[发明专利]一种基于热成像搜索的群体狩猎方法

权利要求书

1.一种基于热成像搜索的群体狩猎方法，其特征在于，包括依次执行以下步骤：

步骤1：通过多个热成像设备(1)搜索观察动物，获取动物和观察员的位置信息；

步骤2：将单个热成像设备(1)分别与对应的手机APP(2)建立无线连接，然后热成像设备(1)将步骤1所获取的动物和观察员的位置信息发送给对应的手机APP(2)；

步骤3：多个手机APP(2)分别与云端服务器(3)建立无线连接，然后手机APP(2)将所接收的动物和观察员的位置信息分别发送给云端服务器(3)，最后由所述云端服务器(3)把所有观察到的动物和观察员的位置信息显示在同一个地图里面。

2.根据权利要求1所述的群体狩猎方法，其特征在于，在所述步骤1中，通过热成像设备(1)获取动物和观察员的位置信息具体还包括：

实时距离获取步骤：通过AI测距功能，获取动物距离观察员的实时距离；观察员经纬度坐标获取步骤：通过GPS的定位功能，获取观察员本地的经纬度坐标；

角度获取步骤：通过电子罗盘的定向功能，获取动物的方位角，俯仰角；动物经纬度坐标获取步骤：通过位置解算功能，获取动物的经纬度坐标。

3.根据权利要求2所述的群体狩猎方法，其特征在于，在所述步骤1中，还包括目标检测识别方法，具体如下：

输入的视频图像首先要缩放到大小为416x416尺寸的图像，应用深度学习网络对输入的视频图像进行处理，深度学习的主干特征提取网络做相应的卷积处理进行特征提取生成相应的特征图像，应用空间金字塔卷积层对特征图像做卷积分离出显著的上下文特征。

4.根据权利要求3所述的群体狩猎方法，其特征在于，在所述目标检测识别方法中，深度学习目标检测部分所述结合具有一定缩放比例的anchor每个特征图像的像素点对应三个anchor，根据特征提取部分提取的特征图像对输入的视频图像进行大中小三种尺寸的目标检测，主干特征提取网络为CSPDarkNet53。

5.根据权利要求3所述的群体狩猎方法，其特征在于，在所述目标检测识别方法中，采用CSPnet结构对残存网络主体的构进行修改，将原来的残差块的堆叠拆分成左右两部分：主干部分继续进行原来的残差块的堆叠；另一部分则像一个残差边一样，经过少量处理直接连接到最后。

6.根据权利要求3所述的群体狩猎方法，其特征在于，在所述目标检测识别方法中，空间金字塔结构参杂在对CSPdarknet53的最后一个特征层的卷积里，在对主干特征提取卷集层最后一个特征层进行三次深度学习网络卷积后，分别利用四个不同尺度的最大池化进行处理，最大池化的池化核大小分别为13x13、9x9、5x5、1x1，它能够极大地增加感受野，分离出最显著的上下文特征。

7.根据权利要求3所述的群体狩猎方法，其特征在于，在所述目标检测识别方法中，在特征利用部分，提取多特征层进行目标检测，一共提取三个特征层，分别位于中间层，中下层，底层，三个特征层的shape分别为(76,76,256)、(38,38,512)、(19,19,1024)，输出层的shape分别为(19,19,75)，(38,38,75)，(76,76,75)。

8.根据权利要求2所述的群体狩猎方法，其特征在于，在所述实时距离获取步骤中，还包括目标距离的解算方法：

假设AI识别到前方动物为梅花鹿，它的身高是1.7m，测量距离为Lm，热成像设备(1)的镜头是25mm，采用12um的探测器，观察到的目标在竖直方向有N个像素点，

由公式：

可得