[发明专利]一种基于宽度学习的鸟巢识别方法

说明书

本发明涉及一种基于宽度学习的鸟巢识别方法，包括以下步骤：S1：收集鸟巢的图像数据，构建训练输入矩阵；S2：利用步骤S1构建的训练输入矩阵构建目标宽度学习系统模型；S3：利用步骤S2构建的的宽度学习系统模型对实时图像数据进行分析，实现鸟巢识别。本发明通过将鸟巢图像数据对BGR三个通道分别做高斯滤波处理，并结合宽度学习算法，从而在利用该目标宽度学习系统模型对实时图像数据进行分析时，能够有效地缩短算法的训练研发周期，同时保证自动识别的准确度。

技术领域

本发明涉及图像处理的技术领域，尤其涉及到一种基于宽度学习的鸟巢识别方法。

背景技术

近年来，随着我国自然环境的不断改善，以及相关保护动物的法律法规的不断完善，鸟类的繁衍逐渐加快，鸟类活动日渐频繁，严重影响了输电线路和机场等场合的安全高效运行。例如，在输电线路中，鸟类在飞行过程坠落的鸟粪会污染输电线路，形成闪络；同时，鸟类在杆塔上筑巢，筑巢材料的跌落也会导致输电线路短路、跳闸等故障。因此，有必要对特定场合的鸟巢进行识别和驱除。

目前，对鸟巢的检测主要通过人工巡检、无人机巡检或定点视频采集，获得鸟巢图像信息，再人工分析图像信息，做出判断并标记。这种人工检测方式耗费的时间和占用的内存都是巨大的，效率较低，且不能及时地发现问题。因此有必要研究自动识别检测技术。

采用图像处理技术对鸟巢进行自动识别，在国内外的相关领域中属于一个新兴的课题，也是一种更加简单、准确、高效的解决方案。但是目前的自动识别技术无法兼顾识别的准确度和算法的训练研发周期。本发明针对这一问题，提出一种基于宽度学习的鸟巢识别方法，能够有效地缩短算法的训练研发周期，同时保证了自动识别的准确度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能够有效地缩短算法的训练研发周期同时保证自动识别的准确度的基于宽度学习的鸟巢识别方法。

为实现上述目的，本发明所提供的技术方案为：

一种基于宽度学习的鸟巢识别方法，包括以下步骤：

S1：收集鸟巢的图像数据，构建训练输入矩阵；

S2：利用步骤S1构建的训练输入矩阵构建目标宽度学习系统模型；

S3：利用步骤S2构建的的宽度学习系统模型对实时图像数据进行分析，实现鸟巢识别。

进一步地，所述步骤S1中构建训练输入矩阵的具体步骤如下：

S1-1：对收集到的鸟巢图像数据进行筛选和标记；

S1-2：将鸟巢图像数据对BGR三个通道分别做高斯滤波处理，一维高斯分布函数为：其中，G(x)为概率，σ为标准差，即高斯半径；

S1-3：对训练输入矩阵进行归一化操作，归一化转化函数为：其中，X为初始的鸟巢图像数据矩阵，mean(X)表示对X求均值，std(X)表示对X求标准差。

进一步地，所述步骤S2利用步骤S1构建的训练输入矩阵构建目标宽度学习系统模型的具体步骤如下：

S2-1：确定训练输入矩阵中的输入样本的个数N；

S2-2：确定宽度学习系统模型的映射特征节点个数n、增强节点个数m、迭代次数epochs；

S2-3：设定宽度学习系统模型的映射特征节点输出Z_i；

Z_i＝φ(XW_ei+β_ei),i＝1,...,n；Zⁿ＝[Z₁,...,Z_n]；

S2-4：设定宽度学习系统模型的增强节点输出H_m；