CN116188948A - 基于确认感知红外相机的野生动物监测系统 - Google Patents
基于确认感知红外相机的野生动物监测系统 Download PDFInfo
- Publication number
- CN116188948A CN116188948A CN202211609186.1A CN202211609186A CN116188948A CN 116188948 A CN116188948 A CN 116188948A CN 202211609186 A CN202211609186 A CN 202211609186A CN 116188948 A CN116188948 A CN 116188948A
- Authority
- CN
- China
- Prior art keywords
- target detection
- animal
- unit
- photo
- model
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
基于确认感知红外相机的野生动物监测系统,涉及野生动物监测领域。解决了野生动物监测系统需通过SD卡导出照片、且对动物照片的筛选需借助外部的目标检测模型、自身无法进行照片筛选和动物识别问题。本发明通过动物目标检测单元对图像采集单元采集的照片进行目标检测,判断照片中是否存在动物,结果为是,则继续进行动物种类识别,根据识别结果对该照片进行标记后,通过处理器存储至数据存储单元,同时,还通过无线通讯单元将标记后的照片依次通过处理器和无线通讯单元发送至本地端;结果为否,将照片删除。本发明主要用于对野生动物进行监测。
Description
技术领域
本发明涉及野生动物监测领域。
背景技术
随着生态文明建设的重要部署,我国构建了以国家公园为主体的自然保护地体系。野生动物资源是保护区的重要保护对象之一,进行野生动物资源监测是自然保护常态化的工作职责。红外相机具有干扰小、体积小和成本低等优点被广泛应用于野生动物的监测。由于触发机制的原理,红外相机在野外工作环境下容易受到光源、环境温度变化和非生命体晃动的干扰,会被错误触发拍照,导致相机产生大量的“空照片”,即相机拍摄的照片中不存在动物。为了从红外相机拍摄的照片中分析各种野生动物数据,研究人员需要从海量的照片中首先筛选出含有动物的照片,排除空照片。大量的空照片造成照片筛选工作异常繁重,需要投入大量的人力和时间成本。
目前市面上红外相机的工作方式如下:在相机视场内,当有热源目标运动时,被动红外传感器触发摄像头进行拍照,并保存到SD卡中。后期研究人员通过手动取回相机SD卡,人工筛选存在动物的照片,将空照片删除,将有效照片保存,继而进行人工识别分类保存。。人工识别分类耗时费力,目前的一种解决办法是利用计算机软件建立了一套与红外相机配套筛选照片的系统,具体工作方式如下:
前期相机的拍照方式和取回照片方式一致,在后期处理照片时,将SD卡中的数据导入到电脑中,运行目标检测软件,筛选出没有动物的照片,使用图像处理的目标检测方法,对输入的照片进行动物目标的检测和识别,构建一个目标检测的算法模型,将数据集放在目标检测算法模型中进行训练,寻找一组检测模型的最佳参数,设置此参数到目标检测模型中去,导入SD卡中的照片到电脑端中去,利用已经训练好的模型对拍摄的照片进行处理,删除无效照片,筛选有用照片筛选,归类保存动物照片。
此方法虽然可以处理大量的数据,但是在构建野生动物数据集的准备上也存在着筛选有用的动物照片作为数据集训练模型,这样就又回到了照片筛选问题上面,同时由于构建野生动物样本量分布不均匀和场景变换复杂模型不适用等问题,也存在一定的局限性。
因此,如何实现一种拍摄都是包含动物的照片,并保证照片中动物完整性的野生动物监测系统,是监测野生动物研究人员急需解决的需求。
发明内容
本发明目的是为了解决野生动物监测系统需通过SD卡导出照片、且对动物照片的筛选需借助外部的目标检测模型、自身无法进行图片筛选和动物识别问题,本发明提供了一种基于确认感知红外相机的野生动物监测系统。
基于确认感知红外相机的野生动物监测系统,包括被动红外传感器、感知红外相机、动物目标检测单元、数据存储单元、无线通讯单元和处理器;
被动红外传感器用于探测红外信号,并将探测到的红外信号发送至处理器;
处理器根据接收的红外信号对感知红外相机进行控制,使感知红外相机进行拍照,获得的照片发送至动物目标检测单元;
动物目标检测单元内嵌入有目标检测模型,该目标检测模型用于对接收的照片进行检测,判断照片中是否存在动物,结果为是,则继续进行动物种类识别,根据识别结果对该照片进行标记后,通过处理器存储至数据存储单元,同时,还通过无线通讯单元将标记后的照片依次通过处理器和无线通讯单元发送至本地端;结果为否,将照片删除。
优选的是,基于确认感知红外相机的野生动物监测系统,还包括云端;
云端用于接收无线通讯单元发送的标记后的照片;还用于根据标记后的照片生成模型参数,利用该模型参数对动物目标检测单元内的目标检测模型的参数进行更新。
优选的是,云端包括数据传输单元、数据处理单元、动物目标检测参考单元;
