用于野生动物的管理方法及装置与流程

本申请涉及机器学习、图像识别领域，具体而言，涉及一种用于野生动物的管理方法及装置。

背景技术

当前，国内外野生动物研究、监测与保护活动中普遍使用红外相机对野生动午进行图像或视频采集中，得到了广泛应用。当有动物出现在红外相机拍摄范围时，红外相机会通过感知动物温度而被触发拍摄。动物保护等相关组织定期回收相机中的数据，并对相机数据进行集中处理。

当前红外相机所拍素材中的动物识别功能实现的缺点在于：很多时候红外相机所拍的图片或视频模糊、不清晰、角度刁钻，对人眼来说光是连动物在哪都需要找一阵。短短几年时间，单一研究组织的红外图像和视频，体量就会达到很难用人力来完成检查统计的状态。单单依靠人眼对每张图片进行识别，鼠标拖拽到不同文件夹中分类，再进行数据分析，几乎无法依靠人力来完整完成整个过程。

针对相关技术中野生动物监控管理不易实现的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请的主要目的在于提供一种用于野生动物的管理方法及装置，以解决野生动物监控管理不易实现的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于野生动物的管理方法。

根据本申请的用于野生动物的管理方法包括：

采集野生动物的图像数据；

将所述图像数据输入图像识别装置并识别出目标物；以及

将所述目标物按照预设目标地址分类存放。

进一步地，将所述图像数据输入图像识别装置并识别出目标物包括：

接收用户选择的标记数据；

根据用户输入的预设图像训练程度得到训练数据；以及

根据所述训练数据生成用于识别预期识别目标的图像识别模型。

进一步地，将所述目标物按照预设目标地址分类存放包括：

将野生动物图片图像数据分类处理得到目标图片存放地址；

通过所述目标存放地址将所述野生动物图片图像数据分类存放；以及

将所述分类存放结果归类作为多个图片目标文件夹。

进一步地，将所述目标物按照预设目标地址分类存放包括：

将野生动物视频图像数据分类处理得到目标视频存放地址；

通过所述目标存放地址将所述野生动物视频图像数据分类存放；以及

将所述分类存结果归类作为多个视频目标文件夹。

进一步地，将所述目标物按照预设目标地址分类存放之后还包括：

根据预设目标地址分类存放的文件夹名称统计所述文件夹名称关联的目标物；

通过目标物统计结果生成野生动物物种出现的频率报表。

为了实现上述目的，根据本申请的另一方面，提供了一种用于野生动物的管理装置。

根据本申请的用于野生动物的管理装置包括：

采集模块，用于采集野生动物的图像数据；

输入模块，用于将所述图像数据输入图像识别装置并识别出目标物；以及

存放模块，用于将所述目标物按照预设目标地址分类存放。

进一步的，所述输入模块包括：

接收单元，用于接收用户选择的标记数据；

训练单元，用于根据用户输入的预设图像训练程度得到训练数据；以及

生成单元，用于根据所述训练数据生成用于识别预期识别目标的图像识别模型。

进一步的，所述存放模块包括：

第一分类单元，用于将野生动物图片图像数据分类处理得到目标图片存放地址；

第一存放单元，用于通过所述目标存放地址将所述野生动物图片图像数据分类存放；以及

第一归类单元，将所述分类存放结果归类作为多个图片目标文件夹。

进一步的，所述存放模块包括：

第二分类单元，用于将野生动物视频图像数据分类处理得到目标视频存放地址；

第二存放单元，用于通过所述目标存放地址将所述野生动物视频图像数据分类存放；以及

第二归类单元，用于将所述分类存结果归类作为多个视频目标文件夹。

进一步的，所述管理装置还包括：

统计模块，用于根据预设目标地址分类存放的文件夹名称统计所述文件夹名称关联的目标物；

生成模块，用于通过目标物统计结果生成野生动物物种出现的频率报表。

在本申请实施例中，通过采集野生动物的图像数据，将所述图像数据输入图像识别装置，达到了识别出图像中目标物的目的，从而实现了将所述目标物按照预设目标地址分类存放的技术效果，进而实现了对野生动物的分类监控，进而解决了野生动物监控管理不易实现的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请第一实施例的用于野生动物的管理方法示意图；

图2是根据本申请第二实施例的用于野生动物的管理方法示意图；

图3是根据本申请第三实施例的用于野生动物的管理方法示意图；

图4是根据本申请第四实施例的用于野生动物的管理方法示意图；

图5是根据本申请第五实施例的用于野生动物的管理方法示意图；

图6是根据本申请第一实施例的用于野生动物的管理装置示意图；

图7是根据本申请第二实施例的用于野生动物的管理装置示意图；

图8是根据本申请第三实施例的用于野生动物的管理装置示意图；

图9是根据本申请第四实施例的用于野生动物的管理装置示意图；

图10是根据本申请第五实施例的用于野生动物的管理装置示意图；以及

图11是根据本申请施例的用于野生动物的管理方法流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本申请实施例，提供了一种用于野生动物的管理方法，如图1所示，该方法包括：

如图1所示，该方法包括如下的步骤s102至步骤s106：

步骤s102，采集野生动物的图像数据；

优选地，所述图像数据可以是红外传感器所拍数据，例如图片或视频。

采集野生动物的图像数据可以是采用红外传感器或摄像头拍摄采集野生动物的图像数据。

步骤s104，将所述图像数据输入图像识别装置并识别出目标物；以及

优选地，将红外传感器或摄像头拍摄采集野生动物的图像数据上传或输入至图像识别装置识别其中的野生动物，例如目标物为黑熊，则重点识别数据中的黑熊。

步骤s106，将所述目标物按照预设目标地址分类存放。

优选地，将上步中识别出的目标野生动物进行分类存放。

预设目标地址可以是预先设置的用于存放不同野生动物的文件夹或磁盘等。

如图2所示，将所述图像数据输入图像识别装置并识别出目标物包括如下的步骤s202至步骤s206：

步骤s202，接收用户选择的标记数据；

优选地，标记数据可以是图片图像数据的图片图像标签，还可以是视频图像数据的视频图像标签。

接收用户选择的标记数据可以是接收用户在标记系统选择的数据类型、文件、标签等。

步骤s204，根据用户输入的预设图像训练程度得到训练数据；以及

优选地，预设图像训练程度可以是用户对自身水平的身份选择，例如可以是初学者或专家。

根据用户输入的预设图像训练程度得到训练数据可以是用户根据自身水平进行身份选择(初学者或专家)，相关信息通过数据库服务器；若使用者选择“初学者”身份，则系统为其推荐网络；增加标记工程，开始标记；开始训练。

根据用户输入的预设图像训练程度得到训练数据还可以是若使用者选择“专家”身份，则系统为其推荐网络；增加标记工程，开始标记；选择网络；设定参数；开始训练。

步骤s206，根据所述训练数据生成用于识别预期识别目标的图像识别模型。

优选地，预期识别目标可以是用户提供的待识别的图片图像数据，还可以是用户提供的待识别的视频图像数据。

根据所述训练数据生成用于识别预期识别目标的图像识别模型可以是根据选择的网络，系统为其推荐部署方式；是否需要优化模型，选择其他部署方式；完成部署。

具体的，在上述步骤s202中，接收用户选择的标记数据可以是数据类型可以是图片图像数据，还可以是视频图像数据。接收用户选择的数据类型可以是接收用户选择的图片图像数据，还可以是接收用户选择的视频图像数据。如果所述数据类型为图片图像数据，则接收用户对所述图片图像数据中的目标物选择的图片图像标签；以及优选地，如果所述数据类型为图片图像数据，则接收用户对所述图片图像数据中的目标物选择的图片图像标签，例如图片图像标签可以是黑熊、大象、熊猫等。确定用户对所述图像标签的位置标记。优选地，在系统中提供用户可选择的位置标签，例如图片右上部、左上部、中部、右下部、左下部等。确定用户对所述图像标签的位置标记可以是根据用户选择的位置标签确定所述图像标签的位置标记。例如，黑熊位于图片右上部，熊猫位于图片左下部，大象位于图片中部等。

具体的，在上述步骤s202中，接收用户选择的标记数据可以是接收用户选择的数据类型；优选地，数据类型可以是视频图像数据，还可以是图片图像数据。接收用户选择的数据类型可以是接收用户选择的视频图像数据，还可以是接收用户选择的图片图像数据。如果所述数据类型为视频图像数据，则接收用户对所述视频图像数据中的动作帧选择的视频图像标签；以及优选地，视频图像标签可以是动作帧之间发生了的某个动作，例如，在第5帧到第15帧之间发生了大象吃草的动作。如果所述数据类型为视频图像数据，则接收用户对所述视频图像数据中的动作帧选择的视频图像标签可以是接收用户对视频图像数据中多个视频图像标签的选择。确定用户对所述视频图像标签的帧片段动作长度。优选地，帧片段动作长度可以是某一动作发生的时长。例如，确定用户对所述视频图像标签的帧片段动作长度可以是确定大象吃草的动作发生在第5帧到第15帧之间，还可以是其它任意可标记的视频中发生的动作。

具体的，在上述步骤s204，根据用户输入的预设图像训练程度得到训练数据可以是根据用户输入的预设图像训练程度获取第一用户处理身份；优选地，第一用户进入训练系统，登陆系统或者注册并提供用户信息，相关信息通过数据库服务器；用户根据自身水平进行身份选择(初学者或专家)，相关信息通过数据库服务器；若使用者选择“初学者”身份，则系统为其推荐网络；若使用者选择“专家”身份，则系统为其推荐网络。根据所述第一用户处理身份向所述第一用户推荐网络模型；优选地，根据第一用户选择的身份标签向第一用户推荐网络模型。例如，第一用户选择“初学者”身份，则为其推荐较为简单的网络模型；又例如，第一用户选择“专家”身份，则为其推荐较为复杂的网络模型。导入所述第一用户选择的第一标记数据；以及例如，第一标记数据可以是图片图像数据的图片图像标签，还可以是视频图像数据的视频图像标签。导入所述第一用户选择的第一标记数据可以是导入第一用户在标记系统选择的数据类型、文件、标签等。通过所述网络模型和所述第一标记数据确定所述网络模型部署方式。优选地，网络模型部署方式可以是将导入的第一标记数据输入到推荐的网络模型中。

具体的，在上述步骤s204，根据用户输入的预设图像训练程度得到训练数据可以是根据用户输入的预设图像训练程度获取第二用户处理身份；优选地，第二用户进入训练系统，登陆系统或者注册并提供用户信息，相关信息通过数据库服务器；用户根据自身水平进行身份选择(初学者或专家)，相关信息通过数据库服务器；若使用者选择“初学者”身份，则系统为其推荐网络；若使用者选择“专家”身份，则系统为其推荐网络。根据所述第二用户处理身份向所述第二用户开放训练数据接口；优选地，根据所述第二用户处理身份向所述第二用户开放训练数据接口可以是为第二用户提供开始训练模型的接口。根据第二用户的数据标记操作触发所述第二用户选择的第二标记数据；优选地，根据第二用户已选择的数据标记出发第二标记数据，调用相应的数据标签。根据训练数据接口输入选择的网络模型和训练参数；以及通过所述网络模型、训练参数以及所述第二标记数据确定所述网络模型部署方式。优选地，根据上述推荐的网络模型、所选的训练参数以及提供的标记数据确定网络模型的训练及部署方式。例如，网络模型部署方式可以是模型的层数确定为多少，还可以是选择bridgedriver、overlaydriver等部署方式。

具体的，在上述步骤s206，根据所述训练数据生成用于识别预期识别目标的图像识别模型可以是接收用户的登录信息；优选地，登陆信息可以是账号、密码。接受用户的登陆信息可以是根据用户输入的账号、密码等信息确定用户的会员身份以及历史处理数据。确定用户登录后设定的预期识别目标和导入标记数据；优选地，预期识别目标可以是图片图像识别目标，还可以是视频图像识别目标。确定用户登录后设定的预期识别目标和导入标记数据可以是确定用户的识别目标并导入用户选择的标记数据或历史标记数据。接收用户的数据生成操作指令；以及优选地，接收用户的数据生成操作指令可以是在用户登陆、选择预期识别目标以及导入标记数据之后提供一生成操作控件按钮，用户点击操作控件后，后台收到操作指令。根据所述数据生成操作指令按照所述预期识别目标和标记数据训练生成图像识别模型。优选地，根据上述各步骤采集获取的信息，在后台生成图像识别模型，经过识别为用户提供一个识别结果。

如图3所示，将所述目标物按照预设目标地址分类存放包括如下的步骤s302至步骤s306：

步骤s302，将野生动物图片图像数据分类处理得到目标图片存放地址；

步骤s304，通过所述目标存放地址将所述野生动物图片图像数据分类存放；以及

步骤s306，将所述分类存放结果归类作为多个图片目标文件夹。

优选地，目标图片存放地址可以是用于存放不同野生动物的文件夹或磁盘等。

将野生动物图片图像数据分类处理得到目标图片存放地址可以是将不同种类的野生动物存放在不同的文件夹或磁盘中。

如图4所示，将所述目标物按照预设目标地址分类存放包括如下的步骤s402至步骤s406：

步骤s402，将野生动物视频图像数据分类处理得到目标视频存放地址；

步骤s404，通过所述目标存放地址将所述野生动物视频图像数据分类存放；以及

步骤s406，将所述分类存结果归类作为多个视频目标文件夹。

优选地，目标视频存放地址可以是用于存放不同野生动物的文件夹或磁盘等。

将野生动物视频图像数据分类处理得到目标图片存放地址可以是将不同种类的野生动物存放在不同的文件夹或磁盘中。

如图5所示，将所述目标物按照预设目标地址分类存放之后还包括如下的步骤s502至步骤s504：

步骤s502，根据预设目标地址分类存放的文件夹名称统计所述文件夹名称关联的目标物；

优选地，将用于存放不同种类的野生动物图像数据的文件夹名称进行统计，并将相关联的目标物也存放至该文件夹下。

例如，黑熊文件夹保存着跟黑熊有关的图像数据。当再次采集并识别出目标物为黑熊时，直接自动保存至黑熊文件夹。

步骤s504，通过目标物统计结果生成野生动物物种出现的频率报表。

优选地，通过统计文件夹中的图像数据获得野生动物物种出现的频率，并生成报表。

从以上的描述中，可以看出，本申请实现了如下技术效果：本发明可以批量自动处理红外相机所拍摄的大量视频数据，并使用神经网络方法对野生动物按物种进行分类并统计出现频率。在使用红外相机对野生动物进行拍摄后，可以智能化处理所拍摄的图片或视频，这些繁琐而重复的工作以往要花费相关人员极其大量的时间，且仅靠人工很难将数据全部处理完。并且还存在误检和漏检等问题。在拍摄所得数据相同的情况下，本软件的应用将大大减少动物保护相关人员在数据处理上所花费的时间，并确确保了识别与分类的准确性。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，还提供了一种用于实施上述用于野生动物的管理方法的管理装置，如图6所示，该装置包括：

采集模块10，用于采集野生动物的图像数据；

输入模块20，用于将所述图像数据输入图像识别装置并识别出目标物；以及

存放模块30，用于将所述目标物按照预设目标地址分类存放。

如图7所示，所述输入模块20包括：

接收单元201，用于接收用户选择的标记数据；

训练单元202，用于根据用户输入的预设图像训练程度得到训练数据；以及

生成单元203，用于根据所述训练数据生成用于识别预期识别目标的图像识别模型。

如图8所示，所述存放模块30包括：

第一分类单元301，用于将野生动物图片图像数据分类处理得到目标图片存放地址；

第一存放单元302，用于通过所述目标存放地址将所述野生动物图片图像数据分类存放；以及

第一归类单元303，将所述分类存放结果归类作为多个图片目标文件夹。

如图9所示，所述存放模块30包括：

第二分类单元304，用于将野生动物视频图像数据分类处理得到目标视频存放地址；

第二存放单元305，用于通过所述目标存放地址将所述野生动物视频图像数据分类存放；以及

第二归类单元306，用于将所述分类存结果归类作为多个视频目标文件夹。

如图10所示，所述管理装置还包括：

统计模块40，用于根据预设目标地址分类存放的文件夹名称统计所述文件夹名称关联的目标物；

生成模块50，用于通过目标物统计结果生成野生动物物种出现的频率报表。

如图11所示，本发明的处理流程如下：

将红外数据所拍数据(图片或视频)传入野生动物智能识别管理应用软件；野生动物智能识别管理应用软件对数据进行目标物体识别与分类处理，将数据归类成若干目标文件夹；野生动物智能识别管理应用软件具有报表生成功能，对于各物种出现的频率以及相关组织感兴趣的其它统计结果，可以轻松实现在多种设备上的可视化。

本发明可实现如下的技术效果：1)软件离线运行，为客户提供更高的安全保障；缜密的模型设计客户对海量数据的人工处理；领先的算法提供更多的应用可能性；具有数据按类归档和报表生成功能，可以轻松实现结果可视化。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。