(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 202210678921.8 (22)申请日 2022.06.15 (71)申请人 云南这里信息技 术有限公司 地址 650051 云南省昆明市盘龙区青云街 道世博生态城低碳中心A栋13层1301 号 (72)发明人 马云强　芦俊佳　李林玉　许平　 杨锁刚　张海燕　 (74)专利代理 机构 昆明盈正知识产权代理事务 所(特殊普通 合伙) 53208 专利代理师 徐洪刚 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06V 10/26(2022.01) (54)发明名称 黑颈鹤识别方法、 装置、 设备及存 储介质 (57)摘要 本发明公开了一种黑颈鹤识别方法、 装置、 设备及存储介质， 该方法包括获取鸟类图像数据 集， 构建预训练模型并训练得到黑颈鹤识别模 型， 获取黑颈鹤图像数据集， 执行关键区域分割 并训练得到黑颈鹤匹配模型， 在接收到目标图像 时， 判断目标图像是否为黑颈鹤以及对应黑颈鹤 在黑颈鹤数据库中的标号。 本发 明通过将图像分 类、 图像分割、 特征点提取、 机器学习、 目标检测 等技术结合黑颈鹤的精细化智能识别， 针对黑颈 鹤这一物种建立精准的识别模型， 基于这一识别 模型通过对黑颈鹤面部特征的点提取和面部深 度卷积网路机器学习的方法实现黑颈鹤ID 的识 别， 在判断黑颈鹤物种的基础上识别每只黑颈鹤 的ID， 为黑颈鹤繁殖、 迁徙和个体行为研究提供 数据支撑 。 权利要求书2页 说明书10页 附图10页 CN 115035313 A 2022.09.09 CN 115035313 A 1.一种黑颈鹤识别方法， 其特 征在于， 所述方法包括以下步骤： 获取鸟类图像数据集， 对每张鸟类图像执 行数据标注， 获得训练数据集； 构建预训练模型， 并利用所述训练数据集对预训练模型进行训练， 获得黑颈鹤识别模 型； 获取黑颈鹤图像数据集， 对每张黑颈鹤图像执 行关键区域分割； 提取若干个关键区域的特征点， 并利用特征点对每个关键区域对应的匹配模型进行训 练， 获得黑颈鹤匹配模型； 在接收到目标图像时， 将所述目标图像输入黑颈鹤识别模型， 判断所述目标图像是否 为黑颈鹤； 若是， 利用黑颈鹤匹配模型对目标图像和黑颈鹤数据库中的黑颈鹤特征矩阵进行匹 配， 获得目标图像中的黑颈鹤在黑颈鹤数据库的对应标号。 2.如权利要求1所述的黑颈鹤识别方法， 其特征在于， 所述获取鸟类图像数据集步骤， 具体包括： 获取鸟类图片； 其中， 所述鸟类图片包括保护区抓拍以及鸟类视频中抽帧提取的黑颈 鹤图片和非黑颈鹤图片； 对所述黑颈鹤图片和非黑颈鹤图片执行图像预处理， 获得鸟类图像数据集； 其中， 所述 图像预处 理包括旋转、 镜像、 加高斯噪声、 亮度调整或对比度调整中的一种或多种。 3.如权利要求2所述的黑颈鹤识别方法， 其特征在于， 所述利用所述训练数据集对预训 练模型进行训练， 获得黑颈鹤识别模型步骤， 具体包括： 提取训练数据集中的特征图， 建立输出特征比例分别为1/4、 1/8， 1/16， 1/32， 1/64的特 征金字塔； 利用区域 生成网络对训练数据集进行处 理， 获得候选区域推荐框； 基于所述特 征金字塔和所述 候选区域推荐框， 确定区域特 征图； 根据区域特征图， 获得分类结果， 并根据 所述分类结果调整交叉熵损失函数， 以获得一 阶的黑颈鹤识别模型。 4.