本发明涉及智能识别，具体涉及一种穿山甲甲片个体智能识别方法及系统。
背景技术：
1、目前，针对穿山甲野外生存状况的监测手段尚显滞后，主要依赖于传统方法，也即是广泛布设的红外相机网络，它们记录着大量的野外活动信息。
2、然而，这一模式面临着显著挑战：首先，海量的图像与视频数据堆积如山，依赖科研人员逐一筛选，不仅效率低下，还极易因人为因素导致信息遗漏或误判，极大制约了监测数据的准确性与时效性。其次，受限于地理位置的偏远与交通不便，科研团队往往需要间隔较长时间才能亲临现场收集数据，这种时间上的滞后性，使得穿山甲的活动动态难以及时反馈至保护与管理决策层，对科学研究的深入展开构成了障碍。因此，如何确定一种高效的监测方法成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、针对所述缺陷，本发明实施例公开了一种穿山甲甲片个体智能识别方法，其能够提升穿山甲识别准确性以及及时性。
2、本发明实施例第一方面公开了穿山甲甲片个体智能识别方法，包括：
3、当检测到触发机关动作时，启动设置在相应监测区域的监测相机来对相应的监测画面进行拍摄以得到监测画面图像，并对所述监测画面图像进行预处理操作；
4、将经过预处理操作的所述监测画面图像输入至预先构建完成的目标检测模型中来进行目标检测以确定在所述监测画面图像中出现的所有穿山甲对应的目标检测区域，并根据所有检测到的目标检测区域裁剪出穿山甲图像；
5、将所述穿山甲图像输入至特征提取器中以提取各个穿山甲图像对应的特征向量；
6、将提取到的穿山甲图像对应的特征向量与穿山甲特征数据库进行特征匹配以确定相应的穿山甲图像是否为已知穿山甲个体；
7、若为已知穿山甲个体，则获取相应穿山甲个体的个体标识符，根据所述个体标识符生成一条新的监测信息，并将所述监测信息与个体标识符进行数据关联，其中，所述监测信息包括相应穿山甲出现的位置信息、时间信息和环境条件信息中的一种或者多种；
8、若为新的穿山甲个体，则生成新的个体标记符并记录新的穿山甲个体的特征向量，并根据新的穿山甲个体的特征向量对穿山甲特征数据库进行更新操作。
9、作为一种可选的实施方式，在本发明实施例第一方面中，所述目标检测模型通过如下步骤获取得到：
10、获取样本训练集，所述样本训练集包括穿山甲样本图像；并对所述样本训练集进行划分操作以得到训练集、验证集和测试集；
11、对所述穿山甲样本图像进行预处理操作；
12、将经过预处理操作的穿山甲样本图像输入至参数配置完成的目标检测模型中进行训练以及参数配置调整，直至相应的目标检测模型满足训练要求，并保存当前最佳模型参数；
13、在所述将经过预处理操作的穿山甲样本图像输入至参数配置完成的目标检测模型中进行训练以及参数配置调整之后，还包括
14、使用训练好的目标检测模型对测试集中的穿山甲测试图像进行预测，得到每个穿山甲测试图像所属的预测种类；
15、根据目标检测模型的预测结果和真实标注，生成种类混淆矩阵；所述种类混淆矩阵的行表示真实种类，列表示预测种类；
16、根据所述种类混淆矩阵计算出目标检测模型的总体性能指标，所述总体性能指标包括准确率、精确度、召回率和f1分数；
17、并根据所述种类混淆矩阵的分析结果来对目标检测模型进行调整和优化。
18、作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述穿山甲样本图像进行预处理操作，包括：
19、应用自动化脚本来检测所述穿山甲样本图像的图像分辨率，若所述图像分辨率符合模型输入要求；
20、对所述穿山甲样本图像进行去噪处理；
21、根据预设的穿山甲显示特征来对所述穿山甲样本图像中的对比度和亮度进行调节；
22、对所述穿山甲样本图像进行图像裁剪操作以及图像旋转校正操作；
23、根据色彩校正算法对所述穿山甲样本图像进行校正，所述色彩校正算法包括白平衡、色彩增强和色彩一致性；
24、对所述穿山甲样本图像进行锐化操作；
25、在所述对所述穿山甲样本图像进行预处理操作之后，还包括：
26、对穿山甲样本图像进行图像旋转操作以得到多个方向的穿山甲样本图像；
27、对穿山甲样本图像进行图像翻转以得到镜像方向的穿山甲样本图像；
28、调整穿山甲样本图像的中对应穿山甲大小以得到不同拍摄距离的穿山甲；
29、调整穿山甲样本图像的亮度和对比度以得到不同光照条件的穿山甲样本图像；
30、通过色彩抖动算法来对穿山甲样本图像进行处理以得到不同环境光照下的颜色表现的穿山甲样本图像；
31、通过图像合成技术来得到新的穿山甲样本图像；
32、记录上述各个增强图像的变换参数。
33、作为一种可选的实施方式，在本发明实施例第一方面中，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
34、根据距离计算公式计算新的穿山甲个体的特征向量到聚类算法模型中各个类别分类中心点的欧式距离；
35、根据欧式距离值最小原则来确定相应穿山甲个体的特征向量所属最终分类中心，根据所述最终分类中心来确定相应的聚类结果。
36、作为一种可选的实施方式，在本发明实施例第一方面中，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
37、从个体识别结果中提取穿山甲的特征信息；
