[发明专利]一种用于自然保护区监控系统的智能图像识别方法及系统

说明书

本发明公开了一种用于自然保护区监控系统的智能图像识别方法和系统，基于自然保护区监控系统获取原始图像，对原始图像进行划窗剪裁，获得原始图像裁剪后的数据集，其中，该数据集由若干张子图像组成，每张子图像的格式为360*640；基于Xception模型和Xception模型的训练权重，通过输入原始图像裁剪后的若干张子图数像据集，获得对应子图像的张量；再将该组子图像的张量作为输入，送入全连接神经网络模型，得到原始图像的张量，从而得到原始图像的真实类别，本发明对游人、钓鱼、开船的行为作出预警达到了91.4％的准确率。

技术领域

本发明属于计算机视觉领域，涉及一种用于自然保护区监控系统的智能图像识别方法及系统。

背景技术

随着AI技术的快速发展和在某些领域的颠覆式应用，AI在工业中的地位越来越明显，在商业上的普及以及渗透力度越来越来大。而计算机视觉作为AI技术里最重要的组成部分之一，目前在生活中的很多方面实现了落地应用。而AI的准确率决定着一个AI技术被市场的认可和推广程度，因此高准确率的AI技术至关重要。

目前计算机视觉很少涉及自然保护区进行尝试，更没有建立起该领域精确度baseline。一个原因是自然保护区中用于拍摄图像的监控装置大部分设置在距离地面十几米甚至几十米的地方，距离监控目标在几百米以上，通过监控装置拍摄的原始图像分辨率高，需要克服的因素很多，比如小目标、树木遮挡、光线(阴暗面)、空气能见度、聚焦等因素；另一个原因是自然保护区提供用于进行图像识别的用来训练神经网络的原始图像数量少，对于计算机视觉提出了更高的要求，急需一款计算机视觉系统和处理方法，通过对少量图像样本的处理识别后，就可以应用于自然保护区的监控系统，并且具有较高的识别率，填补了自然保护区安防领域的计算机视觉的空白。

发明内容

为了解决上述问题，本发明提供一种用于自然保护区监控系统的智能图像识别方法，包括以下步骤：

S1.基于自然保护区监控系统获取原始图像，对原始图像进行剪裁，获得子图像数据集，其中，子图像数据集包括若干张子图像，每张子图像的子图像格式为360*640；

S2.基于Xception模型和Xception模型的训练权重，通过输入子图像数据集，构建子图像数据集对应的子图像张量模型；

S3.基于子图像张量模型，通过设置全连接神经网络，构建原始图像类别预测模型，通过原始图像类别预测模型，获得原始图像类别，用于自然保护区监控系统对保护区进行检测，判断是否有预警目标闯入保护区。

优选地，子图像数据集至少包括9张或25或49或81张子图像。

优选地，剪裁为划窗剪裁；划窗剪裁包括水平划窗和竖直划窗；划窗剪裁包括水平划窗和竖直划窗的步长为固定步长；水平划窗的步长为子图像水平像素的二分之一，竖直划窗的步长为子图像竖直像素的二分之一。

优选地，原始图像包括若干图像元素，其中，图像元素至少包括风景元素、游人元素、开船元素、钓鱼元素；子图像数据集包括风景元素、游人元素、开船元素、钓鱼元素的一项或几项；预警目标至少包括游人元素、开船元素、钓鱼元素；子图像张量模型为子图像中包含图像元素的概率。

优选地，当子图像数据集的两张子图像包括相同图像元素和具有相同图像元素时，将相同图像元素提取或删除，用于增强对原始图像的识别。

一种用于自然保护区监控系统的智能图像识别系统，包括：