摘要
本发明涉及一种基于TensorRT的多边形多ROI动物识别方法,属于图像处理领域,包括:对实时获取的视频信号进行降噪处理,并增强图像的对比度和清晰度;根据处理后的图像设定多个多边形ROI,覆盖不同的监控区域;利用目标检测模型对每个多边形ROI内的目标进行检测,识别出动物的多边形轮廓,并输出相关位置和特征信息;对检测到的动物进行实时目标跟踪,更新其在场景中的位置和特征,在不同摄像头之间匹配相同个体的特征,实现跨区域的持续追踪;对每个目标进行骨架关键点检测,用于姿态估计和行为分析。本发明能在同一场景中同时监控并分类多个区域内的动物个体,即便多个动物种群混养,也能保证分类结果的准确性和稳定性。
技术关键词
动物识别方法
关键点
多边形
姿态估计
深度卷积神经网络
多阶段
多线程并行处理
相似性度量方法
重识别技术
高维特征向量
姿态结构
图像
流水线技术
直方图均衡化
加权平均法
卡尔曼滤波
对比度
网络模块
系统为您推荐了相关专利信息
意图预测方法
深度神经网络
粗略
图像
无人机光电载荷
道路积水深度
趋势预测模型
关键点
视频分析
非机动车
表面缺陷图像
查询策略
分类方法
训练深度学习模型
样本
墙面材料
屋面材料
识别方法
建筑材料分类
材料特征
人脸图像数据
加密传输方法
人脸检测模型
加密人脸
加密传输系统