资料库B2进行比对查询。只是在结果反馈上，和场景一不同的是，第二组收发查询过程所得到的结果是匹配的结果，即当前查询比对的特征在特征资料库B2中均存在相同的特征或者均存在相似度超出阈值的特征。

S325、将形状子集合F1中的特征和特征资料库B3进行比对查询。

S326、接收打猎相机X3返回匹配的结果。

其中，步骤S325和步骤S326还是为第三组收发查询过程，并且该组收发查询过程针对打猎相机X3内的特征资料库B3进行比对查询。只是在结果反馈上，和场景一不同的是，第三组收发查询过程所得到的结果也是匹配的结果，即当前查询比对的特征在特征资料库B3中均存在相同的特征或者均存在相似度超出阈值的特征。

值得一提的是，在确定动物影像不需要保存时，只需要打猎相机X1接收到特征匹配的反馈结果，而并不限定具体是哪一个打猎相机进行的反馈。例如：打猎相机X1、打猎相机X2以及打猎相机X3中任意一个打猎相机中反馈出匹配的结果，则表明在打猎相机X1、打猎相机X2或者打猎相机X3中已经存储过和当前特征识别提取相同或者特征相似度超出阈值的图片、视频片段。因此在三组收发查询过程中，打猎相机X1接收到匹配的结果，即表明打猎相机X1拍摄的动物影像不需要保存。

S61、删除缓存空间C1内的动物影像以及对应动物影像的视角集合E1和形状子集合F1。

其中，在确定形状子集合F1中的形状特征全部匹配于总特征资料库B之后，直接删除缓存空间C1里面的动物影像，此时不需要对拍摄的图片、视频片段进行保存，从而减少影像存储库D1中会存在较多相似的图片、视频片段，或者是和打猎相机X2以及打猎相机X3相比存在较多相似的图片、视频片段。同时删除视角集合E1和形状子集合F1，提高缓存空间的循环使用情况。

S71、确定当前拍摄对象Z离开打猎相机X1的拍摄区域，停止打猎相机X1的拍摄工作。

其中，场景二下的步骤S71和场景一中的步骤S71为相同步骤，请参阅上述描述，在此不进行赘述。

容易理解的是，本示例中只展示了打猎相机X1的启动工作流程。而对于打猎相机X2或者打猎相机X3单独启动工作的流程，和打猎相机X1的单独启动工作流程相比，仅仅在于特征查询比对的对象不同。在打猎相机X1、打猎相机X2或者打猎相机X3中，对于红外相机启动拍摄、缓存空间临时存储动物影像、特征分析智能模型提取动物影像的视角集合以及形状子集合、缓存空间中的动物影像删除或者是动物影像剪切至影像存储库均是在当前已经启动工作的打猎相机中进行，只是特征查询比对时，反馈结果的对象不同。

例如：打猎相机X1工作时，打猎相机X1向打猎相机X2、打猎相机X3中进行查询比对，由打猎相机X2、打猎相机X3反馈结果；打猎相机X2工作时，打猎相机X2向打猎相机X1、打猎相机X3中进行查询比对，由打猎相机X1、打猎相机X3反馈结果；打猎相机X3工作时，打猎相机X3向打猎相机X1、打猎相机X2中进行查询比对，由打猎相机X1、打猎相机X2反馈结果。因此，在此对打猎相机X2的单独启动工作流程或者打猎相机X3的单独启动工作流程，请参阅上述过程，在此不进行赘述。

参照图10，图10展示了拍摄对象进入到打猎相机X1的拍摄范围以及打猎相机X2的拍摄范围，从而触发两个打猎相机启动拍摄并且需要保存动物影像的工作流程示意图。

参照图11，图11展示了拍摄对象进入到打猎相机X1的拍摄范围以及打猎相机X2的拍摄范围，从而触发两个打猎相机启动拍摄并且不需要保存动物影像的工作流程示意图。

在打猎相机X1和打猎相机X2均启动拍摄并保存动物影像时，此时打猎相机X1保存动物影像的工作流程和图9中打猎相机X1在场景一中单独启动工作的流程相同。此时打猎相机X1不保存动物影像的工作流程和图9中打猎相机X1在场景二中单独启动工作的流程相同。而对于打猎相机X2的工作流程，和打猎相机X1的工作流程类似，仅在于查询对象不同，具体介绍参阅上述解释，在此不做赘述。

