[发明专利]一种梅花鹿行为识别和健康预警的方法及系统

权利要求书

1.一种梅花鹿行为识别和健康预警方法，其特征在于，根据梅花鹿的各个行为所具有的独特的特点，将其区分开，并建立梅花鹿日常行为数据集，针对梅花鹿行为的特点进行行为识别，既能保证训练所得的模型能够在梅花鹿行为识别中得到较好的识别效果，提高模型的识别精度，也无需考虑图片带的噪声的影响，有效的减少计算的复杂度，增强实时性；

其包括模型训练步骤和梅花鹿行为识别及健康预警步骤；

所述模型训练步骤包括：

步骤1：获取监测梅花鹿个体的视频图像；

步骤2：将视频图像进行预处理得到处理过后的单一背景的梅花鹿个体行为图像；

步骤3：图像输入改进后的GoogLeNet深度学习网络中，进行行为特征识别并输出行为类别；

在模型结构中，使用多尺度模块代替GoogLeNet网络的第一层卷积，提取图片的低、高频信息，提高模型的不变性和精度，再将inception模块中的5*5卷积改换成2个3*3卷积，降低模型的复杂性和参数量，提高模型的计算能力，同时加入VGG模块，利用VGGNet的小卷积核，在保证模型高效的特征提取率下降低模型的参数量，提高模型的计算率，通过对模型的修改能够得到更高的计算速率和准确度；

所述梅花鹿行为识别及健康预警步骤包括：

步骤4：在上述梅花鹿行为识别方法中统一采集梅花鹿健康图像，在梅花鹿实时行为识别中，利用训练好的GoogLeNet网络模型对梅花鹿行为图片进行识别，并对结果进行输出，当输出的结果的识别率低于30%时，则进行预警。

2.如权利要求1所述的一种梅花鹿行为识别方法，其特征在于，在步骤2中所述的将视频图像处理后得到单一背景的梅花鹿个体行为图像步骤为：

步骤21：将视频中的每一帧图像提取出来，并将其分为不同类别；

步骤22：将不同类别的图像利用photo步骤hop将图像的背景改成单一白色背景，突出梅花鹿行为特征信息，提高行为识别的准确率。

3.如权利要求1所述的一种梅花鹿行为识别方法，其特征在于深度学习网络GoogLeNet包括一个多尺度卷积模块、三个SE-Net模块、七个inception模块和特征输出模块，所述多尺度卷积模块是利用不同大小的卷积核提取到图像中的高、低频的特征图信息，所述的SE-Net模块和inception模块相结合小幅度提升参数量，用于特征提取，提高模型准确率。

4.如权利要求1所述的一种梅花鹿行为识别方法，其特征在于步骤3中，具体的特征识别步骤为：

步骤31：输入图像224*224*3，将图像输入一个包含1*1、3*3、5*5、7*7多尺度卷积模块，用此多尺度模块代替7*7卷积层，提高模型的不变性和模型精度，经第一最大池化层进行空域最大池化，得到第一大池化层的56*56*128矩阵；

步骤32：输入矩阵112*112*64，通过1*1、3*3卷积层的进行特征提取，经第二最大池化层进行空域最大池化，得到第二大池化层的28*28*192矩阵；

步骤33：输入矩阵28*28*64，矩阵通过inception模块，inception模块中包含1*1、5*5、7*7、maxpooling这4层网络组成，同时将5*5改成2个3*3网络，减少模型参数，降低模型复杂度；

步骤34：在前3个inception模块后添加注意力机制SE-Net模块，通过将矩阵和输入feature map做矩阵全乘，实现Attention，提高模型的准确率；

步骤35：在模型的末尾，利用VGGNet的模型结构替换原本的inception模块，减少模型深度的同时利用VGGNet的小卷积核，在保证模型高效的特征提取率下降低模型的参数量，提高模型的计算率，同时输出1*1*256矩阵，通过softmax对数据进行分类输出。

5.如权利要求1所述的所述梅花鹿健康预警方法，其特征步骤4中，在梅花鹿圈架设摄像设备，实时拍摄梅花鹿群情况，同时利用单片机驱动摄像设备，设置每隔30分钟抓取梅花鹿图片，通过后台传输到存储介质中，在存储介质内对图片进行处理及识别，同时在识别后进行分类，当分类结果的准确率低于30%时，将识别结果再传到梅花鹿监测APP上，并进行报警，提醒工作人员。