[发明专利]面向端到端神经网络的动物检测方法、装置、设备及介质

权利要求书

1.一种面向端到端神经网络的动物检测方法，其特征在于，所述方法包括：

采集待检测动物图像，将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像，对所述转换动物图像进行均衡化处理，得到标准动物图像，并利用预设的空间滤波技术对所述标准动物图像进行图像增强，得到增强动物图像；

将所述增强动物图像进行数据压缩，得到数据压缩图像，并对所述数据压缩图像进行位置编码，得到编码图像，将所述编码图像传输至预构建的互联网系统中；

利用所述预构建的互联网系统中的图像还原技术将所述编码图像进行还原，得到还原图像，将所述还原图像进行分割，得到分割图像，并对所述分割图像进行特征提取，得到特征图像；

判断所述特征图像是否存在模糊信息；

当所述特征图像不存在模糊信息，利用训练好的动物识别模型识别所述特征图像对应的动物信息；

当所述特征图像存在模糊信息，对所述模糊特征信息进行信息复原，得到复原特征信息，并根据所述特征图像中的清晰信息结合所述复原特征信息识别所述特征图像对应的动物信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像包括：

将所述待检测动物图像进行降维，得到降维图像；

根据所述降维图像计算所述待检测动物图像灰度像素值的累计数值，得到灰度像素数值，并根据所述灰度像素数值，构建所述待检测动物图像灰度直方图，得到转换动物图像。

3.根据权利要求1所述的方法，其特征在于，所述对所述转换动物图像进行均衡化处理，得到标准动物图像，包括：

利用下述公式计算所述待检测动物图像的直方图分布概率：

其中，s(r_k)表示所述直方图概率累计值，r_k表示所述人脸图像的第k个灰度级，m_k表示第k个灰度级的像素个数，m表示所述人脸图像中的所有像素个数；

根据所述直方图分布概率，利用下述公式计算所述待检测动物图像的直方图概率累计值：

其中，h(y_i)表示直方图概率累计值，s(r_k)表示直方图分布概率，s(y_i)表示在s级灰度值中第i个像素的个数；

根据所述直方图概率累计值，利用下述公式确定所述待检测动物图像的均衡化映射关系值：

ss(r_k)＝int{[max(pix)-min(pix)]*h(y_i)+e}

其中，ss(r_k)表示均衡化映射关系值，max(pix)表示待检测动物图像中最大的灰度级，min(pix)表示待检测动物图像中最小的灰度级，h(y_i)表示直方图概率累计值，e表示无限不循环小数；

根据所述均衡化映射关系值，对所述待检测动物图像进行均衡化处理，得到标准动物图像。

4.根据权利要求1所述的方法，其特征在于，所述对所述数据压缩图像进行位置编码，得到编码图像，包括：

利用下述公式对所述数据压缩图像进行位置编码：

其中，P(pos，2j)表示数据压缩图像中偶数字符位置，P(pos，2j+1)表示数据压缩图像中奇数字符位置，pos表示数据压缩图像中字符的位置序列，j表示数据压缩图像的第j个维度，d_model表示位置编码函数。

5.根据权利要求1所述的方法，其特征在于，所述对所述分割图像进行特征提取，得到特征图像，包括：

构建所述分割图像的直角坐标系，根据所述直角坐标系，划分所述分割图像的图像特征点，并提取所述分割图像对应的图像特征点；

根据所述图像特征点，生成所述分割图像的特征图像。