基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别

编号 zgly0001640403

文献类型 期刊论文

文献题名 基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别

作者 刘文定  李安琪  张军国  谢将剑  鲍伟东 

作者单位 北京林业大学工学院  林业装备与自动化国家林业和草原局重点实验室  北京林业大学生物科学与技术学院 

母体文献 北京林业大学学报 

年卷期 2018年08期

年份 2018 

分类号 TP391.41 

关键词 野生动物  监测图像  感兴趣区域  卷积神经网络  物种识别 

文摘内容 【目的】利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段,为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题,提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识别方法。【方法】以红外自动感应相机在内蒙古赛罕乌拉国家自然保护区内拍摄的马鹿、斑羚、猞猁、狍和野猪这5种国家级陆生保护动物的图像为实验样本,采用基于回归算法的目标检测方法,对监测图像中野生动物区域进行检测并分割,生成ROI图像,减少复杂背景信息对物种识别的干扰;利用裁剪、仿射变换等方式对样本数据进行扩充;构建基于全局-局部的VGG16双通道网络模型对样本图像进行训练,最后接入分类器输出物种识别结果。同时,构建了基于VGG19的双通道网络模型对样本图像进行训练,并与本研究训练结果进行比较;另外,将样本图像分别输入本研究算法与VGG16、R-CNN、Fast R-CNN算法进行训练,对比不同算法下的识别效果。【结果】利用本研究模型对样本图像进行训练时,测试集的平均识别精度均值MAP达到0.912,相对于VGG19结构下的训练模型和VGG16、R-CNN、Fast R-CNN,得到了更高的MAP值。【结论】相比于其他算法,本研究提出的物种识别模型更适合于复杂背景下的野生动物监测图像的物种识别,可以得到更高的MAP值与更优的识别效果。