动物目标检测参考单元内嵌入有目标检测参考模型,且该目标检测参考模型与动物目标检测单元内嵌入的目标检测模型的模型结构相同;
数据处理单元的数据库内存储有训练集,训练集内包括多张野生动物照片;
通过数据传输单元接收处理器发出的标记后的照片,并将接收的标记后的照片发送至数据处理单元;
数据处理单元用于对接收到的标记后的照片进行格式变换后,存入训练集对训练集进行更新;
数据处理单元还用于利用更新后的训练集对动物目标检测参考单元内的目标检测参考模型进行训练,并对训练后的目标检测参考模型的模型参数进行提取,利用提取到的模型参数对动物目标检测单元内的目标检测模型的参数进行更新。
优选的是,利用提取到的模型参数对动物目标检测单元内的目标检测模型的参数进行更新的实现方式为:
通过无线通讯单元将模型参数发送至处理器,处理器根据接收的模型参数对动物目标检测单元内的目标检测模型的模型参数进行更新。
优选的是,动物目标检测参考单元内的目标检测参考模型与动物目标检测单元内的目标检测模型均采用基于深度学习的目标检测算法实现的检测模型。
优选的是,基于深度学习的目标检测算法为YOLOv7算法。优选的是,本地端还用于向云端发送不同背景下的野生动物照片,对云端内的训练集进行更新。
优选的是,本地端用于对接收的照片进行显示和存储。
优选的是,基于确认感知红外相机的野生动物监测系统,还包括供电单元,该供电单元用于对被动红外传感器、感知红外相机、动物目标检测单元、数据存储单元、无线通讯单元和处理器进行供电。
优选的是,供电单元采用锂电池实现。
本发明带来的有益效果是:
本发明所述的基于确认感知红外相机的野生动物监测系统,可对采集的照片进行检测,判断照片中是否存在动物,并对存在动物的照片进行动物种类识别,并将识别后的照片以无线传输的方式发送至本地端,供本地端的研究人员进行浏览,避免了通过SD卡导出照片导出过程复杂的缺陷,减少研究人员手动取回动物图像数据的流程,避免了研究人员户外工作的危险,提高研究的效率。且本发明监测系统可直接进行图片识别,无需借助外部的目标检测模型;并且本发明还可通过云端对动物目标检测单元内的目标检测模型的参数进行更新,进一步提高动物目标检测单元的检测与识别精度。
本发明从根本上解决动物照片的筛选和辨别问题,可及时将无效照片删除,并不占用系统内存。
使用基于深度学习的目标检测算法确认有动物目标才进行拍摄的感知红外相机,利用云端自动更新动物目标检测单元,提高动物目标的检测率和识别率,减少整个手动取回动物照片的工作流程,保护工作人员的安全,极大提高监测野生动物的工作效率。
附图说明
图1是本发明所述基于确认感知红外相机的野生动物监测系统的原理示意图;
图2是云端8的原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1:
参见图1说明本实施例,本实施例所述的基于确认感知红外相机的野生动物监测系统,包括被动红外传感器1、感知红外相机2、动物目标检测单元3、数据存储单元4、无线通讯单元5和处理器6;
被动红外传感器1用于探测红外信号,并将探测到的红外信号发送至处理器6;
处理器6根据接收的红外信号对感知红外相机2进行控制,使感知红外相机2进行拍照,获得的照片发送至动物目标检测单元3;
动物目标检测单元3内嵌入有目标检测模型,该目标检测模型用于对接收的照片进行检测,判断照片中是否存在动物,结果为是,则继续进行动物种类识别,根据识别结果对该照片进行标记后,通过处理器6存储至数据存储单元4,同时,还通过无线通讯单元5将标记后的照片依次通过处理器6和无线通讯单元5发送至本地端7;结果为否,将照片删除。
本发明可对采集的照片进行检测,判断照片中是否存在动物,并对存在动物的照片进行动物种类识别,并将识别后的照片以无线传输的方式发送至本地端,供本地端的研究人员进行浏览,避免了通过SD卡导出照片导出过程复杂的缺陷,且本发明监测系统可直接进行图片识别,无需借助外部的目标检测模型。
本发明监测系统结构简单,便于实现。
参见图1,所述的基于确认感知红外相机的野生动物监测系统,还包括云端8;
云端8用于接收处理器6发送的标记后的照片;还用于根据标记后的照片生成模型参数,利用该模型参数对动物目标检测单元3内的目标检测模型的参数进行更新。
本发明还可通过云端8对动物目标检测单元3内的目标检测模型的参数进行更新,进一步提高动物目标检测单元3的检测与识别精度。
参见图2,云端8包括数据传输单元8-1、数据处理单元8-2、动物目标检测参考单元8-3;
动物目标检测参考单元8-3内嵌入有目标检测参考模型,且该目标检测参考模型与动物目标检测单元3内嵌入的目标检测模型的模型结构相同;
数据处理单元8-2的数据库内存储有训练集,训练集内包括多张野生动物照片;
通过数据传输单元8-1接收处理器6发出的标记后的照片,并将接收的标记后的照片发送至数据处理单元8-2;
数据处理单元8-2用于对接收到的标记后的照片进行格式变换后,存入训练集对训练集进行更新;
数据处理单元8-2还用于利用更新后的训练集对动物目标检测参考单元8-3内的目标检测参考模型进行训练,并对训练后的目标检测参考模型的模型参数进行提取,利用提取到的模型参数对动物目标检测单元3内的目标检测模型的参数进行更新。
