[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

说明书

本发明实施例公开了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，以野生动物监测图像数据库为主体，结合超分辨率图像恢复技术及野生动物自动识别算法实现对野生动物数据的处理及分析，并通过数据可视化搭建系统的前端界面。具体的，野生动物监测图像数据库用于野生动物图像及相关信息的存储管理，超分辨率图像恢复技术用于低质量压缩图像的恢复重建，自动识别算法是通过深度学习实现野生动物图像的自动识别与监测分析，从而实现图像的分类处理以及无效图像的剔除。本发明可以实现野生动物图像的高效分类存储以及对野生动物数据的自动分析与可视化展示，提高野生动物图像管理智能化水平。

技术领域

本发明涉及基于人工智能的野生动物监测图像处理技术领域，具体涉及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。

背景技术

生态文明建设是我国的基本国策，而野生动物资源保护则是维系生态平衡的重要手段。为了助力野生动物的科学、有效保护，需要收集大量丰富的野生动物监测信息，传统的监测手段及数据处理方式效率低下且需要耗费大量的人力物力财力。系统化、智能化的野生动物监测系统是未来主要的发展趋势。

基于无线传感网络的监测手段具有应用范围广、使用效率高且环境侵入性小的特点，目前已经成为最主要的监测手段。然而，野外环境下，野生动物监测存在一定的特殊性，采集到的野生动物监测图像存在以下特点：自然环境的天气变化或者偶尔的异动会导致监测设备的误触发，进而产生较多无野生动物的无效图像；监测图像中包含复杂的背景信息，影响野生动物的检测与识别；野生动物的活动具有随机性与隐蔽性，导致监测图像中野生动物的目标位置、大小不固定；考虑到传感器节点的功耗限制以及保护区内信号传输环境欠佳，通过无线传感器网络采集的监测图像质量较低，并且存在信息丢失的情况。上述问题给野生动物的自动识别分类带来了挑战。

发明内容

针对现有技术中的技术缺陷，本发明实施例的目的在于提供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、方法及电子设备，主要解决以下相关技术问题：

1.面对野生动物监测系统采集到的海量野生动物数据，基于分布式数据管理系统实现数据的高效存储及管理，便于后期对数据的调取、分析及应用。

2.通过压缩传输后的野生动物图像数据具有图像质量低，可参考价值不高的特点，本发明通过一种超分辨率的图像恢复技术实现低分辨率的图像重建，为数据分析提供有实用参考价值的数据基础。

3.面对海量图像人工识别难度大，无效图像比例大且野生动物监测图像背景区域复杂的特点，本发明将深度学习应用到野生动物监测图像识别领域，为实现高效的野生动物检测与识别提供了可能。

为此，本发明所提供的技术方案如下：

第一方面，本发明实施例提供了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，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：基于超编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。

在本申请的某些具体实施方式中，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：