[发明专利]一种环境自适应感知的小样本濒危动物检测方法及系统

权利要求书

1.一种环境自适应感知的小样本濒危动物检测方法，其特征在于，构建面向濒危动物场景下的目标检测模型，模型包括环境感知模块、特征提取器、特征重加权模块和检测预测器，环境感知模块包括显著性网络和图像补全网络，目标检测模型的训练分为基础训练和微调训练两个阶段，濒危动物检测方法包括以下步骤：

S1、根据濒危动物活动场景的图像特征对普通动物类别的数据集进行数据预处理；

S2、通过任务分解，将预处理后的普通动物类别数据集划分为多个子任务；

S3、利用多个子任务对目标检测模型中的特征提取器、特征重加权模块和检测预测器共同进行基础阶段的训练；

S4、将濒危动物类别的数据集输入到环境感知模块，得到包含额外语义信息的新的图像样本；

S5、对濒危动物类别数据集中已有的图像样本与新的图像样本进行数据预处理；

S6、将步骤S5中预处理后的所有的濒危动物图像样本作为输入，对经过基础训练后的目标检测模型进行微调阶段的训练；

S7、得到微调训练完成后的目标检测模型，输入实时数据对濒危动物进行目标检测，得到相应目标的边界框坐标、分类结果和置信度。

2.根据权利要求1所述的一种环境自适应感知的小样本濒危动物检测方法，其特征在于，根据濒危动物活动场景的图像特征对普通动物类别的数据集进行数据预处理，在过度曝光、暗光环境和图像模糊这3种设定中随机选择选取1种设定进行图像处理。

3.根据权利要求1所述的一种环境自适应感知的小样本濒危动物检测方法，其特征在于，通过任务分解，将预处理后的普通动物类别数据集划分为多个子任务，每个子任务进行训练时每个类别的训练数据不同，包括有1shot、2shot、3shot、5shot、10shot、20shot构成的子任务，其中1shot代表任务中每个类别采用1张图像进行训练。

4.根据权利要求1所述的一种环境自适应感知的小样本濒危动物检测方法，其特征在于，将濒危动物类别的数据集输入到环境感知模块，得到包含额外语义信息的新的图像样本，包括：

对于濒危动物图像I，将其输入到预训练完成的显著性网络u()，得到part级别的显著图u(I)；

根据得到的显著图与濒危动物图像I进行运算，分离出濒危动物图像的前景部分：F_I＝I-(1-u(I))；

采用图像补全网络修复濒危动物图像在前景分离过程中所缺失的后景部分，得到完整的后景部分：B_J＝f(I,u(I))；

把完整的后景部分划分为若干个视觉特性，统计特性相异的子区域，得到更细粒度的后景单元；

根据濒危动物活动的地理区域特征和季节特征，建立时空约束规则词典D,表示第k种类型濒危动物的背景约束向量，表示第N种约束要素；

得到所有濒危动物图像的前景和后景单元之后，将后景单元总数记为M，对于第k种类型濒危动物的前景图像，根据时空约束规则词典，计算所有的后景单元与第k种类型濒危动物的所有约束要素在地理区域上的匹配程度，并筛选出前x个最符合时空约束规则的后景单元，将筛选出的x个最符合时空约束规则的后景单元拼接成完整的后景图像，得到满足时空约束规则的后景图像集合：

将前景图像和后景图像集合中的所有后景图像进行融合，得到新的包含额外语义信息的图像样本:R_i＝F_I+B_t，B_t∈S；

对新的包含额外语义信息的图像样本进行数据增强处理；

其中，I为濒危动物图像，u()表示显著性网络，F_I为濒危动物图像的前景，f()表示图像补全网络，B_J为濒危动物图像的后景，g表示后景单元筛选算法，p表示后景单元拼接算法，count为拼接时的后景单元数量，为第j个后景单元，R_i为第i个新的图像样本，B_t为后景图像集合S中的后景图像。