CN117789254B - 一种基于无人机的野生动物族群评估方法及系统 - Google Patents

Abstract

本发明涉及野生动物监测评估领域，公开了一种基于无人机的野生动物族群评估方法及系统，通过采用无人机监测与孪生空间映射标记的方式，实现了在一定区域内的野生动物族群统计与评估，尤其适用于鸟类聚集地的鸟类族群统计，能够有效的方便当前地方生态管理相关部门对于候鸟统计及环境评估工作的执行，解决了当前对于大规模鸟群的统计困难问题，极大的优化了族群统计工作的执行效率。

Description

一种基于无人机的野生动物族群评估方法及系统

技术领域

本发明涉及野生动物监测评估领域，具体是一种基于无人机的野生动物族群评估方法及系统。

背景技术

为了进行当地生态与环境评估，相关部门每年都会在本地的候鸟迁徙地落脚地等处对鸟类进行族群数量统计，在评估生态的同时，也能够对野生动物族群的恢复状况进行评估，进而为相关部门获得重要的对鸟群及环境的管理维护数据。

现有技术中的统计方式在使用时，需要大量的人员参与，耗时较长的同时，存在较多的不确定性，且长期的工作中，人员出错的概率也较高，因此，急需一种能够有效的方便当前地方生态管理相关部门对于候鸟统计及环境评估工作的执行的可实现方案。

发明内容

本发明的目的在于提供一种基于无人机的野生动物族群评估方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于无人机的野生动物族群评估方法，包含：

执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点；

基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据；

建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录；

通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录。

作为本发明的进一步方案：执行预评估程序以对监测区域进行无人机节点的分布分配的步骤具体包括：

获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

作为本发明的再进一步方案：每个所述无人机均对应唯一的无人机节点，同一所述鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的高鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态。

作为本发明的再进一步方案：还包括监测区域的总量校正步骤，具体包括：

在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域，则；

若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；

若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

作为本发明的再进一步方案：所述获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断的步骤具体包括：

基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。

本发明实施例旨在提供一种基于无人机的野生动物族群评估系统，包含：

群组区间划定模块，用于执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点；

区间图像采集模块，用于基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据；

对象分辨计数模块，用于建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录；

对象标记排除模块，用于通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录。

作为本发明的进一步方案：所述群组区间划定模块具体包括：

遍历路径生成单元，用于获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

遍历图像获取单元，用于基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

密度分布判断单元，用于基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

无人节点分配单元，用于根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

作为本发明的再进一步方案：每个所述无人机均对应唯一的无人机节点，同一所述鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的高鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态。

作为本发明的再进一步方案：还包括跨区评估模块，具体包含：

跨区监测单元，用于在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

跨区处理单元，用于基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域；若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

跨区校正单元，用于若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

作为本发明的再进一步方案：所述对象分辨计数模块包括步骤：

识别引导单元，用于基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

识别记录单元，用于通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

额外反馈单元，用于若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。

与现有技术相比，本发明的有益效果是：通过采用无人机监测与孪生空间映射标记的方式，实现了在一定区域内的野生动物族群统计与评估，尤其适用于鸟类聚集地的鸟类族群统计，能够有效的方便当前地方生态管理相关部门对于候鸟统计及环境评估工作的执行，解决了当前对于大规模鸟群的统计困难问题，极大的优化了族群统计工作的执行效率。

附图说明

图1为一种基于无人机的野生动物族群评估方法的流程框图。

图2为一种基于无人机的野生动物族群评估方法中无人机节点分配的流程框图。

图3为一种基于无人机的野生动物族群评估系统的组成框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现方式进行详细描述。

如图1所述，为本发明一个实施例提供的一种基于无人机的野生动物族群评估方法，包括以下步骤：

S10，执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点。

S20，基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据。

S30，建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录。

S40，通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录。

本实施例中，给出了一种基于无人机的野生动物族群评估方法及系统，通过采用无人机监测与孪生空间映射标记的方式，实现了在一定区域内的野生动物族群统计与评估，尤其适用于鸟类聚集地的鸟类族群统计，能够有效的方便当前地方生态管理相关部门对于候鸟统计及环境评估工作的执行，解决了当前对于大规模鸟群的统计困难问题，极大的优化了族群统计工作的执行效率；具体的，在使用时，由相关的统计管理部门确定需要进行鸟群监测评估的区域，例如城市及城市周边某一候鸟聚集的湿地等，在确定好边界范围后，由无人机设备在边界的区域内进行绕飞遍历，确定在该片湿地内的鸟类分布情况，也就是基于基础的识别与点云建立，判断不同空间内鸟类的聚集密度，进而分配无人机节点，基本的理念是鸟类密集的地方，对应也要设置更多的无人机节点，进而可以实现全方位的监测，避免在识别的过程中因数据量不够，无法将较多的鸟类进行分辨和判断；在此基础上，通过分布设置的无人机设备进行图像及传感数据的采集，从而可以通过相关的对象算法及运动算法判断出图像中的鸟类对象以及其相对于无人设备的空间位置，并基于多个无人机采集的数据建立湿地的空间孪生模型（即孪生映射空间），将鸟类对象在其中进行空间记录（仅包括鸟类的空间位置数据，不包括图像特征等，即用来实时记录和更新鸟类的相对位置信息），并通过对象识别节点对鸟类进行高清图像的获取，以用于鸟类特征判断，进而判断鸟的族群并进行对应统计，同时对以及识别并统计的鸟类在空间孪生模型进行标记，并通过空间孪生模型进行实时的运动追踪，避免其被二次统计。