容易理解的是，若打猎相机X3也启动，即三个打猎相机一起拍摄，除了特征查询比对的对象不同，其余工作流程都相同，具体参阅打猎相机X1和打猎相机X2一起启动拍摄的工作流程介绍。

值得一提的是，对于打猎相机X1、打猎相机X2和打猎相机X3，在其中任意两个打猎相机一起启动拍摄的情况下或者三个打猎相机均启动拍摄的情况下，并不限定其中任意两个打猎相机一起启动拍摄时需要一起保存动物影像或者是一起删除动物影像，以及不限定三个打猎相机均启动拍摄时需要一起保存动物影像或者是一起删除动物影像。

结合图10和图11进行举例说明，例如将图10中打猎相机X2的流程和图11中打猎相机X2的流程互换，即此时打猎相机X1需要保存由打猎相机X1识别的视角下的动物影像；而此时打猎相机X2不需要保存由打猎相机X2识别的视角下的动物影像。同样的，针对三个打猎相机启动拍摄的过程，每一个相机均可以处于保存动物影像的工作流程中，也可以处于不保存动物影像的工作流程中。

本申请实施例的实施原理为：通过拍摄对象触发红外相机启动拍摄之后，由打猎相机内部的特征分析智能模型对拍摄的动物影像进行视角集合提取以及每一个视角下的形状子集合提取；并将形状子集合中的每一个形状特征和总特征资料库进行查询比对，确定匹配程度。在没有匹配结果时，即表明此时所有的打猎相机的存储器中未存储过相同或者相似度较高的动物影像，此时需要对拍摄的动物影像进行存储以增加动物信息库的丰富程度。若存在匹配结果时，即表明此时存在打猎相机的存储器中已经存储过相同或者相似度较高的动物影像，此时无须对拍摄的动物影像进行存储，以提高存储器的空间利用率。

本申请实施例还公开一种打猎相机智能拍摄系统。参照图12，打猎相机智能拍摄系统包括信号触发模块1、特征提取模块2、特征查询模块3和数据保存模块4。信号触发模块1用于确定是否有拍摄对象进入拍摄区域内，信号触发模块1为红外感应触发器或者是其他形式的触发器。特征提取模块2用于根据拍摄的动物影像提取动物的视角集合以及每一个视角下的形状子集合，特征提取模块2通过训练后的形状识别AI模型来进行形状特征的提取。特征查询模块3用于确定形状子集合中的形状特征是否全部匹配于总特征资料库，特征查询模块3在查询比对当前拍摄使用的打猎相机内的存储器空间时，还通过多个打猎相机之间建立的分布式网络来访问查询比对其他打猎相机内部的存储器空间。数据保存模块4在确定当前拍摄的动物影像需要保存时，用于保存向当前打猎相机的存储器中保存动物影像。

本申请实施例还公开一种打猎相机智能拍摄装置，该装置包括处理器和存储器，存储器与处理器耦合，存储器用于存储计算机程序，处理器调用计算机程序以使得装置执行如上述方案记载的打猎相机智能拍摄保存方法。

本申请还公开一种存储介质，存储介质中存储有计算机程序，计算机程序用于执行如上述方案记载的打猎相机智能拍摄保存方法。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种打猎相机智能拍摄保存方法，其特征在于，包括以下步骤：

确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间，其中，所述拍摄区域为一个或者多个打猎相机共同形成的最大拍摄范围，所述缓存空间用于临时存储拍摄的动物影像；

