[发明专利]基于SPP-Net算法的生态生物识别方法

说明书

本发明公开了基于SPP‑Net算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；通过SPP‑Net算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像与图像信息匹配，进行生态生物识别。本发明通过SPP‑Net算法的设置，输入整张图像，提取出整张图像的特征图，然后利用空间关系从整张图像的特征图中，在spatial pyramid pooling layer提取各个region proposal的特征，可以不用考虑图像大小，输出图像固定长度网络结构，并且可以做到在图像变形情况下表现稳定，且操作速度较快。

技术领域

本发明涉及生物识别技术领域，尤其涉及基于SPP-Net算法的生态生物识别方法。

背景技术

生物识别技术随着计算机技术的不断发展而得到了广泛应用，其中，生物识别技术是指，通过计算机与光学、声学、生物传感器以及生物统计学原理等手段相结合，利用生物固有的生理特性和行为特征来进行生物身份验证的技术。

水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况，有许多水生生物对水中毒物很敏感，也可以通过水生生物毒性实验结果来判断水质污染程度。因此，需要对生态生物进行识别，生态生物识别时，由于采集的图像大小不一，很难对不同大小的图像进行精准的识别。

发明内容

基于背景技术存在的技术问题，本发明提出了基于SPP-Net算法的生态生物识别方法。

本发明提出的基于SPP-Net算法的生态生物识别方法，包括如下步骤：

S1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；

S2采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；

S3通过SPP-Net算法对预处理后的生物图像数据进行目标检测；

S31首先通过选择性搜索，对待检测的生物图像进行搜索出2000个候选窗口；

S32把整张待检测的生物图像，输入CNN中，进行一次性特征提取，得到featuremaps，然后在feature maps中找到各个候选框的区域，再对各个候选框采用金字塔空间池化，提取出固定长度的特征向量；

S33把上面每个候选窗口的对应特征向量，利用SVM算法进行分类识别；

S4将检测后的生物图像与图像信息匹配，进行生态生物识别。

优选的，所述步骤S3使用ss生成2000个候选框，缩放图像min(w，h)＝s之后提取特征，每个候选框使用一个4层的空间金字塔池化特征，网络使用的是ZF-5的SPPNet形式，之后将12800d的特征输入全连接层，SVM的输入为全连接层的输出。

优选的，所述特征提取：先将图片resize到五个尺度：480，576，688，864，1200，加自己6个，然后在map window to feature map一步中，选择ROI框尺度在中大小最接近224x224的那个尺度下的feature maps中提取对应的roi feature。

优选的，所述金字塔空间池化：使得任意大小的特征图都能够转换成固定大小的特征向量。