一种基于图像识别鸟类的AI分析系统的制作方法

本发明涉及图像分析领域，尤其涉及一种基于图像识别鸟类的ai分析系统。

背景技术：

1、传统的鸟类识别和分析方法需要依赖专业鸟类学家的经验和手动操作，耗时且受制于技术限制的因素。随着计算机视觉和深度学习的快速发展，利用ai技术进行鸟类分析已成为可能。

2、虽然现有的算力能够通过图像识别方式进行鸟类的判断，例如深度学习去噪模型(cn 112493228a)：采用深度学习方法，卷积神经网络(cnn)训练一个专门差异度模型。这种模型可以从噪声图像中学习原始图像的差异，从而有效去除不必要的噪声，但是其在去除噪声的过程中，难免也会产生相应误差，从而过滤掉包含鸟类的特征的图像，降低提取数据的准确率。这就亟需本领域技术人员解决相应的技术问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于图像识别鸟类的ai分析系统。

2、为了实现本发明的上述目的，本发明提供了一种基于图像识别鸟类的ai分析系统，其特征在于，包括：

3、数据采集模块，用于通过摄像设备获取鸟类生态环境中的图像数据，根据特征数据进行数据编号；

4、数据预处理模块，用于对采集的图像进行预处理，对图像进行特征计算处理，设置特征异常以及速度异常处理过程中的影响因子；

5、特征识别模块，采用速度异常系数和特征异常系数，然后进行时间、速度和纹理特征评估，并完成异常识别；

6、特征提取模块，用于提取识别出的速度特征和纹理特征对鸟类图像与训练完成的数据库鸟类图像特征进行相似度比较，将出现的图像帧进行特征标记。

7、上述技术方案优选的，所述数据采集模块包括：

8、采集某一时间段图像帧中对应的环境特征，从中提取存在移动特征的图像帧，记为初始目标图像帧，同时将该时间段内移动特征位置的图像帧进行图像分割，得到该时间段内移动特征位置内对应的初始目标。

9、上述技术方案优选的，所述数据预处理模块包括：

10、在某一时间段对具备移动特征的图像帧进行时间序列编号，i＝1,2,3…i，对于某一时间在图像帧中获取的移动特征进行速度属性编号，j＝1,2,3…j，对于某一时间在图像帧中获取的移动特征进行特征数量编号，k＝1,2,3…k，

11、设置提取速度图像帧样本集合为xi∈am×n，其中下标m和n分别为图像帧的行和列，提取的全部图像帧为a，在速度图像帧样本集合xi中进行拉普拉斯变换重构图像u，形成重构图像集合uj，对每个拉普拉斯变换重构图像进行投影得到速度投影图像向量u′j；

12、u′j＝uj·s1·μ，s1为速度特征最佳投影面积，其面积取值根据投影图像向量u′j的投影关系确定；μ为速度投影面积调节因子，其中设置下标为j是基于全部速度特征的图像帧中，其提取的图像帧来源都是基于时间顺序图像帧i所获取的。

13、上述技术方案优选的，所述数据预处理模块包括：

14、设置提取特征图像帧样本集合为yi∈am×n，其中下标m和n分别为图像帧的行和列，提取的全部图像帧为a，因为速度图像和特征图像都包含在全部图像帧中，所以都是基于图像帧样本集合进行提取选择，在特征图像帧样本集合yi中进行拉普拉斯变换重构图像w，形成重构图像集合wk，对每个拉普拉斯变换重构图像进行投影得到特征投影图像向量w′k；

15、w′k＝wk·s2·η，s2为异常特征最佳投影面积，其面积取值根据投影图像向量w′k的投影关系确定；η为特征投影面积调节因子，其中设置下标为k是基于全部异常特征的图像帧中，其提取的图像帧来源都是基于时间顺序图像帧i所获取的。

