[发明专利]一种深度学习方法

权利要求书

1.一种深度学习方法，其特征在于，包括如下步骤：

通过截取安装在环境模拟器内部的监控视频获取野生动物的行为视频、行为声音以及状态视频；

分别提取出所述行为视频的数据和所述行为声音的数据，同时根据所述状态视频得到野生动物的状态信息；

建立有监督学习模型，并将已经得到的行为视频的数据和行为声音的数据作为所述有监督学习模型的输入，所述状态信息作为有监督学习模型的输出对所述有监督学习模型进行训练，得到训练好的有监督学习模型；

将录制的野生动物的行为视频和行为声音输入到训练好的所述有监督学习模型中，得到输出的野生动物的状态信息；

将输出的野生动物的状态信息与用户输入的状态数据进行对比，当不一致的时候，将录制的野生动物的行为视频和行为声音输入到无监督学习模型中。

2.如权利要求1所述的一种深度学习方法，其特征在于，在所述有监督学习模型进行训练的时候，其输入还包括环境参数，所述环境参数为传感器在当前时刻所采集的环境模拟器内部环境参数，所述当前时刻为所述行为视频开始的时刻；所述有监督学习模型训练好之后，输入也包括所述环境参数。

3.如权利要求1所述的一种深度学习方法，其特征在于，所述有监督学习模型所接收的输入为向量的形式，所述行为视频的数据和所述行为声音的数据均通过向量的形式进行表示。

4.如权利要求3所述的一种深度学习方法，其特征在于，所述行为视频的数据为X，则X＝{x₁,x₂,…,x_n}，其中n为正整数，n表示所述行为视频中第n个视频帧，x_n表示行为视频中第n个视频帧的特征值。

5.如权利要求3所述的一种深度学习方法，其特征在于，所述行为声音的数据为S，则S＝{s₁,s₂,…,s_i}，其中i为正整数，i表示所述行为声音中的第i个时刻，s_i表示所述行为声音中第i个时刻的声音参数。

6.如权利要求5所述的一种深度学习方法，其特征在于，所述声音参数为音强参数、音高参数以及音频参数的加权均值。

7.如权利要求1所述的一种深度学习方法，其特征在于，在根据所述状态视频得到野生动物的状态信息的时候，包括如下步骤：

将所述所述状态视频进行分解得到所述状态视频的各个视频帧；

提取出关键视频帧，并根据关键视频帧的时间戳的时间顺序将提取出的关键视频帧进行排列；

依次提取出每一个所述关键视频帧的特征值，组成特征序列；

根据所述特征序列在数据库中进行查找，得到野生动物的状态信息；

所述数据库用于存储状态信息以及其所对应的特征序列。

8.如权利要求1所述的一种深度学习方法，其特征在于，所述无监督学习模型在设定的时间点用于修正所述有监督学习模型。