[发明专利]一种深度学习方法

说明书

本发明公开了一种深度学习方法，首先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；其次分别提取出行为视频的数据和行为声音的数据，同时根据状态视频得到野生动物的状态信息；之后建立有监督学习模型并对有监督学习模型进行训练，得到训练好的有监督学习模型；再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有监督学习模型中，得到输出的野生动物的状态信息。本发明通过对野生动物的行为进行监控，并将野生动物的行为视频的各个视频帧的特征值提取出来作为一个字符串，同时结合当时的环境参数和野生动物的叫声对模型进行训练得到训练好的模型，就可以快速准确的知道野生动物的状态。

技术领域

本发明涉及数据处理领域，特别涉及一种深度学习方法。

背景技术

野生动物是自然环境中必不可缺的一部分，野生动物的行为动作和状态都会影响到自然环境，在我们研究自然环境的时候，对野生动物的研究也是必不可少的一部分，我们通过对野生动物行为动作和状态的研究，就可以了解野生动物的生活习惯，从而推断出野生动物在自然环境中对自然环境的影响。

但是在研究的时候，很多的环境研究员并不是专业研究野生动物的，因此不知道野生动物的行为动作所表示的状态，因此，就需要花费大量的时间对野生动物进行观察。一般情况下，研究员在研究的时候，都会将野生动物放在环境模拟器内对野生动物进行观察，环境模拟器就模拟出了野生动物的平时生存的环境，野生动物在环境模拟器中会做出各种动作，而研究员在研究的时候，就需要长时间的蹲守在环境模拟器旁，才能得到野生动物摸清楚各个动作行为做表示的状态，这样会非常的浪费研究的时间，从而降低研究的效率。

发明内容

本发明的目的是克服上述现有技术中存在的问题，提供一种深度学习方法，通过对野生动物的行为进行监控，并将野生动物的行为视频的各个视频帧的特征值提取出来作为一个字符串，同时结合当时的环境参数和野生动物的叫声对模型进行训练得到训练好的模型，就可以快速准确的知道野生动物的状态，从而节省研究的时间，提升研究的效率。

为此，本发明提供了一种深度学习方法，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。

进一步，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。

进一步，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。

更进一步，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。