申请/专利权人：天科院环境科技发展(天津)有限公司;交通运输部天津水运工程科学研究所

申请日：2023-12-28

公开（公告）日：2024-04-02

公开（公告）号：CN117593766B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/17;G06V10/44;G06V10/82;G06N3/0464;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明涉及图像分析技术领域，公开了一种基于无人机拍摄图像处理的野生动物种群数量的调查方法，方法包括：S1、确定野生动物种群数量调查的调查区域；S2、根据调查区域规划无人机飞行路线，以及飞行参数；S3、根据无人机飞行路线以及飞行参数控制无人机起飞，并采集无人机航拍图像；S4、对无人机航拍图像进行预处理，得到待识别的无人机航拍图像；S5、识别待识别的无人机航拍图像中的野生动物数量；S6、对所有无人机航拍图像执行S4‑S5，从而获得调查区域的野生动物的种群数量。提高了野生动物的识别精度，进而提高了野生动物种群数量的估算精度。

主权项：1.一种基于无人机拍摄图像处理的野生动物种群数量的调查方法，其特征在于，包括如下步骤：S1、确定野生动物种群数量调查的调查区域；S2、根据所述调查区域规划无人机飞行路线，以及飞行参数；S3、根据所述无人机飞行路线以及所述飞行参数控制无人机起飞，并采集无人机航拍图像；S4、对所述无人机航拍图像进行预处理，得到待识别的无人机航拍图像；S5、识别所述待识别的无人机航拍图像中的野生动物数量；S51、根据所述待识别的无人机航拍图像中野生动物与背景环境的颜色对比度，将所述待识别的无人机航拍图像进行分类；所述分类的类别包括高对比度图像和低对比度图像；S52、建立并训练野生动物识别深度学习模型；所述野生动物识别深度学习模型包括第一深度学习模型和第二深度学习模型；所述第一深度学习模型为卷积神经网络模型，所述第二深度学习模型为SSD检测网络模型；所述卷积神经网络模型包括输入层、卷积层、激活层、池化层、全连接层；其中，所述输入层用于接收所述高对比度图像；所述卷积层用于通过卷积运算来提取特征；所述激活层用于引入非线性因素；所述池化层用于降采样；所述全连接层用于输出所述高对比度图像中待观测野生动物的数量；S53、对所述待识别的无人机航拍图像进行判断，若所述待识别的无人机航拍图像为高对比度图像，则进入S54，若所述待识别的无人机航拍图像为低对比度图像，则进入S55；S54、采用所述第一深度学习模型识别所述无人机航拍图像中野生动物的数量；S55、采用所述第二深度学习模型识别所述无人机航拍图像中野生动物的数量；S6、对所有所述无人机航拍图像执行所述S4-S5，从而获得所述调查区域的野生动物的种群数量。

全文数据：

权利要求：

百度查询： 天科院环境科技发展(天津)有限公司;交通运输部天津水运工程科学研究所 基于无人机拍摄图像处理的野生动物种群数量的调查方法

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