(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221027219 9.8 (22)申请日 2022.03.18 (71)申请人 海南大学 地址 570100 海南省海口市人民大道58号 (72)发明人 王冠军　王晓蕾　邹勇华　龙文兴　 黄梦醒　文绍平　张梦凡　牛宁　 杨茜　 (74)专利代理 机构 成都其高专利代理事务所 (特殊普通 合伙) 5124 4 专利代理师 任坤 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) H04N 5/225(2006.01) H04N 5/247(2006.01) H04N 7/18(2006.01) (54)发明名称 一种基于卷积神经网络的海南长臂猿野外 图像检测系统及方法 (57)摘要 本发明公开了一种基于卷积神经网络的海 南长臂猿野外图像检测系统及方法， 包括以下步 骤： S1， 对现有野外摄像头所传输的视频数据进 行处理， 获得海南长臂猿图像数据； S2， 对每个所 述图像数据进行标注预处理， 建立海南长臂猿数 据集； S3， 在电脑端， 构建目标检测模型， 通过训 练数据集得到目标检测模型； S4， 对电脑端检测 模型进行转化并部署在边缘设备端运行； S5， 基 于部署在边缘设备端的轻量级检测模 型， 结合现 有野外摄像头， 实时检测海南长臂猿。 本发明通 过卷积神经网络和边缘设备， 能够全 方位实时监 测“濒危物种 ”海南长臂猿的生活轨迹， 深 入了解 海南长臂猿的生活习性， 拉近我们和大自然的距 离， 降低人力成本， 助力海南长臂猿保护行动。 权利要求书1页 说明书5页 附图4页 CN 114639047 A 2022.06.17 CN 114639047 A 1.一种基于卷积神经网络的海南长臂猿野外图像检测方法， 其特征在于， 包括以下步 骤： S1， 对现有野外摄 像头所传输的视频 数据进行处 理， 获得海南长臂猿图像数据； S2， 对每个所述图像数据进行 标注预处 理， 建立海南长臂猿数据集； S3， 在电脑端， 构建目标检测模型， 通过训练数据集得到目标检测模型； S4， 对电脑端检测模型进行转 化并部署在边 缘设备端运行； S5， 基于部署在边缘设备端的轻量级检测模型， 结合现有野外摄像头， 实时检测海南长 臂猿。 2.根据权利要求1所述一种基于卷积神经网络的海南长臂猿野外图像检测方法， 其特 征在于， 在步骤S2中， 所述标注预处理是通过Lab elMe工具对图像数据进行逐个标注， 形成 数据集中的xml文件， 所述xml文件中包括每 个图像数据的位置参数和类别名称。 3.根据权利要求1所述一种基于卷积神经网络的海南长臂猿野外图像检测方法， 其特 征在于， 在步骤S3中， 所述检测模 型是基于 yolov3的算法模 型， 目标检测模 型训练包括以下 步骤： a， 将数据集中的图像数据输入到yo lov3的主干网络进行 特征提取， 得到三个特 征层； b， 三个特征层用于下一步的网络构建， 将三个所述特征层输入到特征金字塔网络用于 特征融合， 对在主干网络所提取到的特 征层进行插值法还原， 得到加强特 征层； c， 所述加强特征层经下一步网络处理获得预测参数， 将预测参数与实际标注的位置参 数对照， 计算 误差， 当误差下降到一定值 不在下降时， 模型训练完成。 4.根据权利要求3所述一种基于卷积神经网络的海南长臂猿野外图像检测方法， 其特 征在于， 三个所述特 征层是分别经 过压缩三次、 四 次、 五次而得到 。 5.一种基于卷积神经网络的海南长臂猿野外图像检测系统， 其特征在于， 该系统使用 权利要求1 ‑4任一项所述的图像 检测方法， 所述系统包括： 360°监控平台， 包括多个结构相同的摄像头， 用于360 °全方位获取海南长臂猿图像， 跟 踪海南长臂猿生活踪迹； 目标检测单元， 包括树莓派4B开发板和英特尔神经网络计算棒， 用于将输入图像数据 进行实时处 理检测； 无线通信模组单 元， 用于与远程中心数据通信； 太阳能电源管理模块单 元， 用于野外自主独立供电。 