基于深度学习模型的金钱豹个体识别研究与实现

• 作 者: 赵婷婷
• 机 构: 太原理工大学
• 出 处: 太原理工大学
• 发表日期: 2018年01期
• 关键词: 金钱豹 个体识别 深度学习 Cifar-10模型

金钱豹,珍稀濒危物种,国家一级重点保护野生动物。金钱豹曾普遍见于中国各省,但由于金钱豹种群过小且相互隔离、以及人类对其的过度猎捕与人类行为对其栖息地的破坏等因素导致了金钱豹在中国境内的种群数量急剧减少。金钱豹的种群监测是对其进行有效保护的重要工作之一,精准识别金钱豹个体是对金钱豹实施有效监测、管理及保护的基础。目前普遍使用基于金钱豹影像数据的形体形状差异识别技术来区分金钱豹个体,该方法主要存在如下两个问题:(1)花纹会随运动有所变形,影响识别准确率;(2)人力成本随着金钱豹影像数据增多而增加。针对这些问题,论文根据深度学习方法在图像识别领域有着显著的分类效果这一特点,挖掘金钱豹影像数据的深层特征,围绕以下几个方面研究金钱豹个体识别技术:(1)金钱豹影像数据预处理。数据预处理工作是后续识别方法的重要前提,针对金钱豹个体识别的应用场景,需要特定的数据处理方法;(2)金钱豹个体识别模型研究。针对金钱豹影像数据的多样性,研究在保证金钱豹个体识别准确率前提下的金钱豹个体识别深度学习模型;(3)金钱豹个体识别模型推广研究。针对金钱豹个体影像数据较少且分布不平衡问题,研究如何保证此模型方法能够识别更多的金钱豹个体。通过对上述问题的研究,本论文提出了基于深度学习的金钱豹个体识别模型并对其进行了推广验证,相比于传统的金钱豹个体识别方法,论文的主要贡献如下:(1)本文首次将深度学习方法应用到金钱豹个体识别研究中,提出了基于改进的Cifar-10深度学习模型的金钱豹个体识别方法;(2)提升了金钱豹个体识别的准确率。通过使用山西沃成生态环境研究所2010-2017年监测到的3只金钱豹个体的影像数据集对改进的深度学习模型进行训练和验证,学习得到的模型识别准确率高达99.3%;(3)模型更具通用性。通过使用12只金钱豹个体的影像数据集对模型进行推广验证,其识别准确率高达93.3%;使用12只金钱豹个体的影像数据集验证模型对已知金钱豹个体的预测能力,其准确率在86.6%以上。