[发明专利]一种鸟类图像识别方法、装置、设备和存储介质

说明书

本申请公开了一种鸟类图像识别方法、装置、设备和存储介质，其中方法包括：获取包含有鸟类目标的待识别图像；基于预置定位算法，对待识别图像进行局部区域定位后，得到鸟类目标所在的区域；根据多部位特征提取模型，对鸟类目标所在的区域进行特征提取，得到鸟类目标的多个部位特征；利用分类器和验证部位特征对每一部位特征进行识别，得到各部位特征对应的相似度评分，验证部位特征和部位特征之间具有一一对应关系；根据所有相似度评分计算待识别图像中鸟类目标的识别结果，解决了现有的图像识别方法识别效率低的技术问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种鸟类图像识别方法、装置、设备和存储介质。

背景技术

随着航空业的迅速发展，鸟撞飞机事件逐渐增多，不但给航空业带来巨大的经济损失，同时危及到了飞行员和乘客的生命安全，因此有效避免飞机与飞鸟的碰撞发生引起了人们的广泛关注。

统计表明，大部分撞机事件发生飞机起飞和着陆阶段，现有主要利用图像处理技术识别机场及其附近区域上方低空飞行的鸟类，其中图像识别是图像处理中的重要一环，其的正确性直接影响着识别结果。但是现有的图像识别方法识别效率低。

发明内容

有鉴于此，本申请提供了一种鸟类图像识别方法、装置、设备和存储介质，解决了现有的图像识别方法识别效率低的技术问题。

本申请第一方面提供了一种鸟类图像识别方法，包括：

获取包含有鸟类目标的待识别图像；

基于预置定位算法，对所述待识别图像进行局部区域定位后，得到所述鸟类目标所在的区域；

根据多部位特征提取模型，对所述鸟类目标所在的区域进行特征提取，得到所述鸟类目标的多个部位特征；

利用分类器和验证部位特征对每一所述部位特征进行识别，得到各所述部位特征对应的相似度评分，所述验证部位特征和所述部位特征之间具有一一对应关系；

根据所有所述相似度评分计算待识别图像中所述鸟类目标的识别结果。

可选地，所述基于预置定位算法，对所述待识别图像进行局部区域定位后，得到所述鸟类目标所在的区域具体包括：

对待识别图像进行类别激活映射，得到所述待识别图像对应的热力图；

根据所述热力图中的所有像素值计算所述热力图的像素平均值；

根据所述像素平均值将所述热力图中的所有像素点进行二值化处理，并将像素值为1的像素点围成的区域作为所述鸟类目标所在的区域。

可选地，所述多部位特征提取模型包括卷积神经网络模型，

则所述根据多部位特征提取模型，对所述鸟类目标所在的区域进行特征提取，得到所述鸟类目标的多个部位特征具体包括：

根据所述预置卷积神经网络模型对所述鸟类目标所在的区域进行卷积操作，并将位于不同卷积层的卷积结果依次进行上采样、下采样、加权相乘后，得到对应的采样结果，将一个所述采样结果作为一个所述部位特征。

可选地，所述根据所有所述相似度评分计算待识别图像中所述鸟类目标的识别结果具体包括：

对所有所述相似度评分求取平均值，得到相似度评分平均值，判断所述识别分数平均值是否大于预设阈值，若是则将所述验证部位特征作对应的验证鸟类的鸟品种作为所述鸟类目标的识别结果，若否，则对对所述鸟类目标所在的区域重新进行特征提取后执行后续步骤。

可选地，所述利用分类器和验证部位特征对每一所述部位特征进行识别，得到各所述部位特征对应的相似度评分，所述验证部位特征和所述部位特征之间具有一一对应关系具体包括：

获取用于验证取每一所述部位特征的验证部位特征；