本优选实施方式中给出了云端8的具体结构,具体应用时可通过云端8对动物目标检测单元3内的目标检测模型的参数进行更新,进一步提高动物目标检测单元3的检测与识别精度。
通过模型训练的方式,重新寻找一组最佳参数,重新封装到动物目标检测单元3中的目标检测参考模型中,模型针对该野外场景具有更高的动物目标的检测率和识别率。
具体的,利用提取到的模型参数对动物目标检测单元3内的目标检测模型的参数进行更新的实现方式为:
通过无线通讯单元5将模型参数发送至处理器6,处理器6根据接收的模型参数对动物目标检测单元3内的目标检测模型的模型参数进行更新。
具体的,动物目标检测参考单元8-3内的目标检测参考模型与动物目标检测单元3内的目标检测模型均采用基于深度学习的目标检测实现的检测模型。使用基于深度学习的目标检测算法确认有动物目标才进行拍摄的感知红外相机2,利用云端自动更新动物目标检测单元3,降低红外相机误触发率,提高动物目标的检测率和识别率。其中,基于深度学习的动物目标检测算法可为YOLOv7算法。
应用时,感知红外相机2采用红外相机实现。
具体的,本地端7还用向云端8发送不同背景下的野生动物照片,对云端8内的训练集进行更新。应用时,当发现新物种时,可通过本地端7对云端8内的训练集进行更新,并且增加训练集内不同背景的多样性,克服应用局限性及提高检测精度。
所述的基于确认感知红外相机的野生动物监测系统,本地端7还用于对接收的照片进行显示。
所述的基于确认感知红外相机的野生动物监测系统,还包括供电单元,该供电单元用于对被动红外传感器1、感知红外相机2、动物目标检测单元3、数据存储单元4、无线通讯单元5和处理器6进行供电。
供电单元采用锂电池实现。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (10)
1.基于确认感知红外相机的野生动物监测系统,其特征在于,包括被动红外传感器(1)、感知红外相机(2)、动物目标检测单元(3)、数据存储单元(4)、无线通讯单元(5)和处理器(6);
被动红外传感器(1)用于探测红外信号,并将探测到的红外信号发送至处理器(6);
处理器(6)根据接收的红外信号对感知红外相机(2)进行控制,使感知红外相机(2)进行拍照,获得的照片发送至动物目标检测单元(3);
动物目标检测单元(3)内嵌入有目标检测模型,该目标检测模型用于对接收的照片进行检测,判断照片中是否存在动物,结果为是,则继续进行动物种类识别,根据识别结果对该照片进行标记后,通过处理器(6)存储至数据存储单元(4),同时,还通过无线通讯单元(5)将标记后的照片依次通过处理器(6)和无线通讯单元(5)发送至本地端(7);结果为否,将照片删除。
2.根据权利要求1所述的基于确认感知红外相机的野生动物监测系统,其特征在于,还包括云端(8);
云端(8)用于接收无线通讯单元(5)发送的标记后的照片;还用于根据标记后的照片生成模型参数,利用该模型参数对动物目标检测单元(3)内的目标检测模型的参数进行更新。
3.根据权利要求2所述的基于确认感知红外相机的野生动物监测系统,其特征在于,云端(8)包括数据传输单元(8-1)、数据处理单元(8-2)、动物目标检测参考单元(8-3);
动物目标检测参考单元(8-3)内嵌入有目标检测参考模型,且该目标检测参考模型与动物目标检测单元(3)内嵌入的目标检测模型的模型结构相同;
数据处理单元(8-2)的数据库内存储有训练集,训练集内包括多张野生动物照片;
通过数据传输单元(8-1)接收处理器(6)发出的标记后的照片,并将接收的标记后的照片发送至数据处理单元(8-2);
数据处理单元(8-2)用于对接收到的标记后的照片进行格式变换后,存入训练集对训练集进行更新;
数据处理单元(8-2)还用于利用更新后的训练集对动物目标检测参考单元(8-3)内的目标检测参考模型进行训练,并对训练后的目标检测参考模型的模型参数进行提取,利用提取到的模型参数对动物目标检测单元(3)内的目标检测模型的参数进行更新。
4.根据权利要求3所述的基于确认感知红外相机的野生动物监测系统,其特征在于,利用提取到的模型参数对动物目标检测单元(3)内的目标检测模型的参数进行更新的实现方式为:
通过无线通讯单元(5)将模型参数发送至处理器(6),处理器(6)根据接收的模型参数对动物目标检测单元(3)内的目标检测模型的模型参数进行更新。
5.根据权利要求3所述的基于确认感知红外相机的野生动物监测系统,其特征在于,动物目标检测参考单元(8-3)内的目标检测参考模型与动物目标检测单元(3)内的目标检测模型均采用基于深度学习的目标检测算法实现的检测模型。
6.根据权利要求1所述的基于确认感知红外相机的野生动物监测系统,其特征在于,基于深度学习的目标检测算法为YOLOv7算法。
7.根据权利要求3所述的基于确认感知红外相机的野生动物监测系统,其特征在于,本地端(7)还用于向云端(8)发送不同背景下的野生动物照片,对云端(8)内的训练集进行更新。
8.根据权利要求1所述的基于确认感知红外相机的野生动物监测系统,其特征在于,本地端(7)用于对接收的照片进行显示和存储。
