基于图像的野生动物检测与识别综述
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Review on Image-based Wildlife Detection and Recognition
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    野生动物监测对于野生动物保护和生态系统维护至关重要, 而野生动物的检测与识别是实现监测的核心技术. 近年来, 随着计算机视觉技术的迅速发展和广泛应用, 基于图像的非接触式方法在野生动物监测领域引起了广泛的关注, 研究人员提出了各种方法来解决该领域的不同问题. 然而, 野外环境的复杂性使得对野生动物进行精确检测和识别仍具有一定的挑战. 为了推动该领域的研究, 本文对现有的基于图像的野生动物监测方法进行了综述, 主要包括3个部分: 野生动物图像获取方法、野生动物影像预处理方法以及野生动物检测与识别算法. 文章按照图像数据集和野生动物检测与识别算法的不同处理机制对这些方法进行了探讨和分类. 最后, 本文对基于深度学习的野生动物监测研究热点与存在问题进行了分析和总结, 并对未来的研究重点提出了展望.

    Abstract:

    Wildlife monitoring is essential for wildlife conservation and ecosystem maintenance, and wildlife detection and identification is the core technology to achieve monitoring. In recent years, with the rapid development and widespread application of computer vision technology, image-based non-contact methods have attracted extensive attention in the field of wildlife monitoring, and researchers have proposed various methods to solve different problems in this field. However, the complexity of wild environment still poses challenges for accurate detection and identification of wildlife. In order to promote research in this field, the existing image-based wildlife monitoring methods are reviewed in this study, which mainly include three sections: wildlife image acquisition methods, wildlife image preprocessing methods, and wildlife detection and recognition algorithms. These methods are discussed and classified according to the different processing mechanisms of image datasets and wildlife detection and recognition algorithms. Finally, the research hotspots and existing problems of wildlife monitoring based on deep learning are analyzed and summarized, and the prospect for future research priorities is proposed in the study.

    参考文献
    相似文献
    引证文献
引用本文

柯澳,王宇聪,胡博宇,林琦,李勇,双丰.基于图像的野生动物检测与识别综述.计算机系统应用,2024,33(1):22-36

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-07-24
  • 最后修改日期:2023-08-21
  • 录用日期:
  • 在线发布日期: 2023-11-24
  • 出版日期: 2023-01-05
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号