16、上述技术方案优选的，所述特征识别模块包括：

17、由于投影图像向量利用速度异常系数计算的中间特征图，可以在按照时间顺序形成的图像帧层级上提取到的图像特征；

18、

19、e为速度异常系数，其获取条件为：

20、其中，v为像素变化影响因子。

21、上述技术方案优选的，所述特征识别模块包括：

22、结合特征纹理来捕捉鸟类纹理特征，选择合适的调节阈值帮助提高识别的准确性和效率。

23、

24、f为特征异常系数，其获取条件为：

25、其中，z为纹理特征变化影响因子。

26、上述技术方案优选的，所述特征提取模块包括：

27、进行速度相似度计算的公式为：

28、

29、其中，u为速度图像帧重构图像，t为速度特征样本图像，即速度投影图像向量u′j和预先训练形成的速度特征样本图像集合v的点积除以u′j和v的模长乘积，即为速度相似度计算。

30、上述技术方案优选的，所述特征提取模块包括：

31、进行特征相似度计算的公式为：

32、

33、其中，w为特征图像帧重构图像，g为纹理特征样本图像，即特征投影图像向量w′k和预先训练形成的纹理特征样本图像集合r的点积除以w′k和r的模长乘积，即为特征相似度计算。

34、上述技术方案优选的，所述特征提取模块包括：

35、如果相似度系数趋近1，则表示重构图像集合与样本图像集合高度相关，如果系数趋近-1，则表示两个特征结合高度负相关。如果系数趋近0，则表示两个特征集合之间没有线性相关性。

36、综上所述，由于采用了上述技术方案，本发明的有益效果是：

37、通过本申请的图像识别方法，提高了鸟类识别的精度，提高了识别效率，并为后续进行鸟类驱离提供技术帮助，避免发生鸟类影响生产生活，以及特定区域的空中安全，为生态学研究和环境监测领域提供了一种高效、精准的解决方案。

38、自动化：无需人工干预，实现自动化的鸟类识别和分析。

39、高效性：大大减少了识别和分析的时间成本，提高了工作效率。

40、精准性：基于线性相似度判断技术，识别准确率更高，避免了人为误差。

41、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于图像识别鸟类的ai分析系统，其特征在于，包括：

2.根据权利要求1所述的基于图像识别鸟类的ai分析系统，其特征在于，所述数据采集模块包括：

3.根据权利要求1所述的基于图像识别鸟类的ai分析系统，其特征在于，所述数据预处理模块包括：

4.根据权利要求3所述的基于图像识别鸟类的ai分析系统，其特征在于，所述数据预处理模块包括：

5.根据权利要求3所述的基于图像识别鸟类的ai分析系统，其特征在于，所述特征识别模块包括：

6.根据权利要求4所述的基于图像识别鸟类的ai分析系统，其特征在于，所述特征识别模块包括：

7.根据权利要求1所述的基于图像识别鸟类的ai分析系统，其特征在于，所述特征提取模块包括：

8.根据权利要求1所述的基于图像识别鸟类的ai分析系统，其特征在于，所述特征提取模块包括：

9.根据权利要求7或8所述的基于图像识别鸟类的ai分析系统，其特征在于，所述特征提取模块包括：

技术总结
本发明提出了一种基于图像识别鸟类的AI分析系统，包括：数据采集模块，用于通过摄像设备获取鸟类生态环境中的图像数据，根据特征数据进行数据编号；数据预处理模块，用于对采集的图像进行预处理，对图像进行特征计算处理，设置特征异常以及速度异常处理过程中的影响因子；特征识别模块，采用速度异常系数和特征异常系数，然后进行时间、速度和纹理特征评估，并完成异常识别；特征提取模块，用于提取识别出的速度特征和纹理特征对鸟类图像与训练完成的数据库鸟类图像特征进行相似度比较，将出现的图像帧进行特征标记。

技术研发人员：李玉华,李雨晨,王朝龙,黄俊森,王顺
受保护的技术使用者：重庆东电通信技术有限公司
技术研发日：
技术公布日：2024/1/16