9.根据权利要求1所述的基于确认感知红外相机的野生动物监测系统,其特征在于,还包括供电单元,该供电单元用于对被动红外传感器(1)、感知红外相机(2)、动物目标检测单元(3)、数据存储单元(4)、无线通讯单元(5)和处理器(6)进行供电。
10.根据权利要求1所述的基于确认感知红外相机的野生动物监测系统,其特征在于,供电单元采用锂电池实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609186.1A CN116188948A (zh) | 2022-12-14 | 2022-12-14 | 基于确认感知红外相机的野生动物监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609186.1A CN116188948A (zh) | 2022-12-14 | 2022-12-14 | 基于确认感知红外相机的野生动物监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116188948A true CN116188948A (zh) | 2023-05-30 |
Family
ID=86431659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211609186.1A Pending CN116188948A (zh) | 2022-12-14 | 2022-12-14 | 基于确认感知红外相机的野生动物监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188948A (zh) |
-
2022
- 2022-12-14 CN CN202211609186.1A patent/CN116188948A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016015437A1 (zh) | 图片搜索库的生成及图片搜索方法、装置和设备 | |
KR20190033892A (ko) | 야생동물 모니터링 시스템 및 그 방법 | |
CN104464111A (zh) | 可条码识别的智能快递柜系统及对应的条码识别方法 | |
CN110737798B (zh) | 室内巡检方法及相关产品 | |
US10713536B1 (en) | Camera method with animal recognition function and monitoring camera | |
CN109857878B (zh) | 物品标注方法及装置、电子设备及存储介质 | |
WO2014085929A1 (en) | System and method for documenting evidence | |
JP6787831B2 (ja) | 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法 | |
CN103279760A (zh) | 一种植物检疫幼虫实时分类方法 | |
CN113850562A (zh) | 一种智能旁站监理方法及系统 | |
CN111507325B (zh) | 基于深度学习的工业视觉ocr识别系统及方法 | |
CN114898238A (zh) | 一种野生动物遥感识别方法及装置 | |
JP5927822B2 (ja) | 画像通信システム | |
Li et al. | Construction of a dataset of stored-grain insects images for intelligent monitoring | |
Wong et al. | Camera trapping—Advancing the technology | |
CN201628974U (zh) | 立体仓库货物盘点系统 | |
JP2010011076A (ja) | 画像処理装置及び画像処理方法 | |
CN116188948A (zh) | 基于确认感知红外相机的野生动物监测系统 | |
CN113065492A (zh) | 云边协同自动点货方法、装置、系统及其存储介质 | |
CN105069718A (zh) | 基于移动物联网的智慧国土不动产自助监测方法和系统 | |
CN109982051A (zh) | 具有动物识别功能的监控摄像方法和监控相机 | |
CN102496010A (zh) | 一种结合预览图像和拍摄图像的名片识别方法 | |
CN113986823A (zh) | 一种通信机房的图片归档方法、装置、介质及设备 | |
CN115761128A (zh) | 一种激光雷达数据自动化标注方法、系统及存储介质 | |
CN204463161U (zh) | 一种图像检测处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |