区域鸟类识别统计方法、装置、设备及存储介质与流程

本发明涉及区域鸟类识别统计，尤其涉及到一种区域鸟类识别统计方法、装置、设备及存储介质。

背景技术：

1、目前关于生物多样性的监测主要采用人工监测结合信息化监测的方式，目前采用的信息化的方式主要是依托物联网，随着人工智能技术领域的发展，在物种的监测上逐渐引入ai物种智能识别技术。但是在物种的统计上，还停留在传统的人工统计层面，或技术层面应用较低的时代。

2、目前针对鸟类的统计方法主要通过野外采集调查的方式。方式如下：在鸟类的监测上，采取样带法或者样点法，样线2—5公里长，3—5 天完成，面积较大地区不超过14天。根据本地物候特点确定最佳监测时间，分别在繁殖季、越冬季和迁徙季选择鸟种类和数量相对稳定的时期，沿样带行走，边走边聆听与观察，发现鸟类时以双筒望远镜观察或以单反相机拍摄，确定其种类、数量和活动情况；发现鸟类痕迹（粪便、羽毛）时应仔细观察并拍摄照片，每条样线间隔5—10天后做一次重复监测。上述方法人工参与量极大，耗时耗力。且鸟类飞行速度远大于人工数数的速度，很容易造成重复统计。

3、除了传统的人工统计的方式之外，也有的技术公开了基于远程监测设备拍摄的鸟类数量统计的方法：在专利“基于多预置点的深度鸟类识别算法”（申请号 201910327366.2）公开的一种多预置点的方式监测区域的鸟类数量进行统计。该方法使用可编程的多个变焦摄像头、设定多预置点来进行拍照，并将拍的图像进行深度图像识别，从而最终实现了在一定时间内完成鸟类种群的自动识别和粗略统计功能。该专利将一圈内的拍摄区域紧密连接，但圈与圈之间存在随机性，且在项目实践中，拍摄的拼接会因为地形的因素，会导致拍摄的视界拼接后重合或有缝隙，对拍摄区域的准确性带来误差导致统计不准确，尤其是西南片区海拔差距较大的地方，其海拔的高差会对摄像头的视界造成一定的影响，适用性不强，且误差较大。并且该专利只是做了简单的拍摄区域的统计，但是摄像头视界范围较大，无法确定拍摄的鸟类具体出现的区域，无法做到精细化的统计。

4、因此，如何提供一种适用性更强、鸟类识别统计更精确以及区域统计更精细的区域鸟类识别统计方法，是一个亟需解决的技术问题。

技术实现思路

1、本发明的主要目的在于提供一种区域鸟类识别统计方法、装置、设备及存储介质，旨在解决海拔差距大、地形复杂等高程数据变化速度快的原因导致的区域划分不规整、排列混乱，造成区域鸟类识别统计不准确以及无法实现统计准确定位的问题。

2、为实现上述目的，本发明提供一种区域鸟类识别统计方法，包括以下步骤：

3、s1：获取若干个鸟类聚集区域，并根据若干个所述鸟类聚集区域，确定最小统计范围；

4、s2：获取最小统计范围内的每个摄像头的摄像参数，并根据所述摄像参数，确定每个摄像头的拍摄范围；

5、s3：根据每个所述摄像头的拍摄范围在所述最小统计范围内进行覆盖叠加，并为没有覆盖到的范围添加摄像头，直至所述最小统计范围被摄像头的拍摄范围全部覆盖；

6、s4：根据每个摄像头的位置信息和所述摄像头对应的拍摄距离与拍摄范围的关系，利用分块算法将最小统计范围划分为若干个预置区域块，获取每个摄像头的拍摄范围的高程数据集，解算用于拍摄每个预置区域块的拍摄参数；

7、s5：依据每个预置区域块的拍摄参数，分别获取每个预置区域块的独立图像信息，并将每个预置区域块的独立图像信息进行合并获得所述最小统计范围的整体图像信息，对所述整体图像信息进行鸟类识别，获得区域鸟类识别统计结果。

8、可选的，所述步骤s1中，获取若干个鸟类聚集区域，并根据若干个所述鸟类聚集区域，确定最小统计范围步骤，具体包括：

9、s11：获取若干个圆形的鸟类聚集区域；

10、s12：根据若干个圆形的所述鸟类聚集区域，确定最小统计范围；其中，所述最小统计范围为：包含若干个圆形的所述鸟类聚集区域，且最小统计范围的边界与每个圆形的所述鸟类聚集区域相切所形成的统计范围。

11、可选的，所述步骤s2中，获取最小统计范围内的每个摄像头的摄像参数，并根据所述摄像参数，确定每个摄像头的拍摄范围步骤，具体包括：

12、s21：获取最小统计范围内每个摄像头的摄像参数；其中，所述摄像参数包括摄像焦距和摄像分辨率；

13、s22：根据所述摄像焦距、所述摄像分辨率和鸟类识别的最低像素值要求，确定每个摄像头的最远拍摄距离，并基于每个摄像头的位置和最远拍摄距离，获得每个摄像头的拍摄范围。

14、可选的，所述步骤s4中，根据每个摄像头的位置信息和所述摄像头对应的拍摄距离与拍摄范围的关系，利用分块算法将最小统计范围划分为若干个预置区域块，获取每个摄像头的拍摄范围的高程数据集，解算用于拍摄每个预置区域块的拍摄参数步骤，具体包括：

15、s41：根据每个摄像头的位置信息和所述摄像头对应的拍摄距离与拍摄范围的关系，利用分块算法确定依次从内向外的若干个拍摄环；其中，每个拍摄环包括若干个具有相同拍摄距离与拍摄范围的预置区域块；

16、s42：获取每个摄像头的拍摄范围的高程数据集，解算用于拍摄每个预置区域块的拍摄参数；其中，所述拍摄参数包括方位角与水平方向上的焦距以及俯仰角与垂直方向上的焦距。

17、可选的，所述步骤s42中，解算用于拍摄每个预置区域块的拍摄参数步骤，具体包括：

18、s421：以预置区域块的中线作为网格的参照线，将所述参照线到边线的角度作为摄像头拍摄的方位角；

19、s422：根据所述方位角的正切值与成像水平尺寸，确定水平方向上的焦距；其中，方位角的正切值、成像水平尺寸与水平方向上的焦距的关系表达式，具体为：方位角的正切值=成像水平尺寸/2/水平方向上的焦距。

20、可选的，所述步骤s42中，解算用于拍摄每个预置区域块的拍摄参数步骤，具体包括：

21、s423：设参照线的中点为中心点，设参照线靠近摄像头的点为最近点，分别通过高程数据集计算中心点和最近点的高程值，再以中心点与最近点的高程差值和距离差值，计算中心点与最近点到摄像头杆子的垂直夹角，根据该垂直夹角确定摄像头拍摄的俯仰角；其中，俯仰角=90°-垂直夹角；

22、s424：根据所述俯仰角的正切值与成像垂直尺寸，确定垂直方向上的焦距；其中，俯仰角的正切值、成像垂直尺寸与垂直方向上的焦距的关系表达式，具体为：俯仰角的正切值=成像垂直尺寸/2/垂直方向上的焦距。

23、可选的，所述步骤s5：依据每个预置区域块的拍摄参数，分别获取每个预置区域块的独立图像信息，并将每个预置区域块的独立图像信息进行合并获得所述最小统计范围的整体图像信息，对所述整体图像信息进行鸟类识别，获得区域鸟类识别统计结果，具体包括：

24、s51：依据每个预置区域块的拍摄参数，获取每个拍摄区域环中每个预置区域块的区域坐标范围；

25、s52：将每个预置区域块的独立图像信息进行合并，对区域坐标范围重复的预置区域块以及超出最小统计范围的预置区域块进行剔除，获得最小统计范围的整体图像信息；

26、s53：对所述整体图像信息进行鸟类识别，并根据鸟类识别结果对应的预置区域块，确定鸟类出现的区域坐标范围。

27、为了实现上述目的，本发明还提供一种区域鸟类识别统计装置，所述装置，包括：

28、第一确定模块，用于获取若干个鸟类聚集区域，并根据若干个所述鸟类聚集区域，确定最小统计范围；

29、第二确定模块，用于获取最小统计范围内的每个摄像头的摄像参数，并根据所述摄像参数，确定每个摄像头的拍摄范围；

30、叠加模块，用于根据每个所述摄像头的拍摄范围在所述最小统计范围内进行覆盖叠加，并为没有覆盖到的范围添加摄像头，直至所述最小统计范围被摄像头的拍摄范围全部覆盖；

31、划分模块，用于根据每个摄像头的位置信息和所述摄像头对应的拍摄距离与拍摄范围的关系，利用分块算法将最小统计范围划分为若干个预置区域块，获取每个摄像头的拍摄范围的高程数据集，解算用于拍摄每个预置区域块的拍摄参数；

32、识别统计模块，用于依据每个预置区域块的拍摄参数，分别获取每个预置区域块的独立图像信息，并将每个预置区域块的独立图像信息进行合并获得所述最小统计范围的整体图像信息，对所述整体图像信息进行鸟类识别，获得区域鸟类识别统计结果。

33、为了实现上述目的，本发明还提供一种区域鸟类识别统计设备，所述区域鸟类识别统计设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的区域鸟类识别统计程序，所述区域鸟类识别统计程序被所述处理器执行时实现如上所述的区域鸟类识别统计方法的步骤。

34、为了实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有区域鸟类识别统计程序，所述区域鸟类识别统计程序被处理器执行时实现如上所述的区域鸟类识别统计方法的步骤。

35、本发明的有益效果在于：提出了一种区域鸟类识别统计方法、装置、设备及存储介质，通过对监测区域进行分析，考虑每个摄像头的摄像参数以及区域高程数据来自动将监测区域划分为若干个标准且规整的预置区域块，通过对每个预置区域块进行图像采集与合并，进而在获得的整个监测区域的图像上进行鸟类识别统计，能够针对不同地形进行自动化分块，极大简化工作内容，提高鸟类识别统计效率，并且生成了由若干个标准且规整的预置区域块构成的监测区域可视化地图，可以直观展示统计数据的地理位置分布情况。