图像处理算法分析用于路边野生动物检测

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 野生动物管理 野生动物管理

背景情况:

• 野生动物与车辆的碰撞对动物和人类都有很大的风险.
• 有效的检测系统对于减轻这些碰撞至关重要.
• 嵌入式系统为实时路边监控提供了可行的解决方案.

研究的目的:

• 对路边野生动物检测的五种图像处理技术进行比较分析.
• 确定在嵌入式系统中实现的最佳方法.
• 通过减少野生动物与车辆碰撞,提高道路安全.

主要方法:

• 用SIFT评估双边过,用Canny边缘检测进行高斯过,颜色定量化,运动检测和YOLOv8n神经网络.
• 应用算法从定制路边监控系统的热图像.
• 根据执行时间,灵敏度,特异性和准确性来评估性能.

主要成果:

• 运动检测产生了最高的灵敏度 (92.31%) 和精度 (87.50%).
• 双边过提供了最快的执行时间 (0.093秒).
• 巧妙的边缘检测提供了高特异性 (90.00%).

结论:

• 运动检测是可靠的路边动物检测的首选方法,因为它的高灵敏度和准确性.
• 选择的方法在各种数据集中显示出稳定性,尽管性能可能有所不同.
• 建议进一步开发,将其集成到嵌入式系统中,以减轻碰撞.