38、将提取到的穿山甲的特征信息输入至预先构建完成的分类模型中进行种类识别以对新的穿山甲个体进行种类预测，并输出对应的种类识别结果，所述种类识别结果包括预测种类和置信度。
39、作为一种可选的实施方式，在本发明实施例第一方面中，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
40、根据甲片分割模型来对已识别的穿山甲个体进行甲片图像分割以得到相应的甲片部位图像；
41、对分割得到的甲片部位图像进行特征提取以得到相应的甲片部位特征，并对所述甲片部位特征进行特征类型识别以确定相应的甲片部位特征的甲片类型结果，所述甲片类型结果为头部甲片类型、身体甲片类型或者尾部甲片类型；
42、对甲片部位识别结果进行数据记录，所述甲片部位识别结果包括甲片类型结果和甲片位置信息；
43、根据所述甲片部位识别结果和甲片部分特征来更新甲片部位数据库。
44、作为一种可选的实施方式，在本发明实施例第一方面中，在所述将监测相机拍摄到的所述监测画面图像输入至预先构建完成的目标检测模型中来进行目标检测以确定在所述监测画面图像中出现的所有穿山甲对应的目标检测区域之后，还包括：
45、获取通过目标检测模型得到的所有检测框信息，所有检测框信息包括位置信息和检测置信度；
46、根据所述检测置信度的高低对所有的检测框信息进行排序操作，并将排序后的列表中置信度最高的检测框作为当前处理的参考框信息；
47、计算所述参考框信息与其他所有检测框信息之间的交并比数值，若所述交并比数值超过第一设定阈值，则将相应的检测框从列表中去除或者将其标记为抑制，直至处理完所有的检测框以得到目标检测列表；
48、根据设定的置信度阈值来对所述目标检测列表来进行匹配，若目标检测列表中的相应检测框的检测置信度低于置信度阈值，则将相应的检测框信息从目标检测列表中移出；
49、根据检测置信度对所有的检测结果信息进行展示。
50、本发明实施例第二方面公开一种穿山甲甲片个体智能识别系统，包括：
51、图像获取模块：用于当检测到触发机关动作时，启动设置在相应监测区域的监测相机来对相应的监测画面进行拍摄以得到监测画面图像，并对所述监测画面图像进行预处理操作；
52、目标检测模块：用于将经过预处理操作的所述监测画面图像输入至预先构建完成的目标检测模型中来进行目标检测以确定在所述监测画面图像中出现的所有穿山甲对应的目标检测区域，并根据所有检测到的目标检测区域裁剪出穿山甲图像；
53、特征提取模块：用于将所述穿山甲图像输入至特征提取器中以提取各个穿山甲图像对应的特征向量；
54、特征比对模块：用于将提取到的穿山甲图像对应的特征向量与穿山甲特征数据库进行特征匹配以确定相应的穿山甲图像是否为已知穿山甲个体；
55、第一处理模块：用于若为已知穿山甲个体，则获取相应穿山甲个体的个体标识符，根据所述个体标识符生成一条新的监测信息，并将所述监测信息与个体标识符进行数据关联，其中，所述监测信息包括相应穿山甲出现的位置信息、时间信息和环境条件信息中的一种或者多种；
56、第二处理模块：用于若为新的穿山甲个体，则生成新的个体标记符并记录新的穿山甲个体的特征向量，并根据新的穿山甲个体的特征向量对穿山甲特征数据库进行更新操作。
57、本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的穿山甲甲片个体智能识别方法。
58、本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的穿山甲甲片个体智能识别方法。
59、与现有技术相比，本发明实施例具有以下有益效果：
60、本发明实施例中的穿山甲甲片个体智能识别方法通过高效精准的监测与识别技术，结合个体级别的特征匹配与数据管理，实现了对穿山甲活动的即时捕捉和精准跟踪，不仅提升了生态研究的科学性和准确性，还促进了穿山甲等濒危物种的有效保护。
1.一种穿山甲甲片个体智能识别方法，其特征在于，包括：
2.如权利要求1所述的穿山甲甲片个体智能识别方法，其特征在于，所述目标检测模型通过如下步骤获取得到：
3.如权利要求2所述的穿山甲甲片个体智能识别方法，其特征在于，所述对所述穿山甲样本图像进行预处理操作，包括：
4.如权利要求1所述的穿山甲甲片个体智能识别方法，其特征在于，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
5.如权利要求1所述的穿山甲甲片个体智能识别方法，其特征在于，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
6.如权利要求1所述的穿山甲甲片个体智能识别方法，其特征在于，在所述生成新的个体标记符并记录新的穿山甲个体的特征向量之后，还包括：
7.如权利要求1所述的穿山甲甲片个体智能识别方法，其特征在于，在所述将经过预处理操作的所述监测画面图像输入至预先构建完成的目标检测模型中来进行目标检测，确定在所述监测画面图像中出现的所有穿山甲对应的目标检测区域之后，还包括：
8.一种穿山甲甲片个体智能识别系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至7任一项所述的穿山甲甲片个体智能识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至7任一项所述的穿山甲甲片个体智能识别方法。
