[发明专利]一种大坝表面动物智能识别及追踪方法

权利要求书

1.一种大坝表面动物智能识别方法，其特征在于：所述大坝表面动物智能识别方法包括如下步骤：

S110、采集大坝上可能出现的目标动物信息，构建目标动物特征参数库；

S120、对于可能闯入大坝范围内的不同年龄、体型的目标动物，在黑暗环境下使用红外热成像摄像机采集大量目标动物在不同姿态下的热成像图片，形成目标动物热成像图片样本库；同时采集人类的热成像图片作为负样本，用于排除人类活动的干扰；

S130、基于双阶段图像目标检测算法构建大坝上目标动物闯入检测模型；

S140、以特定距离条件下红外热成像摄像机能否清晰显示目标动物体表温度分布为依据，将目标动物按照类型分为：大型目标动物和小型目标动物，即红外热成像摄像机中目标动物区域呈现多种色彩即判定为大型目标动物，红外热成像摄像机中目标动物呈现单一色彩即判定为小型目标动物，以此形成目标动物体型分类模型；

S150、对于大型目标动物：以体态特征、体表温度分布为特征参数构建大型目标动物种类识别模型进行目标动物种类的智能识别；

S160、对于小型目标动物：以行走轨迹特征为特征参数构建小型目标动物种类识别模型，同时以行走速度为特征参数构建小型目标动物行走速度参数库进行目标动物种类的智能识别；

S170、将目标动物特征参数库、目标动物闯入检测模型、目标动物体型分类模型、大型目标动物种类识别模型、小型目标动物种类识别模型、小型目标动物行走速度参数库相融合，形成一套大坝表面动物智能识别系统。

2.根据权利要求1所述的大坝表面动物智能识别方法，其特征在于：步骤S110具体地，包括：查阅资料，整理可能在大坝上出现或者打洞的目标动物种类，收集目标动物体型大小、体态特征、体表温度、行走速度、行走轨迹、活动时间和生活习性，构成目标动物特征参数库。

3.根据权利要求1所述的大坝表面动物智能识别方法，其特征在于：步骤S130具体地，包括：

S131、以矩形框的方式标记样本库中每张热成像图片中目标动物的位置和尺寸；

S132、以经典的VGG-16卷积神经网络结构为基础，在每个卷积层之后添加一个标准的Batch Normalization层，形成改进的VGG-16网络结构，用于目标动物热成像图片特征提取；构建Faster R-CNN目标检测框架算法，并将改进的VGG-16网络结构嵌入其中，形成自动检测热成像图片目标区域的算法；

S133、以7:3的比例将标记后的热成像图片样本均匀分为训练样本和测试样本，采用Faster RCNN目标检测框架结合改进VGG-16网络结构对训练样本进行训练，得到热成像图片中目标动物区域的自动检测模型；

S134、将目标动物热成像图片测试样本输入到检测模型中，以验证目标动物检测的准确性。