野生动物影像识别算法的研究
引言
自然环境及野生动物保护是当下时代全世界关注的问题。为了对野生动物进行管理与保护，识别是关键问题之一。相较于传统人工筛选、鉴别和记录，通过机器学习算法对已拍摄的照片进行识别，将规避人工作业效率低、滞后性高等问题，大幅提高效率。而单步检测算法又相比两阶段检测算法具有更高的检测精度和更快的检测速度。本研究将对以大熊猫、东北虎、金丝猴为例的三种野生动物使用YOLO v3算法实现物种自动识别。
研究的目的及意义
野生动物是生态系统中的重要组成成员之一，它不仅与生态平衡的维护息息相关，更与人类的生活及社会的发展有着密不可分的联系。
由于环境的恶化，人类的乱捕滥猎，各种野生动物的生存正在面临着各种各样的威胁。近100年，物种灭绝的速度已超过了自然灭绝速度的100倍，现在每天都有100多种生物从地球上消失。我国也已经有10多种哺乳类动物灭绝，还有20多种珍稀动物面临灭绝。而它们的灭绝会导致许多可被用于制造新药的分子归于消失，还会导致许多有助于农作物战胜恶劣气候的基因归于消失，甚至引起新的瘟疫，由此所造成的损失是我们永远也无法挽回的。因此，保护野生动物就是保护人类自己。
为了保护野生动物，我们需要对各类野生动物现状的可靠调查与统计，方法之一即通过各自然保护区以及其他野生动物栖息的地点放置摄像装置，拍摄野生动物的图像。
目前国内外对野生动物图像识别的方法主要有人眼识别法、功率谱分析、人脸识别、阈值分割等。人眼识别是一种快速、有效、可靠的方法，但是人眼很容易疲劳，也不能２４小时连续工作并且受环境的限制。功率谱分析方法处理速率慢、人脸识别技术的发展仅限于人群，局限性大、而阈值分割方法也受到环境背景等因素的限制。近些年发展起来的生物特征识别技术与人工智能技术在实现对野生动物保护方面具有很明显的优势，通过自动识别算法来对野生动物照片进行识别可以有效提高效率。
国内外同类研究概况
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
