[发明专利]基于大数据及深度学习的野生动物图像自动识别系统

权利要求书

1.一种基于大数据及深度学习的野生动物图像自动识别系统，其特征在于，包括：

野生动物图像监测数据库：采用分布式存储架构，存储及管理海量野生动物图像数据；所述野生动物图像监测数据库包括原始图像数据库、历史图像数据库、图像分类数据库和分析结果数据库；

图像重建模块：基于超分辨率图像恢复技术，对所述原始图像数据库中的图像数据进行图像重建；

图像识别分析模块：根据所述历史图像数据库中的图像数据进行深度卷积神经网络模型训练，以得到图像识别分析模型；采用所述图像识别分析模型对所述图像重建模块的输出结果或图像分类数据库中的图像数据进行识别分析，以得到识别结果和分析结果；将所述识别结果存储至所述图像分类数据库，将所述分析结果存储至所述分析结果数据库；

所述图像分类数据库包括待删除无效图像数据库，所述图像重建模块具体用于：

图像质量等级划分：基于图像传输中的误码率，对所述原始图像数据库中的图像数据进行质量等级划分，得到低质量图像和无效样本图像，删除所述无效样本图像，并将所述无效样本图像存储至所述待删除无效图像数据库；

低质量图像预处理：对所述低质量图像进行像素扩充预处理；

图像增强处理：采用图像锐化的方式提高预处理后的低质量图像的清晰度，并进行去噪处理；

图像恢复处理：对图像增强处理后的低质量图像进行超像素分割，得到稀疏深度图，对所述稀疏深度图进行图像恢复；

其中，所述误码率e_ms的判断依据如下：

传输的总码数为图像的总像素点数，假设原始采集图像的位置(i,j)处的像素值被表示为T(i,j)，最终经过多级传输得到的图像位置的像素值表示R(i,j)，如果R(i，j)-T(i，j)≠0，则误码数加一；

将监测图像按误码率的高低分成以下4种质量等级：e_ms＜5％，则图像的质量等级为A；5％≤e_ms＜10％，则图像的质量等级为B；10％≤e_ms＜30％，则图像的质量等级为C；e_ms≥30％，则图像的质量等级为D。

2.如权利要求1所述的系统，其特征在于，所述图像增强处理具体包括：

采用中值滤波对预处理后的低质量图像进行去噪处理；

采用基于Sobel算子的边缘检测方法，对去噪后的低质量图像进行锐化。

3.如权利要求1所述的系统，其特征在于，所述图像识别分析模块具体用于：

历史图像训练：从所述历史图像数据库中导入原始图像样本库；从所述原始图像样本库中提取感兴趣区域，建立感兴趣区域图像样本库；将所述感兴趣区域图像样本库和未经感兴趣区域提取的图像同时输入双通道VGG16网络进行模型训练，得到图像识别分析模型；

原始图像识别：从所述原始图像数据库或分类图像数据库中导入待识别图像；对所述待识别图像进行感兴趣区域提取，得到感兴趣区域图像；将所述感兴趣区域图像输入图像识别分析模型进行识别，输出识别结果。

4.如权利要求3所述的系统，其特征在于，所述图像分类数据库还包括野生动物图像数据库集和待处理图像数据库；

若所述待识别图像来自于所述图像重建模块，且识别结果满足以下条件则执行相应操作：若识别结果图片中不包含野生动物图像，则将图片标记为误触发图像并将其转入图像分类数据库中的待删除无效图像数据库；若识别结果识别出野生动物图像且结果精度大于等于设定阈值，则将其按照识别结果转入图像分类数据库中野生动物图像数据库集对应标签的子数据库中；若识别出野生动物图像且结果精度小于设定阈值，则将其转入图像分类数据库中的待处理图像数据库；

若待识别的图像来自于待处理图像数据库，且识别结果满足以下条件则执行相应操作：若识别结果识别出野生动物图像且结果精度大于等于设定阈值，则将其按照识别结果转入图像分类数据库中野生动物图像数据库集对应标签的子数据库中；若识别出野生动物图像且结果精度小于设定阈值，则将其转入图像分类数据库中待处理图像数据库。