将动物影像输入特征分析智能模型，提取动物影像的视角集合以及视角集合下的形状子集合并保存至缓存空间，其中，所述特征分析智能模型为AI智能模型，视角集合中的每一个视角均对应一个形状子集合；所述形状子集合为通过AI智能模型在不同视角下识别提取出；确定形状子集合中的形状特征是否全部匹配于总特征资料库，其中，所述总特征资料库为拍摄区域内所有打猎相机的特征资料库集合，打猎相机的特征资料库是用于存储动物影像中提取的形状特征的存储空间集合；

若为是，删除缓存空间内的动物影像以及对应动物影像的视角集合和形状子集合；

若为否，确定缓存空间中和总特征资料库不匹配的形状特征集合；其中，所述形状特征集合为打猎相机识别出的视角范围内所能提取到的所有形状特征；不匹配的形状特征集合为形状子集合中，和总特征资料库中的形状特征不相同或者特征相似度未超出阈值的形状特征集合；将缓存空间内的动物影像剪切至影像存储库内，并将形状特征集合剪切至总特征资料库中，其中，所述影像存储库用于长期存储动物影像。

2.根据权利要求1所述的打猎相机智能拍摄保存方法，其特征在于，在将缓存空间内的动物影像剪切至影像存储库内，并将形状特征集合剪切至总特征资料库中的步骤之后，所述方法包括：确定当前拍摄对象离开拍摄区域，停止拍摄。

3.根据权利要求1所述的打猎相机智能拍摄保存方法，其特征在于，在确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间的具体方法中，包括：

基于预设的时间间隔对拍摄的动物影像中的视频进行切割，获取多个视频片段；

基于时间先后顺序，将多个视频片段按序保存至缓存空间。

4.根据权利要求1所述的打猎相机智能拍摄保存方法，其特征在于，在将动物影像输入特征分析智能模型，提取动物影像的视角集合以及视角集合下的形状子集合并保存至缓存空间的具体方法中，包括：

基于拍摄的动物影像，确定拍摄对象的动物种类识别信息；

基于动物种类识别信息，获取特征分析智能模型中动物周侧预设的视角划分区间；

将拍摄的动物影像和动物周侧预设的视角划分区间进行匹配识别，提取并向缓存空间中写入动物影像的视角集合以及视角集合下的形状子集合。

5.根据权利要求1所述的打猎相机智能拍摄保存方法，其特征在于，在确定拍摄对象进入到拍摄区域，并将拍摄的动物影像保存至缓存空间的具体步骤中，包括：基于打猎相机的红外触发信号建立分布式通讯网络。

6.根据权利要求5所述的打猎相机智能拍摄保存方法，其特征在于，在确定形状子集合中的形状特征是否全部匹配于总特征资料库具体方法中，包括：

将形状子集合中的形状特征和当前打猎相机的特征资料库进行比对查询匹配；

基于当前打猎相机反馈回来匹配的结果，确定形状子集合中的形状特征全部匹配于总特征资料库。

7.根据权利要求6所述的打猎相机智能拍摄保存方法，其特征在于，在确定形状子集合中的形状特征是否全部匹配于总特征资料库具体方法中，还包括：

基于当前打猎相机反馈回来不匹配的结果，提取和当前打猎相机的特征资料库不匹配的区别形状特征集合；

基于分布式通信网络和区别形状特征集合，将区别形状特征集合中的区别形状特征和拍摄区域中其他打猎相机的特征资料库进行比对查询匹配；

基于其他打猎相机反馈回来匹配的结果，确定形状子集合中的形状特征全部匹配于总特征资料库；

基于其他打猎相机反馈回来不匹配的结果，确定形状子集合中的形状特征没有全部匹配于总特征资料库。

8.一种打猎相机智能拍摄装置，其特征在于，所述装置包括处理器和存储器，所述存储器与所述处理器耦合，所述存储器用于存储计算机程序，所述处理器调用所述计算机程序以使得装置执行如权利要求1-7中任一项所述的打猎相机智能拍摄保存方法。

9.一种存储介质，其特征在于，存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的打猎相机智能拍摄保存方法。