一种用于无人机监测青海野生动物的多目标追踪方法

科学领域:

• 野生动物保护技术技术
• 生态监测系统 生态监测系统
• 计算机视觉应用程序的应用程序

背景情况:

• 普罗卡普拉 (Procapra przewalskii) 在生态上至关重要,但由于息地丧失和偷猎而受到威胁.
• 有效的监测对于保护这种物种至关重要.
• 现有的追踪方法面临着无人机诱导的运动和目标阻塞的挑战.

研究的目的:

• 为无人机 (UAV) 开发一种先进的多物体跟踪 (MOT) 方法.
• 为了提高监测Procapra przewalskii种群的准确性和效率.
• 为了解决野生动物保护当前跟踪系统的局限性.

主要方法:

• 使用了经过修改的YOLOv7网络与集团选择性卷积 (GSConv) 进行了改进的特征提取.
• 实现内容意识重组功能 (CARAFE) 进行增强功能升级.
• 将无人机摄像头运动补偿 (CMC) 模块和信心优化策略 (COS) 集成到深度SORT算法中.

主要成果:

• 拟议的MOT方法比传统的深度SORT显著改进.
• 在MOTA获得了7.0%,在MOTP获得了3.7%,在IDF1获得了5.8%.
• 有效地缓解了与无人机摄像机动和目标封闭有关的问题.

结论:

• 开发的MOT系统为基于无人机的野生动物监测提供了可靠和高效的工具.
• 精确的追踪有助于更好地评估Procapra przewalskii的状态和保护.
• 该方法的效率符合有效保护野生动物的运营需求.