摘要
本发明公开了一种基于卷积神经网络的野生动物识别方法,通过图像样本扩增,得到多个不同环境下的可视化图像样本和红外图像样本,进行特征提取,得到可视化特征、红外特征以及声音特征;其中可视化特征包括体型几何特征、纹理特征、步态特征和骨骼关键点特征,并将可视化特征、红外特征以及声音特征进行特征融合,得到融合特征数据集,这样将可视化特征、红外特征以及声音特征进行融合,这样避免单一特征对动物识别的时,导致识别不准确,并进行卷积神经网络训练得到野生动物识别模型,在利用野生动物识别模型对采集到的野生动物的可视化图像、红外图像或声谱进行识别,输出所识别的野生动物类别,具有识别准确度高的优点。
技术关键词
可视化特征
识别方法
生成对抗网络模型
样本
步态特征
骨骼关键点
GP模型
纹理特征
融合特征
卷积神经网络训练
构建卷积神经网络
图像块
声谱
动物
灰度共生矩阵
关键帧
运动跟踪
系统为您推荐了相关专利信息
遥感影像数据
样本
归一化水体指数
反射率
归一化植被指数
原始图像数据
载体识别方法
分类神经网络
神经网络模型
半导体基片
场效应晶体管
模型构建方法
模型构建装置
计算机可读取存储介质
线性