如权利要求3所述的黑颈鹤识别方法， 其特征在于， 所述根据区域特征图， 获得分类 结果， 并根据所述分类结果调整交叉熵损失函数， 以获得一阶的黑颈鹤识别模型步骤之后， 所述方法还 包括： 对所述黑颈鹤图片中的黑颈鹤行为动作进行分类， 获得N ‑1个黑颈鹤行为动作图像集； 将所述N‑1个黑颈鹤行为动作图像集分别作为对一阶的黑颈鹤识别模型进行训练的训 练数据集， 返回执行提取训练数据集中的特征图步骤， 对一阶的黑颈鹤识别模型执行N ‑1次 训练， 直至获得N阶的黑颈鹤识别模型。 5.如权利要求1所述的黑颈鹤识别方法， 其特征在于， 所述对每张黑颈鹤图像执行关键 区域分割步骤， 具体包括： 根据黑颈鹤的位置角度， 将黑颈鹤图像分类为左侧黑颈鹤图像、 右侧黑颈鹤图像和正 面黑颈鹤图像； 对分类后的每张黑颈鹤图像进行矩阵扫描学习， 根据学习结果对每张黑颈鹤图像进行 关键区域分割。 6.如权利要求5所述的黑颈鹤识别方法， 其特征在于， 所述提取若干个关键区域的特征权　利　要　求　书 1/2 页 2 CN 115035313 A 2点， 并利用特征点对每个关键区域对应的匹配模型进 行训练， 获得黑颈鹤匹配模 型步骤， 具 体包括： 提取每个关键区域的特征点， 并为每个关键区域建立对应的匹配模型； 其中， 关键区域 包括左侧脸颈区域、 左侧眼睛区域、 左侧喙部区域、 右侧脸颈区域、 右侧眼睛区域、 右侧喙部 区域和正 面脸颈区域； 利用每个关键区域的特征点对所述关键区域对应的匹配模型对进行训练， 获得黑颈鹤 匹配模型。 7.如权利要求6所述的黑颈鹤识别方法， 其特征在于， 所述利用黑颈鹤 匹配模型对目标 图像和黑颈鹤 数据库中的黑颈鹤 特征矩阵进 行匹配， 获得目标图像中的黑颈鹤在黑颈鹤 数 据库的对应标号 步骤， 具体包括： 利用黑颈鹤匹配模型对目标图像和黑颈鹤数据库中的黑颈鹤特征矩阵进行匹配， 并计 算黑颈鹤数据库中每张黑颈鹤图像的特 征与目标图像特 征的欧氏距离值； 判断所述黑颈鹤数据库中是否具有欧氏距离值小于预设值的黑颈鹤， 若是， 将所述黑 颈鹤在黑颈鹤数据库中的标号输出； 否则， 将目标图像加入黑颈鹤图像数据集， 对黑颈鹤匹配模型进行训练。 8.一种黑颈鹤识别装置， 其特 征在于， 所述 黑颈鹤识别装置包括： 标注模块， 用于获取鸟类图像数据集， 对每张鸟类图像执行数据标注， 获得训练数据 集； 第一训练模块， 用于构建预训练模型， 并利用所述训练数据集对预训练模型进行训练， 获得黑颈鹤识别模型； 分割模块， 用于获取黑颈鹤图像数据集， 对每张黑颈鹤图像执 行关键区域分割； 第二训练模块， 用于提取若干个关键区域的特征点， 并利用特征点对每个关键区域对 应的匹配模型进行训练， 获得黑颈鹤匹配模型； 判断模块， 用于在接收到目标图像时， 将所述目标图像输入黑颈鹤识别模型， 判断所述 目标图像是否为 黑颈鹤； 匹配模块， 用于若是， 利用黑颈鹤匹配模型对目标图像和黑颈鹤数据库中的黑颈鹤特 征矩阵进行匹配， 获得目标图像中的黑颈鹤在黑颈鹤数据库的对应标号。 9.一种黑颈鹤识别设备， 其特征在于， 所述黑颈鹤识别设备包括： 存储器、 处理器及存 储在所述存储器上并可在所述处理器上运行的黑颈鹤识别方法程序， 所述黑颈鹤识别方法 程序被所述处 理器执行时实现如权利要求1至7中任一项所述的黑颈鹤识别方法的步骤。 10.一种存储介质， 其特征在于， 所述存储介质上存储有黑颈鹤识别方法程序， 所述黑 颈鹤识别方法程序被处理器执行时实现如权利要求1至7中任一项所述的黑颈鹤识别方法 的步骤。权　利　要　求　书 2/2 页 3 CN 115035313 A 3