(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210572286.5 (22)申请日 2022.05.25 (65)同一申请的已公布的文献号 申请公布号 CN 114708519 A (43)申请公布日 2022.07.05 (73)专利权人 中国科学院精密测量科 学与技术 创新研究院 地址 430077 湖北省武汉市武昌区徐 东大 街340号 专利权人 中国地质大 学 （武汉） (72)发明人 杨超　覃文敏　潘国庆　蔡晓斌　 王学雷　 (74)专利代理 机构 武汉市首臻知识产权代理有 限公司 42 229 专利代理师 刘牧 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/20(2022.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 109064445 A,2018.12.21 CN 110599537 A,2019.12.20 US 2019228538 A1,2019.07.25 US 20213 65675 A1,2021.1 1.25 段恩泽， 等. 《基 于深层卷积神经网络的肉兔 图像分割与体质量估测》 . 《农业机 械学报》 .2021,第52卷(第6期),第259-267页. Liang Han， et al. 《L ivestock detecti on in aerial ima ges using a ful ly convolutional netw ork》 . 《computati onal visual media》 .2019,第5卷(第2期),第2 21-228 页. 审查员 李宇文 (54)发明名称 一种基于无人机遥感的麋鹿识别与形态轮 廓参数提取方法 (57)摘要 一种基于无人机遥感的麋鹿识别与形态轮 廓参数提取方法， 以无人机遥感影像为处理素 材， 先进行预处理、 标注， 再建立目标检测模型， 然后用初始影像、 标注文件训练， 再将新遥感影 像代入目标检测模型以获得新遥感影像上麋鹿 个体的目标检测位置信息， 然后一并导入数据库 中以获得图像数据集， 再筛选以获得麋鹿个体影 像语义分割训练集， 然后生成个体掩膜， 再建立 语义分割模型， 并以训练集、 个体掩膜训练， 然后 将新图像数据集调入模型以获得个体预测掩膜， 再进行灰度、 二值化处理， 然后将二值化图形转 换为麋鹿轮廓矢量信息文件以完成形态轮廓参数提取。 本设计不仅在复杂环境下监测精度较 高、 利于麋鹿形态轮廓参数提取， 而且使用成本 较低， 功能性较强。 权利要求书2页 说明书8页 附图10页 CN 114708519 B 2022.09.27 CN 114708519 B 1.一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方法， 其特征在于： 所述麋鹿 识别与形态轮廓参数提取 方法包括以下步骤： S1： 通过无人机平台上挂载的摄像头或传感器对地面上的麋鹿种群进行拍摄， 以获取 对应的无人机遥感影像， 该无人机遥感影像为图片， 拍摄次数为多次， 无人机遥感影像的数 量为多张； S2： 对前述无人机遥感影像进行预处理以得到初始影像I1， 所述预处理包括图像增强、 去噪、 过滤中的至少一种或任意组合； 所有的初始影 像I1构成一个单独的文件夹； S3： 采用目标识别数据标注工具对初始影像I1中的麋鹿个体进行标注， 每张初始影像 I1被标注后对应生成一个标注文件T1， 该T1为txt或xml格式， 且初始影像I1与其对应的T1 组成图像—位置信息对； 单张I1中， 每标注一个麋鹿， 该初始影像I1所对应的T1里就会生成一个标注数据； 所有 的T1构成一个单独的文件夹； S4： 先采用YOLO算法建立初始目标检测模型M1， 再在算法中指定上述I1、 T1各自所在的 文件夹的调用路径， 然后运行算法以对初始目标检测模型M1进 行训练， 训练 时， 初始目标检 测模型M1将调用的两个文件夹自动划分为训练集、 测试集， 训练结束后即可获得成功目标 检测模型M2； S5： 将上述成功目标检测模型M2应用于实际， 即先重 复S1、 S2步骤以获得被监测麋鹿种 群所对应的新遥感影像， 再将新遥感影像调用进成功目标检测模型M2以运行， 然后检测出 新遥感影像上麋鹿个体的位置， 并获得记录了对应目标检测位置信息的txt文件T2； 所述新 遥感影像与T2一 一对应， 所述 新遥感影 