摘要
金钱豹是生态系统的顶级捕食者，一个地区金钱豹的数量和种群规模决定着其它生物种群的数量和结构，对生态系统的平衡具有指示作用。因其生活特性，传统的个体识别方法费时耗力，对其数量难以及时准确地进行统计，影响对生态保护的决策。金钱豹独特的豹纹图案可作为其个体区分特征，近年深度学习在多领域目标识别中取得显著的成效，这也为金钱豹的个体识别提供了新的思路。论文拟在分析讨论金钱豹豹纹特征基础上，研究基于豹纹特征进行金钱豹个体识别的方法。主要工作包括: (1)构建金钱豹图像数据库。通过多种途径收集了368只金钱豹共17952张图像数据，利用Transformer中数据增强方法扩充了收集到的数据，进一步提高了数据库丰富性。 (2)提出一种使用费舍尔向量量化金钱豹豹纹特征的方法。该方法通过分析金钱豹图像，提取图像色彩和色彩直方图特征，并将它们组合成一种新的特征，并对其进行编码得到费舍尔向量，在描述不同金钱豹之间差异时，有效解决存储空间占用大和计算效率低下问题。 (3)提出利用费舍尔向量与卷积神经网络特征加权结合对金钱豹进行识别。利用卷积神经网络和费舍尔向量在特征编码和特征聚合后的相似性得到量化后向量，并将其进行权重结合以获得新型图像特征描述并计算相似度值。实验结果表明，该方法所提取的图像特征具备不受旋转影响且可被压缩的性质，并且达到更高的识别准确率。 (4)设计并实现金钱豹个体识别演示系统。基于PyQt5开发交互界面操作,利用论文所提方法实现对金钱豹个体识别，系统表明利用豹纹特征对金钱豹进行个体识别是一种行之有效的途径。
NETL