6.根据权利要求5所述一种基于卷积神经网络的海南长臂猿野外图像检测系统， 其特 征在于， 所述树莓派4B开发板内设置有基于yolov3算法 的海南长臂猿检测模型， 多个所述 摄像头与所述 树莓派4B开发板相连。 7.根据权利要求5所述一种基于卷积神经网络的海南长臂猿野外图像检测系统， 其特 征在于， 所述无线通信模组单元包括SIM7600CE通信模组， 所述SIM7600CE通信模组 内设SIM 卡槽。 8.根据权利要求5所述一种基于卷积神经网络的海南长臂猿野外图像检测系统， 其特 征在于， 所述太阳能电源管 理模块单元包括20000mAh移动电源和适用于6v ‑24v多晶硅太阳 能板。权　利　要　求　书 1/1 页 2 CN 114639047 A 2一种基于卷积神经 网络的海南长臂猿野外图像检测系统及 方法 技术领域 [0001]本发明属于野生动 物监测技术领域， 尤其涉及一种基于卷积神经网络的海南长臂 猿野外图像 检测系统及方法。 背景技术 [0002]海南长臂猿在 世界濒危物种红色名录中被归类为 “极度濒危 ”物种， 是世界上最濒 危的灵长类动物。 最近的几十年， 海南长臂猿的现状得到了国家， 地方政府， 民间公益机构 和中外的学者的关注， 数量已达到五个种群， 35只个体栖息于海南热带雨林国家公园， 但与 种群复壮仍有极大差距。 长期以来， 许多动物研究学者通过定期实地考察和与当地人进行 访谈来跟踪和 监测海南长臂猿的生活踪迹。 但间歇获取 的数据缺 乏实时性、 连续性和完整 性。 目前科研人员多通过监测识别海南长臂猿的叫声， 了解海南长臂猿之间信息传递的方 式。 2021年11月， 海南 国家公园研 究院与华为合作和世界自然保护联盟(IUCN)发布了海南 长臂猿声学监测项目阶段性成果， 已经实现海南长臂猿声学监测的自动识别和实时回传。 企业界和学术界虽然开展了基于人工智能的海南长臂猿的监测研究， 但多 数停留在长臂猿 鸣声声谱检测， 图像检测研究寥寥无几。 利用红外触发相 机技术检测野外海南长臂猿是当 前最有效的手段之一， 但传统野生动物保护相 机拍摄触发相 机的任何东西， 不仅在后期处 理和分析时要面对海量的数据， 而且所得到图像数据还是零散碎片化的， 仅9s的单个视频 影像无法充分了解长臂猿生活习性。 发明内容 [0003]针对现有技术不足， 本发明的目的在于提供一种基于卷积神经网络的海南长臂猿 野外图像检测系统及方法， 增加单次捕捉海南长臂猿影像的时间， 实现360 °全方位动态跟 踪长臂猿动向， 深入了解全球最濒 危的灵长类动物， 海南岛真正的原住 “居民”的生活方式， 解决背景技 术中提出的问题。 [0004]本发明提供如下技 术方案： [0005]一种基于卷积神经网络的海南长臂猿 野外图像 检测方法， 包括以下步骤： [0006]S1， 对现有野外摄 像头所传输的视频 数据进行处 理， 获得海南长臂猿图像数据； [0007]S2， 对每个所述图像数据进行 标注预处 理， 建立海南长臂猿数据集； [0008]S3， 在电脑端， 构建目标检测模型， 通过训练数据集得到目标检测模型； [0009]S4， 对电脑端检测模型进行转 化并部署在边 缘设备端运行； [0010]S5， 基于部署在边缘设备端的轻量级检测模型， 结合现有野外摄像头， 实时检测海 南长臂猿。 [0011]优选的， 所述数据集中的图像数据还 包括海南长臂猿的网络高清图像素 材。 [0012]优选的， 在步骤S2中， 所述标注预处理是通过LabelMe工具对图像数据 进行逐个标 注， 形成数据集中的xml文件， 所述xml文件中包括每 个图像数据的位置参数和类别名称。说　明　书 1/5 页 3 CN 114639047 A 3