如图2所示，作为本发明另一个优选的实施例，执行预评估程序以对监测区域进行无人机节点的分布分配的步骤具体包括：

S11，获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

S12，基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

S13，基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

S14，根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

进一步的，每个所述无人机均对应唯一的无人机节点，同一所述鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的高鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态。

本实施例中，对无人机节点的分配步骤进行了详细的说明，与上一实施例中所说的一致，即在确定湿地范围后，通过遍历绕飞的方式进行确定鸟群密度，进而进行无人机的分配，这里需要补充的是，族群标记节点的监测范围在叠加后是需要对湿地等监测范围进行覆盖的，以用于维持孪生映射空间的可靠性，当然，其无需高分辨率的传感设备，可采用大面积的检测传感器，只需要实现对鸟类对象的空间位置识别便可（因此多个无人节点需要在不同平面内设置，以实现更好的空间位置监测），而对象识别节点，其数量可以实较少且无需各个鸟群密度分区内均设置，其空间位置是可以随便改变的，以实现对鸟群更好的图像采集。

作为本发明另一个优选的实施例，还包括监测区域的总量校正步骤，具体包括：

在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域，则；

若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；

若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

本实施例中，对部分的判断方式进行了补充，在实际的使用过程中，因为鸟类的运动范围虽然集中于湿地，但是必然是不限于湿地范围内的，因此需要进行一个总量的校正操作，因为所监测的区域是已经判断的相关族群鸟类的最集中地，因此数量是是基本占据地区对应族群候鸟的大多数数量的，这里采用的是较为粗糙的校正方式，即对进出监测边界的鸟类进行识别的基础上，对可能二次统计的数量进行剔除，例如当离开区域的数量小于进入区域的数量时，可以简单的判断离开的部分又重新进入了，因此，这部分是被重复统计的；反之，离开的数量较多时，则判断为重新进入区域的是离开鸟群中的部分，均是已重复统计的，因此进行删减。

作为本发明另一个优选的实施例，所述获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断的步骤具体包括：

基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。

本实施例中，对于鸟类特征库而言，在一个地区，季节性的候鸟类型是有限的，因此可以进行完整的鸟类特征信息的录入，从而建立每一种鸟基于一种或多种比较明显的区别特征进行判断识别的方案，并对识别到的非鸟类特征库中的鸟类进行特殊输出，因为可能为首次迁徙经过或进入该地区的新物种。

如图3所示，本发明还提供了一种基于无人机的野生动物族群评估系统，其包含：

群组区间划定模块100，用于执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点。

区间图像采集模块200，用于基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据。

对象分辨计数模块300，用于建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录。

对象标记排除模块400，用于通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录。

作为本发明另一个优选的实施例，所述群组区间划定模块具体包括：

遍历路径生成单元，用于获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

遍历图像获取单元，用于基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

密度分布判断单元，用于基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

无人节点分配单元，用于根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

作为本发明另一个优选的实施例，每个所述无人机均对应唯一的无人机节点，同一所述鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的高鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态。

作为本发明另一个优选的实施例，还包括跨区评估模块，具体包含：

跨区监测单元，用于在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

跨区处理单元，用于基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域；若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

跨区校正单元，用于若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

作为本发明另一个优选的实施例，所述对象分辨计数模块包括步骤：

识别引导单元，用于基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

识别记录单元，用于通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

额外反馈单元，用于若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。

本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种基于无人机的野生动物族群评估方法，其特征在于，包含：

执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点；

基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据；

建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录；

通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录，

每个所述无人机均对应唯一的无人机节点，同一鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态，

在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域，则；

若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；

若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

2.根据权利要求1所述的一种基于无人机的野生动物族群评估方法，其特征在于，执行预评估程序以对监测区域进行无人机节点的分布分配的步骤具体包括：

获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

3.根据权利要求1所述的一种基于无人机的野生动物族群评估方法，其特征在于，所述获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断的步骤具体包括：

