[发明专利]野生动物监测图像误触发图像筛选方法及存储介质

权利要求书

1.一种野生动物监测图像误触发图像筛选方法，其特征在于，包括：

获取相机拍摄的监测图像，构建训练集；

使用所述训练集对网络模型进行训练，得到图像筛选模型；

从待筛选相机拍摄的所有图像中获取一张空拍图像作为参考图像，剩余的图像作为待筛选图像；

将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果。

2.如权利要求1所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述训练集包括多个图像三元组，每个所述图像三元组包括一张基准样本、一张正样本和一张负样本，每个所述图像三元组的基准样本相同，每个所述图像三元组的正样本和负样本均不相同；其中，

从相机拍摄的空拍图像中随机选择一张作为基准样本；

从相机拍摄的监测图像数据集中随机选取一张无动物的误触发图像作为正样本；

从相机拍摄的监测图像数据集中随机选取一张包含野生动物的有效图像作为负样本。

3.如权利要求2所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，使用所述训练集对网络模型进行训练，得到图像筛选模型，包括：

将每个图像三元组依次输入网络模型中，输出得到模型总损失；

持续进行迭代，若所述模型总损失符合预设条件，停止对所述网络模型进行训练，将当前网络模型作为图像筛选模型。

4.如权利要求3所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述将每个图像三元组依次输入网络模型中，输出得到模型总损失，包括：

根据所述图像三元组的负样本计算得到物种分类损失；

对所述图像三元组的基准样本、正样本和负样本进行特征提取，得到基准样本特征向量、正样本特征向量和负样本特征向量；

基于度量学习计算正样本特征向量与基准样本特征向量之间的第一实际距离和负样本特征向量与基准样本特征向量之间的第二实际距离；

根据第一实际距离与第一理想距离之间的第一差距、第二实际距离与第二理想距离之间的第二差距计算得到三元组损失；其中，所述第一理想距离为正样本特征向量与基准样本特征向量之间的理想距离为0，所述第二理想距离为特征向量与基准样本特征向量之间的理想距离为1；

将所述三元组损失与物种分类损失进行加权计算得到模型总损失。

5.如权利要求3所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述模型总损失符合预设条件，包括：

所述模型总损失趋于定值。

6.如权利要求3所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果，包括：

将所述参考图像和待筛选图像输入到所述图像筛选模型中，获取参考图像的特征向量与待筛选图像的特征向量；

若所述待筛选图像的特征向量与所述参考图像的特征向量之间的特征向量距离大于预设的阈值，则判定所述待筛选图像为有效图像，否则判定所述待筛选图像为误触发图像。

7.如权利要求6所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述待筛选图像的特征向量与所述参考图像的特征向量之间特征向量距离为马氏距离。

8.如权利要求6所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述阈值的取值为0.4。

9.如权利要求1所述的一种野生动物监测图像误触发图像筛选方法，其特征在于，所述网络模型包括卷积神经网络模型、Transformer模型或MLP模型中的一种。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-9任一项所述的方法。