[发明专利]基于GoogLeNet网络模型鸟类种群识别分析方法

说明书

本发明公开了一种基于GoogLeNet网络模型鸟类种群识别分析方法。建立训练图片样本数据库；用图片样本训练GoogLeNet网络模型，得到可判断是否为鸟类图片的GoogLeNet网络a；用鸟类图片训练GoogLeNet网络模型，得到可精确判别鸟类种群的GoogLeNet网络b；对实时输入的待识别视频解帧成待识别图片流；图片流中的每一帧图片，依次输入GoogLeNet网络a，判别是否为鸟类图片；是则将该图片输入GoogLeNet网络b，识别包含的鸟类种群；得到图片识别结果流，从识别结果流输出最终识别结果。本发明填补了利用深度学习模型进行鸟类种群识别的空白，识别准确率高，能实时输出、更新识别结果。

技术领域

本发明涉及一种鸟类识别的方法，特别是涉及一种基于GoogLeNet网络模型的鸟类种群智能识别分析方法。

背景技术

随着工业社会的发展给自然界带来的越来越沉重的负担，人们越来越注重人与自然的和谐相处。与传统的动物园观赏相比，越来越多的游客倾向于类似鸟语林式的半开放动物游览区。以鸟类动物园为例，这种开放式的动物园往往在山谷上方设立大型网架，形成相对封闭的较大空间，不同种类的鸟类在其间自由飞行、栖息，游客可以观赏到更为活泼的鸟儿，充分享受大自然的美妙与乐趣。

然而，此类动物园中，由于鸟类移动性较大，栖息地难以确定，如何设置标牌介绍某种特定鸟类的相关信息成为了一个亟待解决的问题。本文提出的一种基于GoogLeNet网络模型的鸟类种群智能识别分析方法与系统，能够实时地根据用户拍摄的鸟类视频识别出鸟类种类，能够很好地解决这个问题。

同时，在航空产业中，鸟类识别问题也有着重要应用。鸟类和飞机在空中相撞导致的飞行事故，重者可使发动机失去动力，甚至使飞机坠毁，造成重大人员伤亡。故实时侦测空中是否存在鸟类对于飞机的安全航行而言，也有重要意义。

传统的鸟类识别的算法多是基于鸟的外形、红外热成像技术获取的静态图像特征等方式达到鸟类种类识别的目的。这些方法的缺陷在于，识别过程复杂，且识别效果不高。

经过对现有鸟类识别技术的检索发现，中国专利公开号为CN 105069817A的专利记载了一种“鸟类识别方法”，公开日为2015年11月18日。该技术通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断是否为鸟类，若是鸟类再通过红外热成像技术获取静态图像，通过对图像的背景、成像大小光斑的处理采集鸟的基本信息，与数据库中信息对比进行判别。这种方法采用先判别是否包含鸟类再判别鸟类种类的两次判别流程，在识别效果上达到了不错的效果，缺点是，需要追踪物体移动，对于静止的鸟类不能识别，且不能实时返回判别结果。

中国专利公开号为CN 106534806A的专利记载了一种“基于AR增强现实技术的鸟类识别娱乐系统”，公开日为2017年03月22日。该技术首先建立鸟类的特征识别数据库，存储不同种类鸟类的外形特征数据，再通过视频采集单元，获取带有鸟类静止或运动的视频，分析视频帧中鸟类的种类。该方法仅依靠鸟类的外形特征识别，存在一定的误差。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种基于GoogLeNet网络模型鸟类种群识别分析方法，该方法填补了利用深度学习模型进行鸟类识别的相关的专利的空白，识别准确率高，且能实时输出、更新识别结果，适用于多种场景。

本发明是通过下述技术方案来解决上述技术问题的。

一种基于GoogLeNet网络模型鸟类种群识别分析方法，包括如下步骤：

步骤S1，建立训练图片样本数据库，得到用于训练GoogLeNet网络模型的样本数据库；

步骤S2，用不同种类图片样本训练GoogLeNet网络模型，得到用于判别是否为鸟类图片的GoogLeNet网络a；