Алгоритмы обработки изображений и распознавания объектов животного мира на фотоснимках фотовидеорегистраторов методами машинного обучения
УДК 519.6:004.42:004.8:004.93
Аннотация
Статья посвящена разработке алгоритмов и программного обеспечения с применением технологий компьютерного зрения, интеллектуального анализа изображений, машинного обучения и искусственного интеллекта для обработки, анализа и распознавания объектов животного мира на фотоснимках с фотоловушек, позволяющих повысить скорость обработки фотоснимков и достоверность распознавания объектов.
Программное обеспечение позволяет обрабатывать большие массивы данных с изображениями с фотоловушек от исходных фотоснимков до их каталогизации по видам объектов и направлено на повышение качества и скорости обработки фотоснимков, повышение достоверности распознавания объекта. Для этого осуществляется автоматическая классификация массива фотоснимков на не содержащие дефект и содержащие дефект (изображения с поврежденными пикселями, засвеченные и с потерей резкости).
С помощью глубокой сверточной нейронной сети формируются классы, содержащие изображения животных и не содержащие распознаваемых объектов животного мира. Проводится сортировка фотоснимков, содержащих образ человека, образ транспортного средства или изображение природной среды без животного. В процессе обработки фотоснимков и классификации изображений генерируется отчет в виде табличного файла .csv, где имена файлов с изображениями имеют метки, соответствующие изображенным на них объектам.
Скачивания
Metrics
Литература
Официальный сайт приложения «WildId ». URL: https://www.wildid.app/ (дата обращения: 15.05.2023).
Официальный сайт приложения «Timelapse: An Image Analyser for Camera Traps». URL: https://saul.cpsc.ucal-gary.ca/timelapse/ (дата обращения: 15.04.2023).
Harris G., Thompson R., Childs J.L., sanderson J.G. Automatic storage and Analysis of Camera Trap Data // Bulletin of the Ecological society of America. 2010. Vol. 91. P. 352-360. DOI: 10.1890/0012-9623-91.3.352
Sundaresan S.R., Riginos C., Abelson E.S. Management and Analysis of Camera Trap Data: Alternative Approaches (Response to Harris et al., 2010) // Bulletin of the Ecological society of America. 2011. Vol. 92. P. 188-195. DOI: 10.1890/00129623-92.2.188
Tobler M.W. Camera Base Version 1.7. User Guide. Botanical Research Institute of Texas. 2015. 38 p.
Niedballa J, Sollmann R, Courtiol A., Wilting A. CamtrapR: an R Package for Efficient Camera Trap Data Management // Methods in Ecology and Evolution. 2016. Vol. 7 (12). P. 1457-1462. DOI: 10.1111/2041-210X.12600
Есипов А.В., Головцов Д.Е., Быкова Е.А. Материалы к фауне млекопитающих и птиц западной части Чаткальского хребта по данным фотоловушек // Вестник Тюменского государственного университета. Экология и природопользование. 2015. Т. 1. № 1 (1). С. 141-150.
Сухоруков Е.Г. Опыт обработки данных фотоловушек в Тигирекском заповеднике // Труды Тигирекского заповедника. 2015. Вып. 7. С. 77-79. DOI: 10.53005/20767390_2015_7_77
Эрнандес-Бланко Х.А., Лукаревский В.С., Найден-ко С.В., Сорокин П.А., Литвинов М.Н., Чистополова М.Д., Котляр А.К., Рожнов В.В. Опыт применения цифровых фотоловушек для идентификации амурских тигров, оценки их активности и использования основных маршрутов перемещений животными // Амурский тигр в Северо-Восточной Азии: проблемы сохранения в XXI веке : материалы научно-практической конференции. Владивосток: Дальнаука. 2010. С. 100-103.
Виткалова А.В., Сторожук В.Б., Матюхина Д.С., Салманова Е.И. Мониторинг популяции дальневосточного леопарда при помощи автоматических фотокамер // Современные технологии в деятельности ООПТ: ГИС, ДЗЗ : Сб. науч. статей. Минск: А.Н. Вараксин. 2015. С. 44-45.
Copyright (c) 2024 Алексей Владимирович Ваганов, Константин Сергеевич Печененко, Любовь Анатольевна Хворова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.