基于雪地足迹影像的物种分类识别方法——以东北地区六种哺乳动物为例

摘要

东北地区在我国生物资源上占据重要地位，受寒冷漫长的冬季以及丰厚降雪量的影响，野外工作者在冬季通常优先选择雪地足迹来完成野生动物的识别和监测，但通过足迹识别物种对人员资质要求较高，且对相似雪地足迹肉眼识别仍存在难度。因此，简单、高效且准确地通过雪地足迹影像来识别野生动物成为东北地区冬季野生动物监测的关键。为此，提出了基于雪地足迹和深度学习识别野生动物种类的方法，以东北地区6种哺乳动物为研究对象，通过野外人工采集并处理足迹影像制作雪地足迹数据集，选用分割模型SOLOv2作为分割网络完成对雪地足迹轮廓特征的自动提取，探究各物种的实例分割精度和效果。选用分类模型Swin-TransformerTiny作为分类网络实现对雪地足迹影像轮廓特征的自动分类识别，探究各物种的分类识别准确率。结果表明：本研究提出的雪地足迹识别分类方法具有较好的可信度；在分类网络中，通过人工标注雪地足迹轮廓完成物种自动分类可以达到89.9%的分类识别准确率；在雪地足迹识别网络中，通过其分割网络的结果对分类网络进行训练，最终完成整体的自动化识别，达到85.3%的分类识别准确率。总体上，通过雪地足迹影像以及深度学习技术，利用分割-分类网络构建野生动物雪地足迹识别网络，实现了基于动物雪地足迹影像的自动化物种分类识别，为我国北方冬季野生动物监测和保护提供了一种简单高效的方法。

关键词

物种识别 / 雪地足迹识别 / 深度学习 / 实例分割 / 分类网络