欢迎来到天天文库
浏览记录
ID:35102833
大小:5.22 MB
页数:50页
时间:2019-03-17
《驱鸟系统下的鸟类识别与跟踪技术的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、项±学位论文^,M化鳥系化下的矣类禱别与化喊技术的应巧研堯;六":I-、---.7^;''^、^姜志凯邊^;聲狭壤汝rvP-啡嘯.識篡摸杉方1-难争萨病、、心;,;指导教师陈代江副教授臀’'接.:r-^专业学位类别:农业推广硕壬^^'—-^ ̄ir专业学位领域:农业信息化參.—''.心雌旣V.冷,.遊?驚V^-二〇六年eg月义f'..入..-六^.--?.;-;巧参!巧零讓勢V—V巧J独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及
2、取得的研究成果。除了文中特别加标注和致谢的地方外,论文中不包含他人已经发表或撰写过的研究成果,也不何含为获得重庆师抵大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明。学位论文作者签名:右知^签字日期;年日羞学位论文版权使用授权书本学位论文作者完全了解惠巧师范大学有关偏留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授化電庚师范乂学可Pi将学位论文的全部或部分内容编入有关数据库进
3、行检索,可^^1采用影印、缩或巧描等手段保存、汇编印复制论文。学位学位论文作者签名;签字日期:如年月/安/重庆师范大学硕士学位论文驱鸟系统下的鸟类识别与跟踪技术的应用研究硕士研究生:娄志凯指导教师:陈代江副教授学科专业:农业信息化所在学院:计算机与信息科学学院重庆师范大学二零一六年四月AThesisSubmittedtoChongqingNormalUniversityinPartialFulfillmentoftheRequirementsforthedegreeofMasterApplicationresearchont
4、hetechnologyofbirdidentificationandtrackingunderdriving-birdmonitoringsystemCandidate:LouZhiKaiSupervisor:ChenDaiJiangAssociateProfessorMajor:AgriculturalInformatizationCollege:CollegeofComputerandInformationScienceChongqingNormalUniversityApril,2016重庆师范大学硕士学位论文中文摘要驱鸟系统下的
5、鸟类识别与跟踪技术的应用研究摘要鸟类危害是指鸟类的觅食行为对农作物产生的危害,鸟类对经济作物的食用导致农民利益受损,严重的导致粮食供应受到影响。尤其是近些年来我国加强了对环境和鸟类生物的保护,野生鸟类越来越多,对农作物产生的危害也越来越大。目前经分析各种驱鸟方法发现超声波驱鸟的效果好,但是需要长时间发声需要耗费大量电力从而造成资源浪费。如果可以通过监测装置检测到鸟类的踪迹,并以此为信号启停超声波驱鸟器,则可以大大降低这种浪费。目前国内外的鸟类检测手段主要包括热成像法、雷达法,图像处理等一系列的方法。前两种检测方法的性价比太低,往往需要昂贵
6、的设备,对于农民阶层很难承受。相比之下,图像处理法则相对廉价,通过摄像头将图像信息传递给微型处理器进行处理即可。这对于连年受鸟害侵袭,不堪其扰的农民来说,性价比较高,也容易推广。图像处理技术中鸟类特征提取以及跟踪作为该驱鸟系统的关键技术。首先,本文通过机器学习的方法对ImageNET上的33623个样本进行筛选和数据分析,得到正面鸟类样本31495个,负面鸟类样本1064个。然后,对于原始图像进行小图的扣取,人工分类小图哪些是由鸟类信息的,通过HOG特征提取出这些数据的特征向量,并对其进行窗宽加权,利用机器学习的方法对数据样本进行训练,根
7、据训练的结果得到相对于随机分类更好的局部分类器。将多个局部分类器组合成最终分类器。其次,图像转换为信号输入到处理器,处理器通过函数变换对图像信号预处理,比如高斯函数可以消除信号噪点,平滑图像;拉普拉斯可以在平滑的基础上适当锐化图像,增强原有的细节)。然后对于输入图像进行小图划分(20×20),对小图同样进行HOG特征处理和窗宽加权。再次,利用鸟类模型训练过程中训练出的特征模型进行识别,通过MeanShift算法对于鸟类视频进行跟踪。然后,以4个常规的MP4格式视频文件作为实验对象,在VS2010环境下进行跟踪目标测试。对于实验的各个视频均
8、能追踪到目标,证明该算法的可行性。最后,根据前面的研究,进行一系列的系统分析,来设计前端的系统以及后台管理系统,最终得到智能驱鸟系统的系统设计方案。关键词:HOG特征提取;机器学习;MeanS
此文档下载收益归作者所有