驅鳥系統(tǒng)下的鳥類識別與跟蹤技術的應用研究.pdf

1、鳥類危害是指鳥類的覓食行為對農(nóng)作物產(chǎn)生的危害，鳥類對經(jīng)濟作物的食用導致農(nóng)民利益受損，嚴重的導致糧食供應受到影響。尤其是近些年來我國加強了對環(huán)境和鳥類生物的保護，野生鳥類越來越多，對農(nóng)作物產(chǎn)生的危害也越來越大。目前經(jīng)分析各種驅鳥方法發(fā)現(xiàn)超聲波驅鳥的效果好，但是需要長時間發(fā)聲需要耗費大量電力從而造成資源浪費。如果可以通過監(jiān)測裝置檢測到鳥類的蹤跡，并以此為信號啟停超聲波驅鳥器，則可以大大降低這種浪費。目前國內外的鳥類檢測手段主要包括熱成像法、

2、雷達法，圖像處理等一系列的方法。前兩種檢測方法的性價比太低，往往需要昂貴的設備，對于農(nóng)民階層很難承受。相比之下，圖像處理法則相對廉價，通過攝像頭將圖像信息傳遞給微型處理器進行處理即可。這對于連年受鳥害侵襲，不堪其擾的農(nóng)民來說，性價比較高，也容易推廣。圖像處理技術中鳥類特征提取以及跟蹤作為該驅鳥系統(tǒng)的關鍵技術。
　　首先，本文通過機器學習的方法對ImageNET上的33623個樣本進行篩選和數(shù)據(jù)分析，得到正面鳥類樣本31495個，負

3、面鳥類樣本1064個。然后，對于原始圖像進行小圖的扣取，人工分類小圖哪些是由鳥類信息的，通過HOG特征提取出這些數(shù)據(jù)的特征向量，并對其進行窗寬加權，利用機器學習的方法對數(shù)據(jù)樣本進行訓練，根據(jù)訓練的結果得到相對于隨機分類更好的局部分類器。將多個局部分類器組合成最終分類器。
　　其次，圖像轉換為信號輸入到處理器，處理器通過函數(shù)變換對圖像信號預處理，比如高斯函數(shù)可以消除信號噪點，平滑圖像；拉普拉斯可以在平滑的基礎上適當銳化圖像，增強原有

4、的細節(jié)）。然后對于輸入圖像進行小圖劃分（20×20），對小圖同樣進行HOG特征處理和窗寬加權。再次，利用鳥類模型訓練過程中訓練出的特征模型進行識別，通過MeanShift算法對于鳥類視頻進行跟蹤。
　　然后，以4個常規(guī)的MP4格式視頻文件作為實驗對象，在VS2010環(huán)境下進行跟蹤目標測試。對于實驗的各個視頻均能追蹤到目標，證明該算法的可行性。
　　最后，根據(jù)前面的研究，進行一系列的系統(tǒng)分析，來設計前端的系統(tǒng)以及后臺管理系統(tǒng)，