基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。

4.一种基于无人机的野生动物族群评估系统，适用于权利要求1-3中任一项所述的一种基于无人机的野生动物族群评估方法，其特征在于，包含：

群组区间划定模块，用于执行预评估程序以对监测区域进行无人机节点的分布分配；所述预评估程序用于获取指定区域范围内的鸟类族群的点云分布图像，所述无人机节点分配包括族群标记节点以及对象识别节点；

区间图像采集模块，用于基于无人机节点进行区域内鸟类族群的传感数据采集；以预设的时间间隔在无人机节点进行族群传感数据的采集，并基于族群传感数据对待识别对象进行运动识别，所述族群传感数据包括图像数据以及遥感数据；

对象分辨计数模块，用于建立孪生映射空间并对待识别对象进行特征识别与记录；基于传感数据的空间覆盖区域建立孪生映射空间，并将待识别对象在孪生映射空间中进行等坐标映射，获取待识别对象的图像数据，并通过预设的鸟类特征库进行识别判断，获取待识别对象所属族群并记录；

对象标记排除模块，用于通过孪生映射空间对已识别对象进行空间动态标记；将已获取族群并记录的待识别对象进行空间动态标记并更新为已识别对象，并基于实时更新的孪生映射空间对其进行运动追踪，所述空间动态标记用于表征对象无需再次进行特征识别与记录。

5.根据权利要求4所述的一种基于无人机的野生动物族群评估系统，其特征在于，所述群组区间划定模块具体包括：

遍历路径生成单元，用于获取待监测区域的地域边界，并基于所述地域边界建立无人机遍历路径，基于所述无人机遍历路径的图像采集区域覆盖所述待监测区域；

遍历图像获取单元，用于基于所述无人机遍历路径执行飞行采集指令，并获取数组连续的遍历图像，对数组所述遍历图像进行拼接，建立所述监测区域的初始遍历图像；

密度分布判断单元，用于基于所述初始遍历图像进行鸟类对象标记，以生成监测区域内鸟群的点云分布图像，并判断鸟群密度的分布情况，以划定多个鸟群密度分区，且每个所述鸟群密度分区均对应有密度等级，所述鸟群密度与无人机监测面积呈比例设置；

无人节点分配单元，用于根据所述密度等级对所述鸟群密度分区设置相对应的无人机分配比例，并基于所述无人机分配比例及鸟群密度分区与无人机监测面积的比例确定对应鸟群密度分区的无人机数量。

6.根据权利要求5所述的一种基于无人机的野生动物族群评估系统，其特征在于，每个无人机均对应唯一的无人机节点，同一鸟群密度分区内的多个所述无人机节点分别包括族群标记节点及对象识别节点；

当所述族群标记节点的数量大于二时，多个所述族群标记节点在非共面空间内分布，多个所述族群标记节点的监测重叠区域与鸟群密度分区中的鸟群密度区域对应；

所述对象识别节点为鸟群密度分区内的动态可变节点，所述对象识别节点与待识别对象始终处于直线间无障碍遮挡状态。

7.根据权利要求6所述的一种基于无人机的野生动物族群评估系统，其特征在于，还包括跨区评估模块，具体包含：

跨区监测单元，用于在所述孪生映射空间中基于地域边界建立跨区警戒范围，所述跨区警戒范围为柱状空间；

跨区处理单元，用于基于所述孪生映射空间对所述跨区警戒范围进行监测，若所述跨区警戒范围内的待识别对象或已识别对象的运动追踪状态表征为离开或进入所述监测区域；若为待识别对象，则获取其图像数据并进行特征识别与记录，标记为已识别对象；若为已识别对象，则进行跨区对应族群的跨区计数，所述跨区计数包含跨入值及跨出值，用于表征该族群鸟类在监测区域内相较于初始时刻的总量变化情况；

跨区校正单元，用于若当监测评估过程完成时，对跨入值及跨出值进行比较，并将较小的值用于对应族群记录总数的减数进行校正运算。

8.根据权利要求6所述的一种基于无人机的野生动物族群评估系统，其特征在于，所述对象分辨计数模块包括：

识别引导单元，用于基于遥感数据对待识别对象的空间坐标进行获取，并基于无人机节点获取对应空间坐标的图像数据，以获取所述待识别对象的特征信息；

识别记录单元，用于通过预设的鸟类特征库对所述特征信息进行检索识别，以获取所述待识别对象的所属族群，所述鸟类特征库用于表征监测区域所在地区的常见在记录鸟类的基本特征数据；

额外反馈单元，用于若所述待识别对象非在记录鸟类，则生成反馈数据，并输出所述反馈数据及相对应的图像数据。