像、 T2的数量均为多个； S6： 先将上述新遥感影像及其对应的T2一同导入pycharm集成开发环境中， 以得到所有 被检测出 的麋鹿个体所对应的单张图片， 一只麋鹿个体对应一张图片， 所有麋鹿个体的图 片组成图像数据集D1， 再对图像数据集D1 中图片的数量进 行统计， 即可获知麋鹿的数量， 从 而完成麋鹿识别； S7： 先对图像数据集D1中的图片进行筛选以获得麋鹿个体影像语义分割训练集I2， 该 麋鹿个体影像语义分割训练集I2为一个单独的文件夹， 再运行交互式自动标注工具EISeg 对麋鹿个体影像语义分割训练集I2进 行调用， 然后对I2中的每张图片进 行标注以生 成该张 图片对应的个体掩膜， 一张图片对应一个个体掩膜， 所有的个体掩膜组成个体训练掩膜集 Y1； 再采用语义分割算法建立初始语义分割模型F1， 然后在算法中指定麋鹿个体影像语义 分割训练集I2、 个体训练掩膜集Y1各自所在的文件夹的调用路径， 然后运行算法以对初始 语义分割模型 F1进行训练， 训练结束后即可获得成功语义分割模型 F2； S8： 将上述成功语义分割模型F2应用于实际， 即先重复S6步骤以获得被监测麋鹿种群 所对应的新图像数据集D2， 再将新图像数据集D2调入成功语义分割模型F2以获得对应的个 体预测掩膜 集Y2， 新图像数据集D2中的麋鹿个体图片与个体预测掩膜 集Y2中的个体预测掩 膜一一对应； S9： 先对个体预测掩膜进行灰度处理， 再对灰度图进行二值化以获得麋鹿个体的二值 化图形； S10： 先采用Arcgis工具将上述二值化图形转换为麋鹿 轮廓矢量信息文件， 再基于麋鹿 轮廓矢量信息文件获得麋鹿轮廓的面积与周长， 并生成骨架线， 然后计算提取 的骨架线长权　利　要　求　书 1/2 页 2 CN 114708519 B 2度为麋鹿身长， 从而获得麋鹿个 体的形态轮廓参数； 所述S1、 S2中， 所述无 人机遥感影像带有对应的坐标信息； 所述S10中， 在得到麋鹿轮廓的面积、 周长， 并生成骨架线之后， 进行的判断操作包括： 根据麋鹿身长与轮廓的周长的比值判定麋鹿的性别； 所述S10中， 在得到麋鹿轮廓的面积、 周长， 并生成骨架线之后， 进行的判断操作还包 括： 先从麋鹿轮廓上提取特征点， 再根据特征点进行计算， 以得到麋鹿的头宽与身宽， 然后 根据身长、 身宽判定麋鹿的年龄； 在上述判断操作结束之后， 将所获得的面积、 周长、 身长、 头宽、 身宽、 性别、 年龄都导入 属性表中， 以输出麋鹿个 体的属性特 征。 2.根据权利要求1所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方法， 其特征在于： 所述S1中， 所述无 人机的飞行高度设置在5 0—60m之间。 3.根据权利要求1或2所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方 法， 其特征在于： 所述S3中， 所述目标识别数据标注工具为Labelimg软件； 所述对初始影像 I1中的麋鹿个 体进行标注是指： 先点击麋鹿个 体， 再拉拽标注框以将麋鹿个 体框住。 4.根据权利要求1或2所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方 法， 其特征在于： 所述S4中， 所述YOLO算法是指采用Darknet ‑53骨干网络运行的YOLO  V5算 法。 5.根据权利要求1或2所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方 法， 其特征在于： 所述S5中， 在获得T2的同时， 展示新遥感影像上所有麋鹿个体的位置标示 图， 该位置标示图为框住麋鹿个 体的标示框 。 6.根据权利要求1或2所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方 法， 其特征在于： 所述S7中， 所述语义分割算法为de eplab V3+算法。 7.根据权利要求1或2所述的一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方 法， 其特征在于： 所述S9中， 对个体预测掩膜依次进行灰度处理、 二值化处理的为OpenCV库； 同时， OpenCV库对二值化图形进行调用， 将二值化图形叠加 到其对应的新图像数据集D2中 的麋鹿个 体图片上， 并进行展示。权　利　要　求　书 2/2 页 3 CN 114708519 B 3