基于伪标签和YOLOv4的野生动物检测方法

摘要

红外相机是监测野生动物的常用方法，但存在数据量大、背景信息复杂等问题，导致监测数据标注和检测困难。针对以上问题提出一种基于伪标签和YOLOv4的野生动物检测方法。本方法首先基于运动检测的伪标签标定方法，通过背景差分法和形态学操作实现对视频数据集的自动快速标注，降低监测环境中复杂背景的不利影响；然后通过跨阶段局部卷积块，减少YOLOv4中路径聚合网络所需的计算量；最后在密集卷积区域引入Swish激活函数，提高模型在深层区域的特征提取能力，以浙江江山仙霞岭自然保护区的6种野生动物监测视频作为数据集进行实验。结果表明：本方法在平均精度均值和帧率指标上达到了86.41%和18.93帧/s，相比于YOLOv4、RFCN、YOLOv8x算法分别提高1.62、3.43、7.11个百分点，证明所提出算法可以有效克服现有方法标注和检测困难的问题，提升了野生动物监测数据检测平均精度均值和帧率，有助于野生动物监测数据分析的自动化和智能化。

关键词

野生动物 / 目标检测 / 红外相机 / 运动检测 / 伪标签