[发明专利]基于旅游图像的动物识别方法、系统、设备及存储介质

说明书

本发明提供了基于旅游图像的动物识别方法、系统、设备及存储介质，该方法包括：通过经过训练的动物分类网络对图像进行动物分类，获得图像的动物信息；以及将图像的动物信息与预设的动物集合进行对比，执行动物信息命中的动物种类所对应的操作信息，动物集合中包括多种动物种类，并且每种动物种类对应至少一操作信息。本发明能够实现对开放场景进行自动识别的机制，减少人工成本，提升效率，并且，利用检测和分类，能够识别图像中的动物种类，并进行相应的操作。

技术领域

本发明涉及图片识别领域，具体地说，涉及基于旅游图像的动物识别方法、系统、设备及存储介质。

背景技术

在当前大数据时代，人人持有手机或相机，越来越多的图片被拍下，携程图库也随之拥有更多的图片，如何整理这么多图片并应用成为一个问题。图片千姿百态，涉及各个场景和角度，质量参差不齐，数量庞大。人工也无法有这么多精力和资源去整理这些图片。近些年深度学习的崛起，使智能代替人工，大部分的机器视觉是要服务于人像类应用，识别动物的方案非常少。

因此，本发明提供了一种基于旅游图像的动物识别方法、系统、设备及存储介质。

发明内容

针对现有技术中的问题，本发明的目的在于提供基于旅游图像的动物识别方法、系统、设备及存储介质，克服了现有技术的困难，能够实现对开放场景进行自动识别的机制，减少人工成本，提升效率，并且，利用检测和分类，能够识别图像中的动物种类，并进行相应的操作。

本发明的实施例提供一种基于旅游图像的动物识别方法，包括以下步骤：

S110、通过经过训练的动物分类网络对图像进行动物分类，获得图像的动物信息；以及

S120、将所述图像的动物信息与预设的动物集合进行对比，执行所述动物信息命中的动物种类所对应的操作信息，所述动物集合中包括多种动物种类，并且每种所述动物种类对应至少一操作信息。

优选地，所述步骤S110包括以下步骤：

S111、对线上图片进行挖掘；

S112、建立目标检测模型，对图片进行画面识别，当含有动物图像的概率大于预设阈值，则输出至少一包含动物图像的检测框；

S113、通过动物分类模型，对框内动物进行分类标示。

优选地，所述步骤S113中，包括以下步骤

S1131、将训练集图片统一到一个预设图片尺寸，并对图片进行预处理，包含旋转、水平位置平移、垂直位置平移、投影、缩放、水平翻转；

S1132、搭建对应的深度卷积神经网络，基础模型选取xception深度学习模型，包括两层全连接层，并在训练时加入bn层和dropout层；dropout层随机丢弃50％的节点，防止模型过拟合，加入bn层，通过将同一个batch下单图片均值和方差一致化，加快训练速度，提高模型精度；

S1133、将检测框中的图像输入分类模型，对图片做旋转、平移、缩放、翻转处理；模型预训练采取imagenet预训练模型，冻结训练层，仅训练后面的全连接层，优化算法采取RMSProp优化算法，输出所述图像的动物信息。

优选地，所述预设图片尺寸为299像素×299像素。

优选地，所述步骤S110还包括以下步骤：

S114、获得所述图像生成时的定位信息；

所述步骤S120中，当所述动物信息命中的动物种类所对应的操作信息，则根据所述图像的动物种类以及定位信息预设操作信息。

优选地，所述步骤S120中还包括提供一实时更新的区域电子地图，所述区域电子地图采集范围内所有图像获取设备的图像以及生成图像时所述图像获取设备的定位信息。