红外相机监测目标物种的一种自动化检测方法：以绿尾虹雉为例

红外相机是目前在野生动物资源调查和监测中的一种重要手段和工具,但对其采集的海量影像数据的甄别和所拍获物种的鉴定工作费时费力。为解决红外相机影像数据量庞大、无法自动识别目标物种、人为检索繁琐、以及卷积神经网络方法的检测效率和鉴别正确率低等问题,本文对红外相机采集的11万余张图像进行筛选,以绿尾虹雉Lophophorus lhuysii为例,运用协同注意力机制,提出一种针对红外相机影像数据中目标物种的自动化检测方法。实验结果表明,该方法对绿尾虹雉图像与视频的识别准确度达到99.62%。本文提出的方法能够提高对检测目标物种的识别率,降低人力成本,有利于指导野生动物的监测和保护。